MALCOM: Indonesian Journal of Machine Learning and Computer Science

Big Data in Tourism Destinations: A Systematic Literature Review

Erni Widarti — 2024-05-01

Tourism is an industrial sector that has a variety of data originating from tourists. This data can be utilized and reprocessed through the application of artificial intelligence technology such as big data and machine learning to analyze and predict tourist patterns so that it can be used in developing the tourism sector. This research aims to present a systematic literature review regarding the role of big data and machine learning in the tourism context. This research reviews 25 research papers related to big data and machine learning applied in the tourism industry. The categorization of tourism research related to big data and machine learning is based on research published from 2018 to 2023. The focus of this research is to provide an in-depth review based on journal rankings, research objectives, types of data used, and algorithms applied in the research . The results of this research are to provide a systematic literature review that can be used to help future researchers discover new research topics and present insights into future prospects regarding the use of big data and machine learning in tourism.

Audit Tata Kelola Teknologi Informasi Pada Universitas Hang Tuah Pada Domain Deliver and Support COBIT 4.1

Muhammad Khoirun Siddik — 2024-05-01

Universitas Hang Tuah Pekanbaru (UHTP) merupakan suatu lembaga pendidikan yang berada dibawah naungan yayasan Hang Tuah Pekanbaru. Univ Hang Tuah telah menerapkan teknologi informasi (TI) dalam mendukung kegiatan akademik dan administrasi. Penerapan TI tersebut tentu dapat menimbulkan berbagai permasalahan seperti yang terjadi pada UHTP di antaranya adalah telah terjadi peretasan pada website akademik yang mengakibatkan terhambatnya penyampaian informasi kepada seluruh pengguna sistem. Berdasarkan permasalahan yang terjadi di Univ Hang Tuah maka dilakukan audit untuk mengukur tingkat kematangan dan memberikan rekomendasi tata kelola perbaikan setelah mengetahui kesenjangan antara tatakelola saat ini dengan tatakelola yang diharapkan sesuai dengan framework COBIT 4.1 yang fokus pada domain Deliver and Support (DS). Teknik pengumpulan data dilakukan dengan wawancara dan kuesioner kepada narasumber yang telah dipilih berdasarkan RACI Chart. Metode analisis data dilakukan dengan penghitungan nilai skor tiap subdomain, penghitungan nilai rata rata subdomain, penghitungan nilai kematangan, pemetaan tingkat kematangan dan pemberian rekomendasi sesuai dengan tingkat kematangan dan mengacu pada maturity model COBIT 4.1. Hasil penelitian diperoleh nilai maturity level pada domain Deliver and Support (DS) adalah 3,121 Defined. Hal ini berarti bahwa Universitas Hang Tuah Pekanbaru telah memiliki standarisasi prosedur yang telah dipraktekan dan telah didokumentasikan serta dikomunikasikan melalui pelatihan.

Evaluasi Pengalaman Pengguna pada Aplikasi Berbasis Seluler Laporkitong Memanfaatkan Kuesioner Pengalaman Pengguna (UEQ)

Yepuni Giyai — 2024-05-01

Penerapan teknologi komputer dan internet di Provinsi Papua Barat melalui aplikasi berbasis seluler Laporkitong dengan menghasilkan solusi yang menekankan efektivitas dan efisiensi. Untuk melaporkan ketidaksesuaian rencana tata ruang, pemerintah Provinsi Papua Barat meluncurkan aplikasi seluler Laporkitong. Penelitian ini bertujuan mengevaluasi pengalaman pengguna pada aplikasi berbasis seluler laporkitong memanfaatkan kuesioner pengalaman pengguna (UEQ). Menggunakan metode kuantitatif dengan kuesioner pengalaman pengguna (UEQ), sebuah pendekatan yang mudah diimplementasikan, valid, dan dapat diandalkan untuk melengkapi evaluasi data dengan penilaian kualitas yang subjektif. Kuesioner pengalaman pengguna bersifat gratis dan dapat digunakan di semua aplikasi. Hasil penelitian menunjukkan bahwa evaluasi pengalaman pengguna pada aplikasi berbasis seluler Laporkitong menggunakan UEQ menunjukkan bahwa terdapat 5 variabel yang menyatakan hasil evaluasi positif dan netral, yaitu variabel Daya Tarik (rata-rata = 0,887), Kejelasan (rata-rata = 0,829), Efisiensi (rata-rata = 0,870), Ketepatan (rata-rata = 0,878), dan Stimulasi (rata-rata= 0,850). Namun, variabel Kebaruan mendapatkan hasil evaluasi netral (rata-rata = 0,274). Hasil benchmark untuk aplikasi berbasis seluler Laporkitong menunjukkan seluruh variabel yang termasuk pada kategori below average, yaitu variabel daya tarik, kejelasan, efisiensi, ketepatan, stimulasi, dan kebaruan. Hasil evaluasi pengalaman pengguna aplikasi berbasis seluler Laporkitong menggunakan UEQ menunjukkan perbedaan signifikan pada 5 variabel berdasarkan uji T.

Lecturer Performance Software Using the MOORA Method at IAIN Ash-Shiddiqiyah

Yosep Nurmadhani — 2024-05-01

The importance of having an effective decision support system to select and determine the best lecturers cannot be denied. This research aims to develop a decision support system for selecting the best lecturers at IAIN ASH-SHIDDIQIYAH. The method used is MOORA (Multi-Objective Optimization on the basis of Ratio Analysis), a multi-objective approach that allows optimization of two or more conflicting attributes simultaneously. The results of this study include the development of a decision support system that can provide useful guidance for decision-makers at IAIN ASH-SHIDDIQIYAH in the process of selecting and determining the best lecturers. Through MOORA analysis, the best lecturers can be selected by considering various aspects such as teaching quality, research ability, contribution to curriculum development, involvement in guidance and training activities, and contribution to the community. The results of this research are expected to improve the quality of education and the institution's contribution to society as a whole through the selection of high-quality and high-performing lecturers. This research demonstrates that the development of a decision support system using the MOORA method can be an effective tool for higher education institutions in selecting the best lecturers.

Exoplanet Classification Through Machine Learning: A Comparative Analysis of Algorithms Using Kepler Data

Gregorius Airlangga — 2024-05-01

This study delves into the classification of exoplanets using data from the Kepler Space Telescope, comparing a suite of machine learning (ML) models to ascertain their efficacy in distinguishing confirmed planets, candidates, and false positives. With a dataset meticulously preprocessed for quality, completeness, and relevance, we embarked on an analytical journey employing models like Decision Tree, Random Forest, Hist Gradient Boosting, CatBoost, AdaBoost, LightGBM, XGBoost, Extra Trees, Logistic Regression, and XGBoost RF. These models underwent rigorous evaluation across metrics such as Accuracy, Precision, Recall, and F1 Score, revealing an unprecedented level of performance. Our findings showcased a near-uniform perfection in model predictions, with scores touching the zenith of 1.0 across most metrics for the majority of models, indicating their flawless prediction capabilities. This remarkable performance, however, was nuanced by the Gaussian NB model's slightly less than perfect scores of 0.99, highlighting a minor deviation due to its probabilistic nature. While these results underscore the models' exceptional accuracy and reliability in classifying exoplanetary data, they also prompt a critical examination of potential overfitting, the dataset's complexity, and the models' generalizability to unseen data.

Pengukuran Tingkat Kematangan pada Pelayanan Akademik dengan Cobit 4.1 Menggunakan Domain Monitor dan Evaluate

Novriyanto Novriyanto — 2024-05-01

Perkembangan teknologi informasi yang sangat pesat menjadikannya sebagai suatu kebutuhan yang penting untuk perkembangan suatu organisasi. Universitas Hang Tuah menjadi salah satu Lembaga yang menggunakan teknologi informasi dalm berbagai aktivitas pelayanan akademiknya. Proses pelayanan akademik di Universitas Hang Tuah masih memiliki berbagai kekurangan yaitu terkait sistem atau aplikasi, pelaporan kinerja TI, infrastruktur, dan sumber daya TI lainnya. Pada permasalahan yang terjadi di Universitas Hang Tuah akan dilakukannya pengukuran tingkat kematangan dan memberi rekomendasi perbaikan, setelah mendapatkan hasil GAP antara tata kelola saat ini dengan tata kelola yang diinginkan sesuai ketentuan framework COBIT 4.1 berfokus pada domain Monitor and Evaluate. Pengumpula data pada penelitian ini menggunakan wawancara dan kuesioner yang telah dipilih berdasarkan RACI Chart. Hasil maturity level dari penelitian didapat nilai domain Monitor and Evaluate adalah 3,625 , yang menunjukkan bawah Universitas Hang Tuah mendapatkan level maturity level 4 (Managed and Measureabel) terdapat kesenjangan GAP atau rata-rata menjadi 0,58. Kemudian, Universitas Hang Tuah dapat mengimplementasikan beberapa usulan. Di antara usulan yang diajukan adalah agar manajemen menilai teknik pelatihan yang diberikan kepada pengguna sistem sesuai dengan standar kebutuhan untuk mencapai tujuan universitas

Network Security Analysis on The Internet Facility (Wifi) UIN Syarif Hidayatullah Jakarta Against Packet Sniffing Attacks

A. Nurul Anwar — 2024-05-01

In an increasingly digital era, network security has become very important to protect sensitive data from cyber attacks. One common attack is a packet sniffing attack, where hackers can capture and snoop on data packets sent over a WiFi network. This research aims to analyze the level of network security in internet facilities (WiFi) at UIN Syarif Hidayatullah Jakarta against packet sniffing attacks. The methods used include surveys, observations and technical analysis of existing network infrastructure. The research results show that although UIN Syarif Hidayatullah Jakarta has implemented several network security measures, there are still gaps that can be exploited by packet sniffing attacks. Factors such as the use of vulnerable network protocols and lack of use of data encryption are the main causes of network vulnerability to these attacks. Recommendations include the implementation of additional security measures such as the use of more secure protocols, implementation of strong data encryption, as well as user training and awareness to minimize the risk of packet sniffing attacks. In this way, it is hoped that internet facilities (WiFi) at UIN Syarif Hidayatullah Jakarta can be safer and protected from potentially detrimental cyber attacks.

Perbandingan Response Time Pencarian Menggunakan Text Indexing Pada MongoDB dan ArangoDB Berbasis Web

Tessalonica Putry Avrylya — 2024-05-01

Jumlah data dalam basis data meningkat setiap hari seiring dengan berkembangnya industri teknologi informasi. Basis data relasional (SQL) telah berevolusi sejak diperkenalkannya basis data NoSQL seperti MongoDB dan ArangoDB. Basis data tersebut memiliki fitur yang dapat menggunakan indeks teks untuk pencarian teks dan menyimpan data dalam format JSON/ BSON. Volume data, fleksibilitas struktural, dan kecepatan pencarian adalah masalah umum dalam pemrosesan data. Akibatnya, manajemen data menjadi tidak efektif yang menyebabkan penurunan kinerja basis data. Fokus utama dari penelitian ini adalah untuk melakukan perbandingan respon waktu terhadap pencarian menggunakan teks indeks pada basis data MongoDB dan ArangoDB yang berbasis website guna mempercepat pencarian sehingga mengetahui perbandingan performa kueri antar basis data. Berdasarkan temuan dari 1000, 10000, 100000, dan 1000000 rekaman data didapat kesimpulan bahwa pengindeksan teks MongoDB lebih cepat dibandingkan dengan ArangoDB. Pada pengujian didapatkan hasil pada satu kata kunci selisih kecepatan waktu eksekusi sebesar 170,75ms, untuk dua kata kunci sebesar 205,5ms, dan pada tiga kata kunci sebesar 267,75ms.

Penerapan Visualisasi Data dan Informasi Kependudukan Berbasis Web

Descania Mayangsari — 2024-05-01

Pelaksanaan kegiatan ini bertujuan untuk membantu masyarakat di Rukun Warga 01 Jatinegara dalam memantau pertumbuhan dan perkembangan penduduk dalam kurun waktu 1 tahun kebelakang. Pengabdian ini menerapkan dashboard monitoring berbasis Tableau untuk mempermudah pemahaman dan tren dalam pemantauan perkembangan penduduk berbasis website, data disajikan dalam berbentuk grafik., mempermudah dalam pemantauan yang cepat. Data yang dikumpulkan kualitatif untuk memastikan keakuratan informasi yang diperoleh dengan fokus pada pengumpulan, pengolahan, dan pengembangan data. Hasil dari penelitian yang didapat dengan perbandingan rata – rata data kelahiran : warga meninggal , dan warga pindah dari RW 01 : pindahan ke RW 01 yaitu: 5 :4 dan 55:33. Hal ini menunjukkan penggunaan tablue public berjalan dengan baik dan dapat memonitoring pertumbuhan penduduk di RW 01 Jatinegara. Melalui kegiatan pengabdian ini, diharapkan masyarakat Rukun Warga 01 Jatinegara juga dapat memonitoring data tentang pertumbuhan warga dengan lebih mudah, akurat dan efektif, serta meningkatkan kesadaran akan memantau perkembangan penduduk di suatu organisasi masyarakat.

Evaluasi Tata Kelola TI Menggunakan Framework Cobit 5 pada Soraya Shop Palembang

Meidick Dias Devasela — 2024-05-01

Soraya shop adalah Technopreneurship Penjualan yang mempunyai visi untuk menghasilkan IT Scholar denganmentalitas wirausaha. Namun untuk mencapai hal itu, soraya shop perlu mengelola IT Government untuk mendukungnya lingkungan akademik dan non-akademik di sekitar pelanggan serta pegawai yang dikendalikan oleh departemen TI Pengembangan dan Penerapan (PPTI). Pada penelitian ini akan mengevaluasi tingkat kemampuan TI Tata Kelola di Soraya Shop dan menyediakan rekomendasi untuk kesenjangan antara kinerja di proses domain APO03, APO04, dan BAI01 menggunakan metode kuantitatif dan kualitatif. Selain itu, penelitian ini akan menggunakan survei, wawancara, dan studi dokumen untuk data yang diperlukan. Hasil penelitian ini menunjukkan rata-rata tingkat kemampuan dalam proses domain APO03, APO04, dan BAI01 tercapai sebagian. Oleh karena itu, untuk mengisi kesenjangan antara tingkat kemampuan soraya shop saat ini dan tingkat kemampuan yang diharapkan, rekomendasi telah diberikan pada penelitian ini untuk menciptakan perbaikan mengenai ke Soraya Shop Palembang.

Pengenalan Jenis Kelamin dalam Lingkungan Multiaksen Menggunakan Metode Multi Layer Perceptron (MLP) dan Gated Recurrent Unit (GRU)

Kurniawan Danil — 2024-05-25

Pengenalan jenis kelamin dalam lingkungan multiaksen merupakan tantangan kompleks dalam pengembangan sistem kecerdasan buatan. Sistem ini bekerja dengan mendeteksi suara masukkan dalam suatu file suara, selanjutnya dilakukan analisis terhadap suara tersebut guna mendeteksi jenis kelamin dari sumber suara. Penelitian ini merupakan awal dari pengembangan sistem berbasis suara menggunakan kecerdasan buatan yang bermanfaat untuk kemudahan interaksi manusia dengan gawai guna peningkatan produktivitas dan aksesibilitas dari pengguna sistem. Penelitian ini mengeksplorasi pendekatan kecerdasan buatan dengan menggunakan dua model jaringan saraf, yaitu Multi Layer Perceptron (MLP) dan Gated Recurrent Unit (GRU). Data yang digunakan sebanyak 4000 data dengan pembagian 2000 data suara perempuan dan 2000 data suara laki-laki. Dilakukan pembagian data latih sebesar 80% dan data uji sebesar 20% dari total keseluruhan data. Hasil evaluasi pengujian model menggunakan MLP dengan 2 hidden layer sebesar (128 & 64) mendapat hasil akurasi sebesar 79%, rata- rata hasil precision 79%, recall 79%, dan skor f1 79%. Sedangkan penggunaan metode GRU dengan lapisan GRU sebanyak 64 unit mendapat hasil akurasi 75%, rata-rata hasil precision 75,5%, recall 75,5%, dan skor f1 75%. Dengan demikian, pada penelitian ini, Model dengan MLP memiliki performa yang lebih unggul dalam mendeteksi jenis kelamin berdasarkan suara dalam lingkungan multiaksen.

Prediksi Penyakit Diabetes Melitus Tipe 2 Menggunakan Algoritma K-Nearest Neighbor (K-NN)

Agfa Oktaviana — 2024-05-25

Diabetes Melitus (DM) merupakan salah satu Penyakit Tidak Menular (PTM) yang dikenal dengan tingginya kadar gula dalam darah. International Diabetes Federation (IDF) memprediksi di tahun 2045, penyakit DM akan mengalami peningkatan menjadi 629 juta penduduk. Pada era modern saat ini, pola gaya hidup menjadi hal yang harus diperhatikan karena beriringan dengan berkembangnya teknologi menjadi mudah dan cepat. Pola gaya hidup yang buruk terus-menerus dapat berpotensi untuk terkena penyakit DM Tipe 2. Berbagai upaya dilakukan untuk menekan angka pertumbuhan penyakit ini salah satunya melakukan penelitian untuk membuat predisi terhadap seseorang menggunakan berbagai metode seperti metode klasifikasi K-NN. Tujuan dari penelitian ini adalah mengimplementasikan dan membangun sebuah permodelan. Dataset yang digunakan berasal dari Puskesmas Mlati II Kecamatan Mlati, Kabupaten Sleman, Provinsi Daerah Istimewa Yogyakarta. Dalam membangun sebuah model prediksi, dataset dipreprocessing menggunakan MinMax Normalization, pembagian train set dan test set menggunakan Stratified 5-fold CV. Adapun parameter yang digunakan dari K-NN adalah manhattan distance dan nilai n_neighbors = 13. Dengan menggunakan evaluasi akurasi, presisi, recall, dan f1-score, masing-masing memberikan hasil yaitu 88%, 83%, 87%, dan 85%.

Deteksi Kalori Makanan Tradisional Indonesia Menggunakan Metode Single Shot Multibox Detector (SSD)

Riswanto Riswanto — 2024-05-25

Tujuan penelitian untuk mengembangkan sistem pendeteksi kalori makanan dengan menggunakan metode Single Shot Multibox Detector (SSD). Juga, bertujuan untuk mengatasi masalah manusia yang kesulitan dalam mengestimasi jumlah kalori yang dikonsumsi dari makanan. Dengan menggunakan model kecerdasan buatan dan bantuan kamera pada perangkat ponsel, pada penelitian ini memungkinkan pengguna untuk melakukan estimasi kalori yang lebih akurat. Sistem ini dirancang secara otomatis untuk mengidentifikasi dan memperkirakan jumlah kalori dalam makanan berdasarkan citra visual. Pemilihan metode SSD didasarkan pada keunggulannya dalam mendeteksi objek dengan tingkat akurasi yang tinggi dan kecepatan pengolahan yang cepat. Proses penelitian melibatkan beberapa tahap, termasuk pengumpulan dataset citra makanan, pelatihan model SSD dengan konfigurasi Hyperparameter pada 40.000 langkah, menggunakan data training sebanyak 90%, validasi 10%, dan testing 10%, serta menggunakan batch size 16 dan learning rate 0.007943453. Hasil eksperimen menunjukkan total loss sebesar 0.1670681 dan mean average precision (mAP) sebesar 65.09%. Jenis makanan berhasil dideteksi dengan baik, dan aplikasi mobile terkait mampu mengestimasi kalori makanan setelah deteksi jenis makanan. Meskipun demikian, penelitian mengidentifikasi beberapa tantangan, terutama dalam meningkatkan akurasi deteksi pada makanan dengan struktur kompleks atau variasi presentasi yang ekstensif. Temuan dari penelitian ini diharapkan dapat memberikan kontribusi penting dalam pengembangan sistem pendukung keputusan untuk pemantauan otomatis asupan kalori.

Geographic Information System Mapping of Location Distribution Homestay Area Waingapu City Sumba Web-Based East Sumba

Estherlita Grace Bulu Jeti — 2024-05-25

Based on the results of the identification of the needs of tourists looking for lodging in the city of Waingapu, there is a lack of spatial information (latitude and longitude), non-spatial (owner's name, price, facilities, address, contact) with the nearest route. Although available on google maps, it is still lacking because it is still incorporated with hotels, boarding houses and other housing. Therefore, a Web-based Geographic Information System for Mapping the Distribution of Homestay Locations in the Waingapu City Area of East Sumba is made to provide recommendations to tourists who need lodging in accessing Homestayinformation by determining the user's location point and the nearest Homestay will appear. Maps will direct to the location of the selected lodging house accompanied by the desired information. This system was built using the PHP programming language with the MySQL Database. The method used in this research is the Waterfall model for system development and Euclidean Distance for the calculation of the closest distance.

Implementasi Algoritma Convolutional Neural Network untuk Klasifikasi Jenis Sampah Organik dan Non Organik

Muslihati Muslihati — 2024-05-25

Penelitian ini bertujuan untuk mengimplementasikan algoritma Convolutional Neural Network (CNN) dalam klasifikasi sampah organik dan non-organik serta mengukur tingkat akurasi deteksi dan pengenalan objek sampah. Metode CNN digunakan untuk mendeteksi dan mengenali objek dalam citra. Hasil penelitian menunjukkan bahwa model CNN mencapai tingkat akurasi tertinggi sebesar 96.43% setelah enam kali percobaan. Hasil tersebut menunjukkan bahwa aplikasi CNN ini layak untuk diimplementasikan dalam klasifikasi sampah. Penting untuk melakukan beberapa uji coba guna memperoleh hasil akurasi yang optimal dengan memperhatikan dataset dalam proses pelatihan dan pengujian. Kesimpulan dari penelitian ini adalah bahwa model CNN dapat memberikan hasil akurasi yang baik dalam klasifikasi sampah organik dan non-organik, sehingga aplikasi ini memiliki potensi untuk diimplementasikan secara luas

A Cross-Language Information Retrieval Method Based on Multi-Task Learning

Peng Linli — 2024-05-25

This study introduces a novel Cross-Language Information Retrieval (CLIR) method employing multi-task learning and soft parameter sharing to enhance neural retrieval models' feature extraction across languages. The approach integrates an interaction-based neural retrieval model with a semantic-based text classification model, exchanging hidden vectors for richer feature representation. Experimental results across four language pairs—English-Chinese, English-Arabic, English-French, and English-German—demonstrate significant performance improvements. The proposed method achieved the highest Mean Average Precision (MAP) scores: 0.419 for EN-ZH, 0.403 for EN-AR, 0.427 for EN-FR, and 0.441 for EN-DE, surpassing other models like BM25, BPNRM, KNRM, KNRM-Trans, and KNRM-Embed. This research underscores the potential of multi-task learning for CLIR, showcasing improved retrieval performance through semantic information and knowledge transfer.

Machine Learning Modeling for Forecasting Repeat Purchases in Online Shopping

Lianzhai Duan — 2024-05-25

Online shopping merchants will conduct a series of marketing activities to increase customers, but in many cases, most of the new customers will not make repeat purchases, which is not conducive to the long-term interests of the merchants. Therefore, it is important for merchants to target users who are more likely to repurchase, as this can reduce marketing costs and increase ROI. Based on the dataset provided by the online shopping website, this paper conducts mining and exploratory analysis of the data, utilizes feature engineering methodology, and modeling analysis using LightGBM, Logistic, Xgboost for machine learning modeling. Meanwhile, parameter optimization and model evaluation verification are performed, Finally, the comparative analysis resulted in LightGBM as the best prediction model, will provide efficient marketing decisions for the operation of online shopping stores.

Tinjauan Supervised Reinforcement Learning pada Tindakan Medis Penyakit Diabetes Melitus

Indah Pratiwi Putri — 2024-05-25

Diabetes Melitus (DM) merupakan penyakit kronis yang memerlukan pengelolaan medis yang berkelanjutan. Pengelolaan pengendalian penyakit diabetes bergantung pada kadar glukosa dalam darah guna mengambil tindakan yang tepat agar dapat mencegah kadar glukosa darah menjadi terlalu rendah atau tinggi. Dalam konteks perawatan medis DM, penggunaan teknologi pembelajaran mesin, khususnya Supervised Reinforcement Learning (SRL) telah mengahadirkan pendekatan yang inovatif. Penelitian ini bertujuan untuk menyelidiki dan merangkum beberapa karya ilmiah yang membahas tentang penerapan SRL dalam konteks tindakan medis untuk penyakit DM. Beberapa percobaan dilakukan oleh para peneliti dengan menggunakan data dari pasien diabetes untuk menentukan parameter model yang optimal, melakukan simulasi dan studi validasi secara real-time sehinga dapat memberikan wawasan lebih lanjut tentang penerapan praktis model pembelajaran penguatan dalam pengaturan klinis. Melalui SRL, agen pembelajaran dapat menggabungkan umpan balik lingkungan dengan informasi eksplisit dari supervisor untuk menghasilkan keputusan yang optimal dalam pengelolaan DM. Dalam makalah ini, penulis menganalisis kajian literatur terkait penerapan SRL pada pengelolaan medis DM, serta mengeksplorasi potensi dan tantangan yang terkait dengan penggunaan pendekatan ini dalam praktik klinis

Peningkatan Literasi Siswa Sebagai Generasi Digital Melalui Optimalisasi Mobile Library Berbasis Android

Nining Ariati — 2024-05-25

Di era digital ini, membaca dan menulis menjadi dua kemampuan dasar yang krusial bagi siswa untuk mengarungi masa depan. Kemampuan ini tak hanya menunjang prestasi akademik, tetapi juga membuka pintu menuju dunia yang penuh pengetahuan dan wawasan. Atas dasar inilah, meningkatkan minat literasi siswa menjadi kunci utama untuk mewujudkan budaya literasi bangsa. Aplikasi mobile library berbasis Android hadir sebagai solusi inovatif untuk menumbuhkan kecintaan membaca dan menulis pada siswa sejak dini. Dilengkapi dengan berbagai buku elektronik yang menarik dan mudah diakses, aplikasi ini diharapkan dapat menjadi media belajar yang menyenangkan bagi para penerus bangsa. Mobile library ini tak hanya menghadirkan koleksi buku yang beragam, tetapi juga dilengkapi dengan fitur sinopsis video untuk setiap buku. Fitur ini membantu siswa untuk melihat sekilas isi buku dan menemukan bahan bacaan yang menarik minat mereka. Hal ini menjadikan pengalaman pembelajaran yang lebih modern dan relevan bagi para siswa. Dengan akses mudah ke berbagai buku, siswa dapat belajar dengan lebih fleksibel dan sesuai dengan minat mereka. Hal ini mendorong budaya membaca yang lebih aktif dan meningkatkan kualitas pendidikan.

Rute Pendistribusian Barang dengan Algoritma Nearest Neighbor

Winda Ade Fitirya B — 2024-05-25

Masalah yang cukup umum dialami oleh distributor dalam melakukan ditribusi adalah penentuan saluran pendistribusian barang. Salah satu bagian dalam saluran distribusi yang memiliki peran sangat penting dalam efektifitas proses distribusi adalah rute pendistribusian barang. Dalam mengoptimalkan biaya, waktu, dan modal lainnya dalam rute pendistribusian barang, dapat diterapkan konsep graf dan diselesaikan menggunakan salah satu algoritma penyelesaian masalah TSP. Pada penelitian ini, digunakan algoritma Nearest Neighbor untuk membentuk rute pendistribusian barang. Penerapan algoritma ini untuk mengolah data cukup sederhana sehingga rute yang diinginkan dapat terbentuk dengan cepat. Namun, berdasarkan langkah kerjanya, algoritma ini akan menjadi cukup sulit untuk diterapkan jika data yang dimiliki cukup besar dan kompleks. Data yang digunakan dalam penelitian merupakan data sekunder mengenai alamat tujuan pendistribusian barang. Titik-titik yang digunakan akan terlebih dahulu diberi label dimana titik gudang dilabeli S sementara titik-titik tujuan dilabeli A hingga O. Hasil penelitian memberikan sebuah rute pendistribusian barang, yaitu dengan total jarak tempuh adalah 61,57 km.

Rancang Bangun Aplikasi Jurnal Perkuliahan Berbasis Progressive Web Application Menggunakan Metode Rapid Application Development

Yuricha Yuricha — 2024-05-25

Jurnal perkuliahan menjadi salah satu komponen penting dalam kegiatan belajar mengajar di kelas. Sebagai seorang dosen tetap, jurnal perkuliahan sebagai bukti kinerja yang dikumpulkan oleh masing-masing dosen untuk pelaporan Beban Kinerja Dosen dan juga pengajuan Jabatan Fungsional. Selain itu dapat digunakan oleh Dosen, Ketua Program Studi, bagian akademik kampus untuk evaluasi dan monitoring pelaksanaan kegiatan belajar-mengajar di kelas. Institut Teknologi dan Bisnis Sabda Setia (ITBSS) baru memiliki 2 angkatan Mahasiswa, di mana para dosennya mencatat jurnal perkuliahan dengan cara manual baik menggunakan kertas ataupun melalui spreadsheet dan belum ada aplikasi khusus untuk jurnal perkuliahan ini. Hasil survei menunjukkan bahwa sekitar 80% dari 11 dosen mengalami kendala dan kelupaan mengisi jurnal perkuliahan karena masih mengerjakannya secara manual. Tujuan dari penelitian ini adalah menghasilkan output suatu aplikasi yang dapat mengatasi kendala dalam mencatat jurnal perkuliahan sehingga pencatatan tidak lagi manual dan memiliki sistem notifikasi yang mengingatkan dosen agar tidak kelupaan dalam mengisi jurnal perkuliahan. Sehingga, proses evaluasi dan monitoring dapat berjalan dengan data yang dikumpulkan lengkap setiap perkuliahannya. Aplikasi dirancang-bangun menjadi aplikasi yang dapat diakses menggunakan teknologi Progressive Web Application (PWA) agar pengisian data dapat dilakukan tanpa ketergantungan dengan koneksi jaringan internet dan aplikasi dibangun menggunakan pengembangan aplikasi Rapid Application Development (RAD).

Perbandingan Efisiensi Proses CI/CD Multi-Lingkungan melalui Implementasi Paralel dan Berurutan

Andreas Dimas Setyoko — 2024-05-25

Penelitian ini mengatasi masalah pengembangan aplikasi di PT. Astra International Tbk. dengan menggunakan sistem otomatis Continuous Integration/Continuous Deployment (CI/CD). Astra saat ini menghadapi masalah kompilasi dan distribusi yang dilakukan secara manual dimana proses yang dilakukan memakan waktu yang lama dan seringkali terjadi kesalahan konfigurasi terlebih terdapat berbagai macam environment dalam tiap aplikasi. Solusi yang diusulkan adalah implementasi CI/CD untuk otomatisasi proses kompilasi dan distribusi untuk setiap environment aplikasi. CI/CD adalah salah satu praktik DevOps yang digunakan untuk pengembangan perangkat lunak menjadi lebih terorganisir. Dengan memanfaatkan CI/CD, tim pengembang dapat merasakan manfaat dari proses kompilasi dan distribusi aplikasi yang lebih cepat. Penelitian ini membandingkan implementasi CI/CD berurutan dengan CI/CD paralel. Hasil penelitian menunjukkan bahwa CI/CD berurutan dapat mengurangi waktu yang diperlukan sebesar 33% dari proses manual, sedangkan CI/CD paralel dapat mengurangi waktu yang diperlukan sebesar 79% dari proses manual.

Perancangan Aplikasi Pendeteksi Jenis-jenis Sampah Berbasis Android

Stanlay Pandapotan Simbolon — 2024-05-25

Sampah merupakan masalah utama yang sering ditemui di Indonesia yang berdampak besar kepada kerusakan lingkungan hingga kesehatan. Salah satu penyebab masalah tersebut dapat terjadi dikarenakan kurangnya edukasi kepada masyarakat Indonesia mengenai jenis-jenis sampah, sehingga dapat mengakibatkan pengelolaan sampah yang tidak efisien. Tujuan dari penelitian ini adalah untuk membuat aplikasi pendeteksi jenis-jenis sampah berbasis android yang dibangun menggunakan bahasa pemrograman Kotlin dan Machine Learning untuk mendeteksi jenis sampah yang ingin diketahui user dan dalam pengembangannya menggunakan metode pengembangan SDLC software Waterfall. Hasil dari penelitian bahwa aplikasi berjalan dengan baik dan diharapkan dapat memberikan edukasi kepada masyarakat tentang sampah. Pengguna dapat dengan mudah memperoleh informasi mengenai sampah yang berkontribusi terhadap lingkungan yang lebih sehat. Aplikasi ini juga dapat digunakan dengan mudah oleh pengguna, dan diharapkan dapat meningkatkan pengetahuan mereka tentang pengelolaan sampah secara efisien. Beberapa saran pengembangan yang dapat dilakukan termasuk mengembangkan versi aplikasi untuk platform seluler lainnya, seperti iOS. Selain itu, menambahkan fitur pelaporan untuk memungkinkan pengguna melaporkan lokasi sampah yang signifikan atau masalah lingkungan lainnya juga merupakan langkah yang baik. Fitur gamifikasi juga dapat ditambahkan untuk meningkatkan keterlibatan pengguna, seperti sistem poin atau prestasi.

The OSI and TCP/ IP Reference Models in the Era of Industry 4.0

Eka Ramdan Permana — 2024-05-25

The research aims to evaluate the integration and relevance of the Open Systems Interconnection (OSI) and TCP/IP (Transmission Control Protocol/Internet Protocol) Reference Models in the context of Industry 4.0. This study seeks to analyze the suitability of these models with the complex and dynamic networking environment of the present era and to propose modifications or strategies to enhance their performance and security within the context of Industry 4.0. The research method employed is descriptive research with a literature study design. This descriptive research method with a literature study design will aid in depicting and analyzing the OSI and TCP/IP reference models in the Industry 4.0 era. Primary data sources are derived from scholarly journals, reference books, and other relevant publications. Data analysis is conducted using a qualitative approach, wherein information from various sources will be thoroughly analyzed to identify patterns, trends, and relationships among the studied concepts. The research findings indicate that the difference between the OSI and TCP/IP models lies in their approaches and characteristics in regulating the process of data communication within networks. OSI emphasizes reliability at each layer, while TCP/IP views reliability as an end-to-end issue.

Analisis Keamanan Jaringan Berbasis Point to Point Protocol Over Ethernet (PPPoE) Menggunakan Mikrotik

Linna Oktaviana Sari — 2024-05-25

Keamanan jaringan adalah proses tindakan untuk melindungi jaringan untuk menghindari berbagai jenis serangan dan pelanggaran data, seperti mencegah serangan cyber, kontrol akses, mendeteksi perangkat lunak berbahaya dan tindakan keamanan lainnya. Jaringan LAN memiliki protokol yang disebut Address Resolusi Protocol (ARP). ARP merupakan protokol yang sangat mudah untuk dieksploitasi karena paket transaksi ARP dapat dimanipulasi oleh komputer manapun. Serangan ARP spoofing dapat dieksploitasi pada kerentanan ini. Untuk mengamankan jaringan lokal dari serangan ARP Spoofing, diperlukan mekanisme keamanan yang dapat meminimalkan risiko eksploitasi protokol komunikasi dalam jaringan. Maka pada penelitian ini dilakukan analisa keamanan jaringan berbasis PPPoE dengan menggunakan Mikrotik sebagai cara terbaik untuk mengatasi permasalahan keamanan jaringan. Untuk mengetahui performa PPPoE dari segi keamanan, dilakukan pengujian dengan serangan ARP spoofing menggunakan tools netcut. Pengujian dilakukan sebelum dan sesudah penerapan PPPoE dengan hasil sebelum penerapan PPPoE diperoleh informasi mengenai alamat IP, alamat MAC dan nama perangkat pengguna yang terhubung sehingga dapat dilakukan cut-off. Sedangkan setelah penerapan PPPoE, pengguna yang terhubung ke jaringan PPPoE tidak terdeteksi sehingga cut-off tidak dapat dilakukan.

Question Answering System pada Chatbot Telegram Menggunakan Large Language Models (LLM) dan Langchain (Studi Kasus UU Kesehatan)

Anggun Tri Utami BR. Lubis — 2024-05-25

Di bidang kesehatan, peraturan yang diterapkan dikenal sebagai hukum kesehatan, yang bertujuan untuk melindungi kepentingan pasien dan meningkatkan standar praktik medis. Pada tahun 2023, Indonesia menerapkan UU No 17 Tahun 2023 tentang Kesehatan, mencakup hak pasien, standar layanan, dan partisipasi masyarakat. Omnibus Law ini diharapkan menyelesaikan masalah kesehatan dan melindungi penyedia layanan. Penelitian ini bertujuan untuk mengembangkan Question Answering System (QAS) berbasis chatbot yang terintegrasi dengan Telegram. Metode yang digunakan adalah Langchain dan Large Language Models (LLM). Langchain digunakan untuk memfasilitasi pembangunan chatbot, sementara LLM adalah jenis model AI yang menggunakan pendekatan pembelajaran mesin untuk menghasilkan teks yang serupa dengan bahasa manusia. Sumber data yang digunakan sebagai basis pengetahuan adalah UU No 17 tahun 2023 tentang kesehatan. Chatbot yang dibangun telah berhasil memberikan jawaban kepada pengguna dengan hasil pengujian menggunakan BERTScore mendapatkan rata-rata nilai precision, recall, f1-score masing-masing sebesar 76%, 80%, 78%. Sedangkan untuk ROUGE-1 sebesar 60%, 45%, 50%, untuk ROUGE-2 sebesar 34%, 25%, 28%, dan untuk ROUGE-L sebesar 45%,34%,38%.

Pengembangan Sistem Pengolahan Data Jemaat Gereja Kristen Sumba (GKS) Berbasis Object Oriented Analysis and Design

Ronaldo Turu Hanggalang — 2024-05-25

GKS Jemaat Tanalingu Cabang Kahembi merupakan gereja yang belum memanfaatkan teknologi komputer dan sistem informasi dalam pengelolaan data keanggotaan, antara lain pencatatan baptisan, pencatatan pengukuhan, pencatatan kematian, dan pencatatan perkawinan. Dalam proses pengolahan data Gereja Kristen Sumba (GKS) Jemaat Tanalingu Cabang Kahembi pada saat ini, informasi yang saya dapatkan dari Ketua BPMJ sekaligus merangkap menjadi pendeta dalam gereja tersebut yang menjadi keluhan mereka yaitu mengalami kesulitan dalam munulis data dalam kertas buku dan mudah tercecer dan cepat rusak dalam mengelola data jemaat, data jemaat pendaftaran baptis, data jemaat pendaftaran sidi, data jemaat meninggal dan data jemaat pendaftaran nikah. Peneliti ini bertujuan untuk merancang dan mengembangkan sistem informasi untuk membantu dalam mengelolaan data di GKS Jemaat Tanalingu Cabang Kahembi. Metodologi pendekatan Object-Oriented Analysis and Design (OOAD) serta menerapkan metode waterfall, penelitian ini merancang sistem yang mempermudah gereja mengakses data jemaat secara online. Dalam sistem ini tidak hanya dapat mengatasi masalah keterlambatan dan tidak dapat mengalami kesulitan dalam munulis data dalam kertas buku dan tidak mudah tercecer dan cepat rusak dalam pencatatan manual. Dengan demikian, pengurus gereja dapat lebih mudah mengelola mengelola data jemaat, data jemaat pendaftaran baptis, data jemaat pendaftaran sidi, data jemaat meninggal dan data jemaat pendaftaran nikah.

Penerapan Teknologi LangChain pada Question Answering System Fikih Empat Madzhab

Suci Rahayu — 2024-06-14

Fikih sebagai ilmu yang luas, terkadang menimbulkan beragam persoalan dan perbedaan pandangan antara madzhab-madzhabnya. Tujuan pandangan ulama tentang isu-isu fikih adalah untuk memperkaya opsi pemahaman, bukan menyebabkan perpecahan. Keberadaan mazhab penting bagi umat Islam awam dalam memahami hukum Islam, karena membantu dalam menafsirkan Al-Qur'an dan Hadits untuk masalah sehari-hari. Pengiriman informasi saat ini dapat dilakukan dengan cepat dan mudah, salah satunya melalui aplikasi tanya jawab atau Question Answering System (QAS) terkait materi yang ingin diketahui oleh pengguna. Sehingga pada penelitian ini bertujuan membuat sebuah QAS berbasis web tentang fikih empat madzhab menggunakan teknologi LangChain dan Large Language Model (LLM). LangChain dan model LLM mampu memberikan jawaban atas pertanyaan terkait file Portable Document Format (PDF). QAS dilatih menggunakan kumpulan data berupa file PDF serta memanfaatkan model LLM untuk menghasilkan respons teks yang relevan terhadap pertanyaan yang diajukan oleh pengguna. Sistem yang telah dikembangkan berhasil memberikan respons kepada pengguna dengan pengujian menggunakan BERTScore yang mendapatkan nilai rata-rata dari precision sebesar 80%, recall sebesar 81%, dan f-1 score sebesar 81%. Sedangkan ROUGEScore mendapatkan nilai rata-rata dari ROUGE-1 sebesar 56%, 58%, dan 56%, ROUGE-2 sebesar 33%, 33%, 33%, dan ROUGE-L sebesar 43%, 44%, dan 43%.

Implementasi Algoritma Convolutional Neural Network (Resnet-50) untuk Klasifikasi Kanker Kulit Benign dan Malignant

Gogor Putra Hafi Puja Gusti — 2024-06-14

Kulit sebagai organ terluar yang menutupi seluruh bagian tubuh manusia rentan terhadap berbagi penyakit, salah satunya kanker kulit. Penggunaan teknologi malignant, khususnya Convolutional Neural Network (CNN) diangkat menjadi topik penelitian karena kemampuan CNN untuk secara otomatis mengenali fitur penting dalam klasifikasi citra medis kanker kulit. Oleh karena itu dilakukan penelitian pengklasifikasian penyakit kanker kulit benign (jinak) dan malignant (ganas) menggunakan algoritma CNN arsitektur ResNet-50 dengan dataset berupa 5000 data latih kanker kulit benign dan 4600 data latih kanker kulit malignant.Model CNN yang telah dirancang dengan epoch 50 menggunakan optimizer Adam dan batch size sebesar 54 serta melibatkan beberapa teknik augmentasi data guna meningkatkan keragaman dataset untuk kemudian model hasil perancangan diimplementasikan ke dalam tampilan sebuah website dengan menggunakan Flask sebagai kerangka kerja yang menghubungkan antara model deep learning dan website agar bisa diakses oleh pengguna. Metode pengujian blackbox dilakukan demi memastikan sistem dapat melakukan klasifikasi kanker kulit melalui input berupa citra medis kedalam 2 kelas yaitu benign dan malignant dengan baik serta didapatkan hasil akurasi model sebesar 94,88 % dan loss sebesar 13,24%.

Pengelompokan Kabupaten dan Kota Provinsi Sumatera Utara Berdasarkan Indikator Kesejahteraan Rakyat Menggunakan Algoritma K-Means

Yustina Lentiana Dakhi — 2024-06-20

Kesejahteraan rakyat merupakan tujuan utama negara Indonesia yang diabadikan dalam UUD 1945 dan sila kelima Pancasila. Sumatera Utara merupakan salah satu provinsi di Indonesia yang terletak di bagian utara pulau Sumatera. Di pulau tersebut memiliki 33 kabupaten/kota, terdiri dari 25 prefektur dan 8 kota. Tujuan penelitian ini adalah mengetahui hasil pengelompokan Kabupaten/Kota Provinsi Sumatera Utara berdasarkan Indikator Kesejahteraan Rakyat menggunakan metode k-means cluster. Variabel yang diamati dalam penelitian ini adalah kependudukan, kesehatan, pendidikan, ketenagakerjaan, tarif dan pola konsumsi dan kemiskinan. Hasil penelitian dalam pengelompokan karakteristik klaster yang terbentuk berdasarkan indikator kesejahteraan rakyat adalah Klaster 1 terdiri dari Tapanuli Utara, Toba Samosir, Dairi, Humbang Hasundutan, Pakpak Bharat, Samosir, Nias Barat. Dan Klaster 2 terdiri dari Mandailing Natal, Tapanuli Selatan, Tapanuli Tengah, Labuhan Batu, Asahan, Simalungun, Karo, Deli Serdang, Langkat, Nias Selatan, Serdang Bedagai, Batu Bara, Padang Lawas Utara, Padang Lawas, Labuhanbatu Selatan, Labuhanbatu Utara, Nias Utara, Tanjungbalai, Gunungsitoli Klaster 3 terdiri dari Sibolga, Pematangsiantar, Tebing Tinggi, Medan, Binjai, Padangsidimpuan. Sedangkan Klaster 4 terdiri dari Nias. Kesimpulan penelitian ini adalah dapat dilihat dari hasil pengujian Silhouette Index menunjukkan bahwa pembentuk 4 Klaster memiliki nilai keakuratan terbaik dibanding dengan pembentukan 2 klaster dan pembentukan 3 kalster.

Aplikasi Penjadwalan Piket Guru di SMPN 2 Nggaha Ori Angu Menggunakan SMS Gateway

Arto Rehi Mbaru — 2024-06-20

Penjadwalan piket guru di SMPN 2 Nggaha Ori Angu saat ini masih menggunakan sistem penjadwalan secara manual, Setiap guru biasanya memperoleh informasi jadwal piket melalui pengumuman yang dicetak dan dipasang di papan pengumuman. Dalam hasil wawancara dengan Kepala Sekolah SMPN 2 Nggaha Ori Angu, ditemukan bahwa sistem penjadwalan piket saat ini mengalami kendala. Banyak laporan dan kritik dari orang tua siswa menyoroti bahwa siswa seringkali pulang terlambat karena proses penjadwalan yang terbatas. Terkadang guru yang dijadwalkan untuk piket harian tidak hadir atau sedang dalam sesi pengajaran ketika jam pulang tiba. Hal ini mengakibatkan siswa sering pulang terlambat. Untuk mengatasi permasalahan tersebut, diperlukan solusi berupa Aplikasi Penjadwalan Piket Guru di SMPN 2 Nggaha Ori Angu yang menggunakan sistem SMS Gateway. Aplikasi ini akan mengirimkan notifikasi jadwal melalui SMS kepada guru piket, termasuk perubahan jadwal jika ada. Aplikasi ini berbasis computer dan dirancang untuk memenuhi kebutuhan sekolah dalam mengatur jadwal piket sehingga dapat meningkatkan produktivitas kerja. Dalam keseluruhan aplikasi tersebut, pemanfaatan teknologi komputerisasi dan system informasi sangat diperlukan untuk meningkatkan afektivitas pengaturan jadwal piket guru. Dengan demikian aplikasi Penjadwalan Piket Guru di SMPN 2 Nggaha Ori Angu memberikan manfaat yang signifikan untuk keberlangsungan operasional sekolah serta meningkatkan kualitas Pendidikan siswa.

Pengelompokan Data Pendistribusian Listrik Menggunakan Algoritma Mean Shift

Roid Fitrah Utari — 2024-06-21

Penelitian ini mengkaji regionalisasi dan klasterisasi data distribusi listrik di Indonesia menggunakan algoritma Mean Shift, dengan tujuan untuk meningkatkan efisiensi distribusi energi di berbagai wilayah geografis yang beragam. Listrik memiliki peran krusial dalam kehidupan modern namun distribusinya masih belum merata, terutama di daerah terpencil dan pedesaan yang terkendala oleh akses dan keterbatasan dana. Sebagai salah satu Bada Usaha Milik Negera (BUMN) utama di sektor ketenagalistrikan, Perusahaan Listrik Negera (PLN) bertanggung jawab dalam menyediakan listrik di seluruh Indonesia, mendukung pertumbuhan ekonomi melalui penyediaan energi untuk sektor industri, pertanian, dan perdagangan. Dengan menggunakan algoritma Mean Shift, penelitian ini mengelompokkan Indonesia menjadi Sumatra, Jawa-Bali, Kalimantan-Sulawesi, dan Papua berdasarkan pola distribusi listrik, dengan menemukan bahwa pengaturan bandwidth optimal 0.5 menghasilkan tiga klaster per wilayah yang mencerminkan infrastruktur serupa, kebutuhan energi, dan sektor ekonomi dominan. Temuan ini menunjukkan fleksibilitas Mean Shift dalam menangani struktur data yang kompleks tanpa jumlah klaster yang telah ditentukan sebelumnya, yang penting untuk perencanaan strategis dalam pengelolaan energi di Indonesia demi mencapai distribusi listrik yang lebih efisien dan berkelanjutan

Pengelompokan Data Pendistribusian Listrik Menggunakan Algoritma Density Based Spatial Clustering of Application With Noise (DBSCAN)

Miftah Farid — 2024-06-21

Pada masa kini, listrik sudah menjadi kebutuhan penting dalam kehidupan, karena kebanyakan aktivitas manusia bergantung pada listrik. Kebutuhan listrik pada setiap wilayah di Indonesia dipengaruhi oleh sejumlah faktor dan karakteristik khusus masing-masing. PLN mempublikasikan statistik penggunaan listrik untuk setiap wilayah di Indonesia dari tahun 2014 hingga 2022, yang terdiri dari 35 provinsi di Indonesia. Data ini menawarkan wawasan berharga untuk prediksi permintaan listrik, pelacakan tren historis untuk memprediksi pengembangan wilayah, memprioritaskan wilayah dengan permintaan tinggi untuk efisiensi dan konservasi energi, dan lain sebagainya. Salah satu alat untuk mencapai tujuan tersebut adalah dengan mengelompokkan (clustering) wilayah berdasarkan karakteristik dan ciri-ciri wilayahnya. Penelitian ini melakukan proses clustering dengan membagi data pada tiga regional utama: Sumatera, Jawa-Bali, dan Kalimantan-Sulawesi, sementara regional Papua tidak dianalisis karena jumlah wilayah/propinsi yang terbatas. Metode yang dipakai adalah Density-Based Spatial Clustering of Applications with Noise (DBSCAN). Tuning parameter dengan cara pencarian grid dilakukan untuk memperoleh hasil optimal berdasarkan silhouette score. Hasil clustering dapat memberikan gambaran keunikan profil konsumsi listrik di tiap wilayah, dengan silhouette score terbaik sebesar 0.62 untuk regional Jawa-Bali, 0,67 untuk Kalimantan-Sulawesi, dan 0,64 untuk Sumatera. Penelitian menunjukkan bahwa algoritma DBSCAN dapat digunakan untuk pengelompokkan distribusi listrik dengan hasil yang efektif.

Comparative Analysis of Machine Learning Models for Chronic Disease Indicator Classification Using U.S. Chronic Disease Indicators Dataset

Gregorius Airlangga — 2024-06-24

The prevalence of chronic diseases poses significant challenges to public health systems worldwide. This study evaluates the performance of four machine learning models—Gradient Boosting Classifier, Support Vector Machine (SVM), Logistic Regression, and Random Forest—in classifying chronic disease indicators using the U.S. Chronic Disease Indicators (CDI) dataset. The models were assessed based on accuracy, precision, recall, F1 score, classification report, and confusion matrix to determine their effectiveness. The Gradient Boosting Classifier outperformed other models with an accuracy of 64.36%, precision of 63.72%, recall of 64.36%, and F1 score of 63.88%. While SVM and Random Forest demonstrated moderate performance, Logistic Regression served as a baseline for comparison. The study highlights the Gradient Boosting Classifier's superiority in handling the complexities of the CDI dataset, suggesting its potential for improving chronic disease prediction and management. Future research should focus on refining these models, addressing class imbalances, and incorporating domain knowledge to enhance interpretability and applicability in real-world scenarios.

Implementasi Metode Deep Neural Network pada Klasifikasi Penyakit Diabetes Melitus Tipe 2

Muhammad Rizky — 2024-06-24

Penyakit diabetes mellitus ditandai oleh tingginya kadar gula dalam darah, juga dikenal sebagai glukosa, sebagai akibat dari kurangnya atau ketidakmampuan tubuh untuk menggunakan insulin secara efisien. Pada tahun 2021, Federasi Diabetes Internasional (IDF) melaporkan bahwa lima negara memiliki jumlah penderita diabetes mellitus terbanyak di kelompok usia 20 hingga 79 tahun. Dengan 19,5 juta orang yang menderita, Indonesia menempati peringkat kedua. Berbagai upaya telah dilakukan untuk menghentikan perkembangan penyakit ini. Salah satunya adalah penelitian yang menggunakan metode klasifikasi Deep Neural Network (DNN) untuk memprediksi risiko seseorang. Menggunakan dataset dari Puskesmas Mergangsan di Kota Yogyakarta, Provinsi DIY, penelitian ini menggunakan sepuluh variabel: jenis kelamin, merokok, berat badan, tinggi badan, Indeks Massa Tubuh (IMT), hipertensi, usia, aktivitas fisik, konsumsi alkohol, dan riwayat penyakit tidak menular. Parameter DNN seperti jumlah lapisan, jumlah neuron, fungsi aktivasi, tingkat pembelajaran, ukuran batch, berat, optimizer, fungsi kehilangan, epoch, dan bias digunakan untuk membangun model prediksi. Metode K 10-fold CV digunakan untuk mempartisi data pelatihan dan uji untuk membuat model prediksi. Hasilnya mencapai 90 persen, 85 persen, 95 persen, dan 89 persen masing-masing dengan menggunakan skor f1, akurasi, presisi, dan recall.

Pengelompokan Data Pendistribusian Listrik Menggunakan Algoritma Mini Batch K-Means Clustering

Syahrul Mulyadi — 2024-06-24

Manajemen distribusi listrik merupakan aspek penting dalam infrastruktur yang memerlukan pemahaman mendalam tentang pola distribusi di berbagai wilayah untuk memastikan pasokan listrik stabil bagi masyarakat dan pemerintah. Namun, mengelola data distribusi listrik yang melibatkan berbagai variabel seperti rumah tangga, industri, bisnis, sosial, gedung kantor pemerintah, dan jalan umum membutuhkan pendekatan yang efektif dalam mengelompokkan data untuk mengidentifikasi pola-pola yang signifikan. Penelitian ini bertujuan mengimplementasikan algoritma mini batch k-means untuk mengelompokkan distribusi listrik di setiap wilayah. Data yang digunakan dalam penelitian ini adalah data distribusi listrik dari tahun 2014-2022 yang terdiri dari 35 provinsi. Hasil pengujian menunjukkan bahwa terdapat tiga cluster yang signifikan dalam data peneliti, masing-masing ditandai dengan Silhouette Score yang berbeda. Cluster dengan Silhouette Score tertinggi adalah Cluster 2 dengan nilai 0.625, menunjukkan kohesi yang tinggi di wilayah regional Kalimantan-Sulawesi yang diamati dalam cluster 2 ini. Sementara itu, Cluster 4 memiliki Silhouette Score yang terendah dengan nilai 0.419, menunjukkan tingkat kohesi yang lebih rendah dalam pola distribusi listrik di setiap wilayah regional bagian Kalimantan-Sulawesi. Penelitian ini menegaskan bahwa algoritma mini batch k-means efektif untuk pengelompokkan data distribusi listrik dengan hasil yang memuaskan dalam pemisahan klaster yang berbeda