MALCOM: Indonesian Journal of Machine Learning and Computer Science

Analisis Sentimen Masyarakat Mengenai Gerakan Childfree di Media Sosial X Menggunakan Algoritma NBC dan SVM

2024-04-25T04:45:06+00:00

Anak merupakan salah satu entitas yang umum dalam membentuk sebuah keluarga, namun dalam beberapa tahun kebelakang muncul pembahasan mengenai childfree. Dengan banyaknya perdebatan pro-kontra mengenai childfree, perlu dilakukannya sentimen analisis terkait isu ini. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat mengenai gerakan childfree di media sosial X menggunakan algoritma Naïve Bayes Classifier (NBC) dan Support Vector Machine (SVM). Sentimen dibagi menjadi 3 kelas yaitu positif, negatif, dan netral. Penelitian ini mengumpulkan data dengan crawling data pada media sosial X dengan keyword childfree. Data yang diperoleh merupakan data teks mentah sehingga dibutuhkan tahap pra proses. Tahap pra proses yang dilakukan adalah tokenizing, case folding, filter stopword, stemming, TF-IDF, dan data balancing. Berdasarkan simulasi, performa algoritma NBC adalah: akurasi = 56,36%, presisi = 56,41%, dan recall = 56,35%, sedangkan performa algoritma SVM adalah: akurasi 76,12%, presisi 76,36%, dan recall 76,13%. Sehingga dapat disimpulkan bahwa SVM memiliki performa yang lebih baik dari pada NBC pada analisis sentimen di penelitian ini.

Analisis Kepuasan Pengguna Aplikasi Maxim dengan Menggunakan Model End-User Computing Satisfaction (EUCS)

2024-05-31T12:15:53+00:00

Penelitian ini bertujuan untuk menganalisis tingkat kepuasan pengguna terhadap aplikasi Maxim menggunakan model End User Computing Satisfaction (EUCS) dan model TAM. Dalam penelitian ini, peneliti menggunakan metode kuantitatif deskriptif untuk mengumpulkan data dari 108 responden yang mewakili populasi pengguna aplikasi Maxim di kota Palembang. Proses pengambilan data dilakukan dengan menyebarkan kuisioner kepada masyarakat pengguna aplikasi Maxim di Palembang. Teknik pengambilan sampel menggunakan rumus slovin. Metode pengolahan data yang dilakukan dalam penelitian ini menggunakan uji validitas, uji realbilitas, dan uji hipotesis yang diolah dengan menggunakan software SmartPLS. Hasil dari pengujian hipotesis terdapat 5 variabel yang tidak berpengaruh yaitu accuracy, format, timeliness, ease of use, content dan 1 variabel yang berpengaruh yaitu perceived of usefulness. Dari hasil analisis korelasi diperoleh R2 sebesar 0,878 menunjukan bahwa variabel satisfaction dapat dijelaskan oleh variabel content, accuracy, format, ease of use, perceived of usefulness dan timeliness sebesar 87,8 %. Hasil penelitian ini dapat digunakan sebagai bahan referensi untuk meningkatkan kualitas pelayanan aplikasi Maxim dan meningkatkan tingkat kepuasan pengguna.

Prediksi Jumlah Pendaftar Jemaah Umrah Menggunakan Backpropagation dan Regresi Linear pada PT. Hajar Aswad Mubaroq

2024-05-03T09:30:23+00:00

Umrah adalah perjalanan menuju Baitullah (Ka'bah) di Makkah yang dilakukan untuk melaksanakan serangkaian amal ibadah dengan memenuhi persyaratan-persyaratan khusus. PT Hajar Aswad Mubaroq adalah salah satu agen perjalanan umrah yang secara konsisten siap memberikan layanan kepada calon Jemaah Umrah untuk melakukan ibadah di tanah suci. Pada saat ini PT. Hajar Aswad Mubaroq masih melakukan prediksi manual untuk menghitung prediksi jumlah Jemaah yang akan berangkat umrah. Salah satu akibat dari prediksi manual jumlah pendaftar Jemaah umrah dengan akurat adalah perselisihan jumlah booking pesawat yang terkadang terdapat kekurangan dan kelebihan pemesanan. Sehubungan dengan itu penelitian ini bertujuan memprediksi jumlah Jemaah Umrah PT. Hajar Aswad Mubaroq menggunakan Teknik Machine Learning Agar meminimalkan kesalahan dalam pemesanan penerbangan dan meningkatkan efisiensi analisis serta pengambilan kebijakan terkait data yang ada. Teknik Machine Learning yaitu metode Backpropagation dan Regresi Linear. Hasil penelitian menunjukkan performa terbaik untuk prediksi jumlah pendaftar Jemaah umrah PT. Hajar Aswad Mubaroq yaitu menggunakan algoritma Backpropagation dengan nilai RMSE sebesar 0.101 +/- 0.000, R² sebesar 0.010 +/- 0.021 dan MAPE 19.74% pada percobaan window size 8.

Analisis Komparasi Performa Metode Deteksi Tepi Sebagai Predektor Diabetes Berbasis Citra Lidah

2024-05-19T03:02:28+00:00

Jenis Penyakit kencing manis atau juga biasa disebut Diabetes merupakan gangguan metabolik yang disebabkan oleh tingginya kadar gula dalam darah. Hormon insulin memindahkan gula darah ke seluruh sel tubuh, untuk disimpan atau digunakan sebagai energi. Ketika Anda menderita diabetes, tubuh sulit untuk memproduksi insulin untuk memenuhi kebutuhan tubuh dan tubuh kurang efisien dalam mengelola insulin dengan baik sesuai dengan kebutuhannya. Dalam hal ini, diabetes melitus tercatat sebagai penyebab kematian terbesar di dunia. Tanda-tanda dan efek samping penyakit diabetes melitus seharusnya terlihat secara lahiriah melalui bagian-bagian tubuh manusia, misalnya saja lidah yang menunjukkan adanya pertumbuhan atau Candida Albicans, dimana lidah adalah partikel tubuh manusia yang cukup peka terhadap rangsangan .Teknik Informatika berperan dalam penelitian ini, dengan menggunakan You Only Live Once (YOLO) sebagai media penandaan bagian tertentu dari suatu objek yang nantinya akan digunakan untuk mendeteksi tepi objek yang ditandai dan diproses dalam hal ini citra lidah untuk prosedur deteksi tepi. Untuk analisis perbandingan deteksi tepi citra lidah dalam deteksi penyakit diabetes melitus, sistem dapat menghasilkan hasil keluaran yang cukup memuaskan.

Perbandingan Performa Algoritma RNN dan LSTM dalam Prediksi Jumlah Jamaah Umrah pada PT. Hajar Aswad

2024-05-03T09:37:33+00:00

Secara bahasa umrah bermakna ziarah atau berkunjung, sedangkan secara istilah umrah adalah perjalanan ke Baitullah di luar waktu haji dengan tujuan melaksanakan ibadah tertentu dan memenuhi syarat-syarat khusus. PT Hajar Aswad merupakan sebuah perusahaan travel umrah yang beroperasi di Indonesia. PT Hajar Aswad bertanggung jawab untuk mengatur perjalanan, akomodasi, transportasi, dan berbagai keperluan lainnya bagi para jemaah umrah, untuk itu perlu memiliki pemahaman yang baik mengenai pola dan tren jumlah jemaah umrah agar dapat mengoptimalkan operasional dan memberikan pelayanan yang memuaskan kepada jamaah. Oleh karena itu penelitian ini dilakukan untuk memprediksi jumlah jamaah umrah pada PT Hajar Aswad menggunakan algoritma RNN dan LSTM agar PT Hajar Aswad. . Hasil perbandingan kedua algoritma menunjukkan bahwa LSTM mampu memberikan hasil prediksi yang sedikit lebih baik dibandingkan RNN dengan parameter window size 7, optimizer Adam, batch size 8, dan learning rate 0,01. Model ini memiliki nilai RMSE sebesar 0,1758, MAPE sebesar 0,4846, dan R2 sebesar 0,5198.

Perbandingan Kinerja Model Berbasis RNN pada Peramalan Data Ekonomi dan Keuangan Indonesia

2024-05-28T12:17:33+00:00

Peramalan deret waktu merupakan salah satu elemen kunci dalam analisis ekonomi dan keuangan. memungkinkan pemangku kepentingan untuk membuat perkiraan terhadap berbagai indikator ekonomi sebelum data resmi dirilis. Dalam konteks ini, model pembelajaran mesin seperti Recurrent Neural Network (RNN), Long Short-Term Memory (LSTM), dan Gated Recurrent Unit (GRU) menunjukkan potensi yang menjanjikan dalam memprediksi data deret waktu. Sejumlah penelitian juga menegaskan bahwa LSTM dan GRU mampu mengungguli kinerja RNN. Kedua model tersebut memiliki mekanisme untuk mengatasi masalah vanishing gradient yang sering ditemui pada model RNN konvensional. Penelitian ini menitikberatkan untuk menguji kinerja ketiga model tersebut pada data-data yang ada di Indonesia. Agar hasil lebih komprehensif, penelitian ini akan menguji model pada tiga jenis data yang berbeda meliputi IHSG, nilai ekspor dan PDB. Hasil penelitian ini mengindikasikan bahwa secara keseluruhan, model GRU menunjukkan kinerja terbaik, diikuti oleh model LSTM yang juga kompetitif dibandingkan RNN. Selain akurasi, model GRU dan LSTM juga menonjol dalam hal stabilitas kinerja, ditandai dengan simpangan baku yang relatif kecil jika dibandingkan dengan RNN. Keunggulan ini menjadi semakin signifikan terutama saat diterapkan pada model PDB dimana hanya tersedia untuk periode waktu yang pendek.

Implementasi Algoritma Support Vector Machine Untuk Analisa Sentimen Data Ulasan Aplikasi Pinjaman Online di Google Play Store

2024-06-07T14:14:28+00:00

Pinjaman online (pinjol) banyak menuai pro dan kontra karena aksesnya yang mudah dan iklannya tersebar di media sosial. Penyelenggara pinjaman daring juga seringkali menggunakan metode penagihan yang mengganggu, memberlakukan bunga yang tinggi, dan menetapkan jangka waktu pembayaran yang pendek, terutama pada pinjaman daring ilegal. Karenanya, penelitian ini melakukan analisis sentimen pada lima aplikasi pinjol, yaitu Kredivo, Easycash, Rupiah Cepat, Kredit Pintar, dan Ada Pundi. Data ulasan aplikasi diambil dari Google Play Store menggunakan teknik scraping. Kemudian, pelabelan sentimen dilakukan secara otomatis menggunakan kamus sentimen Bahasa Indonesia (Inset). Hasil pelabelan menunjukkan bahwa semua aplikasi pinjol mayoritas memiliki sentimen negatif. Kredivo menjadi aplikasi dengan jumlah sentimen positif terbanyak (46%), sementara itu Easycash memiliki sentimen negatif terbanyak (65%). Data yang di labeli kemudian digunakan untuk pemodelan klasifikasi dengan algoritma Support Vector Machine (SVM). Hasil evaluasi menghasilkan algoritma SVM mempunyai kinerja yang cukup baik dengan rata-rata akurasi sebesar 72%, presisi 76%, dan recall 85%. Namun secara khusus, SVM sangat baik melakukan klasifikasi sentimen pada aplikasi Kredit Pintar dengan akurasi sebesar 83%. Analisis visualisasi menggunakan word cloud juga dilakukan untuk memahami konteks ulasan pengguna aplikasi pinjol. Hasil pengamatan menunjukkan bahwa pengguna hampir selalu membahas tentang limit pinjaman disetiap sentimen pada kelima aplikasi.

Klasifikasi Penyakit Cacar Monyet Menggunakan Support Vector Machine (SVM)

2024-05-28T12:24:51+00:00

Penyakit cacar monyet menjadi sebuah wabah di beberapa negara non endemik pada bulan Juli tahun 2022. Oleh karena itu, tindakan pencegahan atau pengobatan yang tepat perlu dilakukan secara dini dengan cara melakukan identifikasi penyakit menggunakan suatu metode klasifikasi. Klasifikasi dilakukan menggunakan metode knowledge discovery in database (KDD) dengan algoritma support vector machine (SVM) yang menggunakan 4 kernel yaitu linear, RBF, sigmoid, dan polynomial dengan pengaturan parameternya pada masing masing kernel. Algoritma SVM dipilih karena penggunaan berbagai kernelnya memungkinkan eksplorasi bentuk-bentuk keputusan yang berbeda dalam ruang fitur yang lebih tinggi untuk mengangkap pola pola yang tidak linear. Hasil terbaik didapatkan oleh kernel polynomial dengan tingkat akurasi sebesar 75%, sementara kernel linear sebesar 70,5%, RBF sebesar 66%, dan sigmoid sebesar 45%. Kemudian nilai grafik kurva receiver operating characteristic area under control (ROC AUC) untuk kernel polynomial sebesar 0.81. Hal tersebut menunjukkan bahwa model klasifikasi yang dibuat sudah baik dan dapat dikembangkan ke penelitian tahap selanjutnya.

Effective Social Media Content Strategy to Enhance Brand Loyalty in Technology Businesses

2024-05-28T12:10:41+00:00

Consumer behavior has shifted with the advent of social media. Consumers now tend to seek information, reviews, and product recommendations through these platforms. Technology businesses must understand and leverage this change to build and maintain brand loyalty. This research aims to identify and analyze the most effective social media content strategies in enhancing brand loyalty in technology businesses, as well as providing practical recommendations for companies to implement these strategies. The research method employed is a literature review with a qualitative approach using descriptive analysis. In this study, data were collected from scholarly articles published between 2010-2024, utilizing Google Scholar as the primary source of search. This approach can provide a comprehensive understanding of the main research topic based on relevant and up-to-date empirical data. The study findings indicate that in the evolving digital era, social media has become one of the primary means for technology businesses to interact with consumers. To differentiate and build strong brand loyalty amidst increasing competition, social media content strategies should be based on a deep understanding of the target audience, consistency, authenticity, educational and informative content, active engagement, and continuous data analysis. By effectively implementing these strategies.

Exploring the Role of ChatGPT in Shaping an Innovative Organizational Culture, Responsiveness to Change, and Enhancing Human Resource Development

2024-06-03T01:53:52+00:00

The rapid development of digital technology has prompted organizations to adopt new tools and systems to enhance operational efficiency and effectiveness. One of the latest technologies garnering widespread attention is artificial intelligence (AI), including language models like ChatGPT, capable of processing and generating text naturally. This research aims to further explore how ChatGPT can be implemented within organizations to cultivate an innovative culture, responsiveness to change, and effectively support human resource development. This study employs a literature review method with a qualitative approach. Data were collected from articles published on Google Scholar between 2021 and 2024, considering Google Scholar as a comprehensive and credible academic database. The findings indicate that ChatGPT plays a crucial role in fostering innovation by serving as a catalyst for creative ideas and new solutions. Furthermore, ChatGPT has proven to enhance organizational responsiveness to changes in the business environment by providing accurate insights based on real-time data. On the other hand, utilizing ChatGPT as an interactive training tool also aids in accelerating employee competency development. However, it is essential to consider the ethical challenges and considerations in the use of this technology, including data privacy issues and overreliance.

Penerapan Algoritma Apriori untuk Penentuan Pola Pembelian Kacamata pada Optik Indah Optikal

2024-04-25T05:06:39+00:00

Toko optik Indah Optikal terletak di Perawang Kabupaten Siak, Riau ini menjual berbagai kacamata dan lensa kacamata dengan harga, merek, jenis dan kualitas yang berbeda. Terjadinya transaksi penjualan kacamata pada optik indah optikal, artinya data transaksi perusahaan akan bertambah. Jika dibiarkan, data penjualan kacamata akan menjadi sampah yang tidak ada artinya. Berkat kemajuan teknologi, kemampuan mengumpulkan dan mengolah data terus meningkat. Oleh karena itu, penelitian ini bertujuan untuk menerapkan teknik algoritma Apriori pada Optik Indah Optikal untuk mengidentifikasi pola pembelian kacamata yang paling umum terjadi di toko. Perhitungan pola asosiasi dilakukan dengan menentukan terlebih dahulu minimum support sebesar 4% dan minimum confidence sebesar 5%. Hasil pengujian yang diperoleh pada pengujian tingkat akurasi bersama dengan perhitungan lift ratio memberikan aturan kombinasi produk yang dapat digunakan strategi pemasaran untuk meningkatkan penjualan dengan menyusun paket itemset produk untuk dibeli oleh konsumen secara bersamaan. Pola atau aturan yang ditetapkan membantu konsumen menentukan produk mana yang mereka inginkan atau produk utama mana yang diminati konsumen. jika nilai minimum nilai support adalah 4% dan minimum nilai confidence adalah 5% maka aturan rule yang terbentuk adalah 76 rule. Dari rule yang terbentuk aturan pasangan item dengan nilai support 4%, confidence 5%.

Analisis Kepuasan SI-BTM Menggunakan Metode Technology Acceptance Model (TAM)

2024-06-24T15:16:58+00:00

Dalam upaya meningkatkan efisiensi dan transparansi proses pembayaran tunjangan dan remunerasi bagi Aparatur Sipil Negara (ASN) dan Pegawai Pemerintah dengan Perjanjian Kerja (PPPK), Badan Kepegawaian Pendidikan dan Pelatihan (BKPP) Kota Jayapura telah menerapkan Sistem Informasi Pembayaran Tunjangan dan Remunerasi Berbasis Kinerja (SI-BTM). SI-BTM merupakan aplikasi yang ditujukan bagi berbagai kelompok fungsional di BKPP dan didasarkan pada kinerja pegawai. Penelitian ini bertujuan untuk menganalisis kepuasan pengguna terhadap SI-BTM dengan menggunakan model Technology Acceptance Model (TAM). Model TAM mencakup empat dimensi utama, yaitu persepsi kemudahan penggunaan, persepsi manfaat, niat penggunaan, dan penggunaan aktual. Populasi penelitian ini adalah seluruh ASN dan PPPK di BKPP Kota Jayapura yang berjumlah 1.118 orang. Sampel penelitian diambil secara acak sederhana sebanyak 152 orang melalui kuesioner online. Validitas dan reliabilitas instrumen diuji dengan menggunakan metode Cronbach's Alpha dengan bantuan perangkat lunak SPSS dan Microsoft Excel. Hasil wawancara menunjukkan adanya kendala dalam integrasi fungsi aktivitas antara guru dan tenaga fungsional umum, sehingga menyulitkan proses verifikasi oleh BKPP. Survei menunjukkan bahwa persepsi kemudahan penggunaan dan manfaat SI-BTM memiliki pengaruh signifikan terhadap kepuasan pengguna. Temuan ini menunjukkan bahwa penerapan SI-BTM telah memenuhi sebagian besar harapan pengguna, meskipun masih terdapat tantangan dalam integrasi fungsi aktivitas antar kelompok pengguna.

Sistem Pakar Diagnosa Penyakit Lambung Menggunakan Metode Certainty Factor Berbasis Web

2024-05-25T11:45:30+00:00

Penyakit lambung adalah penyakit yang tidak bisa di anggap remeh, karena karena dapat mengiritasi lapisan esofagus serta membuat lambung menjadi meradang. jika tidak segera ditangani maka bisa berakibat fatal. Kurangnya informasi masyarakat tentang penyakit lambung maka semakin banyak masyarakat yang terkena penyakit lambung, penyebab utama dari penyakit lambung yaitu berasal dari virus dan bakteri helicobacter pylori. Dengan dibuatnya sistem pakar berbasis web menggunakan metode certainty factor ini dapat digunakan sebagai penanganan awal untuk mempermudah user dalam melakukan konsultasi berdasarkan dari gejala-gejala yang ditimbulkan. Penggunaan metode certainty factor pada sistem pakar ini karena hasil dari penerapan metode certainty factor yaitu presentase. Nilai presentase pada sistem pakar diagnosa penyakit lambung ini di ambil dari hasil akhir tertinggi. Berdasarkan dari uji akurasi yang telah dilakukan, mendapatkan hasil tingkat akurasi sebesar 100%. Dengan akurasi yang tinggi maka sistem pakar diagnosa penyakit lambung menggunakan metode certainty factor dapat disimpulkan bahwa sistem pakar ini mempunyai performa yang baik.

Measuring Information Security Awareness Level of High School Students

2024-06-13T06:58:14+00:00

Information security awareness has become a crucial factor in the current advancement of information technology. Information security awareness is one of the key factors in avoiding crimes in the digital world today. Therefore, this research aims to measure the information security awareness level and provide recommendations to enhance the information security awareness of high school students. The research instrument utilized in this study is the Human Aspect Information Security Questionnaire (HAIS-Q) and focus area weighting was conducted using the Analytic Hierarchy Process (AHP) method. Data was collected through questionnaires distributed to 99 respondents, and the weighting was performed by two experts in the field of information security and one high school teacher. The results indicated a total awareness level of 86,38%, categorized as "Good", with the most vulnerable focus area being password management. Based on these findings, recommendations are provided in this research to enhance information security awareness.

Content Classification of the Official Website of the Ministry of Foreign Affairs of the Republic of Indonesia (MoFA RI) using Vector Space Model (VSM)

2024-05-01T11:13:28+00:00

The official website of the Ministry of Foreign Affairs of the Republic of Indonesia (MoFA RI) is an important platform for disseminating information to a diverse audience. Efficiently categorizing the vast amount of content available on the website is essential for enhancing user experience and optimizing information retrieval. These categories will also become an identifier and topic classification based on the content inside the article. This study presents a systematic approach to content classification of the Official Website of the Ministry of Foreign Affairs of the Republic of Indonesia (MoFA RI) using the Vector Space Model (VSM). The methodology involves preprocessing the text data, constructing a term-document matrix, and implementing cosine similarity to measure the relevance of documents to predefined categories. The study demonstrates the effectiveness of VSM in accurately classifying content, thus facilitating streamlined access to information for users navigating the website. Furthermore, the findings offer insights into enhancing the organization and accessibility of governmental online platforms, contributing to improved user experience and information dissemination.

Predictive Model Comparison for Predicting Condom Use: Comparison of Conventional Logistic Regression and Other Machine Learning

2024-06-26T00:35:46+00:00

Condom use at first sex remains an important issue as it shapes future sexual behavior. This study aimed to deploy and predict condom use using five different machine learning classification models. Dataset used for this study was from Indonesian Demographic and Health Survey (IDHS) 2017 with a population of interest was male adolescents. We evaluated five different models, namely logistic regression, naïve bayes, K-Nearest Neighbors, support vector machines, and decision tree. Performances of each model were assessed using metrics such as accuracy, specificity, sensitivity, ROC Curve, and AUC Score. Study found that different models exhibit different accuracy, specificity, sensitivity, ROC Curve, and AUC Score. The decision tree and naïve bayes models remained the models with the highest specificity and sensitivity, however the KNN model expressed the highest AUC score. Result from the conventional logistic regression also explained that condom use was associated with education level, age at first sex, and attitude towards condom use. The government is advised to create equal education opportunities for every adolescent and shape better knowledge and condom attitudes. Future studies are advised to enhance the performance of machine learning models using hyperparameter tuning and other methods.

Analysis of Measuring Information Security Awareness for Employees at Institution XYZ

2024-06-09T03:49:09+00:00

As a government institution in the field of civil servant management, XYZ Institution has data on 4.4 million Employees spread throughout Indonesia which needs to be maintained. Based on the BSSN report, there has been a significant increase in potential threats in recent years and is expected to continue in 2024, one of which is the threat of Phishing. This research was conducted to measure the level of information security awareness (ISA) for employees at xyz institution. Phishing simulations and questionnaires are used to measure the level of ISA and how to provide ISA education so that it can increase the level of ISA employees. Simulation results will be compared before and after the provision of ISA education. The results of providing education have a positive impact for employees. Simulation before providing education there were 65% of employees clicking on phishing urls and after education there was a decrease to 17%. While employees who were exposed to phishing before education were 33% and after education there was a decrease to 16%. In addition, the questionnaire filled out by 150 employees showed results with a value of 86.54% for the level of ISA employee, which is in the good category

Noise Study on the OH1 Wearable Device: Analysis of 11 Hand Movement Artifacts

2024-05-25T11:53:07+00:00

Wearable devices like the OH1 are increasingly used for real-time health monitoring, particularly for measuring heart rate (BPM). However, their accuracy is often compromised by motion artifacts, introducing significant noise into the measurements. This study specifically addresses the issue of noise generated by the OH1 wearable device during eleven different hand movements. To tackle this problem, we implemented a precise experimental setup involving device calibration, stable testing conditions, and participant training to ensure high consistency in hand movements. Additionally, machine learning algorithms were employed to separate noise from desired hand movement data. Our results indicate that certain hand movements, such as lifting arms and shoulder rotations, produce higher noise levels, while others, like placing hands on the table, generate minimal noise. These findings provide valuable insights for developing effective noise reduction algorithms, ultimately enhancing the accuracy and reliability of BPM measurements from wearable devices.

Perbandingan Algoritma DBSCAN dan K-MEANS dalam Segmentasi Pelanggan Pengguna Transportasi Publik Transjakarta Menggunakan Metode RFM

2024-07-10T02:02:51+00:00

Transportasi umum sangat penting dalam kehidupan individu di suatu daerah. Transjakarta, diperkenalkan pada tahun 2004, adalah sistem Bus Rapid Transit (BRT) terpanjang di dunia dengan 251,2 kilometer jalur, 14 jalur, dan 287 halte di seluruh Jakarta. Sistem ini melayani masyarakat dengan 1.347 unit transportasi. Seiring peningkatan jumlah pengguna, masalah seperti kerumunan di halte dan antrian panjang muncul, sehingga diperlukan segmentasi pelanggan yang cermat.Penelitian ini menggunakan metode Recency, Frequency, Monetary (RFM) untuk analisis segmentasi pelanggan Transjakarta dengan algoritma DBSCAN dan K-Means. Hasil menunjukkan DBSCAN membutuhkan waktu pemrosesan lebih lama untuk klaster tertentu, sedangkan K-Means lebih cepat di klaster tertentu. K-Means unggul dengan Silhouette Score 0.714917 dan Davies-Bouldin Index 0.365776, dibandingkan DBSCAN dengan Silhouette Score 0.699971 dan Davies-Bouldin Index 0.390784. K-Means lebih efektif dalam membedakan pelanggan berdasarkan frekuensi dan nilai moneter, sementara DBSCAN dapat mengidentifikasi outlier dengan interaksi dan nilai moneter tinggi. Secara keseluruhan, K-Means menunjukkan performa yang lebih baik dalam segmentasi pelanggan Transjakarta. Berdasarkan hasil ini, K-Means lebih cocok digunakan untuk segmentasi pelanggan Transjakarta, yang dapat membantu pihak berwenang merancang strategi layanan yang lebih efisien dan meningkatkan kepuasan pelanggan.

Sistem Pakar Diagnosa Penyakit Degeneratif pada Lansia Menggunakan Metode Forward Chaining

2024-07-06T08:26:48+00:00

Dalam era modern ini, teknologi telah maju dengan pesat, memungkinkan manusia untuk melakukan aktivitas dengan lebih mudah. Namun, beberapa puskesmas seperti Puskesmas Imbi di Jayapura masih menghadapi tantangan dalam menyediakan akses layanan kesehatan yang memadai bagi masyarakat, terutama terkait dengan edukasi penyakit degeneratif yang rendah dan kompleksitas pelayanan kesehatan. Untuk mengatasi ini, pengembangan sistem pakar untuk diagnosis awal penyakit degeneratif menjadi penting. Studi ini menganalisis data pasien degeneratif dari November 2023 hingga Januari 2024 di Puskesmas Imbi, menunjukkan kebutuhan akan sistem yang dapat memberikan diagnosa cepat dan tepat. Penggunaan metode Forward Chaining dalam sistem pakar ini diharapkan dapat meningkatkan akurasi diagnosa dengan mengelola ketidakpastian medis yang sering terjadi. Selain itu, penelitian ini juga merancang sistem berbasis website untuk mendeteksi gejala awal degeneratif, dengan menggunakan metodologi pengembangan waterfall dan pengujian blackbox. Pendekatan komprehensif ini diharapkan dapat meningkatkan kualitas hidup lansia dan mengurangi beban penyakit degeneratif serta penyakit penyerta lainnya secara efektif.

Analisis Prediksi Customer Repeat Order menggunakan Algoritma Decision Tree pada Perusahaan Transportasi

2024-07-15T03:40:09+00:00

Data merupakan inti yang tidak terpisahkan dalam pengelolaan pengembangan pelayanan yang dimiliki perusahaan. Banyak perusahaan yang tidak memanfaatkan data untuk keberlangsungan perusahaan atau meningkatkan mutu dari pelayanan perusahaan. Minimnya pemanfaatan data membuat data kurang memberikan nilai tambah terhadap suatu jasa atau pelayanan perusahaan. Oleh sebab itu, diperlukan adanya pemanfaatan data-data tersebut agar menghasilkan sebuah pengetahuan yang bermanfaat bagi perusahaan. pemanfaatan teknik data mining ini memberikan manfaat dalam pengolahan data dengan menggunakan model klasifikasi, khususnya algoritma decision tree, untuk memprediksi pelanggan yang berpotensi melakukan pemesanan ulang. Algoritma decision tree ini banyak digunakan untuk melakukan analisis prediksi karena menghasilkan keakuratan yang tinggi. Tujuan dari penelitian adalah untuk memahami layanan perusahaan yang paling diminati dan meningkatkan peluang pelanggam untuk melakukan pemesanan ulang layanan perusahaan sehingga mendapatkan manfaat dalam menaikan pendapatan perusahaan dengan menekan pengeluaran untuk pemasaran. Hasil dari penelitian menggunakan algoritma decision tree ini menghasilkan pohon keputusan dengan pengukuran accuracy sebesar 83,33%, pengukuran precision sebesar 100%, dan pengukuran recall sebesar 70%. Hasil pengukuran accuracy, precision dan recall menunjukan hasil yang baik sehingga penggunaan algoritma decision tree ini dapat dijadikan solusi untuk perusahaan guna melakukan prediksi customer repeat order.

Perbandingan Algoritma K-Means, Naïve Bayes dan Decision Tree Dalam Memprediksi Penjualan Bahan Bakar Minyak

2024-07-19T11:43:57+00:00

Penelitian ini membahas penerapan algoritma K-Means untuk melakukan clustering terhadap data penjualan Bahan Bakar Minyak (BBM) di SPBU Wadio Nabire, serta evaluasi akurasi model Decision Tree dan Naive Bayes menggunakan data mining pada aplikasi Orange. Tujuan utama penelitian ini adalah untuk mengoptimalkan distribusi BBM dengan memahami pola konsumsi dan segmentasi pelanggan. Penelitian ini mengidentifikasi masalah utama dalam distribusi BBM yang tidak optimal, yang menyebabkan kelebihan atau kekurangan stok di SPBU Wadio Nabire, serta ketidakpuasan konsumen akibat antrean panjang dan kenaikan biaya operasional. Dengan menggunakan teknik data mining seperti clustering dan prediksi penjualan, penelitian ini bertujuan untuk memberikan solusi dalam perencanaan distribusi yang lebih efisien dan strategi pemasaran yang lebih efektif untuk meningkatkan penjualan BBM dan kepuasan pelanggan.

Design and Analysis of Cybersecurity Information Sharing Mechanism Between Computer Security Incident Response Teams (CSIRT) in Indonesia on Blockchain Technology Through Hyperledger Composer and Interplanetary File System (IPFS)

2024-06-13T14:40:29+00:00

Sharing cybersecurity information among the Computer Security Incident Response Team (CSIRT) is a crucial step in enhancing organizational cybersecurity. However, a primary challenge faced is the lack of trust among users regarding the confidentiality, integrity, and availability of shared information. This study proposes a new approach by designing a mechanism for sharing cybersecurity information among CSIRTs in Indonesia on blockchain technology using Hyperledger Composer. This approach offers an innovative solution by leveraging the advantages of blockchain technology. Through this approach, cybersecurity information can be shared in a decentralized manner, overcoming the weaknesses of centralized systems, and enhancing overall information security. Another advantage of blockchain technology is its high performance and scalability, enabling increased speed, and user capacity in the process of sharing information. By implementing a blockchain-based mechanism for sharing cybersecurity information, this research aims to ensure crucial aspects of information security, namely confidentiality, integrity, and availability. The contribution of this study is not only in enhancing organizational cybersecurity but also in providing an innovative solution to practical challenges in sharing cybersecurity information among CSIRTs.

Optimasi Decision Tree Menggunakan Particle Swarm Optimization (PSO) pada Risiko Kredit KMG Bank DKI

2024-07-10T02:16:34+00:00

Pada dunia perbankan prediksi risiko kredit merupakan aspek penting yang menentukan keberhasilan dalam pengelolaan kredit. Penelitian ini bertujuan untuk meningkatkan akurasi prediksi risiko kredit Kredit Multiguna (KMG) di Bank DKI dengan menggunakan metode Particle Swarm Optimization (PSO). Dalam konteks ini, PSO digunakan untuk mengoptimalkan dalam menemukan kombinasi parameter terbaik yang dapat meningkatkan performa model prediksi risiko kredit. Penelitian menunjukkan bahwa penggunaan Particle Swarm optimization (PSO) ini meningkatkan akurasi prediksi risiko kredit secara signifikan. Dengan menggunakan Particle Swarm optimization (PSO) menghasilkan akurasi prediksi mencapai 99,13%. Sebaliknya , tanpa optimasi PSO, akurasi yang diperoleh dari Decision Tree hanya sebesar 97,83 %. Hal ini membuktikan bahwa PSO mampu meningkatkan akurasi prediksi risiko kredit secara signifikan. Dengan demikian, Bank DKI dapat mengambil keputusan yang lebih tepat dalam pemberian kredit KMG, yang pada akhirnya dapat mengurangi tingkat kredit macet dan meningkatkan stabilitas finansial bank.

Analisis Sentimen Terhadap Cyber Bullying di X Menggunakan Algoritma Naïve Bayes

2024-07-16T16:00:30+00:00

X adalah salah satu media sosial paling populer di dunia penggunanya bisa menuangkan isi fikiran ke publik dan cepat mendapatkan informasi dan tanggapan dari berbagai sudut pandang. Disamping saking banyaknya sisi positif dari x ini pasti tidak luput dari sisi negatifnya, salah satunya Cyberbullying di sosial media ini. Cyberbullying sendiri termasuk tindakan pidana dan pelakunya dapat ditindak sesuai Undang-undang yang berlaku. Maka dari itu penelitian analisis sentimen terhadap Cyberbullying pada media sosisal x untuk mengklasifikasikan tweet dan komentar yang bermuatan negatif dan positif menggunakan metode dan Naïve Bayes classifier Data masukan pada analisis ini berupa tweet yang diperoleh dari open data untuk di analisis untuk mencari potensi terjadinya tindakan Cyberbullying. Output pada penelitian ini berupa klasifikasi sentimen Cyberbullying yang telah melewati preprocessing. Dari hasil pengujian diperoleh akurasi menggunakan metode Naïve Bayes sebesar 86% menghasilkan pembuktian untuk topik Cyberbullying, sehingga algoritma tersebut dapat diterapkan untuk klasifikasi analisis sentimen pada data yang lain.

Analisis Sentimen Terhadap Program Kartu Indonesia Pintar Kuliah pada Media Sosial X Menggunakan Algoritma Naive Bayes

2024-07-18T11:01:49+00:00

Penelitian ini menunjukkan bahwa publik memiliki berbagai tanggapan terhadap Program Kartu Indonesia Pintar Kuliah (KIP-K) yang dapat dikategorikan ke dalam sentimen positif dan negatif. Permasalahan yang diteliti adalah bagaimana tanggapan publik terhadap program KIP-K yang diungkapkan melalui media sosial X. Penelitian ini menggunakan metode analisis sentimen dengan algoritma Naive Bayes dan pendekatan CRISP-DM untuk memastikan proses analisis yang sistematis dan terstruktur. Data yang dikumpulkan sebanyak 1.516 tweet yang mengandung kata kunci "KIP-K" melalui teknik crawling data menggunakan API X. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes efektif dengan akurasi 84.99%, presisi sentimen positif 83.54%, dan presisi sentimen negatif 87.25%. Solusi yang ditawarkan adalah penggunaan teknik machine learning untuk secara otomatis mengkategorikan sentimen dari data teks yang besar dan tidak terstruktur. Manfaat dari penelitian ini adalah memberikan wawasan kepada pemerintah dan pemangku kebijakan tentang persepsi masyarakat terhadap program KIP-K, yang dapat dijadikan dasar untuk evaluasi dan perbaikan program di masa mendatang. Kesimpulannya, algoritma Naive Bayes dapat mengklasifikasikan sentimen dengan baik menggunakan data dari tweet tentang KIP-K, dengan hasil yang menunjukkan dominasi sentimen negatif. Penelitian ini juga berkontribusi dalam pengembangan metode analisis sentimen berbasis machine learning di bidang pendidikan.

Simulasi Pemilu untuk Pemilih Pemula Berbasis Mixed Reality

2024-06-02T12:21:41+00:00

Pemilihan umum (pemilu) merupakan salah satu pilar utama dalam sistem demokrasi di Indonesia yang memiliki fungsi sebagai alat untuk melakukan pemilihan yang akan menjadi pemimpin. Partisipasi pemilu pada pemilih pemula menunjukkan angka penurunan, dikarenakan pemilih pemula merasa kesulitan dalam teknis untuk mengikuti pemilihan umum. Maka dari itu, membuat suatu simulasi pemilu yang menggunakan teknologiMixed Reality (MR) yaitu memadukan antara Virtual Reality (AR) dan Augmented Reality (AR). Tujuan dari menggunakan teknologi mixed reality, dapat memberi pengalaman langsung bagi pemilih pemula dalam melaksanakan teknis pemilu. Selain itu meningkatkan antusias pemilih pemula dalam pemilu melalui teknologi. Penelitian ini dilaksanakan menggunakan metode kualitatif, dengan wawancara mendalam dan observasi sebagai teknik pengumpulan data. Partisipan dalam penelitian ini merupakan siswa menengah atas kelas 11 dan 12.Simulasi yang akan kembangkan nantinya dapat dijalankan dengan perangkat keras Virtual Reality, kemudian dengan perangkat keras tersebut sensor akan mendeteksi tangan dan area yang akan kita gunakan untuk menampilkan objek 3D, sehingga kita bisamelakukan simulasi pemilu dengan pengalaman lebih interaktif dan menarik bagi pemilih pemula. Hasil penelitian ini menunjukan bahwa para pemilih pemula lebih terbantu untuk memahami teknis pemilu dengan perpaduan teknologi. Agar nantinya angka partisipasi pemilih pemula mengalami kenaikan dan para pemula memiliki pemahaman teknis yang cukup terhadap pemilu.

Perencanaan Arsitektur Enterprise Menggunakan TOGAF Architecture Development Method

2024-07-23T14:35:49+00:00

SMP Muhammdiyah 3 Bandung belum mempunyai sistem informasi yang terintegrasi dalam mendukung penerapan suatu model untuk merancang sistem informasi dan teknologi informasi dalam proses belajar mengajar sehingga dapat membantu dalam proses bisnis yang terkomputerisasi. Arsitektur enterprise merupakan sebuah kerangka atau acuan untuk membangun sistem informasi yang berorientasi pada kebutuhan bisnis suatu organisasi. Dalam perancangannya juga dibutuhkan suatu metodologi yang mendukung terciptanya suatu arsitektur enterprise yaitu metode TOGAF ADM yang terdiri dari perancangan arsitektur visi, arsitektur bisnis, arsitektur sistem informasi, arsitektur teknologi, peluang dan solusi dan migration planning. Hasil akhir dari perancangan ini adalah adanya rekomendasi pemodelan arsitektur enterprise sebagai acuan sekolah untuk merancang arsitektur enterprise yang baik dan bisa digunakan untuk mencapai tujuan strategisnya.

Prediksi Jasa Pengiriman Barang Top Trend Logistik Menggunakan Algoritma Regresi Linear pada PT. XNH

2024-07-14T12:24:10+00:00

Industri logistik global terus berkembang pesat, menuntut bisnis untuk fleksibel dalam mengadopsi teknologi dan strategi baru. Pertumbuhan ekonomi dan perdagangan elektronik telah meningkatkan permintaan layanan pengiriman, yang memengaruhi persaingan di Indonesia. PT. XNH menghadapi tantangan dalam memprediksi volume pengiriman secara akurat, mengidentifikasi tren pengiriman, dan mengelola fluktuasi permintaan layanan. Penelitian ini menggunakan teknologi data mining, khususnya algoritma regresi linear, untuk meramalkan tren pengiriman logistik. Dengan menganalisis 600 dataset yang terdiri dari 5 atribut, penelitian ini memprediksi total barang yang diterima melalui analisis data dari tahap pickup hingga pengiriman. Hasil penelitian menunjukkan bahwa algoritma regresi linear memiliki akurasi tinggi dalam memprediksi tren pengiriman, dengan nilai RMSE sebesar 0,034%. Kesimpulan dari penelitian ini adalah bahwa algoritma regresi linear dapat digunakan secara efektif untuk meramalkan tren logistik pengiriman, memberikan wawasan penting bagi PT. XNH dalam mengoptimalkan layanan pengirimannya.

Sistem Monitoring Server di PT. XYZ Media Indonesia Berbasis Grafana dan Prometheus

2024-07-16T13:01:57+00:00

Server merupakan salah satu komponen utama dari sistem jaringan komputer yang memiliki fungsi untuk memberikan suatu service terhadap penggunanya. Setiap aktifitas dan operasional pelayanan suatu server terhadap client dalam penerapannya terdiri dari beberapa jenis proses untuk memenuhi segala permintaan atau request client yang dikirimkan oleh server. Oleh sebab itu, diperlukan suatu sistem monitoring yang dapat melakukan pemantauan segala macam aktifitas di dalam server, dengan demikian pengguna dapat memantau dan memberikan peringatan apabila terjadi permasalahan pada server yang digunakan. Pada sistem ini dirancang dengan menggunakan perancangan Unified Modeling Language, serta menggunakan node exporter untuk mengambil metrik dan bahasa kueri berbasis Prometheus Query Language untuk mengakses data metrik dan grafana untuk memvisualisasi. Penelitian ini bertujuan rancang sistem yang mampu melakukan pemantauan dan pengumpulan informasi dari seluruh perangkat server yang berada di PT. XYZ Media Indonesia. Sistem monitoring ini juga, mampu memberikan beberapa informasi terkait utilisasi memori, utilisasi CPU, utilisasi storage dan utilisasi jaringan pada server, serta pada sistem ini juga mampu mengirimkan pesan peringatan dalam bentuk notifikasi telegram kepada pengguna saat terjadi kesalahan atau malfunction pada server dengan demikian proses eskalasi penanganan server menjadi lebih cepat dilakukan

Penerapan Algoritma K-Nearest Neighbor untuk Prediksi Penjualan Produk Digital

2024-07-10T02:05:01+00:00

Penelitian ini bertujuan untuk memprediksi produk digital terlaris di PT. Global Indo Multimedia menggunakan metode K-Nearest Neighbor (K-NN) dengan aplikasi Rapidminer. Dan juga data transaksi produk digital selama 6 bulan, dari Agustus 2023 hingga Januari 2024, digunakan untuk analisis. Proses Knowledge Discovery in Databases (KDD) diterapkan dalam data mining data transaksi produk digital selama 6 bulan dari bulan Agustus 2023 sampai bulan Januari 2024 dimana berdasarkan tahapan KDD lalu diterapkan pada data mining menggunakan metode K-Nearest Neighbor dengan nilai K = 3 menunjukan bahwa algoritma K-Nearest Neighbor dapat memprediksi jumlah transaksi produk digital untuk 2 bulan yang akan datang. Berdasarkan uji coba yang dilakukan menunjukan bahwa algoritma K-NN dapat digunakan dalam klasifikasi data transaksi produk digital pada PT. Global Indo Multimedia dan Berdasarkan pengujian didapatkan hasil akurasi sebesar 95,24%, 3 Produk True Laris, 17 Produk True Rugi, dan 1 Produk True Sedang. Yang artinya data set nantinya dapat digunakan pada tahapan selanjutnya sebagai data yang valid untuk digunakan. Dengan tingkat akurasi yang cukup tinggi ini, model K-NN dapat menjadi salah satu solusi untuk memprediksi transaksi produk digital berdasarkan data penjualan yang telah ada sebelumnya.

Penerapan Teknologi RFID dalam Pengelolaan Parkir Otomatis untuk Peningkatan Kenyamanan Pengguna Parkir

2024-07-30T04:37:54+00:00

Penelitian ini memiliki tujuan untuk mengimplementasikan sistem palang parkir otomatis menggunakan Radio Frequency Identification (RFID). Sistem ini diharapkan dapat mengurangi durasi waktu dalam antrian yang sebelumnya masih menggunakan pembacaan manual tiket atau pembayaran yang manual. Penelitian mengembangkan dan menguji sistem palang parkir otomatis menggunakan RFID agar lebih optimal. pengujian dengan membadingkan dua kondisi berbeda pada palang parkir otomatis yaitu menggunakan RFID dan menggunakan Tiket, pengujian ini dilakukan untuk mengetahui perbandingan berapa waktu yang diperlukan ketika menggunakan RFID dan Ticket pada palang parkir otomatis. Pengujian ini dilakukan dengan memban Pengujian ini menunjukan bahwa rata-rata waktu yang diperlukan untuk membuka palang parkir otomatis pada pintu masuk menggunakan RFID adalah 4,2 detik dibandingkan menggunakan ticket yang membutuhkan waktu 7 detik yang dimana 2,8 detik lebih cepat, dan rata-rata waku yang diperlukan untuk membuka palang parkir otomatis pada pintu keluar menggunakan RFID adalah 7,1 detik dibandingkan menggunakan ticket yang membutuhkan waktu 12,9 detik yang dimana 5,8 detik lebih cepat. Hasil penelitian menunjukan bahwa penggunakan RFID lebih cepat dibanding menggunakan Ticket.

Penerapan Algoritma Decesion Tree C4.5 untuk Memprediksi Tingkat Kelangsungan Hidup Pasien Kanker Tiroid

2024-07-12T11:59:32+00:00

Salah satu penyakit yang memiliki tingkat kelangsungan hidup yang bervariasi di antara pasien adalah kanker tiroid. Untuk memprediksi tingkat kelangsungan hidup pasien berdasarkan karakteristik klinis, penelitian ini menggunakan algoritma Decision Tree C4.5. Metode ini memanfaatkan pengolahan bahasa alami (NLP) dengan Count Vectorizer untuk mengubah teks menjadi data numerik. Dalam penilaian keakuratan prediksi, evaluasi dilakukan dengan matriks kebingungan (confusion matrix) untuk mengukur kinerja model dalam klasifikasi. Selain itu, Area Under Curve (AUC) juga dihitung untuk mengevaluasi performa model. Hasil eksperimen menunjukkan bahwa metode ini memberikan prediksi yang akurat tentang tingkat kelangsungan hidup pasien dengan kanker tiroid, mencapai akurasi sebesar 97% dan AUC sebesar 0.95, menunjukkan kinerja yang sangat baik. Penelitian ini penting untuk memperdalam pemahaman tentang penerapan Decision Tree dalam konteks medis dan potensi algoritma ini dalam mendukung pengambilan keputusan klinis di masa depan.

Implementasi Virtual Private Network MenggunakanLayer 2 Tunneling Protocol Berbasis Mikrotik

2024-09-08T04:51:29+00:00

Perkembangan teknologi yang semakin pesat membuat kebutuhan akan jaringan internet semakin meningkat, termasuk di sektor pendidikan. SDS IT Sahabat Muslim Duri menggunakan jaringan internet sebagai media pembelajaran dan penyimpanan data penting secara online. Namun, pengelolaan jaringan oleh admin hanya dapat dilakukan dalam jaringan lokal sekolah. Penelitian ini bertujuan untuk mengimplementasikan jaringan VPN menggunakan protokol L2TP berbasis Mikrotik agar perangkat di sekolah dapat dikonfigurasi dan dimonitor dari jarak jauh secara aman. Metode yang digunakan meliputi identifikasi masalah, studi literatur, pengumpulan data, implementasi VPN L2TP, dan pengujian. Hasil penelitian menunjukkan bahwa implementasi VPN L2TP berhasil memungkinkan admin untuk mengakses dan mengelola jaringan sekolah dari jaringan publik secara aman. Pengujian menggunakan ping, traceroute, dan remote perangkat menunjukkan konektivitas yang baik. Implementasi ini meningkatkan efisiensi pengelolaan jaringan dan keamanan data sekolah.

Model Pengambilan Keputusan Seleksi Jabatan Dekan dengan Metode Weighted Performance Indicator Berdasarkan Opini Responden

2024-08-23T07:51:42+00:00

Pemilihan Dekan di tingkat universitas merupakan proses penting yang berdampak signifikan terhadap kualitas pendidikan, riset, dan pengabdian masyarakat di fakultas. Namun, proses ini sering menghadapi tantangan seperti subjektivitas, kurangnya transparansi, dan ketidakjelasan kriteria penilaian. Penelitian ini bertujuan mengembangkan model pengambilan keputusan dalam seleksi jabatan Dekan dengan menggunakan metode Weighted Performance Indicator (WPI) yang berbasis pada opini responden. Metode WPI menggabungkan berbagai kriteria dan indikator untuk mengevaluasi kinerja kandidat secara objektif dan transparan. Penelitian ini menggunakan kriteria seperti kualifikasi akademik, pengalaman kepemimpinan, kontribusi penelitian, kemampuan manajerial, visi strategis, kepatuhan terhadap kebijakan universitas, kualitas komunikasi, dan pengalaman pengelolaan konflik untuk menilai tiga kandidat dekan. Hasil evaluasi menunjukkan bahwa Kandidat 1 memperoleh nilai WPI tertinggi sebesar 134,23, diikuti oleh Kandidat 2 dengan nilai 120,59, dan Kandidat 3 dengan nilai 111,05. Temuan ini menunjukkan bahwa metode WPI efektif memberikan hasil yang lebih objektif dan dapat diandalkan dalam proses pemilihan Dekan, yang diharapkan dapat meningkatkan kualitas kepemimpinan fakultas dan pencapaian tujuan akademik serta strategis universitas

Implementasi Algoritma Haversine pada Mapbox API Guna Pencarian Bengkel Terdekat Berbasis Perangkat Mobile

2024-09-21T14:58:11+00:00

Industri otomotif di Indonesia mengalami pertumbuhan pesat seiring dengan meningkatnya pendapatan per kapita dan kebutuhan masyarakat akan transportasi. Salah satu sektor penting dalam industri ini adalah layanan bengkel kendaraan bermotor, yang memiliki peran krusial dalam perawatan dan perbaikan kendaraan. Meskipun sudah ada beberapa aplikasi pencarian bengkel, sebagian besar masih berbasis web dan tidak menyediakan fitur komunikasi langsung antara pelanggan dan bengkel. Penelitian ini bertujuan untuk mengembangkan aplikasi layanan bengkel berbasis mobile Android yang mengimplementasikan algoritma Haversine. Aplikasi ini dirancang untuk memudahkan pengguna dalam menemukan bengkel terdekat, menghitung jarak, dan berkomunikasi langsung dengan bengkel melalui fitur chat. Hasil penelitian menunjukkan bahwa aplikasi ini mampu menghitung jarak dengan akurasi tinggi, di mana bengkel terdekat ditemukan berjarak 3,229 kilometer dari lokasi pengguna. Penggunaan algoritma Haversine dalam aplikasi ini memberikan hasil perhitungan jarak yang akurat dengan tingkat akurasi mencapai 99%. Dengan demikian, penelitian ini berkontribusi dalam meningkatkan kualitas layanan bengkel di Indonesia, terutama dalam memanfaatkan teknologi berbasis lokasi untuk kemudahan dan kenyamanan pengguna.

Klasifikasi Kelayakan Peminjaman Nasabah Menggunakan Algoritma K-Nearest Neighbor (K-NN)

2024-09-22T16:14:22+00:00

Penelitian ini dilakukan untuk mengatasi tantangan dalam penilaian kelayakan nasabah di PT. BPRS Amanah Insan Cita, sebuah lembaga keuangan syariah. Untuk mengatasi masalah ini dalam proses filter nasabah, Algoritma K-Nearest Neighbor (K-NN) digunakan untuk klasfikasi dan prediksi yang merupakan salah satu teknik data mining yang efektif dalam klasifikasi data, yang bertujuan untuk mengembangkan model klasifikasi kelayakan peminjaman nasabah dengan menggunakan Data yang digunakan dalam penelitian ini mencakup 150 nasabah dengan delapan atribut utama, seperti jenis kelamin, profesi, pendapatan bulanan, total hutang, jumlah tanggungan, status pernikahan, dan nilai aset. Hasil penelitian menunjukkan tingkat akurasi dan kehandalan model klasifikasi K-NN dalam memprediksi resiko peminjaman nasabah pada PT. BPRS Amanah Insan Cita yang telah dilakukan menggunakan tools RapidMiner nilai akurasi dari sistem pada klasifikasi ketepatan penggunaan metode K-NN pada kelayakan peminjaman nasabah di lembaga keuangan berbasis syariah, khususnya PT. BPRS Amanah Insan Cita accuracy sebesar 0,9 (90%), precision untuk kelas layak sebesar 0,92 (92%) recall untuk kelas layak 0,92 (92%) dan f1 score untuk kelas layak 1,05 (105%) Sedangkan untuk kelas tidak layak nilai precision sebesar 0,80 (80%) nilai recall sebesar 0,80 (80%), dan nilai f1 score sebesar 0,80 (80%).

Spam Detection in YouTube Comments Using Deep Learning Models: A Comparative Study of MLP, CNN, LSTM, BiLSTM, GRU, and Attention Mechanisms

2024-09-22T02:33:44+00:00

This study explores the effectiveness of various deep learning models for detecting spam in YouTube comments. Six models were evaluated: Multilayer Perceptron (MLP), Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM), Bidirectional LSTM (BiLSTM), Gated Recurrent Unit (GRU), and Attention mechanisms. The dataset consists of 1,956 real comments extracted from popular YouTube videos, representing both spam and legitimate messages. The preprocessing phase involved tokenization and padding of text sequences to prepare them for model input. Results reveal that the LSTM model achieved the highest test accuracy of 95.65%, outperforming other models by capturing sequential dependencies and context within comments. The CNN model also demonstrated high accuracy, underscoring the importance of local pattern recognition in text classification. While BiLSTM and Attention models offered comparable performance, their marginal improvement over LSTM indicates that sequential modeling plays a crucial role in this task. The GRU model, despite being computationally efficient, showed slightly lower accuracy compared to LSTM and BiLSTM. The MLP model, serving as a baseline, exhibited limited performance, emphasizing the need for advanced architectures in spam detection. These findings suggest that combining sequential modeling with local feature extraction could lead to more robust spam detection systems.

Analisis Sentimen Terhadap Kinerja Program Walikota Medan pada Media Sosial X Menggunakan Support Vector Machine

2024-09-26T02:16:52+00:00

Kepemimpinan adalah proses dan seni dalam menciptakan interaksi yang mempengaruhi para pengikut untuk mencapai tujuan yang telah ditetapkan. Kepemimpinan penting untuk menciptakan keteraturan dan kesesuaian antara pemimpin dan pengikutnya. Penelitian ini mengangkat tentang kinerja Walikota Medan yaitu bapak Muhammad Bobby Afif Nasution, S.E., M.M. Terdapat 5 program prioritas Walikota Medan yaitu Bidang Kesehatan, Penanganan Infrastruktur, Penanganan Banjir, Kebersihan, dan Pembenahan Kawasan Heritage sekaligus Pemberdayaan UMKM. Penerapan teknik Support Vector Machine (SVM) bertujuan untuk menemukan fungsi pemisah yang paling optimal di antara berbagai fungsi yang ada guna membedakan dua jenis objek. Analisis sentimen atau opinion mining adalah proses otomatis untuk memahami, mengekstrak, dan memproses data tekstual guna memperoleh informasi tentang sentimen yang terkandung dalam kalimat opini. Hasil dari penelitian ini menunjukkan bahwa SVM mampu mencapai tingkat akurasi yang sangat baik dalam mengolah data sentimen, sehingga dapat membantu mahasiswa dan penulis dalam menganalisis pandangan publik terhadap aplikasi ini. Analisis sentimen terhadap data pada aplikasi X mengenai kinerja program Walikota Medan dapat dilakukan menggunakan metode Support Vector Machine dengan accuracy 81 %, precission 84%, recall 90% dan f1-score 87%.

Perancangan Alat Ukur Emisi Carbon Monoxide Berdasarkan Jenis Bahan Bakar Minyak Honda Vario 150 di Universitas Semarang

2024-09-17T00:41:20+00:00

Pencemaran udara di Kota Semarang, ibukota Provinsi Jawa Tengah, telah menjadi masalah serius seiring dengan pesatnya pertumbuhan jumlah kendaraan bermotor dan kegiatan industri. Penelitian ini bertujuan untuk mengukur dan menganalisis dampak emisi gas buang kendaraan bermotor terhadap kualitas udara di lingkungan Universitas Semarang, dengan fokus pada emisi karbon monoksida (CO) yang dihasilkan oleh berbagai jenis bahan bakar. Alat ukur emisi berbasis Internet of Things (IoT) menggunakan sensor gas MQ-7 dan NodeMCU ESP8266 dikembangkan untuk mendeteksi tingkat emisi secara real-time. Hasil penelitian menunjukkan bahwa kendaraan bermotor, khususnya yang menggunakan bahan bakar 'Pertalite', berkontribusi signifikan terhadap tingginya emisi CO. Analisis menggunakan model regresi pohon keputusan (Decision Tree Regression) menunjukkan bahwa bahan bakar 'Pertamax' memiliki tingkat emisi CO yang lebih rendah, dengan squared error sebesar 162.544 dibandingkan dengan 'Pertalite' yang mencapai 433.496. Selain itu, alat pengukur emisi ini memberikan solusi efektif untuk memantau tingkat polusi udara di area kampus, yang dapat membantu pengambilan keputusan terkait pengelolaan lingkungan dan pemilihan bahan bakar yang lebih ramah lingkungan. Berdasarkan hasil penelitian ini, disarankan untuk meningkatkan pemantauan emisi kendaraan bermotor serta mendorong penggunaan bahan bakar yang lebih ramah lingkungan, seperti 'Pertamax', guna mengurangi dampak negatif pencemaran udara di lingkungan kampus.

Predicting Student Performance Using Deep Learning Models: A Comparative Study of MLP, CNN, BiLSTM, and LSTM with Attention

2024-09-22T02:29:56+00:00

This study aims to predict student performance using deep learning models, including Multilayer Perceptron (MLP), Convolutional Neural Networks (CNN), Bidirectional Long Short-Term Memory (BiLSTM), and Long Short-Term Memory with Attention (LSTM with Attention). The dataset comprises student demographic and educational factors, and the models are evaluated using metrics such as MAE, RMSE, R², MSLE, and MAPE. The results show that the CNN model outperforms other models, achieving the highest accuracy in predicting student test scores. The MLP model also performs well, while the BiLSTM and LSTM with Attention models exhibit lower predictive performance. High MAPE values across models suggest a need for alternative metrics in future research. This study highlights the importance of selecting suitable model architectures for predictive tasks in education, emphasizing the effectiveness of convolutional layers in capturing complex patterns.

Pengelompokan Data Penyakit THT Menggunakan Algoritma K-Means Clustering

2024-09-29T05:41:37+00:00

Keseimbangan tubuh yang terganggu dapat menyebabkan berbagai jenis penyakit, termasuk penyakit pada Hidung, Telinga, dan Tenggorokan (THT). Penyakit THT dianggap berbahaya karena menyerang beberapa organ vital manusia yang berfungsi untuk mendengar, bernapas, dan menelan. Infeksi bakteri atau virus sering menjadi penyebab penyakit ini, namun ada juga yang disebabkan oleh kelainan pertumbuhan sel yang dapat berkembang menjadi tumor atau kanker. Permasalahan utama dalam penelitian ini adalah bagaimana mengelompokkan data pasien penyakit THT berdasarkan umur menggunakan Algoritma K-Means Clustering. Penelitian ini dilakukan di RSUD Gunung Tua, dengan melibatkan 51 data pasien yang diolah menggunakan Python. Hasil penelitian menunjukkan bahwa pasien dapat dibagi menjadi tiga kelompok (3 cluster) berdasarkan usia dan jenis penyakit, dengan cluster 0 terdiri dari pasien usia lanjut yang lebih rentan terhadap penyakit seperti sinusitis dengan total 10 data, kemudian cluster 1 terdiri dari pasien yang lebih muda dengan diagnosis penyakit yang lebih ringan dengan total 19 data. Sedangkan cluster 2 mencakup pasien dengan rentang umur yang bervariasi dan diagnosis yang lebih beragam, seperti OMSK dan Rhinitis Alergi dengan total 22 data. Hasil penelitian menunjukkan bahwa algoritma K-Means Clustering mampu mengelompokkan pasien dengan baik, dan evaluasi menggunakan DBI menghasilkan nilai 0.90, yang menandakan bahwa kualitas cluster yang dihasilkan cukup baik.

Analisis Sentimen pada Ulasan Aplikasi Sirekap di Google Play Menggunakan Algoritma Naive Bayes

2024-09-30T00:57:07+00:00

Seiring dengan perkembangan dan pemanfaatan teknologi baru, KPU membuat dan menggunakan aplikasi SIREKAP untuk membantu proses rekapitulasi suara secara berjenjang. Sistem Informasi Rekapitulasi Elektronik (SIREKAP) merupakan program komputer yang membantu proses penghitungan ulang hasil pemilu dan publikasi hasil pemilu. Sistem ini dibuat sesuai dengan Keputusan Komisi Pemilihan Umum Nomor 66 Tahun 2024. Untuk mendapatkan informasi mengenai ulasan aplikasi SIREKAP, data diambil dari Google Play (scraping). Dalam investigasi ini, pelabelan sentimen dilakukan secara manual. Temuan menunjukkan bahwa sentimen terhadap aplikasi SIREKAP sebagian besar tidak menguntungkan (93,3%) dan positif (6,7%). Teknik Naive Bayes kemudian digunakan untuk memodelkan klasifikasi menggunakan data yang diberi label. Algoritma Naive Bayes memiliki accuracy rata-rata 90%, precision 98%, dan recall 81%, menurut data evaluasi. Konteks evaluasi pengguna untuk aplikasi SIREKAP dipahami melalui analisis visualisasi menggunakan wordcloud.

Analisis Pengembangan Aplikasi Pemesanan Kendaraan dan Paket Wisata Provinsi Yogyakarta Menggunakan Metode Agile Devlopment

2024-09-29T05:56:27+00:00

Teknologi informasi di Indonesia berkembang pesat dengan revolusi 5.0, mendorong penggunaan ponsel untuk akses internet di berbagai sektor karena kepraktisannya. Namun, pengetahuan masyarakat tentang pariwisata, khususnya di Yogyakarta, masih kurang dan seringkali hanya mengandalkan media sosial yang informasinya tidak lengkap. Untuk mengatasi hal ini, diperlukan media informasi dengan jangkauan luas. Aplikasi ini bertujuan memberikan informasi yang lengkap kepada masyarakat luas. Wisatawan dapat dengan mudah mencari dan memesan kendaraan sesuai kebutuhan serta memilih paket wisata yang mencakup berbagai destinasi menarik. Metode yang digunakan dalam penelitian ini meliputi pengumpulan data, analisis kebutuhan, perancangan sistem, dan implementasi sistem. Data diperoleh melalui wawancara. Hasil dari penelitian ini adalah Aplikasi Pemesanan Kendaraan dan Paket Wisata Provinsi Yogyakarta menggunakan Framework Flutter sehingga masyarakat dapat melakukan pemesanan sesuai keinginan dan pembayaran dapat dilakukan dengan berbagai pilihan. Hasil user acceptance test rata-rata user yang memilih setuju sebesar (24/40; 60%) sedangkan yang memilih sangat setuju sebesar (16/40; 40%).

Analisis X Sebagai Platform Media Sosial Terhadap Experience Pengguna Menggunakan Metode User Experience Questionnaire

2024-07-30T07:48:04+00:00

Akuisisi platform X (sebelumnya dikenal sebagai Twitter) oleh Elon Musk pada tahun 2022 menimbulkan perubahan signifikan yang memengaruhi pengalaman pengguna dan masa depan platform ini. Penelitian ini bertujuan untuk mengevaluasi dampak dari perubahan tersebut terhadap kualitas layanan X, dengan menggunakan User Experience Questionnaire (UEQ) sebagai alat evaluasi. Fokus penelitian terletak pada aspek attractiveness, perspicuity, efficiency, dependability, stimulation, dan novelty dalam layanan X. Hasil evaluasi menunjukkan bahwa meskipun X telah memberikan pengalaman pengguna yang memuaskan, dengan nilai attractiveness 1,66, efficiency 1,60, dependability 1,60, dan stimulation 1,66, terdapat ruang untuk peningkatan dalam aspek perspicuity dengan nilai 1,58 dan novelty yang hanya memperoleh nilai 0,79. Temuan ini menegaskan pentingnya penilaian pengalaman pengguna yang komprehensif dan spesifik. Penelitian masa depan sebaiknya mengeksplorasi metode evaluasi yang beragam untuk memperdalam pemahaman tentang kualitas layanan X dan kepuasan pengguna.