JATI (Jurnal Mahasiswa Teknik Informatika)

APLIKASI PENENTUAN SUSU FORMULA UNTUK BAYI BARU LAHIR MENGGUNAKAN METODE TOPSIS BERBASIS WEB

2024-03-31T23:27:37+00:00

Asi ialah sumber makanan utama paling penting yang perlu dikonsumsi bayi. Asi masih susu terbaik dikarenakan memilki keunggulan yang tidak mudah digantikan oleh susu formula. Namun sebagai pengganti ASI, susu formula tidak boleh sembarang diberikan kepada bayi. Maka diperlukan suati sistem yang membantu menemukan rekomendasi susu formula untuk bayi baru lahir. Ada banyak metode didalam pengambilan keputusan yang biasa membantu permasalah ini, salah satunya yaitu dengan metode dari TOPSIS (Technique for Order of Preference by Similarity to Ideal). Metode ini dikenal selaku algoritma dengan metode perhitungan yang terbobot. Dihasilkan dalam penelitian ini bisa menampilkan peringkat hasil seleksi dari setiap alternatif yang dipilih ada 15 alternatif dari susu dengan protein hewani sampai susu dengan protein nabati. Juga terdapat 32 kriteria yang memiliki bobot tersendiri dengan atribut yang berbeda-bedayang berarti Metode TOPSIS layak digunakan untuk menentukan rekomendasi sufor bagi bayi yang baru lahir.

PERANCANGAN GAME ADVENTURE OF SAKERA 2D MENGGUNAKAN METODE FINITE STATE MACHINE (FSM) BERBASIS ANDROID

2024-03-31T23:30:34+00:00

Perkembangan teknologi mempengaruhi gaya hidup masyarakat, terutama dalam penggunaan game sebagai hiburan. Artikel ini membahas perancangan game adventure berjudul "Adventure Of Sakera" berbasis Android dengan menerapkan metode Finite State Machine (FSM) yang digunakan untuk mengatur pergerakan dan aturan pada karakter musuh. Hasil survei menunjukkan preferensi masyarakat terhadap perangkat Android, dengan minat besar terhadap game di ponsel. Game ini mengisahkan petualangan Sakera, seorang pejuang keturunan Pulau Madura yang berusaha berjuang melawan penjajah. Melalui uji fungsional, kecerdasan buatan dalam pergerakan musuh mampu menangani situasi yang di terapkan pada pemain di permainan dengan efisien. fitur di menu utama beroperasi secara lancar, demikian juga dengan pengujian perangkat. Berdasarkan hasil pengujian pengguna, 79% dari 21 pengguna menyatakan bahwa performa permainan dianggap baik.

MENENTUKAN DIAGNOSIS GANGGUAN PENCERNAAN PADA ANAK USIA SEKOLAH DASAR MENGGUNAKAN METODE FORWARD CHAINING BERBASIS ANDROID

2024-03-31T23:34:04+00:00

Gangguan Pencernaan pada anak adalah kelainan yang disebabkan oleh kelainan pada sistem pencernaan
mulai dari makanan atau kondisi fisik seseorang. Kekacauan yang berhubungan dengan perut dapat menghalangi wawasan anak dan mengganggu perkembangan sempurna dan persiapan peningkatan anak. Dengan hal tersebut maka penulis mendapat pemikiran untuk membentuk sebuah kerangka kerja yang dapat menganalisis gangguan lambung pada anak usia sekolah dasar sebagai pilihan konseling ke dokter spesialis umum, dan mengajukan pertanyaan yang berjudul “Menentukan Diagnosis Gangguan Pencernaan Pada Anak Usia Sekolah Dasar Menggunakan Metode Forward Chaining Berbasis Android”. Aplikasi sistem pakar ini telah dirancang menggunakan Android Studio versi 2.1.2. Dalam proses pengembangannya, Certainty Factor digunakan untuk menghasilkan bobot penyakit, sementara pendekatan Forward Chaining diimplementasikan sebagai cara untuk mengajukan pertanyaan indikatif guna mengidentifikasi kemungkinan gangguan pencernaan yang mungkin dialami oleh pengguna. Data mengenai gejala dan penyakit menjadi dasar informasi dalam implementasi ini. Data penyakit diperoleh dari dr. Abdul Jalil dan Syamsuddin S.km yang menjadi penanggung jawab di bidang gangguan pencernaan pada anak usia sekolah dasar di puskesmas gentungan. Hasil pengujian yang dilakukan disimpulkan bahwa penerapan Certainty Factor dan Forward Chaining berfungsi dengan optima. Tingkat kemenangan untuk strategi perhitungan dari sistem pakar dapat bernilai 99%, dan untuk perhitungan manual dinyatakan perhitungan yang dihasilkan mempunyai hasil yang identik dengan perhitungan sistem pakar dan nilai koordinat ratenya adalah 98%

PENERAPAN ALGORITMA K-MEANS CLUSTERING DALAM PERINGATAN DINI RESIKO KEGAGALAN SISWA PADA MATA PELAJARAN BAHASA INDONESIA

2024-03-31T23:36:46+00:00

Mata pelajaran Bahasa Indonesia memiliki peran krusial dalam perkembangan siswa di Indonesia, dan kegagalan siswa dalam mata pelajaran ini dapat memiliki dampak jangka panjang. Beberapa alasan umum pemilihan mata pelajaran Bahasa Indonesia dalam penelitian ini melibatkan aspek yang befokus pada kemampuan siswa siswi berdasarkan hasil nilai tugas, ulangan, dan semester. Selain itu, ketersediaan data nilai atau kinerja siswa pada mata pelajaran Bahasa Indonesia yang sudah tersedia dan lengkap, dapat menjadi faktor pertimbangan penting.Oleh karena itu, penelitian ini bertujuan untuk melakukan penerapan algoritma K-Means Clustering dalam peringatan dini resiko kegagalan siswa pada mata pelajaran Bahasa Indonesia, dengan fokus pada studi kasus di SMP Negeri 2 Malang.Algoritma K-Means Clustering merupakan metode yang kuat untuk mengelompokkan data menjadi kelompok-kelompok dengan karakteristik serupa. Dari hasil pengujian, didapatkan hasil sistem dengan hasil guru didapatkan hasil, untuk kelas 8A memiliki hasil yang sama sebesar 57.14%, kelas 8B 71.43 %, kelas 8C 55.56 %, dan kelas 8D 58.33 %.

ANALISIS SENTIMEN UNTUK DETEKSI UJARAN KEBENCIAN PADA MEDIA SOSIAL TERKAIT PEMILU 2024 MENGGUNAKAN METODE SUPPORT VECTOR MACHINE

2024-03-31T23:37:54+00:00

Analisis sentimen adalah teknik pemrosesan bahasa alami yang digunakan untuk mengukur sentimen atau opini tentang teks. Support Vector Machine (SVM) adalah teknik machine learing yang dapat digunakan untuk menyelesaikan masalah klasifikasi dan regresi. Pada penelitian ini mengembangkan sebuah sitem berbasis website yang mampu mendeteksi ujaran kebencian dalam kalimat yang berbahasa indonesia. Metode klasifikasi sentimen yang akan diimplementasikan pada website ini adalah Support Vector Machine (SVM). Data yang digunakan untuk melatih dan menguji sistem ini berasal dari komentar dan tweet terkait pemilu 2024. Hasil evaluasi pengujian dengan menggunakan 100 data kalimat teratas dari data training untuk dibandingkan hasilnya dengan hasil klasifikasi SVM, hasil evaluasi dari pengujian tersebut menunjukkan keefektifan SVM dengan nilai recall 76%, presisi 96%, dan akurasi 81%. Hasil dari klasifikasi SVM sangat dipengaruhi dari jumlah data training dan proses yang dilakukan pada tahap text preprocessing.

SISTEM INFORMASI GEOGRAFIS PENENTUAN JARAK BTS TERDEKAT PADA KEGIATAN SURVEY PELANGGAN DENGAN METODE HAVERSINE BERBASIS WEB

2024-03-31T23:39:47+00:00

Perkembangan teknologi informasi pada era digital semakin berkembang pesat , Internet digunakan diberbagai bidang,termasuk dalam industri. Untuk mengakses Internet diperlukan Internet Service Provider atau jarigan seluler. Internet Service Provider merupakan lembaga yang memberikan pelayanan kepada konsumen agar bisa mengakses Internet secara berlangganan. Internet Service Provider (ISP) menyediakan berbagai layanan, layanan tersebut bisa disesuaikan oleh kebutuhan calon pelanggan, kebutuhan ini bisa dalam bentuk layanan Internet, Voice Over Internet Protocol(VoIP), Internet Protocol Camera (IP Camera), dan Virtual Private Network(VPN). Dalam melaksanakan survey calon pelanggan, Technical Support memerlukan posisi BTS terdekat yang terlihat secara jelas dan tanpa halangan. atau bisa disebut Line of Sight (LoS). Technical Support terkadang mengalami kesulitan untuk mengetahui BTS mana yang berada pada jangkauan mereka. Sistem Informasi Geografis (SIG) adalah media yang bisa digunakan sebagai penentuan BTS terdekat dan mencantumkan informasi yang berkaitan dengan BTS tersebut.Sistem Informasi ini mengimplementasikan metode haversine untuk mendapatkan jarak antara pengguna dan BTS terdekat..Dari hasil pengujian sistem yang dilakukan pada desktop maupun mobile memperoleh error dari keakuratan jarak dibandingkan google maps rata-rata sebesar 0.29% dari data 9 BTS dengan 2 lokasi user yang berbeda.

PENERAPAN METODE FINITE STATE MACHINE PADA GAME 2D “ADVENTURE OF RUVY FOX” BERBASIS ANDROID

2024-03-31T23:40:59+00:00

Berkembangnya teknologi komputer telah mengubah industri permainan komputer, menawarkan pengalaman bermain game yang lebih menarik dan interaktif. Pets Adventure adalah sebuah game side-scrolling yang masih menghadapi banyak tantangan, termasuk kurangnya respon musuh terhadap pemain dan kurangnya misi dalam game. Penelitian ini menggunakan metode Finite State Machine (FSM) untuk meningkatkan pengalaman bermain game. FSM dipilih karena dapat memudahkan pengambilan keputusan dan tindakan dalam game melalui sistem kontrol yang menggambarkan perilaku karakter dan musuh. Penulis merancang game Adventure of Ruvy Fox yang menceritakan tentang petualangan seekor rubah menjaga keseimbangan alam dengan melawan monster-monster perusak lingkungan. Pada pengujian aplikasi ini menggunakan metode System Usability Scale, dengan 27 responden memberikan tanggapan positif dengan skor rata-rata 68,79. Hasil penilaian menunjukkan bahwa kegunaan game Adventure of Ruvy Fox dinilai cukup baik sesuai dengan skala grade C.

IMPLEMENTASI LOCATION BASED SERVICE UNTUK APLIKASI PRESENSI PEGAWAI ITN MALANG BERBASIS ANDROID

2024-03-31T23:42:02+00:00

Presensi pegawai merupakan hal yang sangat penting pada sebuah lembaga atau instansi. Di ITN Malang
mempunyai alat untuk presensi namun terbatas hanya ada dua alat saja. Pada penelitian ini dibuat aplikasi android untuk presensi pegawai ITN Malang untuk mengefisiensikan proses presensi.Aplikasi ini dibuat dengan mengimplementasikan Location Based Service dan menerapkan formula haversine untuk perhitungan jarak user yang melakukan presensi dengan lokasi presensi yang telah ditentukan dalam satuan meter. Formula haversine berjalan dengan menghitung jarak berdasarkan dua titik berupa longitude dan latitude. Admin dapat mengatur lokasi untuk melakukan presensi dan menentukan radius dari titik yang telah ditentukan. Aplikasi telah diujikan pada device android versi 10(Q), 11(R), 12(S), dan 13(T). Dari hasil pengujian fungsionalitas sistem menggunakan blackbox testing diperoleh hasil bahwa 100% fungsi aplikasi berjalan sesuai dengan apa yang diharapkan.

SISTEM PENDUKUNG KEPUTUSAN KELAYAKAN PEMBERIAN PINJAMAN MENGGUNAKAN METODE TOPSIS

2024-03-31T23:43:13+00:00

Koperasi Kembang Arum Ayu, sebuah lembaga keuangan mikro yang beroperasi sejak Februari 2017 di Dusun Pejambon, Rejoso, Kabupaten Pasuruan, memfasilitasi kerja sama usaha bagi pesertanya dengan fokus pada pengembangan modal usaha. Meskipun berhasil dalam hal ini, koperasi masih menggunakan sistem pemberian pinjaman manual yang menyebabkan keterlambatan dan potensi kesalahan perhitungan. Untuk mengatasi masalah ini, penelitian berjudul "Sistem Pendukung Keputusan Kelayakan Pemberian Pinjaman Menggunakan Metode TOPSIS (Studi Kasus: Koperasi Kembang Arum Ayu)" diusulkan untuk mengembangkan sebuah sistem pendukung keputusan berbasis website. Tujuannya adalah membantu anggota koperasi menilai kelayakan pemberian pinjaman dengan berbagai kriteria serta memudahkan pengambilan keputusan yang lebih efisien, objektif, dan lebih baik dalam mengelola risiko pemberian pinjaman. Hasil pada penelitian ini menyajikan metode TOPSIS digunakan dalam sistem pendukung keputusan untuk pemberian pinjaman telah menghasilkan tingkat akurasi yang sangat tinggi, mencapai sekitar 90%. Dengan membandingkan 50 data mitra dari koperasi dan hasil dari sistem, sistem tersebut berhasil memberikan prediksi yang akurat dalam menentukan keputusan terkait pemberian pinjaman memberikan kehandalan dan ketepatan yang tinggi dalam proses pengambilan keputusan tersebut.

PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK PENGELOMPOKKAN WILAYAH RAWAN BENCANA ALAM KABUPATEN BIAK NUMFOR

2024-03-31T23:44:41+00:00

Kabupaten Biak Numfor terletak di Provinsi Papua Indonesia, menghadapi ancaman bencana alam. Letaknya di wilayah teluk dan perbukitan membuatnya sangat rentan terhadap bencana. Saat ini, Badan Penanggulangan Bencana Daerah (BPBD) melakukan pengelompokkan wilayah yang rentan terhadap bencana secara manual yaitu dengan input data ke dalam Excel, mengakibatkan waktu yang lama dan data yang kurang signifikan. Untuk mengatasi masalah tersebut, diperlukan pengelompokkan wilayah rawan bencana. Algoritma K-Means Clustering menjadi pilihan metode analisis data yang dapat mengelompokkan wilayah berdasarkan karakteristik yang serupa dalam hal risiko benca alam. Dengan menerapkan pengujian blackbox menyatakan bahwa setiap fitur berjalan dengan baik. Pada pengujian admin menunjukkan 76,44% mengatakan baik dan 24,56% mengatakan cukup. Selanjutnya untuk pengujian perbandingan data asli dan hasil clustering dengan nilai akurasi yaitu 98,5% yang berati implementasi metode berjalan dengan baik

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN RUMAH TINGGAL DI WILAYAH MALANG DENGAN METODE TOPSIS BERBASIS WEB

2024-03-31T23:51:24+00:00

Kota Malang terus bertumbuh dengan pesat, terutama pada pembangunan infrastruktur, ekonomi, dan aspek sosial. Pertumbuhan ini mengakibatkan peningkatan permintaan akan Perumahan kemudian adalah salah satu dari kebutuhan pokok manusia dengan pangan dan sandang. Dalam pencarian perumahan yang optimal, metode Topsis dari metode yang digunakan telah terbukti efektif untuk menghadapi pengambilan keputusan kemudian melibatkan beberapa kriteria. Metode ini memungkinkan penilaian terhadap berbagai faktor yang relevan dalam pembelian perumahan, seperti harga, luas tanah, tipe rumah, waktu tempuh ke kota, akses ke jalan raya, dan lain sebagainya. Oleh sebab itu, penelitian ini dilakukan yang memiliki mengembangkan SPK berbasis web menggunakan Metode Topsis untuk Pemilihan Perumahan di Wilayah Malang. Sistem ini dimaksudkan untuk membantu calon pembeli perumahan mengevaluasi dan membandingkan pilihan perumahan yang tersedia, sehingga dapat membuat keputusan pembeli yang lebih cerdas dan tepat. Dari hasil pengujian fungsional menunjukkan bahwa semua fitur situs web melakukan fungsinya dengan baik dan bahwa browser yang berbeda dapat mengaksesnya.

PERANCANGAN GAME ANDROID BRING BACK THE SCROLL MENGGUNAKAN METODE FSM(Finite State Machine)

2024-03-31T23:52:28+00:00

Game atau permainan adalah sesuatu yang dapat dimainkan dengan aturan tertentu sehingga ada yang menang dan ada yang kalah, biasanya dalam konteks tidak serius atau dengan tujuan refreshing. Metode FSM (Finite State Machine) digunakan untuk membuat kecerdasan Musuh atau NPC (Non Player Character) digame Bring Back The Scroll. FSM (Finite State Machine) adalah suatu metode perancangan sistem yang mengatur tindakan atau cara kerja dari suatu sistem yang mengacu pada 3 hal yaitu : state (keadaaan), event (kejadian), dan action (aksi). Game Bring Back The Scroll merupakan game berbasis android bergenre petualangan (Adventure) dan menggunakan grafis 2 dimensi. Hasil dari penelitian ini adalah terciptanya game Bring Back The Scroll dengan menggunakan metode finite state machine untuk mengontrol respon non player character terhadap pemain. Setelah melakukan pengujian kecerdasan buatan menggunakan metode Finite State Machine (FSM) pada Non Player Character (NPC) dapat disumpulkan bahwa pengujian kecerdasan buatan berhasil dengan presentase 100 % berjalan dengan Baik.

SISTEM PERAMALAN PENJUALAN SEPEDA MOTOR MENGGUNAKAN METODE DOUBLE EXPONENTIONAL SMOOTING

2024-03-31T23:53:24+00:00

Kartika Sari Putra adalah dealer Honda yang menjual berbagai jenis sepeda motor Honda terbaru dengan beragam pilihan model seperti sepeda motor untuk sehari hari, sepeda motor sport, sepeda motor fashion, dan lainnya. Dalam penjualan produknya dealer ini mendata penjualan dengan cara direkap menggunakan aplikasi Microsoft Excel sehingga membutuhkan sistem yang dapat mengelola data penjualan tersebut. Sistem yang dibuat juga bisa untuk meramalkan penjualan sepeda motor perbulanannya agar pengelolaan data penjualan sepeda motor lebih teratur dan bisa menentukan strategi penjualan yang lebih efisien kedepannya. Maka, dibuat Sistem Peramalan Penjualan Sepeda Motor menggunakan Metode Double Exponentional Smooting. Metode ini adalah salah satu metode peramalan dalam teknik data mining. Data yang digunakan adalah data produk dan data transaksi penjualan dari bulan Januari 2022 hingga Agustus 2023 yang akan diolah untuk memprediksi penjualan satu bulan ke depan. Hasil pengujian menyatakan bahwa penggunaan metode Double Exponentional Smooting dapat menghasilkan peramalan dengan nilai rata-rata MAPE sebesar 0,0% sehingga dapat disimpulkan bahwa hasil ramalan tersebut termasuk dalam kategori yang sangat baik sesuai dengan karakteristik MAPE.

IMPLEMENTASI DYNAMIC QUALITY OF SERVICE (QOS) HOTSPOT LOGIN MANAJEMEN BANDWITH MENGGUNAKAN METODE HIERARCHICAL TOKEN BUCKET (HTB)

2024-03-31T23:57:10+00:00

Penelitian ini bertujuan untuk membuat sebuah aplikasi manajemen bandwidth dan pemantauan situs web menggunakan metode hierarchical token bucket, dengan studi kasus sekolah menengah pertama 1 selorejo blitar. Data dikumpulkan melalui survey dan analisis lapangan untuk mengidentifikasi kebutuhan. Temuan ini menunjukkan bahwa sekolah sudah memiliki sistem manajemen bandwidth statis berdasarkan input IP secara manual, mengakibatkan lebar bandwidth yang tidak digunakan ketika alokasi dibatasi dan belum ada aplikasi monitoring user hotspot yang sederhana. Oleh karena itu, sebuah sistem dinamis diusulkan, di mana kecepatan pengguna dikonfigurasi dalam profil pengguna MikroTik hotspot berdasarkan peran (guru, staf, siswa, tamu). Ketika pengguna masuk, sistem secara otomatis menambahkan barisan baru di bawah barisan parent yang ditentukan sebelumnya berdasarkan peran. Ini memungkinkan peminjaman bandwidth ketika alokasi tidak sepenuhnya digunakan. Aplikasi berbasis web ini bekerja dengan baik sesuai dengan rancangan awl. dan berhasil memantau router hotspot MikroTik untuk menampilkan data pengguna aktif dan status secara real-time. Halaman rincian pengguna menampilkan grafik lalu lintas salah satu pengguna. Pemberitahuan dikirim ke Telegram ketika bandwidth mencapai ambang batas maksimum. Implementasi token bucket hierarkis memungkinkan berbagi bandwidth dinamis oleh peran pengguna dan meminjam alokasi yang tidak digunakan. Hal ini juga memungkinkan untuk memberikan prioritas pada peran dengan kebutuhan yang lebih tinggi. Sebagai kesimpulan, sistem ini memenuhi tujuan untuk manajemen bandwidth dinamis dan dioptimalkan.

PERAMALAN HARGA SAHAM MENGGUNAKAN METODE ARIMA (AUTOREGRESSIVE INTEGRATED MOVING AVERAGE) TIME SERIES

2024-03-31T23:58:25+00:00

Salah satu instrumen investasi yang paling umum digunakan di pasar keuangan adalah saham. Saham merupakan bukti kepemilikan atas suatu perusahaan. Penelitian ini bertujuan untuk mengimplementasikan Metode ARIMA (Autoregressive Integrated Moving Average) dalam meramalkan pergerakan harga saham di pasar keuangan. Data historis harian harga saham digunakan untuk membangun model peramalan guna memprediksi tren masa depan. Metode ARIMA digunakan untuk mengidentifikasi pola, tren, dan fluktuasi harga saham serta memberikan prediksi nilai-nilai masa depan. Langkah-langkah analisis melibatkan pemrosesan data time series, pemilihan parameter model ARIMA, dan evaluasi kinerja model. Hasil penelitian menunjukkan bahwa nilai akurasi yang diperoleh dari metode ARIMA adalah 1.31% (kurang dari 10%) artinya interpresi akurasi peramalan sangat baik. Hal ini menunjukkan bahwa semakin kecil nilai maka semakin baik nilai akurasinya. Terkait pergerakan harga saham. Implikasi dari penelitian ini dapat memberikan panduan bagi investor dan pelaku pasar dalam mengambil keputusan investasi yang lebih terinformasi di pasar saham.

PERAMALAN HARGA SAHAM MENGGUNAKAN METODE SIMPLE MOVING AVERAGE DAN WEB SCRAPING

2024-04-01T13:19:28+00:00

Studi ini mengeksplorasi teknik peramalan dari harga saham dengan menggunakan metode Simple Moving Average (SMA) dan Web Scraping. Pendekatan ini menggabungkan keunggulan analisis historis dengan pengumpulan data real-time melalui teknik web scraping untuk memprediksi pergerakan harga saham di pasar keuangan. Metode SMA digunakan untuk memperoleh rata-rata harga dalam rentang waktu tertentu sebagai dasar prediksi, sementara teknik web scraping memungkinkan pengambilan data aktual dari sumber-sumber online secara otomatis. Penelitian ini menjelaskan implementasi praktis dari dua teknik ini dalam meramalkan harga saham, mengevaluasi keandalan prediksi, serta menganalisis keunggulan dan batasan dari pendekatan ini dalam konteks pasar keuangan yang dinamis. Data yang digunakan untuk penelitian ini adalah 1 tahun, dimulai pada bulan september 2022 sampai september 2023 dan meramalkan untuk 7 hari kedepan dengan hasil penelitian menunjukkan bahwa penggunaan Metode SMA memberikan prediksi yang memuaskan yaitu tingkat akurasi adalah 1,18% (kurang dari 10%) dan ini menunjukkan bahwa semakin kecil nilai n, maka tingkat nilai akurasi menjadi lebih baik. Terkait pergerakan harga saham dari penelitian ini dapat memberikan panduan bagi investor dan pelaku pasar dalam mengambil keputusan investasi yang lebih terinformasi di pasar saham.

PERANCANGAN WEBSITE PREDIKSI KETERSEDIAAN STOK SPAREPART MOTOR MENGGUNAKAN METODE TREND MOMENT PADA TOKO JAYA MOTOR

2024-04-01T13:20:52+00:00

Dalam Industri otomotif, khususnya sepeda motor, memiliki peran vital dalam mobilitas masyarakat. Dengan populasi kendaraan bermotor yang terus bertambah, Permintaan sparepart motor pun semakin meningkat, Manajemen stok sparepart motor adalah tantangan yang serius bagi pemilik toko suku cadang dan bengkel. Ketersediaan stok yang tepat saat dibutuhkan sangat penting untuk memenuhi kebutuhan pelanggan. dalam melakukan peramalan toko mengalami permasalahan utama yaitu ketika Sales Order Stock toko sering kelebihan atau kekurangan terutama pada produk oli motor , Masalah tersebut akan berpengaruh pada stok barang yang dimiliki, Juga berdampak langsung pada profitabilitas toko. Terkadang toko memiliki terlalu banyak stok yang tidak terjual. Metode Trend Moment adalah metode yang digunakan untuk membantu dalam melakukan peramalan stok barang pada bulan dan tahun berikutnya. Dalam rangka mengatasi masalah, penulis akan menggunakan analisis data dan manajemen persediaan yang tepat. Ini mencakup analisis historis data pembelian sales, peramalan permintaan, pemantauan stok secara real-time. Dan akan mengembangkan sebuah sistem peramalan ketersediaan stok pada toko sparepart motor dengan menggunakan metode peramalan Trend Moment.

SISTEM REKOMENDASI PENENTUAN PAKET MENU MENGGUNAKAN ALGORITMA APRIORI

2024-04-01T13:21:52+00:00

Industri restoran di Kota Malang telah mengalami perkembangan yang signifikan dalam beberapa tahun terakhir. Akibatnya daya saing antar industri ini sangatlah tinggi. Restoran Ayam Uleg Cak Abit merupakan salah satu merek restoran yang beroperasi di tengah persaingan ketat dalam industri makanan. Untuk tetap menjadi pilihan utama pelanggan, restoran ini perlu menganalisa paket menu yang paling diminati oleh pelanggan. Oleh karena itu, dibuatlah sistem rekomendasi paket menu menggunakan teknologi data mining untuk menganalisis data transaksi. Sistem ini diharapkan dapat menghasilkan informasi berharga, seperti pola asosiasi dan menu yang paling diminati pelanggan. Dari hasil penelitian yang dilakukan dengan menggunakan data testing gofood sebanyak 120 transaksi, didapatkan nilai min support dan min confidence yang relevan yaitu 2% dan 70% dengan hasil akhir paket yang direkomendasikan sebanyak 4 varian paket menu, dengan nilai final tertinggi yaitu sebesar 3%.

PENERAPAN METODE FINITE STATE MACHINE PADA GAME ADVENTURE NOIR

2024-04-01T13:22:58+00:00

Pengembangan game petualangan menantang dalam manajemen alur cerita dan interaksi karakter dengan lingkungan. Penerapan Finite State Machine (FSM) menjadi solusi efektif untuk mengelola kompleksitas ini. FSM adalah model matematika yang merepresentasikan logika perpindahan state dalam suatu sistem. Dalam konteks game "Noir", FSM digunakan untuk mengatur perilaku karakter, alur cerita, dan interaksi dengan lingkungan. Hasil pengujian yang melibatkan 20 responden, ditemukan bahwa 38.5% dari responden sangat setuju dengan tingkat kesulitan permainan meningkat saat beralih ke tahap berikutnya dalam permainan, 21% setuju, 16% cukup, 6% tidak setuju, dan 13.5% sangat tidak setuju. Hasil ini menunjukkan bahwa implementasi FSM pada "Noir" memberikan dampak positif terhadap pengalaman bermain, khususnya dalam aspek kualitas suara dan suasana permainan.

SISTEM PENDUKUNG KEPUTUSAN UNTUK PENILAIAN PELANGGARAN DAN PRESTASI SISWA DENGAN MEMANFAATKAN METODE (SMART) BERBASIS WEB PADA SMK NEGERI

2024-04-01T13:24:19+00:00

Penelitian ini Menyarankan pemanfaatan Sistem Pendukung Keputusan (SPK) berbasis web menggunakan pendekatan Metode SMART dalam menilai prestasi dan pelanggaran siswa di SMK Negeri 1 Sukorejo.SPK ini didesain untuk mengatasi kendala pengelolaan data secara manual, terutama dalam pencatatan dan penilaian, yang dihadapi oleh lembaga pendidikan tersebut. Dengan menerapkan pendekatan Metode ini diharapkan dapat mengatasi masalah seperti pencatatan pelanggaran secara tradisional dan keterbatasan akses informasi pribadi siswa untuk pengambilan keputusan disiplin yang efisien. Dengan hadirnya SPK berbasis web ini, diharapkan terjadi peningkatan efisiensi dan akurasi dalam pengelolaan data pelanggaran dan prestasi siswa. Integrasi Metode SMART memberikan kerangka kerja terstruktur untuk menilai pencapaian. Penelitian ini bertujuan untuk memberikan solusi inovatif terhadap tantangan manajemen data di SMK Negeri 1 Sukorejo, dengan harapan dapat memberikan dampak positif pada pengambilan keputusan disiplin serta meningkatkan kualitas evaluasi dan pembinaan siswa. Secara keseluruhan, SPK ini diharapkan dapat efektif untuk perbaikan dan pemantauan pelanggaran dan prestasi siswa secara berkelanjutan. Hasil penelitian menunjukkan fitur aplikasi telah sesuai dan diharapkan mampu memberikan dukungan kepada siswa agar patuh terhadap peraturan yang berlaku.

IMPLEMENTASI FUZZY MAMDANI PADA SISTEM AUTOMASI DAN MONITORING AYAM BROILER BERBASIS INTERNET OF THINGS (IOT)

2024-04-01T13:30:49+00:00

Ayam broiler merupakan varietas unggul yang dihasilkan melalui persilangan berbagai jenis ayam dengan tingkat produktivitas yang tinggi.. Dengan kemajuan teknologi Internet of Things (IoT), sistem otomatisasi kandang ayam menjadi alternatif menarik. IoT mengintegrasikan perangkat keras, perangkat lunak, dan konektivitas internet untuk mengumpulkan serta menganalisis data secara real-time. Hal ini memungkinkan peternak untuk memantau dan mengendalikan kondisi kandang ayam dengan efisien dari jarak jauh, dengan menggunakan pendekatan Fuzzy Mamdani muncul sebagai solusi menarik untuk Menangani kerumitan dalam proses pengambilan keputusan dalam suatu sistem. IoT. Hal ini relevan dalam situasi perancangan. ini terdapat sensor LDR untuk mengetahui intensitas cahaya, apabila cahaya redup maka controller akan menyalakan lampu secara otomatis melalui relay yang telah terpasang. kemudian terdapat sensor DHT11 berfungsi menentukan temperatur dan kelembapan ruangan kandang ayam apabila suhu nya rendah maka Heater menyala secara otomatis, kemudian terdapat servo untuk pemberian pakan yang telah di setting setiap beberapa waktu sekali. terdapat juga load cell untuk menakar jumlah pakan yang akan di berikan setiap waktunya sesuai dengan kebutuhan ayam boiler. Terdapat juga ESP32 Cam untuk mengontroll keadaan kandang ayam secara realtime. semua data baik sensor dan aktuator dapat di monitoring dan di control melalui telegram dan website yang telah di sediakan.

SISTEM KLASIFIKASI DATA PENDUDUK UNTUK MENENTUKAN TEMPAT PEMUNGUTAN SUARA (TPS) DENGAN METODE K-NEAREST NEIGHBOR (KNN) BERBASIS WEBSITE

2024-04-01T13:31:45+00:00

Pemilihan Umum (Pemilu) menjadi momen krusial dalam konteks demokrasi di Indonesia. Untuk memastikan kelancaran jalannya pemilu, dibutuhkan penentuan tempat pemungutan suara (TPS) untuk pemilih di seluruh wilayah negara ini. Selama ini proses penentuan TPS di Desa Bululawang dilakukan secara manual, dengan mengelompokkan penduduk berdasarkan alamat, RT, RW dan anggota keluarga. Proses penentuan ini membutuhkan waktu lama dan rentan timbul kesalahan, seperti satu KK yang tidak berada di TPS yang sama dan juga salah menempatkan TPS yang menimbulkan teguran dari pengawas pemilu. Maka dari itu dibuatkan sistem manajemen data penduduk yang efisien dengan kemampuan penentuan TPS untuk calon pemilih berdasarkan pola karakteristik data penduduk dengan metode K-Nearest Neighbor, untuk membantu panitia pemungutan suara meminimalisir kesalahan dari proses penentuan TPS manual. Dari hasil pengujian Confusion Matrix sistem dapat mengklasifikasi data penduduk untuk menentukan TPS melalui perhitungan metode K-Nearest Neighbor yang menggunakan nilai parameter K = 3, menggunakan perhitungan jarak Euclidean Distance menghasilkan nilai akurasi sebesar 93,75%, nilai presisi global sebesar 93,67%, recall global sebesar 93,38% dan Error Rate 6,25%.

SISTEM MONITORING DAN PENYIRAMAN OTOMATIS PADA TANAMAN CABAI BERBASIS INTERNET OF THINGS (IOT)

2024-04-01T13:33:12+00:00

Penelitian ini fokus pada sistem monitoring dan penyiraman otomatis pada tanaman cabai berbasis Internet of Things (IoT). Cabai memiliki nilai ekonomis tinggi dan manfaat kesehatan, terutama dalam mengendalikan kanker berkat kandungan lasparaginase dan capsaicin. Pertumbuhan optimal tanaman cabai rawit memerlukan kelembapan tanah 50%-70%, pH 6-7, dan suhu 24-28°C. Oleh karena itu, sistem ini menggunakan Arduino Uno, ESP8266, sensor kelembaban tanah, sensor pH tanah, sensor suhu, dan pompa air. Melalui website berbasis IoT, pengguna dapat memantau dan mengontrol kelembaban, pH, dan suhu tanaman cabai secara jarak jauh. Pengujian sensor menunjukkan rata-rata error sensor yang rendah, dan hasil pengujian website menunjukkan bahwa menu dan tombol berfungsi dengan baik. Selain itu, sistem dapat mengirim notifikasi melalui Telegram jika kelembapan tanah, suhu ruang, atau pH tanah tidak optimal. Penelitian ini bertujuan untuk merancang sistem yang efisien dalam meningkatkan produksi tanaman cabai melalui pemantauan dan penyiraman otomatis.

ANALISIS SENTIMEN PUBLIK TERHADAP APLIKASI STREAMING FILM ONLINE NETFLIX DENGAN METODE NAÏVE BAYES

2024-04-01T13:34:02+00:00

Netflix merupakan aplikasi streaming film yang telah hadir di Indonesia sejak 2016 dengan menawarkan berbagai jenis genre film yang dapat dinikmati oleh berbagai kalangan usia dimanapun dan kapanpun. Netflix mirip langganan televisi berbayar, namun Netflix bersih dari berbagai macam jenis iklan sehingga penonton tidak perlu penonton dapat menentukan sendiri konten yang ingin ditonton tanpa perlu takut terganggu dengan hadirnya iklan-iklan. Pada media sosial Twitter, banyak pelanggan menyampaikan opini tentang aplikasi Netflix. Berdasarkan opini publik tersebut, maka sangat cocok untuk dibuatkan klasifikasi untuk mengetahui sentimen publik terhadap aplikasi Netflix dengan menggunakan metode Naïve Bayes. Naïve Bayes adalah salah satu algortima yang digunakan dalam pengklasifikasian karena selain mudah dan sederhana tetapi memiliki hasil yang baik pada banyak kasus. Jumlah tweets yang digunakan peneliti adalah sejumlah 1000 tweets. Pengujian tersebut menggunakan aplikasi RapidMiner sebagai software pembantu menghasilkan 929 data yang berlabelkan positif dan negatif dengan hasil akurasi sebesar 67.08% menggunakan metode Naïve Bayes.

SISTEM PENUNJANG KEPUTUSAN PENENTUAN MAHASISWA TERBAIK DENGAN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)

2024-04-01T13:35:00+00:00

Metode Simple Additive Weighting (SAW) yang digunakan untuk menentukan mahasiswa berprestasi untuk matakuliah digital technology for communication adalah salah satu metode dari sistem keputusan yang ada. Pada penelitian ini digunakan pembobotan berdasarkan bobot nilai dan bobot kegiatan yang diikuti. Metode penelitian yang digunakan adalah metode Simple Additive Weighting (SAW), dengan teknik pengumpulan data menggunakan teknik pengamatan langsung, wawancara dan kepustakaan. Jumlah populasi yang digunakan pada penelitian ini sebanyak 32 orang mahasiswa. Berdasarkan hasil penelitian yang dilakukan terhadap 32 orang mahasiswa maka didapat mahasiswa terbaik berdasarkan 2 kriteria diatas adalah Muhammad Fadhlan Hafiz Daryyan dengan bobot nilai 95 dan 6 kegiatan yang diikuti.

KLASTERISASI DATA PENJUALAN ALAT TRANSPORTASI DENGAN RAPIDMINER MENGGUNAKAN METODE K-MEDOID

2024-04-02T12:56:35+00:00

Penelitian ini bertujuan untuk menerapkan metode klasterisasi K-medoid menggunakan platform Rapidminner pada data penjualan alat transportasi. Melalui Rapidminner sebuah platform analisis data yang kuat, hal ini bertujuan untuk meningkatkan pemahaman terhadap prefrensi dan perilaku pembelian konsumen dalam kaitannya dengan transportasi. Metode K-medoid dipilih karena kemampuannya dalam menghasilkan kelompok-kelompok data yang berbeda secara optimal tanpa bergantung pada bentuk atau jumlah klaster yang telah ditentukan sebelumnya. Setelah dilakukannya beberapa uji coba klaster pada data penjualan alat transportasi dengan record data terakhir berjumlah 904 record data menghasilkan nilai klaster yang terbaik yaitu dengan 2 klaster yang nilai Davies Bouldin Index berada pada -0,838 yang dimana nilai tersebut nilai terkecil diantara hasil uji coba klaster lainnya, dengan jumlah klaster 2 tersebut penjualan tertinggi pada perusahaan ini berada pada tahun 2005 dengan nilai 11,739 dan berada pada di klaster 0.

PENERAPAN ALGORITMA NAIVE BAYES TERHADAP PREFERENSI KONSUMEN PEMBELIAN BARANG DAN JASA DI D’BEAUTY LASH TEGAL

2024-04-02T12:57:36+00:00

Penjualan merupakan salah satu kegiatan yang dilakukan oleh perusahaan untuk mempertahankan pertumbuhan bisnis dan keuntungan yang diinginkan. Penjualan ada dua jenis yaitu penjualan jasa dan penjualan barang. Dari data yang diperoleh penjual perlu mengetahui faktor apa yang mempengaruhi konsumen dalam pembelian barang dan jasa secara online, dan langkah-langkah apa yang mungkin dapat diambil untuk meningkatkan penjualan secara online. Kesulitan dalam mengetahui faktor yang mempengaruhi konsumen untuk pembelian barang dan jasa secara online juga berpengaruh dalam mempromosikan barang dan jasa. Selain itu langkah-langkah yang diambil untuk terus meningkatkan penjualan barang dan jasa secara online juga sangat berpengaruh penting dalam penjualan di D’Beauty Lash Tegal. Maka dari itu. Metode yang akan diterapkan dalam penelitian ini yaitu dengan mengumpulkan data setelah itu mengolah data yang ada menggunakan algoritma naive bayes dengan fokus kepemesanan agar lebih tahu faktor yang mempengaruhi dan langkah-langkah yang dapat diambil dalam permasalahan tersebut. Tujuan penelitian ini untuk mengetahui faktor yang mempengaruhi konsumen dan langkah-langkah yang dapat diambil untuk meningkatkan penjualan secara online agar dalam pemasarannya lebih banyak menarik konsumen. Hasil penelitian yang didapatkan 96.30% konsumen lebih memilih pembelian secara online dengan faktor yang mempengaruhi konsumen untuk pembelian secara online yaitu karena banyaknya potongan harga yang cukup menggiurkan. Langkah-langkah yang dapat diambil untuk meningkatkan penjualan secara online yaitu dengan mempromosikan penjualan dengan cara yang lebih menarik, seperti memberikan diskon yang menggiurkan, dan juga dapat mempertahankan pelayanan yang telah diberikan kepada konsumen kemudian dapat ditingkatkan lagi pelayanan yang telah diberikan kepada konsumen.

ANALISIS PENGARUH POLA PENJUALAN DENGAN MENGGUNAKAN FREQUENT PATTERN GROWTH DI TOKO AZZAHRA SNACK

2024-04-02T12:58:38+00:00

Dalam bisnis yang berkembang pesat, peran teknologi informasi sangat penting. Analisis belanja keranjang pasar (Market Basket Analysis) menggunakan algoritma FP-Growth telah menjadi metode yang relevan untuk memahami pola transaksi penjualan. Penelitian ini bertujuan menganalisis pola transaksi di Toko Azzahra Snack dengan menerapkan algoritma FP-Growth. Data Mining dengan algoritma FP-Growth digunakan untuk menemukan pola kombinasi hubungan antar item-set melalui Association Rules. Hasil analisis dapat membimbing manajemen stok produk yang kurang diminati, melalui tahapan Knowledge Discovery in Database (KDD) yang melibatkan Data Selection, Data Cleaning, Transformation Data, Data Mining, dan Interpretation atau Evaluation. Eksperimen pertama mengungkapkan empat item makanan paling sering dibeli oleh pelanggan: Lemper, Dimsum, Combro, dan Donat. Eksperimen kedua menunjukkan lima item makanan yang sering dibeli, termasuk Putu Ayu. Rules Support (X,Y) menunjukkan Support dan Confidence tertinggi untuk masing-masing item, memberikan wawasan untuk mengoptimalkan penjualan pada makanan yang diminati pelanggan. Berdasarkan hasil eksperimen, Association Rules pada 4 item makanan pertama dan 5 item makanan kedua dapat mengoptimalkan penjualan pada produk yang sering dibeli pelanggan, dengan Support dan Confidence tertinggi untuk setiap item.

RANCANG BANGUN VIRTUAL REALITY MENGGUNAKAN UNREAL ENGINE SEBAGAI SARANA PELATIHAN PEMELIHARAAN ALAT BERAT DENGAN METODE GAME DEVELOPMENT LIFE CYCLE

2024-04-02T12:59:42+00:00

Alat berat konstruksi seperti truk, bulldozer, dan sejenisnya memainkan peran yang vital dalam industri konstruksi. Alat-alat ini memiliki fungsi untuk mempercepat proses konstruksi, memindahkan material, dan membangun infrastruktur. Penggunaan yang efektif dan efisien dari alat berat konstruksi dapat meningkatkan produktivitas dan mengurangi waktu yang dibutuhkan dalam proyek konstruksi. Namun, karena kompleksitas dan ukuran yang besar dari alat-alat ini, perawatan dan perbaikan menjadi sangat penting. Ketidakmampuan dalam merawat dan memperbaiki alat berat konstruksi dapat mengakibatkan penurunan kinerja, kerusakan yang lebih parah, dan bahkan kecelakaan yang berbahaya. Oleh karena itu, adanya kepentingan untuk mengembangkan pelatihan yang efektif dalam keterampilan teknis untuk merawat dan memperbaiki alat berat konstruksi. Penelitian ini terkait dengan pengembangan aplikasi simulasi perbaikan alat berat menggunakan teknologi Virtual Reality (VR) dengan memanfaatkan Unreal Engine 5. Prototipe aplikasi ini diharapkan dapat menjadi proses awal dalam mengintegrasikan pelatihan alternative dengan menggunakan teknologi VR. Demikian, penelitian ini menyajikan hasil penelitian mengenai penggunaan simulasi, VR, dan Unreal Engine 5 dalam meningkatkan keterampilan teknis dalam merawat dan memperbaiki alat berat konstruksi untuk pekerja pada industry tersebut.

PENERAPAN DATA MINING UNTUK MENENTUKAN PENERIMA BANTUAN BLT MENGGUNAKAN METODE CLUSTERING K-MEANS PADA DESA PAMULIHAN

2024-04-02T13:02:09+00:00

Penggunaan metode Clustering K-means dalam Data Mining untuk menentukan penerima Bantuan Langsung Tunai (BLT) terus berkembang seiring dengan kemajuan ketersediaan data, teknologi, dan kesadaran akan efisiensi dan akurasi dalam pengelolaan program bantuan sosial. Proses manual dalam menentukan penerima BLT di Desa Pamulihan dinilai tidak transparan, kurang efisien, dan dapat menimbulkan ketidakpuasan di kalangan penduduk. Keberlanjutan program BLT juga terkendala oleh ketidakjelasan kriteria penentuan penerima, keterbatasan sumber daya finansial, dan potensi risiko kecurangan. Penelitian ini difokuskan pada penerapan K-means Clustering dengan mempertimbangkan penentuan kriteria penerima, optimalitas pengelompokan, evaluasi model, etika dan keadilan proses, serta pengelolaan data dan keamanan privasi. Tujuan utama dari penelitian ini adalah membangun model Data Mining menggunakan metode Clustering K-means untuk mengidentifikasi calon penerima bantuan BLT di Desa Pamulihan. Hasil penelitian di peroleh pengelompokkan terbaik adalah K9 dengan nilai Davies bouldin index (DBI) sebesar 0.745, nilai tersebut paling optimal karena mendekati angka 0 serta menghasilkan cluster data dengan jumlah data terbanyak adalah cluster 0, yang terdiri dari 50 data yang terdiri dari 14 data penerima, 15 data bukan penerima, dan 21 data dipertimbangkan jumlah data paling sedikit adalah cluster 2, yang terdiri dari 16 data yaitu penerima 15 dan bukan penerima 1.

MEMBANGUN CHATBOT UNTUK INFORMASI MAGANG DAN STUDI INDEPENDEN KAMPUS MERDEKA DENGAN ALGORITMA NAIVE BAYES

2024-04-02T13:03:10+00:00

Kampus Merdeka sebagai program lembaga pendidikan membutuhkan sistem informasi efisien untuk memenuhi kebutuhan mahasiswa terkait program Magang dan Studi Independen Bersertifikat (MSIB). Respons manual yang lambat dan potensi kesalahan manusiawi menjadi kendala utama dalam penyediaan informasi tepat waktu dan akurat. Oleh karena itu, penelitian ini berfokus pada pengembangan chatbot dengan algoritma Naive Bayes untuk mengatasi tantangan tersebut. Metode penelitian mengikuti pendekatan Cross Industry Standard Process for Data Mining (CRISP-DM), melibatkan pemahaman masalah, pengumpulan data, preprocessing, pembuatan model Naive Bayes, evaluasi model, dan implementasi di platform Telegram. Hasil penelitian menunjukkan model klasifikasi menggunakan algoritma Naive Bayes dengan tingkat akurasi mencapai 88,9%. Meskipun terdapat kendala data terbatas, algoritma ini dapat menangani distribusi frekuensi data yang tidak seimbang. Chatbot yang dikembangkan berpotensi meningkatkan akses mahasiswa, termasuk Fakultas Ilmu Komputer Universitas Singaperbangsa Karawang (Fasilkom Unsika), terhadap informasi MSIB di Kampus Merdeka. Penelitian ini menegaskan bahwa chatbot dengan Naive Bayes dapat efektif menyediakan informasi secara cepat dan efisien. Algoritma ini terbukti efisien, terutama dalam mengatasi kendala data yang terbatas. Diharapkan hasil penelitian ini menjadi dasar untuk pengembangan lebih lanjut dalam implementasi kecerdasan buatan guna meningkatkan kualitas layanan informasi di lembaga pendidikan, termasuk Fakultas Ilmu Komputer Universitas Singaperbangsa Karawang.

PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK PENGELOMPOKAN DATA PENJUALAN PAKAIAN

2024-04-02T13:04:09+00:00

ABSTRAK

Kabupaten Kuningan yang terletak di Jawa Barat merupakan salah satu kota yang memiliki jumlah UMKM yang terus meningkat setiap tahunnya. UMKM Lima Media merupakan UMKM yang menyediakan pakaian dalam dari berbagai brand di online shop. UMKM Lima Media masih mengalami kesulitan dalam menentukan pakaian dalam mana yang laku dan kurang laku. Sehingga persediaan stok terlalu banyak dapat mengakibatkan minimnya keuntungan, persediaan stok terlalu sedikit dapat menyebabkan toko kehabisan stok. Tujuan utama dari penelitian ini yaitu mengelompokan data penjualan pakaian dalam sehingga dapat digunakan untuk analisis lebih lanjut, seperti persediaan untuk periode selanjutnya. Metode yang digunakan yaitu data mining menggunakan algoritma K-Means Clustering untuk mengelompokkan data kedalam beberapa kelompok sehingga dapat mengetahui pakaian dalam mana yang banyak diminati oleh customer pada aplikasi Rapidminer versi 10.3. Hasil dari pengelompokan data penjualan pakaian, diperoleh pengelompokan 3 Cluster, yaitu Cluster 0 dengan jumlah 48 items, Cluster 1 dengan jumlah 120 items, dan Cluster 2 dengan jumlah 72 items. Selain itu, nilai Davies Bouldin Index yang didapat sebesar 0.271.

IMPLEMENTASI METODE AGILE EXTREME PROGRAMMING DALAM PENGEMBANGAN WEBSITE GAME BERBASIS JAVASCRIPT : SAVE ME

2024-04-02T13:06:55+00:00

Pengembangan game telah menjadi aspek kritis dalam industri hiburan digital, memengaruhi evolusi video game dari pengalaman interaktif yang sederhana menjadi kompleks. Di era digital, gaming online telah berdampak signifikan pada perkembangan pendidikan dan lanskap digital. Penggunaan teknologi web dan bahasa pemrograman seperti JavaScript telah membuat pengembangan game menjadi efisien dan dapat diakses melalui berbagai platform web. Penelitian ini berfokus pada pengembangan sebuah game menggunakan HTML5, CSS3, dan JavaScript yang disebut "SaveMe", dengan mengadopsi Extreme Programming (XP) sebagai komponen kunci. Studi ini mengevaluasi efektivitas XP. Extreme Programming menjadi pilihan yang relevan, terutama dalam proyek pengembangan game ini yang seringkali XP dianggap tepat untuk kebutuhan adaptasi cepat terhadap perubahan desain dan kebutuhan pengguna. dalam mengembangkan game website menggunakan JavaScript, menyoroti pentingnya dalam meningkatkan pengalaman pengguna atau User Experience (UX), adaptabilitas, dan fleksibilitas dalam masa depan pengembangan game. Studi ini juga membahas pentingnya antarmuka pengguna, pengalaman pengguna, game website, pemrograman logika, dan Visual Studio Code dalam menciptakan game yang ramah pengguna dan interaktif. Kesimpulan penelitian menunjukkan bahwa penerapan Extreme Programming (XP) efektif meningkatkan efisiensi pengembangan game "SaveMe". Kolaborasi tim, pengujian berulang seperti responeivenes testing, log testing, security testing(disable inspect testing), user testing, dan adaptabilitas terhadap perubahan berdampak positif pada kualitas dan responsivitas game. Desain antarmuka pengguna dan pemrograman logika yang stabil turut memperkaya pengalaman pengguna. Saran untuk penelitian selanjutnya melibatkan pengembangan fitur tambahan, pengujian berkelanjutan, dan optimisasi kinerja guna menjaga kualitas dan daya tarik game. Pemeliharaan berkala serta penelitian lebih lanjut tentang penerapan XP di pengembangan game dapat memberikan wawasan tambahan.

ANALISIS SENTIMEN TERHADAP OPINI MASYARAKAT TERKAIT PERUBAHAN CUACA DI INDONESIA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE

2024-04-02T13:08:02+00:00

Perubahan cuaca merupakan berubahnya kondisi atmosfer yang dipengaruhi oleh angin, badai, hingga gerakan udara yang konstan. Perubahan cuaca juga mempunyai dampak yang besar ke kehidupan manusia dalam berbagai sektor kehidupan. Dalam tulisan ini, pemahaman mengenai sentimen masyarakat terkait perubahan cuaca menjadi hal yang penting. Penelitian ini difokuskan pada analisis sentiment terkait opini masyarakat terhadap perubahan cuaca dengan memanfaatkan data dari platform Twitter. Data dikumpulkan menggunakan bahasa pemrograman Python pada aplikasi web Google Colab dengan menggunakan API Key Twitter. Metode klasifikasi yaitu menggunakan algoritma Support Vector Machine digunakan untuk mengklasifikasikan data. Evaluasi model menunjukkan tingkat accuracy sebesar 70%, dengan kinerja yang lebih unggul dalam mengidentifikasi sentimen positif, mencapai precision 39%, recall 39%, dan f1-score 37%. Penelitian ini menggambarkan proses lengkap dari hasil pengumpulan data hingga klasifikasi sentimen menggunakan algoritma SVM. Penelitian ini menunjukan bahwa model akan lebih baik dalam mengidentifikasi sentimen negatif dengan tingkat keakuratan yang cukup baik.

IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING DALAM PENGELOMPOKAN DATA KERUSAKAN RUMAH AKIBAT BENCANA ALAM DI KABUPATEN CIREBON

2024-04-02T13:25:19+00:00

Kerusakan rumah adalah tidak berfungsinya rumah atau komponen rumah akibat penyusutan atau berakhirnya umur rumah, atau akibat ulah manusia atau perilaku alam seperti beban fungsi yang berlebih, kebakaran, gempa bumi, atau sebab lain yang sejenis. Dampak dari bencana ini tidak hanya mencakup kerugian harta benda, tetapi juga berdampak besar terhadap masyarakat, ekonomi, dan lingkungan. Masalah kerusakan rumah di Kabupaten Cirebon sangat bervariasi, mulai dari kerusakan ringan hingga rusak berat. Penelitian ini mengambil pendekatan Knowledge Discovery in Databases (KDD) untuk mengatasi masalah ini adalah dengan menerapkan algoritma K-Means Clustering untuk menentukan data kerusakan rumah terbanyak berdasarkan jenis kerusakan dan mencari nilai DBI teroptimal. Tujuan dari tugas akhir ini adalah mengimplementasikan algoritma K-means Clustering untuk pengelompokan kerusakan rumah akibat bencana alam di Kabupaten Cirebon berdasarkan jenis kerusakan menggunakan algoritma K-Means Clustering. Selain itu, penelitian ini bertujuan untuk menentukan nilai DBI. Hasil tugas akhir ini cluster 0 terdiri dari Rusak Ringan sebanyak 78, Rusak Sedang 78, Rusak Berat 78, Terendam 78, Terancam 78, dan Tertimbun 78. Sementara itu, cluster 1 terdiri dari ringan rusak 2, rusak sedang 2, berat rusak 2, Terendam 2, Terancam 2, dan Tertimbun 2. dan nilai DBI teroptimal adalah 0,025 dimana dari K-2 =0,025, K-3 =0,083, K-4 =0,026, K-5 =0,059, K-6=0,053, K-7=0,051, K-8=0,041, K-9=0,046, K-10=0,039 jadi nilai DBI paling optimalnya adalah 0,025.

PENERAPAN DATA MINING PADA TRANSAKSI PENJUALAN UNTUK MENENTUKAN POLA PEMBELIAN PRODUK MENGGUNAKAN ALGORITMA FP-GROWTH

2024-04-02T13:09:50+00:00

Pemasaran secara daring saat ini semakin meraih popularitas dikalangan masyarakat, kegiatan ini dilakukan di platform media sosial, situs web, dan e-commerce. Transaksi penjualan yang terjadi menyebabkan penumpukan data, agar transaksi penjualan menjadi informasi yang bernilai guna untuk mendukung penjualan maka dibutuhkan sebuah teknologi data mining. Toko Anticka Shop menghadapi permasalahan dalam menentukan pola pembelian produk secara bersamaan dan produk yang diminati pelanggan. Tujuan penelitian ini yaitu menerapkan algoritma FP-Growth pada transaksi penjualan guna mengidentifikasi pola pembelian dan mengetahui produk yang paling diminati. Pengujian ini menggunakan nilai minimum support 0.015 dan minimum confidence 0.8, pengujian menghasilkan 10 aturan dengan tingkat confidence tertinggi. Aturan dihasilkan antara lain: jika pelanggan membeli aksesoris kerudung dan kemeja, maka kemungkinan akan membeli kerudung dengan tingkat kepercayaan 100%; jika pelanggan membeli aksesoris kerudung dan tas wanita, maka kemungkinan akan membeli kerudung dengan tingkat kepercayaan 100%; jika pelanggan membeli kemeja dan kaos kaki, maka kemungkinan akan membeli baju gamis dengan tingkat kepercayaan 100%; jika pelanggan membeli aksesoris rambut dan baju daster, maka kemungkinan akan membeli baju anak dengan tingkat kepercayaan 100%; jika pelanggan membeli baju gamis, aksesoris kerudung, dan tas wanita, maka kemungkinan akan membeli kerudung dengan tingkat kepercayaan 100%.

KLASIFIKASI BARANG PRODUKSI PADA TNT. GUITAR WORKSHOP DENGAN METODE NAIVE BAYES MENGGUNAKAN RAPID MINER

2024-04-02T13:10:52+00:00

Minat pembelian gitar semakin berkembang terutama dikalangan anak muda. Permintaan penjualan gitar pun semakin meningkat. Adapun dari TNT.Guitar Workshop yang saya temui di daerah perumnas kota Cirebon, disitu konsumen dapat menentukan sendiri model, jenis kayu, hardware, dan yang lainnya sesuai dengan kemauan konsumen itu sendiri. TNT.Guitar Workshop memiliki masalah dalam mengklasifikasi barang untuk mengetahui model gitar apa saja yang banyak diminati oleh konsumen. Dalam penelitian ini metode perancangan yang akan diterapkan adalah metode algoritma Naive bayes. Naive Bayes merupakan sebuah pengklasifikasian probabilistik sederhana yang menghitung sekumpulan probabilitas dengan menjumlahkan frekuensi dan kombinasi nilai dari dataset yang diberikan. Tujuan dari penelitian ini adalah membantu TNT.Guitar Workshop dalam mengklasifikasi barang untuk mengetahui model gitar apa saja yang banyak diminati oleh konsumen dan untuk melihat berapa tingkat akurasi hasil klasifikasi barang menggunakan algoritma Naive Bayes dengan menggunakan aplikasi RapidMiner. Dengan menggunakan aplikasi RapidMiner versi 9.9 menunjukan bahwa nilai akurasi sebesar 86.49% dengan rincian sebagai berikut: prediksi interest dan true interest memiliki nilai sebesar 157, prediksi interest dan true some interest memiliki nilai 18, prediksi some interest dan true interest memiliki nilai 22, prediksi some interest dan true some interest memiliki nilai sebesar 99. Dengan kelas interest sebesar 87.71% dan kelas some interest sebesar 84.62%.

PERBANDINGAN ALGORITMA REGRESI LINIER DENGAN NEURAL NETWORK UNTUK MEMPREDIKSI HARGA SAHAM BANK JAGO

2024-04-02T13:11:43+00:00

Investasi merupakan alokasi sejumlah dana untuk mendapatkan pendapatan di masa yang akan datang, terdapat berbagai macam dan bentuk pilihan investasi. Saham merupakan salah satu instrumen pasar keuangan yang populer dan paling banyak dipilih investor. Peramalan harga saham relatif cukup sulit dan tidak umum untuk dilakukan karena dipengaruhi beberapa faktor seperti kondisi ekonomi, kinerja perusahaan dan sentimen pasar. Dengan demikian yang menjadi akar masalah adalah bagaimana membantu investor dan pelaku pasar untuk melakukan prediksi harga saham sehingga dapat mengurangi risiko dan meningkatkan keberhasilan investasi. Tujuan dari penelitian ini untuk melakukan perbandingan dan menentukan mana yang lebih baik antara metode algoritma Regresi Linier dengan algoritma Neural Network dalam memprediksi harga saham Bank Jago. Metodologi yang digunakan dalam penelitian ini dengan menggunakan algoritma Regresi Linier dan Neural Network menggunakan aplikasi Rapidminer. Dataset diambil dari halaman web yahoo.finance.com dan menggunakan data historis saham PT. Bank Jago Tbk. (ARTO) pada periode 6 November 2019 sampai dengan 27 Oktober 2023 yang terdiri dari variabel date, open, high, low, close, dan volume. Hasil pengujian mendapatkan Regresi Linier menghasilkan nilai RMSE 228.130 +/- 0.000 dibandingkan dengan Neural Network menghasilkan nilai RMSE 180.745 +/- 0.000, hal ini berarti bahwa algoritma Neural Network direkomendasikan untuk memprediksi harga saham.

PENERAPAN DATA MINING DALAM MENGELOMPOKAN JUMLAH UMKM BERDASARKAN KABUPATEN KOTA MENGGUNAKAN K-MEANS CLUSTERING

2024-04-02T13:12:39+00:00

Jumlah UMKM di indonesia mengalami permasalahan setiap tahun yakni jumlah pertumbuhannya, jumlah tersebut menunjukan bahwa adanya perkembangan ekonomi. Di pulau jawa, Jawa Barat menjadi salah satu provinsi dengan jumlah unit UMKM terbanyak. Tersebar dari berbagai kabupaten atau kota dengan berbagai jenis usahanya, jumlahnya belum mengalami pemerataan bisa dipengaruhi oleh letak geografis dan demografis wilayah kabupaten atau kota. Maka perlu adanya pengelompokan kabupaten atau kota berdasarkan jumlah UMKM untuk mengetahui berapa jumlah pengelompokan yang terbentuk. Tujuan pada penelitian ini adalah untuk mengelompokan kabupaten atau kota di provinsi Jawa Barat berdasarkan tahun dan jumlah usaha mikro kecil menengah (UMKM) menerapkan teknik data mining menggunakan Algoritma K-Means clustering. Data penelitian ini berasal dari opendata.jabarprov.go.id dengan jumlah data sebanyak 216 dan bersumber dari 27 kabupaten atau kota, dari tahun 2016 hingga 2023 di Jawa Barat. Penelitian ini bisa memberikan pemahamam bagi para pelaku UMKM, masyakarat dan pemerintah berkontribusi dalam pengambilan keputusan di lingkup provinsi Jawa Barat. Hasil penelitian ini menunjukan bahwa cluster terbaik terdapat pada nilai K=2 dengan nilai DBI 0.619 dari percobaan sebanyak 20 kali, yang membagi data menjadi 2 cluster yaitu cluster 0 sebanyak 112 items sebagai cluster dengan jumlah UMKM tinggi dan cluster 1 sebanyak 104 items dengan jumlah UMKM sedang dari total data sebanyak 216 items jumlah data UMKM. Proses dilakukan menggunakan Rapidminer versi 10.2.

IMPLEMENTASI METODE ALGORITMA K-MEANS CLUSTERING UNTUK MENGELOMPOKKAN TRANSAKSI PENJUALAN BARANG DI TOKO ARINO

2024-04-02T13:13:38+00:00

Penelitian ini bertujuan untuk meningkatkan efisiensi manajemen toko retail dengan menerapkan metode algoritma K-Means Clustering dalam mengelompokkan data transaksi penjualan barang di Toko Arino. K-Means Clustering dipilih sebagai algoritma utama karena kemampuannya dalam mengelompokkan data ke dalam cluster berdasarkan karakteristik yang serupa. Data transaksi penjualan barang yang dikumpulkan dari Toko Arino menjadi objek analisis utama. Metodologi penelitian melibatkan langkah-langkah pemrosesan data, seperti transformasi data, untuk memastikan keakuratan dan keterbacaan hasil analisis. Hasil dari pengelompokkan ini diharapkan dapat memberikan wawasan yang berharga terkait pola penjualan, preferensi pelanggan, dan penempatan optimal barang di dalam toko. Analisis dan evaluasi hasil implementasi dilakukan melalui metrik evaluasi kinerja K-Means, seperti SSE (Sum of Squared Errors) dan siluet index. Selain itu, dampak implementasi terhadap efisiensi manajemen toko dievaluasi melalui perbandingan kinerja sebelum dan sesudah penerapan algoritma.

IMPLEMENTASI ALGORITMA FP-GROWTH UNTUK REKOMENDASI PENJUALAN ATK BERDASARKAN POLA PEMBELIAN DI CV. DAPAS RANCAEKEK

2024-04-02T13:14:40+00:00

Seiring dengan berkembangnya zaman manusia sebagai pemakai teknologi tanpa lelah terus memperbaiki dan memperbaharui teknologi agar sesuai dengan apa yang diharapkan, yaitu untuk mempermudah aktivitas manusia itu sendiri sehingga teknologi dapat menembus batas-batas ruang dan waktu. Salah satu item yang dapat digunakan untuk menginformasikan pilihan perusahaan adalah data transaksi penjualan..Maka dari itu diterapkan Algoritma FP-Growth untuk menetapkan informasi transaksi yang mucul paling sering atau di beli bersamaan di CV.Dapas Rancaekek. Penerapan metode Pencarian kumpulan data yang paling sering muncul (frequent itemset) dalam suatu pengumpulan data dapat dilakukan dengan menggunakan pendekatan alternatif yang disebut Pattern Growth (FP-Growth). Setelah dipahami dari Standar di atas, maka dapat disimpulkan bahwa pembeli pada umumnya akan membeli barang-barang yang saling berhubungan seperti pada: Dengan nilai Support sebesar 0,004% dan nilai Confidence sebesar 100%, maka konsumen juga akan membeli barang-barang yang saling berhubungan seperti pada: membeli Duplex 310 jika membeli Foodpak Glossy 260. Perhitungan FP-Growtht dapat membantu Perusahaan dalam memeriksa desain Pembelian akuisisi produk yang biasa dibeli secara bersamaan,sehingga tidak akan terjadi kekurangan stok.

RANCANG BANGUN APLIKASI PENGADUAN PELANGGAN MENGGUNAKAN METODE RAD (RAPID APPLICATION DEVELOPMENT)

2024-04-02T13:15:49+00:00

Rumah Sakit Umum Daerah (RSUD) Haji Provinsi Jawa Timur merupakan rumah sakit milik Pemerintah Provinsi Jawa Timur yang menyelenggarakan pelayanan publik bagi seluruh kalangan masyarakat. Hanya saja, dalam kegiatan pelayanan masih terdapat perbedaan persepsi, ketidaksesuaian harapan, dan kesalahpahaman, yang di antaranya dapat menjadi pemicu keluhan atau pengaduan dari pemakai jasa. Untuk itu RSUD Haji telah menyediakan akses dan sarana melalui kotak saran, telepon, media sosial, serta petugas layanan pengaduan. Namun selama ini, pengelolaan pengaduan masih dilakukan dengan cara manual oleh petugas pengelola pengaduan, sehingga hal tersebut mengakibatkan waktu penyelesaian pengaduan menjadi lama dan tidak terpantau dengan baik. Dari permasalahan tersebut, akan dibuat sebuah sistem yang akan digunakan oleh petugas pengelola pengaduan berbasis web menggunakan bahasa pemrograman PHP serta framework CodeIgniter dan menggunakan metode RAD (Rapid Application Development). Sistem ini akan mempermudah petugas pengelola pengaduan dalam melakukan pengelolaan, melihat riwayat, serta mengetahui response time proses penyelesaian pengaduan. Hasil penelitian ini menunjukkan bahwa, dengan menggunakan metode RAD dalam membangun sistem ini, maka proses pembangunan aplikasi menjadi lebih cepat, kemudian petugas pengelola pengaduan menjadi lebih mudah dalam merespon pengaduan yang masuk, serta mempercepat response time proses penyelesaian pengaduan.

ANALISIS SENTIMEN PADA PENGGUNA APLIKASI DANA MENGGUNAKAN ALGORITMA NAIVE BAYES

2024-04-02T13:16:49+00:00

Perkembangan teknologi keuangan dalam bentuk dompet digital sangat menarik perhatian masyarakat.Penggunaan e-wallet sebagai metode pembayaran modern telah memberikan kenyamanan dalam melakukan transaksi dan mengubah cara orang melakukan transaksi di era digital.Apilikasi Dana adalah platform keuangan yang menyediakan layanan keuangan untuk memfasilitasi pengguna.Pada konteks ini sangat penting untuk memahami persepsi pengguna tentang Aplikasi Dana Pada masalah yang menggambarkan ketidakpuasan pelanggan mengenai kualitas layanan serta respons terhadap umpan balik pengguna dan keamanan serta privasi pengguna berdasarkan pengalaman pengguna aplikasi Dana berdasarkan perasaan positif,netral,ataupun negatif.Penelitian ini bertujuan untuk memberikan informasi terkait dengan perasaan pengguna pada aplikasi Dana.Penelitian ini menerapkan metode KDD dalam menganalisis ulasan pengguna menggunakan web scrapping dengan algoritma Naive Bayes yaitu pendekatan klasifikasi efektif dalam menganalisis sentimen.Dengan analisis sentimen ini diharapkan dapat memberikan wawasan kepada pengembang aplikasi untuk memahami terkait kelemahan pada layanan yang diberikan.Dengan adanya sentimen, pengembang dapat mengambil solusi untuk meningkatkan layanan,memperbaiki kekurangan pada aplikasi tersebut,serta meningkat kepuasan kepada penggunanya.Penelitian ini berfokus pada pemahaman mendalam tentang persepsi dan reaksi pengguna terhadap berbagai aspek aplikasi Dana. Dihasilkan sebanyak 576 ulasan positif, ulasan netral sebanyak 205 dan ulasan negatif sebanyak 219 ulasan.Berdasarkan metode Naive Bayes mengihasilkan Performance Vector didapat accuracy:74.60% +/- 3.53% (micro average:74.60%) dan kappa:0.550 +/- 0.061(micro average:0.550).

PENGELOMPOKAN DATA PENERIMAAN PAJAK BUMI DAN BANGUNAN BERDASARKAN KELURAHAN DI KOTA TASIKMALAYA MENGGUNAKAN ALGORITMA K-MEANS

2024-04-02T13:17:56+00:00

Pajak adalah aspek penting dalam ekonomi sebuah negara, karena digunakan untuk meningkatkan kesejahteraan masyarakat. Pajak Bumi dan Bangunan (PBB) merupakan salah satu jenis pajak daerah yang dipungut oleh Pemerintah Daerah. Masalah yang terjadi adalah target dan penerimaan realisasi PBB-P2 pada tahun 2021 masih belum memenuhi target yang telah ditetapkan. Hal ini menunjukkan perbedaan dalam tingkat kepatuhan pajak disetiap kelurahan di kota Tasikmalaya yang dapat mempengaruhi jumlah penerimaan pajak. Akar masalah penelitian ini adalah belum diketahui kelompok penerimaan PBB terendah dan tertinggi, sehingga memerlukan penerapan algoritma K-Means Clustering dalam mengelompokkan data untuk mencari solusinya. Penelitian ini menggunakan tahapan KDD dan data yang digunakan yaitu data jumlah penerimaan PBB tahun 2021 oleh Badan Pendapatan Daerah bersumber dari website Open Data Kota Tasikmalaya dengan jumlah data sebanyak 69 data. Hasil yang diperoleh yaitu nilai Davies Bouldin Index sebesar 0,370 merupakan nilai paling optimal dengan 6 cluster. cluster 0 dengan jumlah data 8 kelurahan, cluster 1 dengan jumlah data 30 kelurahan, cluster 2 dengan jumlah data 3 kelurahan, cluster 3 dengan jumlah data 19 kelurahan, cluster 4 dengan jumlah data 8 kelurahan, cluster 5 dengan jumlah data 1 kelurahan. Penerimaan PBB tertinggi terletak pada cluster 2 serta penerimaan PBB terendah terletak pada cluster 1.

CLUSTERING JENIS SUMBER AIR DI PROVINSI JAWA BARAT MENGGUNAKAN ALORITMA K-MEDOIDS

2024-04-02T13:18:55+00:00

Air sangat penting bagi seluruh makhluk hidup di Bumi karena merupakan kebutuhan dasar yang harus dipenuhi dan dikonsumsi. Sumber air merupakan fondasi ekosistem dan keanekaragaman hayati. Terbatasnya ketersediaan air menunjukkan pentingnya melindungi dan mengelola penggunaannya secara bijaksana. Perubahan iklim dapat mempengaruhi siklus air di bumi. Dengan data sumber air yang di keluarkan dalam periode 1 tahun sekali oleh Dinas Pemberdayaan Masyarakat Tujuan penelitian ini adalah mengelompokkan jenis sumber air dengan metode K-Medoids dan menganalisis hasilnya dengan implementasinya menggunakan RapidMiner. Penelitian ini menghasilkan sebanyak 3 cluster, pada masing-masing cluster memiliki anggota yang berbeda. Cluster 0 memiliki 200 item, cluster 1 memiliki 96 items, dan cluster 2 memiliki 160 items yang, dengan total dari ketiga cluster tersebut sebanyak 456 items.

PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR PADA PREDIKSI PEMBERIAN KREDIT DI SEKTOR FINANSIAL

2024-04-02T13:19:43+00:00

Dalam era dinamika finansial yang cepat, manajemen kredit menjadi esensi utama bagi lembaga-lembaga finansial untuk menjaga kestabilan dan keseimbangan. Pengambilan keputusan yang tepat dalam pemberian kredit menjadi krusial, mengingat kompleksitas risiko yang terus berkembang. Meskipun sektor finansial telah mengadopsi berbagai metode evaluasi risiko kredit, masalah persisten terkait dengan ketidakpastian dan volatilitas pasar menyulitkan perusahaan untuk membuat keputusan kredit yang tepat waktu dan akurat. Dalam permasalahan tersebut, penelitian ini bertujuan mengeksplorasi dan menerapkan algoritma K-Nearest Neighbor (KNN) melalui pendekatan data mining untuk meningkatkan prediksi pemberian kredit. Implementasi K-Nearest Neighbor (KNN) dilakukan dengan tools rapidminer yang akan membantu dalam pelatihan model dan validasi prediksi. Pada penelitian yang telah dilakukan, implementasi algoritma K-Nearest Neighbor (KNN) pada dataset mendapatkan hasil accuracy sebesar 86.15%, precision sebesar 90.74%, dan recall sebesar 92.45%. Kemampuan algoritma untuk menangani pola non-linier dan kompleks menjadikan pilihan yang sangat baik untuk menangani dataset keuangan yang sering berfluktuasi. Maka, pemanfaatan data mining dengan KNN dapat meningkatkan efesiensi dan akurasi keputusan pemberian pinjaman, mengurangi risiko kredit dan meningkatkan pendapatan.

ANALISIS PENGELOMPOKAN DATA APARATUR SIPIL NEGARA KABUPATEN CIREBON BERDASARKAN PERANGKAT DAERAH DAN USIA MENGGUNAKAN METODE K-MEANS CLUSTERING

2024-04-02T13:20:38+00:00

Pengelolaan sumber daya manusia (SDM) di sektor pemerintahan, khususnya pada Aparatur Sipil Negara (ASN), memainkan peran yang signifikan dalam mendukung berbagai program dan kebijakan pemerintah daerah. Artikel ini bertujuan untuk mengatasi permasalahan terkait kurangnya pemahaman tentang struktur usia ASN di Kabupaten Cirebon. Kabupaten ini memiliki ASN yang menjadi komponen utama dalam menyelenggarakan layanan publik dan mendukung pembangunan daerah. Berdasarkan data Badan Kepegawaian dan Pengembangan Sumber Daya Manusia Kabupaten Cirebon, penelitian ini menggunakan metode K-Means Clustering untuk mengelompokkan data ASN berdasarkan perangkat daerah dan usia. Tujuan utama adalah menemukan nilai K yang optimal untuk memastikan hasil klasterisasi sesuai dengan struktur intrinsik dataset ASN. Penelitian ini menghasilkan 2 cluster dengan Davis Bouldin Index (DBI) sebesar 0.138 yang dapat memberikan wawasan baru terkait pola distribusi usia dan perangkat daerah pada ASN yang serupa. Sehingga dapat menjadi dasar strategis untuk mengoptimalkan alokasi ASN di berbagai unit perangkat daerah.

PENERAPAN DATA MINING CLUSTERING MENGGUNAKAN ALGORITMA FUZZY C-MEANS PADA DATA PENCARI KERJA DI KABUPATEN KUNINGAN

2024-04-26T07:16:48+00:00

Dalam melamar pekerjaan yang sesuai dengan keinginan perusahaan, pencari kerja wajib mengikuti kebijakan perekrutan pencari kerja yang ditetapkan oleh perusahaan. Permasalahan umum saat ini adalah masih banyak pencari kerja yang belum mendapatkan pekerjaan, misalnya karena kurangnya pendidikan dan kesempatan kerja. Tidak semua pencari kerja yang melamar pada suatu perusahaan tertentu mempunyai kualifikasi berdasarkan tingkat pendidikan pencari kerja yang berbeda-beda. Oleh karena itu, Dewan Ketenagakerjaan dan Migrasi dapat membantu atau membimbing pihak-pihak yang ingin mencari pekerjaan baru dengan menerbitkan kartu kuning. Kartu kuning merupakan kartu pencari kerja yang dikeluarkan oleh Badan Ketenagakerjaan dan Migrasi, dimana fungsi kartu tersebut adalah sebagai tanda bahwa pemegang kartu sedang mencari pekerjaan. Tujuan dari penelitian ini adalah melakukan clustering data pencari kerja dengan menggunakan teknik clustering menggunakan metode Algoritma Fuzzy C-Means dan mengelompokkan objek menjadi beberapa kelompok, dimana k (cluster) adalah jumlah kelompok yang diinginkan, dan menggunakan RapidMiner Tools versi 10.3. Hasil penelitian berupa informasi perbandingan pencari kerja pada variabel usia, pendidikan terakhir, profesi dan jenis kelamin, yang hasilnya dihitung menggunakan algoritma Fuzzy C-Means. Dengan menggunakan algoritma fuzzy c-means diperoleh yang terbaik yaitu klaster 2 sebanyak 31 item. Pengelompokan data pencari kerja ini membantu pemerintah untuk menawarkan lapangan pekerjaan kepada pencari kerja secara merata sehingga data pencari kerja tidak menumpuk setiap tahunnya.

PERANCANGAN APLIKASI MOBILE BERBASIS ANDROID UNTUK PEMELIHARAAN ASET PADA KECAMATAN SINDANG JAYA

2024-04-02T13:22:32+00:00

Aset merupakan elemen krusial bagi perusahaan, organisasi, atau institusi pemerintah dalam mendukung operasional harian dan pencapaian tujuan. Pemeliharaan aset diperlukan untuk memastikan keberlangsungan penggunaannya dalam jangka waktu yang panjang. Di Kecamatan Sindang Jaya, terdapat masalah terkait pelaporan pemeliharaan aset yang masih dilakukan secara manual, menyebabkan proses pemeliharaan menjadi lambat. Untuk mengatasi permasalahan ini, penulis mengusulkan pengembangan aplikasi pemeliharaan aset berbasis Android. Aplikasi ini akan memudahkan pemantauan, perencanaan jadwal pemeliharaan, dan pembuatan laporan secara efisien. Penelitian ini menggunakan metode analisis PIECES dan UML sebagai dasar perancangan sistem. Bahasa pemrograman yang digunakan meliputi PHP dengan framework Laravel untuk Web Service, sementara aplikasi Android dikembangkan menggunakan Kotlin dengan Android Studio sebagai IDE. Uji coba aplikasi dilakukan melalui metode Black Box Testing. Pemilihan Android sebagai platform disesuaikan dengan popularitasnya di Indonesia sebagai sistem operasi mobile yang mampu menggantikan fungsi komputer. Oleh karena itu, sistem berbasis Android diharapkan dapat meningkatkan efektivitas dan efisiensi layanan pemeliharaan aset. Hasil dari perancangan aplikasi mobile berbasis android untuk pemeliharaan aset pada Kecamatan Sindang Jaya ini, yang mempunyai tempat penyimpanan data, sehingga data yang masuk tidak akan mudah hilang serta dalam melakukan proses pendataan dan pemeliharaan akan menjadi lebih efektif dan efisien.

IMPLEMENTASI ALGORITMA NAÏVE BAYES TERHADAP PENERIMA KARTU INDONESIA PINTAR

2024-04-02T13:23:32+00:00

Pentingnya peran Kartu Indonesia Pintar (KIP) sebagai program pemerintah untuk mendukung akses pendidikan bagi siswa berprestasi yang memiliki keterbatasan finansial. Analisis ini diharapkan dapat memberikan kontribusi terhadap perbaikan proses seleksi penerimaan KIP, sehingga dukungan finansial dapat disalurkan secara lebih dan tepat sasaran. KIP merupakan program bantuan pendidikan yang dirancang untuk mendukung siswa yang berperstasi dari latar belakang keterbatas ekonomi bertujuan untuk memberikan program tunjangan pendidikan. Dengan metode Algoritma Naïve Bayes bisa memudahkan dalam menghadapi penerimaan program bantuan pendidikan. Dalam mempengaruhi penerimaan Kartu Indonesia Pintar (KIP) termasuk nilai ujian, prestasi, penghasilan orantua,punya kartus sejenis seperti KIP, dan kepemilikan rumah yang ditempati. Dengan mengembangkan model yang dapat memprediksi penerimaan KIP dengan melihat tingkat akurasi yang tinggi menggunakan algoritma Naive Bayes. Oleh karena itu ada beberapa poin yang menjadi dasar penelitian ini untuk mengidentifikasi Penerimaan KIP melalui dengan Hasil tujuan yang pertama menganalisis dan menegevaluasi algoritma Naïve Bayes dalam menetukan penerimaan kartu Indonesia pintar (KIP). Dari hasil penentuan ada beberapa siswa yang lulus dan tidak lulus selain itu ada juga hasil prediksi atau bisa disebut memprediksi kemungkinan lulus dan tidak lulus. Pada gambar di 4.17 hasil dari proses penyeleksian menunjukan prediksi tidak lulus dengan keterangan true tidak lulus sekitar 112 siswa, dan prediksi yang true lulus sekitar 15 siswa. Dan prediksi lulus dengan keterangan true tidak lulus sekitar 23 siswa, yang true lulus sekitar 50 siswa. Dan terdapat nilai akurasi sebesar 81.00%. Dengan class recall yang true tidak lulus sebesar 82.96% sedangkan yang lulus calass recall nya hanya mendapatkan 76.92%. Dari hasil analisis tersebut bisa disimpulkan bahwa yang true tidak lulus mendapat angka paling tertinggi dengan class racall nya sebesar 82.96%. Dan hasil tujuan yang kedua Mengukur tingkat akurasi dari model prediktif yang dikembangkan menggunakan algoritma Naive Bayes pada dataset 1000 siswa. Hasilnya adaalah bisa dilihat Pada gambar 4.18 akurasi yang didapat adalah 81.00% dengan split data 80/20. dengan rincian Prediksi Tidak lulus dan True Tidak lulus sebesar 112, Prediksi lulus dan True lulus sebesar 15, Prediksi Lulus dan True Tidak sebesar 23, Prediksi Lulus dan True Lulus sebesar 50. Dengan class recall True Tidak Lulus sebesar 82.96% dan class recall True Lulus sebesar 76.92%.eksplorasi data fokus studi pada analisis pendaftaran KIP dan menekankan perlunya memahami dan memperbaiki proses yang menentukan penerimaan bantuan pendidikan penekanan pada penggunaan algoritma Naïve Bayes mencerminkan metode klasifikasi yang dipilih untuk mengembangkan model.

PENERAPAN ALGORITMA K-MEANS CLUSTERING DALAM PENGELOMPOKAN DATA PENJUALAN SUPERMARKET BERDASARKAN CABANG (BRANCH)

2024-04-03T02:15:28+00:00

Penjualan ritel, terutama dalam konteks supermarket, merupakan aspek krusial dalam operasional bisnis yang memerlukan pengelolaan data yang efisien. Penelitian ini dilakukan untuk mengeksplorasi implementasi algoritma K-Means clustering dalam mengelompokkan data penjualan dari berbagai cabang supermarket, dengan fokus utama pada peningkatan efisiensi operasional dan strategi penjualan. Dalam era digital saat ini, penjualan supermarket menghasilkan volume besar dan data penjualan yang kompleks setiap hari. Pengelolaan dan pemahaman data ini menjadi tantangan signifikan, terutama ketika terdapat banyak cabang yang tersebar luas. Algoritma K-Means clustering telah terbukti sebagai metode yang efektif dalam menyelesaikan permasalahan semacam ini. Metode ini memungkinkan pengelompokkan data penjualan ke dalam kelompok-kelompok yang memiliki karakteristik serupa, mempermudah analisis dan pengambilan keputusan. Studi ini mengumpulkan data historis penjualan dari berbagai cabang supermarket. Data diproses terlebih dahulu untuk memastikan kualitasnya sebelum menerapkan algoritma K-Means clustering. Hasil pengelompokan data dianalisis secara menyeluruh untuk mengidentifikasi pola penjualan utama. Analisis ini menjadi dasar untuk meningkatkan efisiensi operasional setiap toko, termasuk manajemen inventaris dan strategi penjualan. Tujuan penelitian ini adalah untuk memahami cara mengoptimalkan pengelolaan data penjualan supermarket menggunakan algoritma K-Means clustering. Hasilnya menunjukkan bahwa toko dapat dikelompokkan menjadi dua kelompok utama, yaitu kelompok cabang besar (cluster 0) dan kelompok cabang kecil (cluster 1). Penerapan algoritma K-Means clustering memungkinkan pengelompokkan data penjualan supermarket berdasarkan toko, memberikan kontribusi signifikan terhadap pemahaman dan pengelolaan data penjualan secara lebih efisien. Evaluasi model dengan indeks Davies Bouldin menghasilkan nilai sebesar 0.375, menunjukkan keberhasilan tinggi dalam mengelompokkan data.

IMPLEMENTASI PENGELOMPOKAN REALISASI BELANJA MENGGUNAKAN ALGORITMA K-MEANS DI PROVINSI DKI JAKARTA

2024-04-03T02:16:25+00:00

ABSTRAK

Dalam era globalisasi dan perkembangan teknologi informasi yang cepat, pengolahan dan analisis data menjadi krusial dalam pengambilan keputusan di berbagai sektor, termasuk sektor publik. Penelitian ini menghadapi masalah kompleksitas data realisasi belanja, terdiri dari banyak unit kerja dengan karakteristik yang beragam. Untuk mengatasi hal ini, dilakukan pengelompokan data menggunakan pendekatan K-Means Clustering menggunakan bahasa pemrograman Python. Data dibagi ke dalam kelompok cluster berbeda menggunakan metode K-Means Clustering. Penelitian ini menerapkan metode tersebut pada realisasi belanja di Provinsi DKI Jakarta tahun 2020. Hasil pengelompokan menunjukkan tiga cluster, dengan cluster 0 memiliki unit kerja terbanyak (436 unit kerja), cluster 1 memiliki unit kerja paling sedikit (18 unit kerja), dan cluster 2 memiliki 69 unit kerja. Unit kerja pada cluster 1 belum mencapai target pengeluaran yang ditetapkan. Identifikasi terhadap cluster tinggi (503 data) dan rendah (20 data) mengindikasikan bahwa perhatian khusus diperlukan pada cluster rendah untuk mencapai target yang ditetapkan pemerintah.

PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK MENGELOMPOKKAN DATA MAHASISWA BARU

2024-04-03T02:17:25+00:00

Penelitian ini mengeksplorasi metode pengelompokan calon mahasiswa baru berdasarkan preferensi program studi menggunakan algoritma K-Means Clustering. Aplikasi RapidMiner digunakan sebagai platform untuk menjalankan proses pengelompokan, memanfaatkan Davies Bouldin Index sebagai parameter evaluasi kualitas klaster. Dari hasil penelitian, didapatkan pemahaman mendalam mengenai pola pengelompokan calon mahasiswa baru. Metode K-Means Clustering menghasilkan dua klaster optimal, ditandai dengan nilai Davies Bouldin Index terendah sebesar -0.278. Penemuan ini memberikan pandangan strategis dalam perancangan kebijakan penerimaan mahasiswa baru dan membantu meningkatkan efisiensi dalam proses seleksi. Dengan adanya informasi ini, perguruan tinggi dapat mengoptimalkan strategi promosi untuk menarik calon mahasiswa sesuai dengan preferensi program studi, meningkatkan kualitas penerimaan, dan mendukung keputusan berbasis data untuk perbaikan kebijakan penerimaan di masa depan.

CLUSTERING PENDUDUK MISKIN MENGGUNAKAN ALGORITMA K-MEANS PADA WILAYAH JAWA BARAT

2024-04-03T02:18:10+00:00

Abstrak tersebut membahas kemiskinan sebagai status sosial yang melibatkan aspek ekonomi, pendapatan, pekerjaan, pendidikan, kepemilikan harta, dan tempat tinggal. Pemerintah Indonesia menjalankan berbagai program pengentasan kemiskinan, seperti Program Keluarga Harapan (PKH) dan Bantuan Langsung Tunai (BLT). PKH memberikan bantuan keuangan bersyarat kepada Rumah Tangga Sangat Miskin (RTSM), termasuk kelompok seperti ibu hamil, anak-anak, lansia, dan penyandang disabilitas. Angka kelahiran yang tinggi dapat mempengaruhi pertumbuhan penduduk dan tingkat pengangguran di suatu wilayah. Program bantuan pemerintah kadang-kadang tidak tepat sasaran dan dapat menimbulkan kecemburuan sosial. Penelitian ini mengusulkan penggunaan metode K-Means Clustering untuk mengatasi masalah pengelompokan keluarga miskin berdasarkan berbagai kategori. Hasilnya, terdapat dua cluster dengan tingkat kemiskinan tinggi dan rendah. penerapan Algoritma K-Means Clustering didapatkan pengelompokkan menjadi 2 Cluster yaitu Cluster 0 dengan tingkat kemiskinan tinggi sebanyak 90 data dan Cluster 1 dengan tingkat kemiskinan rendah sebanyak 45 data.

KLASIFIKASI KONDISI FISIK MOBIL BEKAS MENGGUNAKAN ALGORITMA NEURAL NETWORK (NN)

2024-04-03T02:19:12+00:00

Penelitian ini fokus pada penilaian kinerja model Neural Network dalam membedakan kondisi fisik mobil bekas berdasarkan dataset dari Showroom Jual Beli Mobil Bekas CV. Mulya Sejahtera Motor. Metode yang digunakan dalam penelitian ini menggunakan algoritma neural network. Pengukuran dilakukan menggunakan metrik Area Under the Curve (AUC) dengan fokus khusus pada kelas "Baik". Dalam penelitian ini menghasilkan performance akurasi 98.52%. Hasil evaluasi menunjukkan tingkat keberhasilan yang sangat tinggi, dengan nilai AUC mencapai 0.992. Skor ini mendekati nilai sempurna (1), menggambarkan kemampuan model dalam membedakan antara mobil bekas dalam kondisi "Baik" dan kondisi lainnya. Model Neural Network mampu memprediksi dengan akurat kelas "Baik" dengan tingkat keakuratan yang signifikan. Meskipun AUC memberikan gambaran keseluruhan yang sangat positif, penelitian ini merekomendasikan validasi lebih lanjut menggunakan metrik lain seperti akurasi, presisi, recall, dan F1-score untuk mendapatkan gambaran komprehensif tentang kinerja model. Analisis lebih lanjut terhadap kesalahan model, pengoptimalan data untuk memastikan representasi yang seimbang dari setiap kelas, serta pertimbangan pengembangan lanjutan, diusulkan untuk memperbaiki dan meningkatkan model. Temuan ini memberikan kontribusi positif terhadap pengembangan aplikasi model Neural Network dalam mendukung industri jual beli mobil bekas. Keakuratan tinggi dalam membedakan kondisi fisik mobil dapat memberikan manfaat signifikan bagi pelanggan dan penjual, meningkatkan kepercayaan dalam proses pembelian dan penjualan kendaraan bekas.

PENERAPAN POLA PENJUALAN DENGAN MENGGUNAKAN METODE ALGORITMA ASOSIASI FP-GROWTH BERTUJUAN UNTUK MENINGKATKAN PENJUALAN KOPI DI POINT COFFEE

2024-04-03T02:20:28+00:00

perkembangan industri kafe, dengan fokus pada keterlibatan Point Caffee, yang menghadapi penurunan tingkat penjualan di tengah persaingan sengit. Perubahan preferensi konsumen, ketatnya persaingan, dan dinamika pasar yang cepat menjadi konteks utama dalam penelitian ini.Tantangan utama yang dihadapi Point Caffee adalah menanggapi perubahan preferensi konsumen dan bersaing dalam pasar yang dinamis. Penurunan penjualan menjadi isu kritis yang perlu diatasi.Penelitian ini bertujuan untuk meningkatkan daya saing dan kepercayaan konsumen Point Caffee melalui penerapan algoritma asosiasi fp-growth pada transaksi penjualan kopi. Fokusnya adalah mengidentifikasi pola pembelian yang signifikan untuk memperkuat strategi penjualan. Metode fp-growth digunakan untuk menganalisis transaksi penjualan, mengungkap kombinasi produk dengan korelasi tinggi. Keberhasilan strategi penjualan dievaluasi dengan mengukur tingkat korelasi dan kepercayaan dari kombinasi produk yang diidentifikasi.Temuan menunjukkan beberapa kombinasi produk dengan korelasi tinggi, seperti Caramel Macchiato, Flate White, Caffee Dolce, dan Roselle. Kombinasi produk lainnya, seperti Black Tea, Matcha, Cappuccino, dan Mocca, juga memiliki hubungan sangat kuat. Dengan mempertimbangkan hasil ini, Point Caffee dapat memperkuat strategi penjualan dan meningkatkan potensi penjualan melalui paket atau promosi bersama.

IMPLEMENTASI ALGORITMA X-MEANS UNTUK MENGELOMPOKAN PENJUALAN BARANG DI CILEDUG STORE

2024-04-03T02:21:15+00:00

Dalam menghadapi era mobilitas yang semakin berfokus pada keberlanjutan, kendaraan listrik, khususnya sepeda listrik, muncul sebagai solusi inovatif untuk mendukung masa depan transportasi yang ramah lingkungan. Perusahaan Ciledug Store memiliki kebutuhan untuk memahami pola penjualan sepeda listrik agar dapat mengoptimalkan strategi pemasaran dan persediaan. Oleh karena itu, penelitian ini bertujuan untuk mengelompokkan penjualan barang menggunakan algoritma X-Means, dengan fokus pada kendaraan listrik. Penelitian ini bertujuan untuk menerapkan algoritma X-Means dalam mengelompokkan penjualan sepeda listrik berdasarkan data penjualan di Perusahaan Ciledug Store. Hasil dari penelitian ini diharapkan dapat memberikan wawasan yang berharga terkait preferensi konsumen terhadap jenis sepeda listrik berdasarkan karakteristik baterai. Penelitian ini menggunakan pendekatan Knowledge Discovery In Database dengan menggunakan Algoritma X-Meansuntuk mengelompokkan data penjualan, mengatasi kendala K-Means clustering terkait jumlah cluster yang perlu diketahui sebelumnya. Penelitian ini mencakup periode September-Desember 2023 dengan total 472 data penjualan. Penerapan algoritma X-Means menghasilkan empat cluster. Cluster 0, dengan 451 data produk yang terjual, menunjukkan bahwa sepeda listrik berbaterai 48V/12Ah termasuk dalam kategori laris. Sementara Cluster 1 (13 data), Cluster 2 (2 data), dan Cluster 3 (6 data) menunjukkan sepeda listrik dengan baterai 48V/20Ah, 72V/20Ah, dan 36V/12Ah masuk dalam kategori kurang laris. Davies Bouldin Score yang dihasilkan sebesar 0,220.

PENERAPAN ALGORITMA REGRESI LINEAR PADA DATA HARGA CABAI RAWIT DI PASAR INDIHIANG

2024-04-03T02:22:13+00:00

Sayuran, termasuk cabai rawit, memegang peran vital dalam perekonomian nasional. Meningkatnya harga cabai rawit tidak hanya dipengaruhi oleh peningkatan permintaan selama hari-hari besar keagamaan seperti Bulan Ramadhan, Hari Raya Idul Fitri, Hari Raya Idul Adha, khususnya jika terjadi gangguan cuaca atau pasokan. Penelitian ini bertujuan untuk memprediksi harga cabai rawit di Pasar Indihiang dan mencari atribut yang mempengaruhi nilai Root Mean Squared Error (RMSE) terbaik. Algoritma regresi linear terkenal karena kemampuannya menganalisis korelasi data dan memberikan prediksi yang akurat. Data harga cabai rawit dari 2021 hingga 2022 mencakup informasi harga, bulan, cuaca, pasokan, supplier, dan nama pedagang. Melalui analisis Regresi Linear menggunakan Cross-Industry Standard Process for Data mining (CRISP-DM) dan RapidMiner versi 10.1, penelitian ini membangun model matematis untuk memprediksi harga cabai rawit berdasarkan faktor-faktor tersebut. Hasil penelitian ini menunjukan atribut yang mempengaruhi nilai RMSE adalah Bulan dan Stok Cabai/KG terhadap label Harga Cabai dengan nilai RMSE sebesar 14975.095. Model prediksi harga diharapkan dapat membantu pedagang merancang strategi penjualan yang efektif, memungkinkan konsumen merencanakan belanja dengan lebih tepat, dan membantu petani menyesuaikan waktu tanam dan panen cabai rawit.

IMPLEMENTASI DATA MINING UNTUK CLUSTERING JENIS OBAT MENGGUNAKAN METODE ALGORITMA K-MEANS DI UPTD PUSKESMAS TEGAL GUBUG

2024-04-03T02:23:09+00:00

Kebutuhan obat-obatan yang sesuai merupakan faktor penting dalam pengendalian pemasokan obat yang efektif dan efisien. Hal ini memastikan ketersediaan berbagai jenis obat sesuai kebutuhan dan dapat diperoleh tepat waktu. Namun, proses pengadaan obat di Puskesmas masih mengalami kendala dalam menentukan jenis dan jumlah obat yang optimal. Kendala ini dapat mengakibatkan kekurangan atau kelebihan stok obat, yang berdampak pada pemborosan dan inefisiensi. Penelitian ini bertujuan untuk membentuk kelompok-kelompok data obat-obatan di UPTD Puskesmas Tegal Gubug menggunakan metode clustering data mining. Penelitian dapat membantu dalam proses pengambilan keputusan, perencanaan, dan pengendalian pasokan obat di Puskesmas. Penelitian ini menggunakan metode clustering data obat-obatan dengan algoritma K-Means. Algoritma K-Means adalah metode clustering non-hirarki yang mempartisi data ke dalam kelompok-kelompok (cluster) berdasarkan kesamaan karakteristik. Hasil penelitian menunjukkan bahwa algoritma K-Means dapat mengelompokkan data obat-obatan di UPTD Puskesmas Tegal Gubug berdasarkan pengujian dengan 124 data. Cluster optimal menyumbangkan 10 data untuk cluster C1 (obat dengan pemakaian lambat), 50 data untuk cluster C2 (obat dengan pemakaian sedang), dan 64 data untuk cluster C3 (obat dengan pemakaian cepat). Hal ini menunjukkan bahwa data mendekati cluster pembayaran (Pusat). Metode clustering data mining dengan algoritma K-Means dapat membantu Puskesmas dalam meningkatkan efektivitas dan efisiensi pengendalian pasokan obat.

PENERAPAN DATA MINING CLUSTERING MENGGUNAKAN METODE K-MEANS PADA DATA TINDAK KRIMINALITAS DI POLRES KABUPATEN KUNINGAN

2024-04-18T01:16:50+00:00

Dengan meningkatnya tingkat tindak kriminalitas di Kabupaten Kuningan tentunya data yang akan disimpan akan terus bertambah. Menurut Polres Kabupaten Kuningan jumlah kasus tindak kejahatan yang terjadi di Kabupaten Kuningan pada 3 Tahun terakhir mencapai 800 kasus. Salah satu upaya untuk menanggulangi kejahatan dengan mengetahui pola dan karakteristik dari tindak kejahatan yang terjadi, dengan mengetahui pola dan karakteristik dari tindak kejahatan maka dapat diidentifikasi fakto-faktor yang menyebabkan terjadinya tindak kejahatan. Oleh karena itu, untuk mengelompokan data tindak kejahatan yang terjadi di masyarakat akan memanfaatkan Dara Mining menggunakan metode K-Means Clustering dengan Tools RapidMiner versi 10.3. Nilai Davies Bouldin Index yang dihasilkan dari algoritma k-means ini sebesar 3.323. Pengelompokan data tindak kejahatan ini dapat digunakan oleh Polres Kabupaten Kuningan untuk menentukan pola dan karakteristik dari tindakan kejahatan yang terjadi.

IMPLEMENTASI ALGORITMA NAIVE BAYES UNTUK MEMPREDIKSI CUACA MENGGUNAKAN RAPIDMINER

2024-04-03T02:25:01+00:00

Cuaca adalah kondisi udara di suatu tempat dalam waktu relatif singkat yang dinyatakan dengan nilai parameter oleh kecepatan angin, suhu, tekanan, curah hujan, dan faktor atmosfer lainnya. Keadaan cuaca dapat mempengaruhi berbagai aspek kegiatan manusia, termasuk transportasi, pertanian, perkebunan, pembangunan, dan bahkan aktivitas olahraga. Sehingga untuk memperoleh informasi cuaca yang dapat dimanfaatkan oleh masyarakat diperlukan pembuatan penentuan cuaca. Salah satu metode prediksi cuaca yang digunakan adalah dengan menggunakan algoritma Naive Bayes. Algoritma ini menghitung probabilitas dari setiap kelas untuk setiap atribut kelompok yang ada dan menentukan kelas yang paling optimal. Dengan kata lain, pengelompokan cuaca dapat dilakukan berdasarkan kategori yang diinputkan oleh pengguna pada aplikasi. Penelitian ini bertujuan untuk meningkatkan akurasi prediksi cuaca dengan menerapkan metode data mining menggunakan algoritma Naive Bayes. Metode penelitian melibatkan pengklasifikasian data cuaca berdasarkan atribut kelompok seperti kecepatan angin, suhu, curah hujan, dan cuaca. Naive Bayes digunakan untuk menghitung probabilitas kelas cuaca berdasarkan input pengguna pada aplikasi. Hasil pengujian menunjukkan tingkat akurasi sebesar 84.26%, menunjukkan bahwa metode ini memiliki potensi untuk memberikan prediksi cuaca yang lebih akurat, yang dapat bermanfaat dalam berbagai aspek kegiatan manusia.

PENERAPAN ALGORITMA FP GROWTH UNTUK MENDUKUNG POLA PEMBELIAN SEMBAKO DI TOKO UCI

2024-04-03T02:26:59+00:00

Toko Sembako Uci, sebagai penyedia kebutuhan pokok di Permata Harjamukti, Kota Cirebon, menghadapi persaingan intens di industri sembako. Demi mengatasi ketersediaan produk yang kurang optimal dan meningkatkan penjualan, penelitian ini menggunakan teknik data mining dengan fokus pada transaksi penjualan sembako di Toko Uci. Melalui penerapan algoritma FP-Growth, tujuan penelitian adalah mengidentifikasi pola item serta meningkatkan kepercayaan produk bahan pokok sembako dalam transaksi penjualan. Analisis terhadap confidence dan support kombinasi item bahan pokok menunjukkan adanya kelompok produk yang sangat diminati, mencapai nilai 100%. Contohnya, kombinasi Beras, Aci, dan Bawang Merah mencapai 90,9%. Grafik aturan asosiasi menyoroti pola penjualan utama, seperti Masako dan Bawang Putih, Telur dengan Bawang Merah, dan lainnya. Algoritma FP-Growth membantu mengidentifikasi pola penjualan di Toko Uci, memberikan wawasan bahwa konsumen cenderung membeli bahan pokok secara bersamaan. Temuan ini dapat menjadi dasar strategi penjualan, meningkatkan kualitas produk, dan mengoptimalkan stok untuk meningkatkan kinerja toko.

ANALISIS ULASAN SENTIMEN APLIKASI MOBILE JKN DENGAN ALGORITMA SUPPORT VECTOR MACHINE BERBASIS PARTICLE SWARM OPTIMIZATION

2024-04-03T02:27:49+00:00

Inovasi elektronik dalam layanan jaminan kesehatan pemerintah dikenal sebagai aplikasi Mobile JKN yang memudahkan peserta Jaminan Kesehatan Nasional-Kartu Indonesia Sehat (JKN-KIS) untuk mendapatkan layanan dan informasi. Dengan inovasi ini, ada banyak pro dan kontra sehingga banyak komentar muncul di kolom review Google Play Store. Kecenderungan respon pengguna dalam menggunakan aplikasi Mobile JKN dapat diketahui dengan analisis sentimen. Analisis sentimen adalah sistem untuk mengenali dan mengekstraksi review dalam bentuk teks. Penelitian ini bertujuan untuk mengukur tingkat akurasi, presisi, recall dan Area Under Curve (AUC) yang dihasilkan dari algoritma Support Vector Machine (SVM) berbasis Particel Swarm Optimization (PSO) terhadap aplikasi Mobile JKN di Google Play Store. Penelitian dilakukan dengan menggunakan algoritma Support Vector Machine (SVM) yang dioptimasi menggunakan Particle Swarm Optimization (PSO). Penelitian ini melibatkan berbagai tahapan preprocessing, seperti cleaning, case folding, tokenizing, dan filtering (stop-word removal). Hasil penelitian yang menggunakan 10 k-fold Cross Validation pada algoritma Support Vector Machine (SVM) yang menggunakan seleksi fitur Particle Swarm Optimization (PSO) menunjukkan hasil akurasi, presisi, recall dan Area Under Curve (AUC) secara berurutan sebesar 89,53%, 88,17%, 45,96% dan 0,869 dengan kategori (Good Classification).

ANALISIS KEAMANAN JARINGAN PADA RUMAH MENGGUNAKAN METODE NIST

2024-04-03T02:29:47+00:00

Perkembangan internet di Indonesia setiap tahunnya selalu mengalami peningkatan yang signifikan, pada tahun 2023 terjadi peningkatan pengguna dengan penambahan sekitar 599.387 pengguna. Peningkatan pengguna internet di Indonesia juga berdampak pada kenaikan pengguna jaringan WiFi di rumah. Keamanan jaringan dirumah seringkali diabaikan oleh banyak individu, meskipun ancaman siber yang beragam, seperti malware, virus, brute force, phising, dan lain-lain. Penelitian ini bertujuan untuk melakukan analisis keamanan jaringan pada rumah dengan menggunakan framework NIST Cybersecurity. Penelitian ini menggunakan metode kuantitatif dengan menyebar kuesioner kepada pengguna internet rumah. Hasil dari penelitian menunjukan bahwa responden memiliki kesadaran yang baik terhadap keamanan jaringan, tetapi terdapat beberapa hal yang perlu ditingkatkan, seperti rutinitas pengecekan perangkat dan file, penggantian password, perlindungan data, pemantauan aktivitas jaringan, rencana tanggapan, dan rencana pemulihan.

IMPLEMENTASI AUGMENTED REALITY MENGGUNAKAN METODE MARKERLESS SEBAGAI MEDIA PROMOSI PENJUALAN KERUDUNG PADA INSTAGRAM

2024-04-03T02:30:41+00:00

Perkembangan teknologi saat ini sangatlah menarik, banyak hal baru yang dapat dilakukan dengan adanya perkembangan teknologi. Kemudahan dalam berinteraksi, melakukan pekerjaan serta kegiatan yang lain. Store All in One merupakan bisnis yang bergerak dibidang jual beli produk pakian, produk yang dijual adalah kerudung. Menggunakan media sosial Instaram, Store All in One mempromosikan produk yang dijual dengan cara memposting foto atau gambar produk yang sedang dijual, pembeli hanya dapat melihat produk melalui foto atau gambar tersebut. Dengan menggunakan teknologi Augmented Reality Metode Markerless sebagai media promosi dapat membantu dalam mepromosikan produk agar lebih menarik, maka dikembangkan sebuah teknologi Augmented Reality dengan menggunakan salah satu fitur pada aplikasi Instagram, yaitu filter. Filter ini akan memberikan visualisasi atau gambaran mengenai produk yang dijual dengan mengarahkan kamera handphone ke arah wajah, akan muncul visualisasi model produk kerudung yang dipilih berupa filter pada wajah. Dengan penerapan teknologi Augmented Reality ini sebagai media promosi, dapat memberikan promosi yang interaktif serta memberikan kemudahan dalam memilih produk kerudung yang pas bagi pembeli.

IMPLEMENTASI DATA MINING PADA DATA PENJUALAN PAKAIAN MENGGUNAKAN ALGORITMA K-MEANS DENGAN OPTIMIZE PARAMETER GRID

2024-04-03T02:33:07+00:00

Perkembangan teknologi telah berdampak besar pada sektor perdagangan dan bisnis, khususnya dalam e-commerce. Menurut website https://www.statista.com/topics/871/online-shopping E-commerce Worldwide - Statistics & Facts Pada tahun 2019, sekitar 1,92 miliar orang terlibat dalam transaksi e-commerce, dengan Indonesia mencatatkan sebagai pengguna tertinggi pada tahun 2018. Pakaian berkontribusi besar pada perkembangan bisnis di Indonesia. Toko rizki_collection123 merupakan salah satu pelaku bisnis yang berjualan di E-commerce. Tantangan utama yang dihadapi oleh Toko rizki_collection123 adalah belum mendapatkannya informasi dari data penjualan untuk meningkatkan strategi bisnis. Tujuan utama dilakukan penelitian terhadap data penjualan untuk mengetahui nilai k optimal berdasarkan parameter, maka diperlukan operator optimize parameter grid untuk mempercepat pengelompokan data penjualan untuk mengetahui informasi karakteristik yang ada pada dataset, dengan ParameterMixed Measure. Penelitian ini menggunakan Metode Data Mining Algoritma K-Means Clustering dengan Optimize Parameter Grid. Penelitian ini menggunakan Teknik analisis data Knowledge Discovery in Database (KDD). Algoritma K-Means dipilih karena cukup efektif dalam pengelompokan data yang besar seperti data hasil penjualan. Tools yang digunakan pada penelitian ini yaitu RapidMiner v.10.2. Hasil clustering berdasarkan Davies Bouldin Index terendah terbentuknya 3 cluster dengan Measure type BregmanDivergences pada DBI= 0,035. Cluster 0 memiliki sebanyak 2859 item atau sekitar 41,15% dari total transaksi 6946, sedangkan Cluster 1 memiliki 2392 item atau sekitar 34,44%. Cluster 2 memiliki 1695 item atau sekitar 24,41%

ALGORITMA K-MEANS UNTUK CLUSTERING PENERIMA PROGRAM KELUARGA HARAPAN DI NANAENOE NUSA TENGGARA TIMUR

2024-04-03T02:40:37+00:00

Setiap desa di Provinsi Nusa Tenggara Timur dapat mengelolah dana bantuan, salah satunya memprioritaskan bantuan masyarakat kepada keluarga berpenghasilan rendah yang tergabung dalam Program Keluarga Harapan. Kesulitan ini disebabkan banyaknya jumlah masyarakat berpenghasilan rendah di setiap daerah, dan lokasi dimana tempat tinggalnya harus diperhatikan, rumah tidak layak huni, kepala rumah tangga menganggur, rata-rata pendapatan per bulan, jumlah anggota keluarga, ada tidaknya anggota keluarga yang masih bersekolah dan faktor lainnya. Penerimaan bantuan Program Keluarga Harapan menjadi prioritas utama bagi keluarga berpenghasilan rendah. Metode yang digunakan dalam penelitian ini adalah metode k-means clustering yang terbagi dalam tahap pengumpulan data, data latih, dan data uji, dengan memperhatikan kriteria sebagai berikut: nama lengkap, tempat lahir, status perkawinan, pekerjaan, dusun dan pendidikan terakhir. Dengan menguji k=10 melalui clustering k-means, dengan Davies Bouldin index dapat dihasilkan urutan K2= 0.883, urutan K3=1.225, urutan K4=1.059, urutan K5=0.934, urutan K6=0.838, urutan K7=0.764, urutan K8=0.817, urutan K9=0.835, urutan K10=0.866, maka kesimpulan dari proses Cluster terlihat pada nilai Davies Bouldin Index yang terbaik yaitu 0,764 pada urutan K7. Dapat diimplementasikan pengelompokan data penerima manfaat bantuan dengan metode k-means clustering, dapat mengetahui cluster masyarakat yang mendapat bantuan Program Keluarga Harapan di Desa Nanaenoe.

SISTEM PENDUKUNG KEPUTUSAN UNTUK MEMPREDIKSI KUALITAS HP DALAM TRANSAKSI JUAL BELI ONLINE DENGAN METODE ANALYTICAL HIERARCHY PROCESS (AHP)

2024-04-03T02:42:23+00:00

Pada era digital yang semakin berkembang pesat, perdagangan online telah menjadi salah satu bentuk transaksi yang paling populer di seluruh dunia. Salah satu produk yang paling sering diperdagangkan secara online adalah ponsel pintar (HP). Pemilihan ponsel yang sesuai adalah hal yang krusial karena kesalahan dalam memilih ponsel dapat mengakibatkan pemborosan finansial dan ketidakpuasan pengguna. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sebuah Sistem Pendukung Keputusan (SPK) yang dapat membantu pembeli dalam memprediksi kualitas ponsel saat melakukan transaksi jual beli online. Dengan 60 data alternatif dari berbagai merek dan jenis HP, serta penentuan kriteria yang relevan seperti kamera, tombol volume atas dan bawah, tombol power, LCD, serta RAM dengan bobot yang telah dinyatakan konsisten menggunakan metode AHP dengan nilai 0.267, 0.2207, 0.2056, 0.1626, 0.0991, 0.045. Setelah semua data terpenuhi selanjutnya adalah melakukan perhitungan dengan menggunakan metode AHP, hasil dari perhitungan 60 data alternatif tersebut memberikan kesimpulan bahwa alternatif A051 merupakan rekomendasi dengan nilai AHP sebesar 0.43.

ESTIMASI HARGA MOBIL BEKAS TOYOTA YARIS MENGGUNAKAN ALGORITMA REGRESI LINIER

2024-04-03T02:44:42+00:00

Industri otomotif mengalami perkembangan pesat di era modern ini, didorong inovasi teknologi dan persaingan antar perusahaan mobil untuk menghasilkan produk berkualitas. Mobil saat ini sudah menjadi kebutuhan bagi berbagai kalangan konsumen sehingga memerlukan kreativitas dalam pengembangan produk. Pesatnya pertumbuhan sektor otomotif dan teknologi menyebabkan diperkenalkannya berbagai jenis kendaraan, berdampak signifikan terhadap kenaikan harga mobil baru. Hal ini menyebabkan penjualan dan minat terhadap mobil bekas, sehingga menjadi alternatif yang lebih terjangkau bagi konsumen. Penelitian ini bertujuan mengembangkan model estimasi harga mobil bekas toyota yaris dengan menggunakan algoritma regresi linier. Penerapan data mining, khususnya regresi linier, digunakan untuk mengeksplorasi pola dan informasi tersembunyi dalam dataset mobil bekas toyota yaris. Hasil penelitian menunjukkan bahwa model regresi linier mampu memberikan estimasi harga mobil bekas toyota yaris dengan tingkat akurasi yang baik. Estimasi harga mobil berdasarkan inputan seperti tahun = 2022, transmisi = 0, jarak tempuh = 1113 km, jenis bahan bakar = 0, pajak = 145, konsumsi bahan bakar = 47,9 km per galon, dan ukuran mesin = 1.5, estimasi harga sebesar 220.973.121,60 dalam satuan rupiah. Evaluasi model menghasilkan nilai MSE sebesar 886,503, RMSE 941,543, dan R2-Score 0,861, menunjukkan bahwa model regresi linier dapat digunakan dalam estimasi harga jual mobil bekas toyota yaris berdasarkan spesifikasi.

PERANCANGAN SISTEM INFORMASI WISATA KABUPATEN MAGETAN BERBASIS WEBSITE

2024-04-03T02:47:30+00:00

Perancangan sistem informasi berbasis website memiliki tujuan untuk mempromosikan kepada khalayak ramai tempat wisata yang berada di kabupaten Magetan. Website ini bisa menjadi media yang dapat memberika informasi lengkap terkait tempat wisata yang dapat dilihat setiap saat. Keterbatasan informasi dan ketergantungan promosi wisata secara tradisional dapat mengakibatkan wisatawan luar kabupaten Magetan sulit dalam mencari destinasi wisata, oleh sebab itu dibutuhkan sistem informasi berbasis website yang dapat menjangkau wisatawan luar. Selain itu sistem informasi berbasis website ini juga dapat digunakan sebagai media promosi yang efektif pada zaman saat ini karena mengikuti perkembangan zaman. Penulis melakukan penelitian terkait bagaimana merancang sebuah website informasi pariwisata kabupaten Magetan yang bersifat online dengan tujuan website tersebut dapat menyajikan informasi terkait tempat wisata yang ada di kabupaten Magetan yang dapat diakses oleh Masyarakat diluar kabupaten Magetan. Penelitian ini dilakukan dengan metode spiral untuk pengembangan sistemnya. Selanjutnya dilakukan evaluasi menggunakan metode System Usability Scale (SUS). System Usability Scale (SUS) sendiri terdiri dari 10 pertanyaan yang akan dijawab oleh responden dengan nilai 1 untuk sangat tidak setuju hingga nilai 5 untuk sangat setuju. Hasil dari penelitian ini didapatkan bahwa skor System usability scale (SUS) terhadap 30 responden adalah 81.91. Nilai tersebut menyatakan bahwasanya website ini berada pada grade B atau excellent.

KLATERISASI DATA PENDUDUK BERDASARKAN PEKERJAAN MENGGUNAKAN METODE K-MEANS PADA WILAYAH JAWA BARAT

2024-04-03T02:48:41+00:00

Perkembangan teknologi merupakan peluang yang tepat memperoleh data dengan lebih efektif dan efisien. Data mining adalah salah satu komponen dalam proses Knowledge Discovery in Databases (KDD). KDD adalah suatu rangkaian proses yang bertujuan menemukan informasi yang bermanfaat dari sumber data dalam database. Permasalahan dalam penelitian ini, bagaimana jika Metode K-Means mungkin tidak sesuai untuk mengelompokkan data penduduk berdasarkan pekerjaan?. Penelitian ini bertujuan untuk mengidentifikasi pola pekerjaan penduduk wilayah Jawa Barat dan membentuk kelompok pekerjaan yang serupa. Melalui metode K-Means, akan memungkinkan saya untuk mengelompokkan penduduk Jawa Barat berdasarkan jenis pekerjaan mereka menggunakan tahapan KDD. Dengan tahapan KDD kita dapat dengan mudah melihat data penduduk berdasarkan pekerjaan dari tahun 2011-2023. Dapat diambil kesimpulan bahwa penduduk yang bekerja dengan nilai tertinggi adalah pada Cluster 3 yang ditandai dengan warna biru (tinggi) berjumlah 151 items, untuk data pekerjaan dengan nilai sedang berada pada Cluster 2 yang ditandai dengan warna oranye (sedang) berjumlah 100 items, dan ntuk penjualan dengan nilai terendah yaitu pada Cluster 0 dan Cluster 1 yang ditandai dengan warna hijau dan hitam (rendah) dengan jumlah yang sama yaitu 50 items. Hasil percobaan yang dilakukan pada data penduduk berdasarkan pekerjaan menggunakan metode DBI (Davies Bouldin Index), menghasilkan nilai K terbaik pada cluster 4 yaitu 0,262.

IMPLEMENTASI SISTEM PEMBUKUAN KASUS SISWA MTSN 35 JAKARTA DENGAN FITUR DISKUSI SANKSI DAN PENDUKUNG KEPUTUSAN MENGGUNAKAN METODE SAW (SIMPLE ADDITIVE WEIGHTING)

2024-04-03T02:50:37+00:00

Dalam rangka mengatasi masalah ketidakakuratan data, efisiensi proses, dan keterbatasan akses informasi dalam pengelolaan kasus pelanggaran disiplin siswa di MTsN 35 Jakarta Barat, penelitian ini mengembangkan sebuah aplikasi web. Aplikasi ini dirancang untuk memudahkan proses pencatatan, analisis, diskusi kasus, dan penentuan sanksi secara lebih efisien dan efektif. Dengan menggunakan metode pengembangan Waterfall dan mengintegrasikan algoritma Simple Additive Weighting (SAW), aplikasi ini tidak hanya mempercepat proses manajemen kasus tetapi juga mendukung pembinaan karakter siswa dengan pendekatan yang lebih terstruktur dan objektif. Hasil penelitian menunjukkan bahwa aplikasi berbasis web ini berhasil mengatasi tantangan yang ada dengan meningkatkan kemudahan dalam pencatatan dan pengelolaan kasus, memfasilitasi diskusi dan penentuan sanksi dengan cepat, serta secara signifikan meningkatkan efisiensi dan efektivitas pembinaan karakter siswa. Implementasi teknologi ini menawarkan solusi inovatif untuk permasalahan pendidikan, menunjukkan potensi besar dalam memperkuat sistem pendidikan melalui pemanfaatan aplikasi web.

ANALISIS EFEKTIVITAS PENERAPAN PEMBATASAN SOSIAL BERSKALA BESAR (PSBB) DI INDONESIA DENGAN MODEL SUSCEPTIBLE-INFECTED-RECOVERED (SIR)

2024-04-03T02:52:04+00:00

COVID-19 telah menjadi perhatian masyrakat dunia sejak kemunculannya. Virus ini menyebar dengan sangat mudah dan sangat cepat. Oleh karena itu, dalam upaya memutus rantai penyebarakn virus tersebut, pemerintah Indonesia mengeluarkan kebijakan Pembatasan Sosial Berskala Besar (PSBB). Akibat dari diberlakukannya kebijakan, yaitu muncul pro dan kontra yang mempertanyakan tentang efektivitas pemberlakukan kebijakan tersebut. Pada penelitian ini penulis membahas tentang pengukuran terhadap efektivitas penerapan kebijakan Pembatasan Sosial Berskala Besar (PSBB) di Indonesia menggunakan teori differensial matematika, yaitu model Susceptible-Infected-Recovered (SIR). Dalam melakukan penelitian ini penulis menggunakan metode penelitian systematic literature review. Dari penelitian yang telah dilakukan didapatkan hasil bahwa penerapan kebijakan Pembatasan Sosial Berskala Besar (PSBB) di Indonesia terbukti efektif dalam memutus rantai penyebaran COVID-19.

PERANCANGAN DASHBOARD MONITORING PENJUALAN PADA WEBSITE PATERON.ID MENGGUNAKAN FRAMEWORK LARAVEL DAN VUE JS

2024-04-03T02:55:31+00:00

Pateron Indonesia adalah startup yang bergerak di bidang pendidikan, salah satu permasalahan yang terjadi di Pateron Indonesia adalah tracking penjualan yang terjadi di website Pateron Indonesia masih menggunakan cara konvensional dengan menggunakan aplikasi spreadsheet. Oleh karena itu, dibutuhkan suatu dashboard monitoring penjualan untuk mendapatkan data secara otomatis dan real-time pada website pateron.id. Sehingga dibuat penelitian mengenai perancangan dashboard monitoring penjualan pada website pateron.id menggunakan framework Laravel dan Vue JS. Penelitian ini juga bertujuan untuk membantu tim Pateron Indonesia untuk membantu tim Pateron dalam me-monitoring performa penjualan dalam sekali lihat serta membantu tim membuat keputusan marketing dan bisnis sesuai dengan keadaan penjualan pada website pateron.id. Dalam menyusun dashboard monitoring penjualan ini menggunakan metode prototyping dan mengadopsi beberapa metriks KPI dashboard sales. KPI sendiri merupakan tolak ukur yang mendukung fungsi keuangan dan non keuangan yang berfungsi untuk mengidentifikasi suatu perusahaan menentukan dan mengukur kemajuan terhadap tujuan perusahaan. Sedangkan KPI dashboard sales sendiri digunakan untuk mengukur kinerja yang dikhususkan pada penjualan suatu organisasi dengan mengumpulkan dan menganalisis data yang relevan. Setelah dilakukan penelitian didapatkan hasil bahwa dashboard monitoring yang dibuat menggunakan framework Laravel dan Vue JS telah berhasil diimplementasi pada website bagian admin Pateron Indonesia dan telah diuji menggunakan black box testing yang menghasilkan 91% dengan skenario yang diujikan telah berhasil sesuai harapan dan membuktikan bahwa dashboard tersebut sudah berfungsi dengan baik sesuai rencana, serta telah dievaluasi kualitas informasinya dengan menggunakan model DeLone and McLean dengan menghasilkan tingkat kualitas informasi pada dashboard monitoring penjualan ini memiliki hasil rata-rata 89.28% dari 4 responden. Sehingga dashboard monitoring penjualan ini layak untuk digunakan

KLASIFIKASI EFEK KERUSAKAN GEMPA BUMI BERDASARKAN SKALA MODIFIED MERCALLI INTENSITY MENGGUNAKAN ALGORITMA MULTICLASS SUPPORT VECTOR MACHINE

2024-04-03T03:00:20+00:00

Gempa bumi merupakan bencana alam yang sering terjadi di Indonesia karena letak geografisnya yang berada di pertemuan tiga lempeng tektonik besar. Data gempa bumi diperoleh dari Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) dalam 2 tahun terakhir pada periode tahun 2022 hingga 2023, dan terdapat 1.689 record data yang tersedia, dengan atribut seperti lokasi, magnitudo, kedalaman, dan efek gempa. Pada data yang diperoleh menunjukkan ketidakseimbangan yang signifikan pada antar kelas dengan itu dilakukan teknik oversampling menggunakan SMOTE untuk menyeimbangkan jumlah sampel pada setiap kelas. Konsep Support Vector Machine (SVM) yang paling dasar, metode ini dapat melakukan klasifikasi biner dengan memisahkan titik data menjadi dua kelas, namun tidak mendukung klasifikasi multikelas secara bawaan. Penelitian ini bertujuan untuk mengimplementasikan pendekatan algoritma Multiclass Support Vector Machine (SVM) dengan membandingkan kernel non-linear dalam mengklasifikasikan dampak gempa bumi berdasarkan skala Modified Mercalli Intensity (MMI). Eksperimen pengujian pada penelitian ini membandingkan Multiclass Support Vector Machine (SVM) One vs Rest dan One vs One dengan kernel non-linear seperti polynomial, rbf, dan sigmoid. Hasil penelitian ini menunjukkan bahwa pendekatan algoritma Multiclass Support Vector Machine (SVM) One vs Rest dengan kernel rbf lebih baik dari pendekatan dan kernel lainnya dengan hasil akurasi 51.13%, presisi 42.60%, recall 52.46%, dan f1-score 42.51%.

ANALISIS SENTIMEN TERHADAP TREN FASHION DI MEDIA SOSIAL DENGAN METODE SUPPORT VECTOR MACHINE (SVM)

2024-04-18T13:59:40+00:00

Dalam era digital dan media sosial, transformasi industri fashion di platform seperti Twitter dan Instagram menimbulkan urgensi permasalahan terkait keberlanjutan, etika produksi, dan representasi diversitas. Fenomena ini menghadirkan tantangan kompleks yang memerlukan pemahaman mendalam untuk menanggapi perubahan dalam industri fashion. Penelitian ini menerapkan metode Support Vector Machine (SVM) untuk melakukan analisis sentimen terhadap respons masyarakat terhadap tren fashion yang berkembang di media sosial. Kendala utama yang dihadapi adalah beragamnya respons masyarakat dan penggunaan bahasa informal yang memperumit pemahaman sentimen. Proses pengumpulan data dilakukan secara teliti dari berbagai platform media sosial utama, memastikan keragaman pandangan yang mencerminkan kekayaan dinamika tren fashion. Hasil eksperimen mengungkapkan bahwa model SVM mampu mencapai tingkat akurasi sebesar 80%, menegaskan kemampuannya dalam mengklasifikasikan opini pengguna terhadap tren fashion. Fokus utama tugas akhir ini adalah mengembangkan model analisis sentimen yang tidak hanya efektif, tetapi juga mampu meresapi dan menggali wawasan mendalam tentang kompleksitas pandangan masyarakat terhadap tren fashion di media sosial. Diharapkan bahwa hasil penelitian ini dapat memberikan kontribusi signifikan pada pemahaman lebih dalam, memperkuat pengambilan keputusan strategis dalam industri fashion, serta menghadirkan solusi terhadap kompleksitas analisis sentimen dalam bahasa informal, yang melibatkan nuansa dan variasi yang kaya

RANCANG BANGUN SISTEM INFORMASI PEMBAYARAN SPP BERBASIS WEB PADA SMK TARUNA PERSADA DUMAI

2024-04-18T14:01:45+00:00

Studi ini mengkaji pengembangan sistem pembayaran SPP berbasis website untuk SMK Taruna Persada Dumai, sekolah swasta di Kota Dumai, dengan tujuan untuk meningkatkan efisiensi pengelolaan keuangan dan memudahkan proses pembayaran SPP oleh siswa. Permasalahan yang diidentifikasi adalah sistem pembayaran manual yang tidak efektif dan memerlukan peningkatan. Metode penelitian yang digunakan mencakup wawancara, studi pustaka, dan pengembangan perangkat lunak menggunakan metode prototype. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan memungkinkan murid untuk membayar SPP secara offline maupun online, memudahkan petugas dalam verifikasi pembayaran, dan memungkinkan wali kelas dan pimpinan untuk memantau pembayaran SPP. Sistem ini juga memudahkan dalam merekap data pembayaran SPP murid, sehingga diharapkan dapat meningkatkan efisiensi waktu dan tenaga di sekolah.

PENGEMBANGAN SISTEM MANAJEMEN KOS BERBASIS WEB DI KOS JANNATI

2024-04-18T14:02:58+00:00

Kos Jannati adalah sebuah badan usaha yang menyediakan jasa penyewaan rumah kost, namun saat ini masih mengelola informasi secara manual. Proses pengolahan data dan pembayaran uang sewa masih dilakukan secara manual, dan seringkali terjadi ketidakakuratan antara data yang dimasukkan dan data yang dihasilkan. Oleh karena itu, penulis bermaksud untuk menggantikan sistem yang sedang berjalan dengan sistem pengelolaan berbasis komputer. Untuk tujuan ini, penulis menggunakan pendekatan SDLC (Software Development Life Cycle) dalam melakukan penelitian. Sistem ini telah didesain dengan menggunakan Unified Modeling Language (UML) dan dikerjakan dalam bahasa pemrograman PHP, dengan memanfaatkan database MySQL Fitur utama dalam website ini adalah pengoptimalan administrasi pembayaran dan manajemen kos untuk meningkatkan efisiensi administrasi. Pengujian sistem dilakukan dengan melakukan percobaan terhadap sistem web oleh penghuni dan pengelola Kos Jannati. Hasil pengujian menunjukkan bahwa 90% dari para penguji menyatakan kepuasan terhadap sistem ini. Pengembangan ini memberikan manfaat signifikan dalam meningkatkan efisiensi manajemen kamar kos serta mendukung pengelola kos dalam manajemen yang lebih baik.

SISTEM REKOMENDASI DOMPET DIGITAL MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)

2024-04-18T14:03:55+00:00

Pada era saat ini, teknologi informasi sudah memengaruhi berbagai aspek kehidupan manusia, termasuk cara kita mengelola keuangan. Dompet digital merupakan sebuah solusi teknologi yang membuat seseorang dapat menyimpan dan melakukan transaksi melalui perangkat elektronik pribadi seperti smartphone atau perangkat berbasis internet lainnya. Beberapa contoh dompet digital yang biasa digunakan oleh masyarakat Indonesia termasuk OVO, Dana, GoPay, ShopeePay, LinkAja, dan sebagainya. Dalam kasus ini masih banyak masyarakat masih bingung dalam menentukan dompet digital mereka karena banyaknya pilihan serta fitur yang diberikan masing-masing kompetitor, oleh sebab itu dengan adanya penelitan ini diharapkan dapat membantu para pengguna dalam menentukan dompet digital terbaik dengan membandingkan tiap-tiap fitur yang ada pada tiap dompet digital. Dengan menggunakan metode SAW dan mengimplementasikannya dengan sistem penunjang keputusan penelitian ini dapat menghasilkan rekomendasi dompet digital dengan kriteria seperti keamanan, top up, dan fitur. Hingga menghasilkan rekomendasi dompet digital. Dengan menggunakan metode SAW dan menghitung tiap kriteria dan alternatif yang telah ditentukan didapati bahwa LinkAja merupakan rekomendasi dompet digital dengan nilai tertinggi yaitu 12,00 diantara dompet digital Dana, Ovo, Link Aja, Gopay dan Shopee.

RANCANGAN BANGUN APLIKASI WEB TACTICAL FLOOR GAME BERBASIS GOOGLE MAPS API

2024-04-18T14:04:53+00:00

Ditlantas Polda Jawa Timur sebagai bagian integral dari Kepolisian Daerah Jawa Timur memiliki tanggung jawab besar dalam mengelola dan mengawasi lalu lintas di wilayahnya. Mengingat wilayah yang luas dan dinamika lalu lintas yang berubah-ubah, Ditlantas Polda Jawa Timur dihadapkan pada tugas pengelolaan dan koordinasi yang kompleks. Pada saat melakukan pengamanan jalur hal pertama yang dilakukan oleh Ditlantas Polda Jawa timur adalah melaksanakan simulasi perencanaan pengamanan pengaturan jalan atau yang biasa disebut dengan tactical floor game. Tetapi Hingga saat ini pada pelaksanaan pengaturan jalan, Ditlantas Polda Jawa Timur masih melaksanakan Tactical Floor Game dengan menggunakan banner map yang direntangkan pada lantai yang diatasnya terdapat miniature kendaraan dan petugas yang tentu saja jika pada situasi yang mendesak penggunaan alat tersebut sangat tidak efisien dan membutuhkan biaya yang banyak untuk mengganti berbagai lokasi seluruh jawa timur pada banner map dan miniatur. Berdasarkan latar belakang masalah yang telah dijelaskan diatas, maka penulis ingin memanfaatkan Aplikasi web Tactical Floor Game ini untuk dapat memberikan solusi visual yang lebih baik, memungkinkan para petugas untuk dengan cepat merespons perubahan kondisi lalu lintas, melakukan perencanaan taktis, dan mengambil keputusan yang tepat waktu dengan menerapkan fitur-fitur yang mendukung. Metodologi penelitian yang digunakan yaitu deskriptif kualitatif dengan metode pengembangan sistem waterfall. Waterfall adalah model SDLC yang sering digunakan dalam pengembangan sistem informasi atau perangkat lunak. Framework yang digunakan adalah Laravel, aplikasi open source berupa bahasa pemrograman PHP. Untuk penggujian aplikasi menggunakan penggujian black box testing dan pengguna Staf Ditlantas Polda Jawa Timur untuk mengetahui fitur dari aplikasi web tactical floor game. Dengan adanya aplikasi web tactical floor game dapat membantu para petugas untuk dengan cepat merespons perubahan kondisi lalu lintas, melakukan perencanaan taktis, mengambil keputusan yang tepat waktu, dan meningkatkan efisiensi dalam pengelolaan dan pengamanan jalur di wilayah hukum Ditlantas Polda Jawa Timur.

KLASIFIKASI PENENTUAN STATUS KEMISKINAN PENDUDUK KELURAHAN KARANGPAWITAN KARAWANG MENGGUNAKAN METODE C4.5

2024-04-18T14:05:49+00:00

Kemiskinan merujuk pada kondisi individu yang tidak mampu memenuhi kebutuhan dasar yang diperlukan untuk hidup layak, termasuk kebutuhan pangan dan non-pangan. Pemerintah telah melakukan upaya-upaya untuk mengatasi masalah kemiskinan melalui program-program bantuan sosial, namun sering kali menghadapi kendala-kendala tertentu. Salah satu permasalahan yang muncul adalah ketidakmerataan distribusi bantuan sosial dan kesulitan dalam memastikan bahwa bantuan tersebut tepat sasaran. Penelitian ini bertujuan untuk meningkatkan efektivitas dan relevansi program-program pengentasan kemiskinan penduduk kelurahan Karangpawitan. Data terkait status kemiskinan di Kelurahan Karangpawitan dikumpulkan dan dianalisis guna menilai tingkat kemiskinan masyarakat. Metode klasifikasi dengan algoritma C4.5 dalam metodologi Knowledge Discovery in Databases (KDD) digunakan dalam penelitian ini. Data kemiskinan disubjekkan pada proses seleksi, preprocessing, transformasi, dan penggalian data, kemudian dianalisis untuk memahami faktor-faktor yang paling berpengaruh. Algoritma C4.5 digunakan untuk menghasilkan aturan yang dapat mengklasifikasikan status kemiskinan penduduk. Evaluasi menunjukkan bahwa algoritma C4.5 mampu mengklasifikasikan status kemiskinan dengan tingkat akurasi sebesar 99,02%. Koefisien kappa sebesar 0,980, mengindikasikan klasifikasi yang kuat dan dapat diandalkan. Hasil penelitian ini memberikan wawasan yang lebih baik mengenai status kemiskinan di Kelurahan Karangpawitan, yang dapat menjadi dasar dalam merumuskan kebijakan yang lebih efektif dalam penanggulangan kemiskinan.

PENERAPAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK DIAGNOSA TUMOR OTAK

2024-04-18T14:06:43+00:00

Penelitian ini bertujuan untuk mengimplementasikan Convolutional Neural Network (CNN) dalam klasifikasi tumor otak dari citra medis, membedakan empat kelas utama: Glioma, Meningioma, Pituitary, dan NonTumor. Masalah utama yang diatasi adalah kebutuhan akan diagnosis yang cepat dan akurat dalam penanganan kanker otak, yang seringkali terhambat oleh keterbatasan metode tradisional. Dengan mengumpulkan dataset yang komprehensif, dilakukan pemrosesan dan augmentasi data sebelum melatih model CNN, penelitian ini berhasil mencapai akurasi yang tinggi dalam mengklasifikasikan tumor otak. Hasilnya menunjukkan bahwa pendekatan ini memiliki potensi untuk meningkatkan diagnosis dan penanganan kanker otak dengan lebih efisien dan akurat, berkontribusi pada kemajuan dalam bidang medis dan teknologi.

IMPLEMENTASI DATA MINING PADA PENJUALAN MAKANAN DAN MINUMAN MENGGUNAKAN ALGORITMA APRIORI PADA TOKO ONLINE AYAM GEPREK X

2024-04-18T14:07:34+00:00

Ayam geprek x adalah toko online yang menjual produk makanan dan minuman lewat aplikasi shope lebih tepatnya dishopefood. Toko online tersebut berlokasi di Kecamatan Lemah Abang lebih tepatnya di Desa Tuk Karangsuwung. Dengan sistem penjualan tersebut tentu meningkatkan tingkat penjualan makanan dan minuman yang kadang tinggi dan kadang juga rendah, sehingga membutuhkan sebuah sistem yang mampu memudahkan dalam merekapitulasi pembelian dari konsumen. Untuk itu dilakukan penelitian ini guna menganalisa data transaksi penjualan makanan dan minuman tersebut menggunakan teknik data mining. Data Mining ialah teknik analisa pada data untuk mencari informasi yang tersembunyi pada beberapa data besar yang dicatat pada saat bisnis yang dijalankan. Algoritma yang dipakai algoritma apriori yaitu mendapatkan accosiation rule dari setiap kombinasi item. Berdasarkan pengujian yang telah dilakukan dishoftware rapidminer dengan menggunakan minimum support 50% dan minimum confidence 70% dapat diketahui hasil min support dan confidence yang paling terbesar dari data yang ada yaitu menu makanan ayam geprek dengan nilai min support 47% dan nasi min support 42%, Dan jika membeli tempe.t.g maka akan membeli nasi dengan nilai confidence 70% dan jika membeli milk.p.o maka akan membeli nasi dengan nilai confedence 72%. Setelah sudah mengetahui hasil min support dan confidence yang paling terbesar maka dapat diketahui stok yang tadinya sering tidak mampu memenuhi permintaan pelanggan, dengan menggunakan sistem tersebut dapat mengalami pengoptimalan dalam memperkirakan persediaan stoknya dilihat makanan apa saja yang sering terjual. Peningkatan terjadi karena perhitungan dan kondisi penentuan produk jauh lebih akurat dari pada ketika diputuskan oleh manusia.

KLASIFIKASI TIPE PENYERANG SEPAK BOLA LIGA INGGRIS BERDASARKAN DATA STATISTIK PEMAIN MENGGUNAKAN METODE NAIVE BAYES

2024-04-18T14:08:25+00:00

Sepakbola adalah salah satu olahraga yang paling populer di dunia. Bahkan, ada yang berpendapat bahwa tidak diperlukan metode ilmiah untuk mengetahui betapa populernya sepak bola. Berdasarkan hasil survei yang dilakukan oleh FIFA Global Fooball Development (GFD) pada tahun 2023, Jumlah penggemar sepak bola di dunia mencapai 3,5 miliar orang. Dalam permainan sepak bola, terdapat tiga posisi pemain yaitu pemain bertahan yang terdiri dari kiper(goalkeeper) dan bek(defender), pemain Tengah(midfielder), dan penyerang(forward). Salah satu posisi yang dibahas dalam penelitian ini adalah posisi penyerang atau dalam Bahasa inggris disebut forward. Posisi penyerang dalam sepak bola terdiri dari beberapa tipe yaitu FW (Forward), FWMF (Forward Midfielder), dan FWDF (Forward Defensif Forward). Tugas mengklasifikasi tipe pemain sepak bola adalah tugas yang sulit, banyak faktor yang harus diperhatikan. Jika hanya mengandalkan survei lapangan dan penghitungan manual, selain keakuratannya kurang, waktu dan tenaga yang dibutuhkan juga bertambah. Untuk itulah penelitian ini dibuat, dengan menggunakan teknik pembelajan mesin, dapat mengurangi waktu dan tenaga yang dibutuhkan. Tujuan utama penelitian ini adalah mengembangkan model klasifikasi yang dapat mengidentifikasi dan membedakan tipe penyerang di liga Inggris berdasarkan data statistik pemain. Dalam sepak bola, variasi gaya bermain pemain menciptakan dinamika yang menarik untuk diungkap. Untuk medalaminya, Penalitian ini berfokus mengklasifikasikan tipe penyerang sepak bola liga inggris berdasarkan data statistik pemain menggunakan metode naïve bayes. Metode penelitian ini menggunakan Knowledge Discovery in Databases (KDD) dan metode naïve bayes. Data yang sudah diunduh dari Kaggle kemudian dibersihkan untuk membuang data yang nilainya hilang dan tidak valid. Data yang sudah dibersihkan kemudian diseleksi fitur-fiturnya yang sesuai dengan klasifikasi tipe penyerang. Data yang digunakan dalam penelitian ini adalah data statistic individu pemain liga inggris selama satu musim. Hasil dari penelitian ini yang menggunakan rasio 80:20 mendapatkan keakurataan sebesar 56.67%.

PENERAPAN ALGORITMA K-MEDOID PADA PENJUALAN KERUDUNG E-COMMERCE SHOPEE: FIFAU HIJAB

2024-04-18T14:09:24+00:00

Perkembangan teknologi informasi dan komunikasi telah membawa dampak signifikan terhadap berbagai sektor, termasuk dalam ranah bisnis dan perdagangan. Penjualan melalui platform e-commerce semakin berkembang pesat dengan munculnya berbagai strategi pemasaran yang inovatif. Seiring dengan popularitas e-commerce yang terus meningkat, penjualan produk melalui platform daring menjadi salah satu strategi penting bagi para pelaku usaha. Di tengah persaingan yang semakin ketat, penerapan strategi pemasaran yang efektif menjadi kunci utama bagi kesuksesan penjualan. Penelitian ini menggunakan teknik clustering dalam strategi pemasaran data mining. Clustering merupakan salah satu teknik dalam data mining untuk menemukan kumpulan data yang mempunyai persamaan dengan data lain atau ketidaksamaan data dengan yang lain. Proses clustering dilakukan dengan menggunakan k-medoids pada data transaksi penjualan toko kerudung fifauhijab di Shopee pada bulan Juni 2023 dan terdiri dari 300 data. Permasalahan yang ada pada penelitian ini untuk menentukan stok produk hanya didasarkan pada ketersediaan barang di rak kerudung, yang seringkali menghasilkan masalah seperti kekurangan atau kelebihan stok produk karena tidak mempertimbangkan preferensi konsumen. Pendekatan yang digunakan pada penelitian ini menggunakan algoritma k-medoids clustering, software yang digunakan rapidminer. Disimpulkan dari hasil pengujian dengan menggunakan algoritma k-medoids clustering dihasilkan untuk pengelompokkan stok produk mendapati hasil 8 cluster terbaik dengan nilai davies bouldin 0.457.

IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING DALAM MENENTUKAN BLOK TANAMAN SAWIT PRODUKTIF PADA PT ARTA PRIGEL

2024-04-18T14:10:19+00:00

Pt Arta Prigel merupakan perusahaan perkebunan kelapa sawit yang telah beroperasi secara komersial sejak tahun 1983 terletak di kota Lahat. Dan memiliki 3 divisi dan 51 blok. Akan tetapi blok blok tanaman sawit tersebut tidak ada rekap bloknya sehingga kurangnya analisis terhadap lahan perkebunan yang mengakibatkan turunnya produksi hasil panen dan salah mengambil keputusan. Tujuan penelitian ini untuk mengimplementasikan metode K-Means Clustering dalam menentukan pola hasil produksi sawit yang produktif berdasarkan bloknya di Pt Arta Prigel Lahat. Menggunakan metode pengembangan CRISP-DM dan metode pengujian silhouette coefficient. Setelah dilakukan proses clustering diketahui cluster_0 dengan tingkat produksi cukup produktif berjumlah 38 blok di tahun 2021 sampai 2023, cluster_1 dengan tingkat produksi produktif berjumlah 15 blok di tahun 2021 sampai 2023, dan cluster_2 dengan tingkat tidak produktif berjumlah 47 blok untuk tahun 2021 sampai 2023. Metode pengujian menggunakan silhouette coefficient dengan menghitung hasil silhouette score. Hasil dari pengujian metode silhouette coefficient pada aplikasi Google Colab dengan Bahasa Pemrograman Python untuk menghitung hasil silhouette score terbentuk 3 cluster (K=3) dengan nilai 0.61.

OPTIMALISASI PREDIKSI PENYAKIT STROKE MENGGUNAKAN ALGORITMA DEEP LEARNING

2024-04-18T14:11:19+00:00

Penyakit stroke adalah pembuluh darah yang mengganggu aliran darah ke otak menyebabkan fungsi otak terganggu. Akibatnya, aliran darah ke otak menjadi kaku, mati rasa atau lemah, dan penyakit ini biasanya terjadi di satu sisi tubuh. Faktor-faktor yang disebabkan dari pola hidup, pola makan yang buruk dan faktor lainnya yang dapat menjadi penyebab terjadinya stroke. Tujuan penelitian ini untuk mengoptimalisasikan prediksi penyakit stroke menggunakan deep learning dengan algoritma Artificial Neural Network dan teknik optimasi Genetic Algoritm. Data yang digunakan yaitu kaggle dan mendeley akan diolah menggunakan RapidMiner, dengan metode pengembangan Cross Industry Standard Process Model For Data Mining (CRISP-DM). Pengujian dilakukan dengan 10 validation hasil yang didapatkan pada data kaggle menghasilkan akurasi sebesar 94,83% dan AUC 0.758 sedangkan penambahkan algorithm genetic menghasilkan akurasi 95,13% dan AUC 0.667. Pada data mendeley menghasilkan akurasi 98,19% dan AUC 0.805 sedangkan penambahkan algorithm genetic menghasilkan akurasi 98,20% dan AUC 0.712 . Hasil T-test dikatakan signifikan jika alpha (P > 0,05). Pada data kaggle dengan probabilitas yang dihasilkan 0.044 dan untuk dataset mendeley probabilitas yang dihasilkan 0.389 hasil ini menunjukan hubungan tidak ada signifikan dengan penambahan algorithm genetic pada algoritma artificial neural network.

ANALISIS SENTIMEN PENGGUNA SHOPEE BERDASARKAN DATA TWEET DARI TWITTER MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER

2024-04-18T14:12:19+00:00

Dalam era digital saat ini, Twitter (sekarang dikenal sebagai "X") menjadi platform yang sangat populer untuk berbagi pendapat dan pengalaman pengguna terhadap produk atau layanan, termasuk platform e-commerce seperti Shopee. Tujuan penelitian ini adalah untuk menemukan sentimen positif dan negatif dari tweet yang berkaitan dengan Shopee. Untuk menganalisis sentimen, penelitian ini menggunakan Naive Bayes Classifier. Langkah pertama dalam penelitian ini adalah pengumpulan dataset tweet yang terkait dengan Shopee. Kemudian, data tweet dilakukan pre-processing untuk membersihkan dan mengubah formatnya untuk analisis sentimen. Setelah pre-processing, dataset dibagi menjadi dua bagian: data pelatihan dan data pengujian. Model Naive Bayes Classifier dilatih dengan menghitung kemungkinan setiap fitur (atau kata) muncul dalam setiap kategori sentimen. Data pelatihan digunakan untuk melatih model ini. Hasil penelitian ini menunjukkan bahwa metode Naive Bayes Classifier dengan rasio pembagian data 5:5 dapat mencapai akurasi sebesar 95,00%, nilai ketepatan sebesar 47,50%, dan nilai recall sebesar 50.00%. Hasil ini menunjukkan bahwa metode pembagian data yang seimbang dapat memberikan hasil analisis sentimen yang lebih akurat. Perusahaan dapat lebih memahami kekuatan dan kelemahan platform mereka dengan menganalisis sentimen tweet.

PENERAPAN NLP (NATURAL LANGUAGE PROCESSING) DALAM ANALISIS SENTIMEN PENGGUNA TELEGRAM DI PLAYSTORE

2024-04-18T14:13:25+00:00

Pendapat umum pengguna tentang aplikasi Telegram di Play Store umumnya positif, negatif, atau netral. Penelitian ini bertujuan untuk menilai sentimen pengguna terhadap fitur-fitur aplikasi Telegram, yang telah menjadi salah satu aplikasi pesan instan paling populer. Analisis sentimen ulasan pengguna di Play Store dapat memberikan wawasan tentang kepuasan pengguna dan masalah yang dihadapi. Permasalahan penelitian ini adalah menemukan sentimen pengguna terhadap Telegram di Play Store. Metode pemrosesan bahasa alami (NLP) digunakan untuk menganalisis sentimen pengguna Telegram di Play Store. Ulasan dibagi ke dalam tiga kategori: positif, negatif, dan netral. Penelitian ini juga mengidentifikasi tren umum dan masalah yang sering muncul dalam ulasan. Model NLP digunakan untuk mengklasifikasikan sentimen dan menganalisis kata kunci yang sering muncul. Hasil evaluasi menunjukkan bahwa analisis sentimen ulasan pengguna Telegram di Play Store dengan metode NLP memiliki tingkat akurasi 85,31%. Rasio pembagian data untuk evaluasi adalah 80:20, dengan nilai presisi 93%, recall 76%, dan F1-Score 88%. Penelitian ini memberikan wawasan untuk pengembang dalam meningkatkan aplikasi dan memastikan kepuasan pengguna yang berkelanjutan.

RAMALAN PENJUALAN RUMAH MENGGUNAKAN ALGORITMA LINEAR REGRESI DI TEBET JAKARTA SELATAN

2024-04-18T14:14:16+00:00

Semakin meningkatnya perkembangan properti dari tahun ke tahun mengalami peningkatan yang sangat pesat, selain itu rumah juga merupakan kebutuhan primer bagi manusia untuk tempat berteduh. Ada satu lokasi diperkotaan yang cukup menarik perhatian, permintaan dan penawaran properti, khusunya rumah yang terdapat di Tebet Jakarta Selatan. Alhasil, Tebet, Jakarta Selatan, memiliki tingkat investasi yang tinggi dari berbagai lapisan masyarakat. Nilai tanah yang tinggi, rumah yang dibangun dengan baik, dan fasilitas umum yang memadai menjadi penyebab kenaikan harga setiap tahunnya. Sementara itu, sejumlah hipotesis komponen atau variabel yang menentukan harga tidak dapat dianggap sebagai satu-satunya penyebab kenaikan. Oleh karena itu, dibutuhkan sistem yang dapat memperkirakan nilai pada variabel yang dapat membantu calon pembeli. Maka dari itu penelitian dengan menggunakan algoritma linear regresi dapat memprediksi harga rumah. Metode statistik yang disebut regresi linier digunakan untuk mengkarakterisasi hubungan linier yang terjalin antara satu atau lebih variabel bebas (X) dan variabel terikat (Y). Tujuan pada penelitian ini yaitu untuk menerapkan prediksi penjualan rumah dengan menggunakan metode Regresi Linier. Hasil prediksi harga jual rumah dengan menggunakan metode regresi linear dari harga 35,000 dan terprediksi sekitar 31,000 dari harga jual, di tahun sebelumya. Hasil Root_Mean_Squared_Error (RMSE) pada Performance Regresi Linear ini menunjukan : 3326.243 +/- 0.000.

PENERAPAN HAND GESTURE RECOGNITION SEBAGAI MEDIA KONTROL PRESENTASI APLIKASI POWERPOINT

2024-04-18T14:15:10+00:00

Presentasi merupakan alat komunikasi yang berperan penting dalam menyampaikan informasi dan ide kepada audiens. Salah satu media yang digunakan adalah aplikasi PowerPoint. Aplikasi ini memungkinkan pengguna untuk memberikan konten presentasi dengan elemen visual, seperti teks, gambar, dan animasi. Aplikasi ini termasuk dalam salah satu program komputer yang memerlukan suatu perangkat kendali seperti keyboard dan mouse. Akan tetapi penggunaan perangkat-perangkat tersebut terkadang dapat mengganggu pengguna dalam melakukan kontrol terhadap aplikasi ini. Oleh karena itu penulis merancang sebuah prototype untuk mempermudah kontrol aplikasi ini. Solusinya adalah menggunakan kamera sebagai perangkat input real-time menggunakan bahasa pemrograman Python dengan library OpenCV untuk melakukan pemrosesan video, Mediapipe yang berperan sebagai framework untuk mendapatkan landmark tangan, dan CVZone untuk mempermudah melakukan klasifikasi gestur tangan. Hasil dari perancangan dan pengujian yang telah dilakukan menunjukkan bahwa untuk berpindah ke slide selanjutnya memerlukan waktu responsif rata-rata 2.075 detik, berpindah ke slide sebelumnya mendapatkan rata-rata 1.7265 detik, masuk mode layar penuh mendapatkan waktu rata-rata 2.0305 detik, dan keluar mode layar penuh mendapatkan waktu rata-rata 1.8665 detik. Pengujian pada jarak 1 meter mendapatkan rata-rata dalam waktu 1,766 detik. Sedangkan pada jarak 2 meter program mampu mengenali gestur tangan dalam waktu 2,08325 detik.

ANALISIS DESA DI KECAMATAN KRANGKENG BERDASARKAN TINGKAT PENDIDIKAN MENGGUNAKAN ALGORITMA K-MEANS

2024-04-18T14:15:57+00:00

Tingkat pendidikan dapat menjadi indikator kemajuan suatu negara karena dari pendidikan dapat menciptakan inovasi-inovasi dari hasil ilmu pengetahuan. Pemetaan tingkat pendidikan suatu daerah memiliki peran yang sangat penting dalam mengidentifikasi tantangan dan peluang pendidikan yang perlu diatasi dan dimanfaatkan. Pemetaan tingkat pendidikan dapat memberikan gambaran tentang kondisi dan distribusi masyarakat yang memerlukan penanganan pendidikan yang lebih. Pemetaan ini juga membantu dalam perencanaan jangka panjang. Sumber data dari penelitian ini bersumber dari data penduduk di Kecamatan Krangkeng Tahun 2023. Sumber data yang didapat berupa sumber data set. Sumber data set didapat melalui kantor Kecamatan Krangkeng Kabupaten Indramayu. Yang sudah mendapat izin oleh Kepala Kantor Kecamatan Krangkeng.Metode penelitian yang digunakan adalah metode deskriptif dengan pendekatan kuantitatif. Penelitian kuantitatif ini merupakan penelitian yang di dasarkan pada dataset yang dianalisis menggukanakan analisis deskriptif untuk menghitung jumlah numerik setiap kategori dan menggunakan algoritma k-means untuk clustering. Clustering K-Means mengelompokan data dari tingkat pendidikan di kecematan krangkeng dan membaginya ke dalam tiga klaster desa.Hasil dari pengujian klastering K-Means Desa-desa di Kecamatan Krangkeng berdasarkan tingkat pendidikan menggunakan Rapid miner dihasilkan kategori 0 Kapringan, Srengseng, Krangkeng, Dukuhjati kategori 1 Kalianyar, Kedungwungu, Purwajaya, Singakerta, Tegal Mulya, Tanjakan Kategori 2 Luwung Gesik.

ALGORITMA DECISION TREE C4.5 DIGUNAKAN UNTUK MENGKLASIFIKASIKAN DATA STROKE

2024-04-18T14:16:50+00:00

Tujuan utama dari penelitian ini adalah untuk menggunakan algoritma pohon keputusan atau Decision Tree C4.5 untuk mengkategorikan data stroke. Upaya penelitian khusus ini dimotivasi oleh masalah mendesak dari tingkat kejadian yang mengkhawatirkan terkait dengan stroke, akibat perlu prediksi yang tepat dari faktor risiko stroke. Dataset yang digunakan untuk penelitian ini diperoleh dari situs web data publik dan platform terkenal www.kaggle.com, yang mencakup total 11 variabel. Metodologi penelitian yang digunakan dalam penyelidikan ini mencakup beberapa langkah integral, termasuk pengumpulan data, pra-pemrosesan data, transformasi data, pemodelan penambangan data dengan algoritma Pohon Keputusan C4.5, dan, terakhir, evaluasi model. Temuan fase evaluasi mengungkapkan tingkat akurasi yang mengesankan 93,64%, dengan nilai presisi 12,50% untuk prediksi stroke positif dan 95,26% untuk prediksi stroke negatif. Namun, penting untuk menyoroti bahwa meskipun tingkat akurasi tinggi dicapai, nilai presisi dan penarikan untuk kasus stroke positif masih relatif rendah, sehingga memerlukan peningkatan dan penyempurnaan model. Secara keseluruhan, analisis komprehensif dan hasil penelitian ini sangat menyiratkan bahwa algoritma Pohon Keputusan C4.5 menunjukkan potensi yang signifikan untuk klasifikasi awal penyakit stroke.

PENINGKATAN KONTROL SUHU RUANGAN MELALUI ARDUINO UNO MIKROKONTROLLER DI KANTOR PEMERINTAHAN DESA KEBONTURI

2024-04-18T14:18:01+00:00

Penelitian ini berfokus pada peningkatan kontrol suhu ruangan melalui penggunaan mikrokontroler Arduino Uno di kantor pemerintahan Desa Kebonturi. Tujuan utama adalah mengembangkan sistem pengaturan suhu ruangan yang efisien dan otomatis, yang dapat mengoptimalkan suhu ruangan, menciptakan kenyamanan bagi penghuni, dan menghemat energi. Metode yang digunakan adalah eksperimen, dengan mengumpulkan data suhu saat ini di beberapa ruangan dan menggunakan data tersebut untuk mengembangkan algoritma pengaturan suhu. Mikrokontroler Arduino Uno diprogram untuk mengendalikan perangkat pemanas atau pendingin ruangan berdasarkan data suhu yang diperoleh, dan sensor suhu digunakan untuk terus memantau suhu saat ini. Hasil penelitian menunjukkan bahwa sistem ini dapat mengoptimalkan pengaturan suhu ruangan, menghasilkan penghematan energi yang signifikan dan meningkatkan kenyamanan penghuni ruangan. Penelitian ini memberikan kontribusi positif dalam upaya meningkatkan kualitas hidup di desa-desa melalui pemanfaatan teknologi yang tepat guna. Selain itu, hasil pengujian menunjukkan bahwa sistem mampu mempertahankan suhu ruangan pada 25°C, dengan variasi suhu yang tercatat di Ruang Kepala Desa antara 27°C dan 28°C, di Ruang Administrasi antara 28°C dan 29°C, dan di Ruang Rapat antara 29°C dan 28°C, menunjukkan keefektifan sistem dalam mengontrol suhu ruangan meskipun terdapat ruang untuk peningkatan lebih lanjut.

ANALISIS K-MEANS CLUSTERING UNTUK MENGIDENTIFIKASI KEBERADAAN BADAN USAHA MILIK DESA DI JAWA BARAT

2024-04-18T14:18:48+00:00

Badan Usaha Milik Desa Bisnis (BUMDes) merupakan entitas ekonomi yang dimiliki oleh masyarakat desa, beroperasi berdasarkan desa atau kelurahan di Jawa Barat. Penelitian ini bertujuan menerapkan metode K-Means Clustering dengan menggunakan data mining untuk menganalisis dan meningkatkan usaha BUMDes. Fokusnya adalah pada pengelolaan dan pengelompokan data masyarakat desa bisnis menggunakan metode K-Means Clustering melalui aplikasi RapidMiner. Dengan tujuan mendata dan menganalisis bisnis desa di Jawa Barat pada tahun 2021-2022, penelitian ini memproses 10.637 data bisnis desa/kelurahan. Metode K-Means Clustering digunakan untuk membagi data menjadi 9 cluster dan 2 cluster dengan nilai DBI sebesar 4.8.28. Melalui RapidMiner, dataset terdiri dari 123 rekaman yang mencakup Nama Kecamatan, Terdapat Penelitian, dan Tahun sebagai atribut. Penelitian ini mengaplikasikan K-Means Clustering untuk memahami pola dan karakteristik data Badan Usaha Milik Desa Bisnis di Jawa Barat. Metode ini membantu dalam pengelompokan data, memberikan wawasan tentang kemiripan atau perbedaan dalam karakteristik data, dan dapat digunakan sebagai dasar untuk pengelolaan lebih efektif dalam meningkatkan usaha BUMDes.

IMPLEMENTASI ALGORITMA C4.5 DAN NAÏVE BAYES DALAM PENGAMBILAN KEPUTUSAN UNTUK PROGRAM INDONESIA PINTAR (PIP) DI SEKOLAH DASAR NEGERI 04 MAJALANGU

2024-04-18T14:19:53+00:00

Pendidikan di Indonesia menghadapi tantangan terkait dengan kemiskinan, di mana prestasi siswa dinilai setiap akhir semester. Program Indonesia Pintar memberikan dukungan keuangan untuk biaya sekolah dan bantuan belajar siswa. Penelitian ini bertujuan membantu SD N 04 Majalangu dalam menyeleksi penerima Program Indonesia Pintar yang lebih akurat dan evisien. Metode Naïve Bayes adalah metode klasifikasi dari machine learning yang memiliki keunggulan yaitu menggunakan sampel data pelatihan untuk mengestimasi parameter yang terlibat dalam proses klasifikasi dapat tersaji secara cepat, serta memperoleh akurasi tinggi [1]. Algoritma C4.5 adalah algoritma yang digunakan untuk membentuk pohon keputusan, yang merupakan metode klasifikasi dan prediksi yang sangat kuat dan terkenal [2]. Metode Decision Tree dengan algoritma C4.5 dan Naïve Bayes digunakan untuk pemilihan yang lebih objektif. Penelitian ini memastikan bantuan tepat sasaran, mengurangi beban biaya pendidikan, dan meningkatkan motivasi belajar siswa. Data mining memastikan keputusan seleksi didasarkan pada bukti yang kuat, mengurangi potensi kesalahan. Hasil pengujian menunjukkan akurasi model algoritma C4.5 sebesar 64,42%, dan algoritma Naïve Bayes sebesar 100%. Penelitian ini memberikan wawasan tentang faktor-faktor kontribusi dalam menentukan kelayakan penerima PIP di SD N 04 Majalangu, mendukung efisiensi dan objektivitas dalam pemilihan penerima bantuan pendidikan.

PREDIKSI HUNIAN HOTEL MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS

2024-04-18T14:20:48+00:00

Penelitian ini bertujuan untuk menerapkan teknik data mining, termasuk algoritma K-Nearest Neighbors (K-NN), untuk memprediksi tingkat hunian hotel dari tahun 2021 hingga 2022 di hotel Rumah Kita yang terletak di jalan Siliwangi Kota Cirebon. Data yang digunakan dalam penelitian ini mencakup variabel seperti harga kamar, lokasi geografis, sarana hotel, dan faktor lain yang mempengaruhi tingkat hunian. Metode K-Nearest Neighbors (K-NN) digunakan untuk mengetahui tren dan hubungan antara variabel-variabel tersebut dengan tingkat hunian hotel. Data tahun 2021 dan 2022 digunakan sebagai data pelatihan untuk mengembangkan model prediksi, sementara data tahun 2023 digunakan untuk menguji akurasi model. Untuk mengukur efektivitas dan akurasi sistem, penelitian ini melakukan pengujian dengan menggunakan data aktual tahun 2023 selama periode tiga bulan terakhir. Pengujian dilakukan dengan membandingkan hasil prediksi model terhadap data sebenarnya untuk menghitung tingkat akurasi. Hasil pengujian menunjukkan bahwa model dapat memperkirakan tingkat okupansi hotel pada tahun 2023 dengan tingkat akurasi mencapai 91,67%. Prediksi hunian ramai mencapai 6 dengan akurasi class prediction 100% dan class recall 85,71%, sedangkan prediksi hunian sepi mencapai 5 dengan akurasi class prediction 83,33% dan class recall 100%.Hasil ini menunjukkan bahwa model K-NN yang dikembangkan efektif dalam memprediksi tingkat hunian dan dapat membantu manajemen hotel dalam perencanaan kapasitas, strategi penetapan harga, dan pengelolaan sumber daya. Penelitian ini berpotensi untuk diterapkan secara luas di industri perhotelan dan bisnis serupa lainnya yang mengandalkan perkiraan tingkat hunian. Dengan penambahan informasi tentang pengujian dan pengukuran akurasi, abstrak ini sekarang memberikan gambaran yang lebih lengkap tentang penelitian dan hasilnya.

IMPLEMENTASI ALGORITMA K-MEANS PADA KASUS KEKERASAN DALAM RUMAH TANGGA DI JAWA BARAT

2024-04-18T14:21:37+00:00

Penelitian ini membahas kasus Kekerasan Dalam Rumah Tangga (KDRT) di Provinsi Jawa Barat dengan menggunakan algoritma K-Means dalam konteks Knowledge Discovery in Database (KDD). Data korban KDRT dari tahun 2018 hingga 2022 menunjukkan peningkatan setiap tahunnya, dan penelitian ini bertujuan untuk mengelompokkan kasus tersebut berdasarkan karakteristik serupa dengan harapan dapat membantu pemerintah Jawa Barat dalam menekan angka kasus KDRT. Hasil penelitian menunjukkan bahwa K-Means dengan dua kluster (K=2) memberikan hasil terbaik berdasarkan evaluasi menggunakan Davies Bouldin Index. Cluster 0 mencakup wilayah dengan jumlah kasus KDRT rendah, sedangkan Cluster 1 mencakup wilayah dengan jumlah kasus KDRT tinggi. Kabupaten/kota di setiap cluster diidentifikasi, memberikan informasi yang berguna untuk perencanaan dan penanganan kasus KDRT. Kesimpulan dari penelitian ini adalah bahwa penerapan algoritma K-Means dapat membantu mengelompokkan kasus KDRT di Jawa Barat berdasarkan karakteristiknya. Namun, diperlukan langkah-langkah pencegahan dan penanganan yang lebih intensif, termasuk program edukasi masyarakat, penguatan sistem dukungan korban, pelatihan bagi penegak hukum, dan kolaborasi dengan lembaga kesehatan. Selain itu, pengembangan rencana pencegahan yang spesifik dapat menjadi langkah strategis untuk mengurangi angka kasus KDRT di masa mendatang.

ANALISIS PENJUALAN PRODUK UMKM DI SHOPEE PADA TOKO AGUNG0NA9 MENGGUNAKAN MODEL ALGORITMA REGRESI LINEAR

2024-04-18T14:22:36+00:00

Shopee merupakan platform e-commerce yang beroperasi secara online dan hadir di berbagai negara di Asia Tenggara, Shopee telah berkembang pesat dalam beberapa tahun terakhir memungkinkan konsumen membeli produk secara online, Toko umkm Agung0na9 Menjual produk kategori musik dan juga kerajinan. Tujuan dari penelitian ini adalah menerapkan algoritma regresi linier untuk memprediksi produk dengan Kategori musik dan kerajinan yang akan terjual dalam waktu 3 bulan berikutnya. Regresi linear digunakan sebagai metode prediksi dengan jumlah produk yang terjual sebagai variabel Y dan periode sebagai variabel X. relative Error digunakan untuk mengevaluasi hasil prediksi. Hasil prediksi kategori Musik pada bulan pertama terjual 68 pcs, pada bulan kedua 69 pcs dan bulan ketiga 70 pcs dan kategori Kerajinan pada bulan pertama terjual 1078 pcs, pada bulan kedua 1029 pcs dan bulan ketiga 1066 pcs. Hasil evaluasi nilai Nilai Relative Error pada kategori Musik 13.64%, sedangkan, Nilai Relative Error kategori Kerajinan 22.65%. Prediksi penjualan handphone menggunakan metode regresi linear ini dapat dikatakan tergolong dalam kategori cukup atau bisa digunakan.

OPTIMASI POLA PENJUALAN DI TOKO KELONTONG SUMBER REJEKI BANDUNG MELALUI ANALISIS ASOSIASI DENGAN ALGORITMA FP-GROWTH

2024-04-18T14:23:33+00:00

Penelitian ini berjenis eksperimental dengan desain Algoritma Fp-Growth. Penelitian ini bertujuan mengetahui optimasi pola penjualan toko kelontong berdasarkan data dari transaksi penjualan toko. Tren perusahaan saat ini memerlukan pemahaman menyeluruh tentang taktik pemasaran dan tren penjualan. Menjual kebutuhan sehari-hari adalah bisnis Toko Kelontong Sumber Rejeki. Cross-selling, atau menyediakan produk terkait dengan produk yang dibeli, adalah salah satu taktik bisnis yang dapat digunakan untuk meningkatkan penjualan. Dengan meneliti hubungan antara produk yang sering dibeli, penelitian ini berusaha untuk memahami pembelian konsumen. Data transaksi Toko Kelontong Sumber Rejeki selama setahun, terdiri dari 1.290 baris dan 6 atribut, digunakan dalam penyelidikan ini. Menggunakan algoritma Frequent Pattern Growth (FP-Growth) dan pendekatan data mining asosiasi, metodologi penelitian terdiri dari beberapa tahap: mengumpulkan data transaksi penjualan, memilih atribut terkait, melakukan preprocessing data, membuat dataset asosiasi, dan menilai pola yang muncul. memanfaatkan kepercayaan diri minimum dan nilai dukungan minimum untuk mengidentifikasi pola hubungan. 14 aturan asosiasi dengan 14 produk pembentuk dibuat berdasarkan temuan pengujian, menggunakan nilai minimum 0,2 untuk dukungan dan nilai minimum 0,3 untuk kepercayaan. Algoritme FP-Growth dapat digunakan untuk membuat aturan asosiasi yang memfasilitasi strategi penjualan lintas penjualan dengan menawarkan data komprehensif tentang pola pembelian produk pelanggan yang memiliki probabilitas keberhasilan yang tinggi.

REAL-TIME MONITORING DAN EARLY WARNING SYSTEM KETINGGIAN AIR LAUT BERBASIS IOT

2024-04-19T03:50:16+00:00

Terminal Petikemas Semarang (TPKS) merupakan pelabuhan kelas satu di lingkungan PT Pelindo Terminal Petikemas yang menjadi pusat perekonomian dan pengiriman barang via ekspedisi laut di Semarang. Letak geografis TPKS berada di daerah pantai dengan kondisi kemiringan tanah hampir datar menimbulkan masalah pasang air laut yang menyebabkan genangan bahkan Banjir Rob sehingga mengganggu proses bongkar muat dan aktifitas kepelabuhanan. Penanganan telah dilakukan dengan memasang pompa otomatis di area TPKS. Namun, pengelola harus melakukan pemantauan langsung secara rutin ke lokasi rumah pompa karena tidak adanya sistem monitoring dan prediksi banjir sebagai mitigasi banjir. Oleh karena itu, dibutuhkan sistem yang dapat memberikan informasi ketinggian air secara real-time serta mampu memprediksi potensi banjir. Teknologi Internet of Things (IoT) digunakan dalam pemantauan ketinggian air dan status pompa otomatis. Prediksi ketinggian air menggunakan metode forecasting dengan model Weighted Moving Average (WMA). Hasil dari penelitian ini yaitu sistem real-time monitoring dan early warning system (EWS) yang dapat memberikan informasi real-time mengenai ketinggian air, status pompa, dan cuaca serta pesan peringatan dini potensi banjir kepada pengelola melalui email dan SMS berdasarkan data forecast. Akurasi metode WMA dengan 3 periode data sebelumnya sangat baik berdasarkan perhitungan nilai Mean Absolute Percentage Error (MAPE) pada masing-masing rumah pompa dengan nilai rata-rata dibawah 10%.

POTENSI IOT DALAM INDUSTRI 4.0

2024-04-19T03:51:16+00:00

Penerapan Internet of Things (IoT) dalam konteks Industri 4.0 telah menjadi sorotan utama dalam pengembangan teknologi industri modern. Dengan menggunakan jaringan sensor, perangkat terkoneksi, dan sistem cerdas, IoT membuka peluang baru untuk meningkatkan efisiensi, produktivitas, dan inovasi dalam berbagai sektor industri. Studi literatur ini mengkaji potensi penerapan IoT dalam industri kesehatan, pertanian, telekomunikasi, ketenagalistrikan, kecerdasan buatan, smart home, dan data center. Tujuan utama dari integrasi IoT dalam Industri 4.0 adalah untuk memberikan efisiensi operasional dan kemudahan dalam melaksanakan berbagai tugas. Keberlanjutan perkembangan teknologi ini menjanjikan terus munculnya inovasi baru, yang diharapkan dapat menggerakkan kemajuan signifikan di berbagai sektor industri, termasuk peningkatan hasil dan efektivitas dalam pertanian. Dengan evolusi teknologi ini, Industri 4.0 dapat mencapai tingkat kematangan yang lebih tinggi, membentuk lanskap industri yang lebih pintar, adaptif, dan terkoneksi.

APLIKASI BOGOR NGAWAS UNTUK SISTEM NAVIGASI PERJALANAN WARGA KOTA BOGOR BERBASIS ANDROID

2024-04-19T03:52:08+00:00

Peningkatan jumlah penduduk yang disertai dengan meningkatnya aktifitas transportasi masyarakat dapat mengakibatkan perkembangan suatu wilayah. Kepadatan penduduk Kota Bogor akan menyebabkan peningkatan kepadatan lalu lintas terutama pada saat mudik. Ketika musim mudik masyarakat mengalami kemacetan di jalan, kesulitan dalam menemukan rute perjalanan dan pihak berwenang dalam perhitungan jumlah kendaraan yang memasuki Kota Bogor masih melakukan secara manual pada pintul tol. Oleh karena itu perlu adanya sebuah aplikasi yang dapat membantu masyarakat dalam memberikan rute perjalanan, estimasi waktu dan jarak yang ditempuh. Bagi pihak berwenang membantu dalam perhitungan jumlah kendaraan. Maka pada penelitian kali ini dibuatlah sebuah aplikasi dalam memberikan rute perjalanan dan membantu dalam perhitungan jumlah kendaraan yang berbasis android yang telah terintegrasi dengan website Bogor Ngawas. Metode yang digunakan pada aplikasi ini adalah metode waterfall dan menggunakan bahasa pemrograman React Native untuk pembuatan aplikasi. Diharapkan dengan adanya aplikasi ini masyarakat dapat terbantu untuk menemukan rute perjalanan disaat musim mudik guna menjadwalkan perjalanan. Data perjalanan yang telah didaftarkan oleh masyarakat dapat didigunakan untuk tujuan pengawasan lokasi yang banyak ditinggalkan serta mengamankan titik-titik jalan yang rentan terkena kemacetan dan membantu dalam perhitungan jumlah kendaraan di Kota Bogor.

PENGGUNAAN NAIVE BAYES DALAM MENGANALISIS SENTIMEN ULASAN APLIKASI MCDONALD’S DI INDONESIA

2024-04-19T03:52:58+00:00

McDonald's, yang dikenal sebagai MCD di Indonesia, telah secara efektif memanfaatkan aplikasi seluler untuk mempercepat transaksi dan meningkatkan kinerja secara keseluruhan. Namun demikian, kekhawatiran seputar dukungan untuk pelanggaran hak asasi manusia di Palestina telah berdampak signifikan pada sentimen pengguna, terutama di Indonesia di mana nilai perdamaian sangat dihargai. Untuk menyelidiki masalah ini, para peneliti menggunakan algoritma Naive Bayes untuk dengan cermat memeriksa sentimen yang berasal dari 2000 ulasan pengguna McDonald's di Google Play Store. Pemeriksaan ini dilakukan melalui pemanfaatan teknik web capture dan pre-processing teks. Dengan mengalokasikan rasio berbagi data 70:30, model mencapai tingkat akurasi yang mengesankan sebesar 95,2% ketika diterapkan pada data pelatihan, dan 86% ketika diuji pada data baru. Selanjutnya, tingkat presisi ditemukan 54%, tingkat penarikan 58%, dan skor F1 dihitung pada 60% dalam rasio 80:20. Analisis komprehensif mengungkapkan dominasi yang jelas dari opini negatif yang menyumbang 65,1% dari data yang dikumpulkan, khususnya mengenai masalah teknis. Tujuan akhir dari temuan ini adalah untuk membantu pengembang dalam meningkatkan kualitas aplikasi mereka dan memastikan kepuasan pengguna secara keseluruhan. Studi ini berfungsi sebagai demonstrasi aplikasi praktis dari Knowledge Discovery in Databases (KDD) dan teknik Naive Bayes dalam melakukan analisis sentimen pada ulasan McDonald's, sehingga menyajikan potensi kemajuan masa depan dalam keakuratan analisis emosi.

ANALISIS USER EXPERIENCE PADA FITUR PEMBAYARAN QRIS MENGGUNAKAN METODE USER QUESTIONNAIRE (UEQ)

2024-04-19T03:53:52+00:00

Pembayaran elektronik telah menjadi tren dominan dalam dunia keuangan modern, memfasilitasi transaksi yang cepat, mudah, dan aman. Dalam konteks Indonesia. Quick Response Code yang sering disebut QRIS merupakan fitur pembayaran yang menggunakan metode barcode Bank Indonesia. Tujuan penelitian ini adalah menganalisis perubahan pengalaman pengguna (User Experience) dengan menggunakan metode User Experience Questionnaire (UEQ). Ambang batas reliabilitas penelitian ini ditentukan dengan menggunakan User Experience Questionnaire (UEQ) yang mencakup enam kriteria penilaian: daya tarik (Attractiveness), efisien (Efficiency), kejelasan (Perspicuity), ketepatan (Dependability), Stimulasi (Stimulation), dan kebaruan (Novelty). Data yang dikumpulkan melalui google formulir dengan respon yang dapat digunakan dari 15 responden. Responden merupakan subjek atau orang yang diduga menggunakan fitur QRIS. Hasil kuesioner User Experience Questionnaire (UEQ) menghasilkan skor 0,8. Dalam hal ini, rata-rata impresi lebih dari 0,8 menunjukkan peringkat positif bahwa responden memiliki sikap positif terhadap fitur pembayaran QRIS.

PERANCANGAN SISTEM INFORMASI PRESENSI DAN PENGGAJIAN BERBASIS WEB PADA PT. D’JAZZ MUSIC INDONESIA

2024-04-19T03:54:43+00:00

Masalah penggajian adalah sebuah kegiatan rutin yang dilakukan oleh perusahaan dan dapat menjadi masalah jika terjadi kesalahan perhitungan gaji. Perusahaan ini masih menggunakan sistem konvensional sehingga perhitungan masih dilakukan secara manual sehingga kurang efisien dari sisi pengelolaan datanya. Untuk itulah penelitian ini bertujuan membuat sistem informasi presensi dan penggajian berbasis web yang dapat digunakan oleh PT. D’Jazz Music Indonesia dan untuk membangun kemudahan dalam memperoleh rekapan data laporan presensi dan penggajian karyawan dengan aman sehingga pengelolaan gaji karyawan lebih efektif dan efisien, selain itu penulis berharap agar program tersebut dapat bermanfaat bagi perusahaan. Penelitian ini menggunakan metode SDLC, serta dibuat menggunakan bahasa pemrograman PHP, CSS, JavaScript, dan database MySQL dan menggunakan XAMPP. Hasil dari penelitian ini adalah sistem informasi presensi dan penggajian yang bermanfaat untuk menangani seluruh proses penginputan dan rekapan data presensi serta penggajian sehingga menjadi lebih efisien serta mengurangi resiko tingkat kesalahan dalam penginputan data rekap presensi dan perhitungan gaji di PT. D’Jazz Music Indonesia.

RANCANG BANGUN APLIKASI POINT OF BLEND SYSTEM (POBS) MENGGUNAKAN METODE EXTREME PROGRAMMING

2024-04-19T03:55:38+00:00

PT. Kalbe Morinaga Indonesia (KMI) adalah sebuah perusahaan yang bergerak di bidang industri pembuatan susu bubuk. Pada proses produksi susu bubuk menghadapi sejumlah masalah krusial di area blending, di mana item minor ingredients seringkali tidak dituangkan dengan tepat ke dalam tote bin (base powder), mengakibatkan ketidakakuratan dalam pencampuran. Sebagai solusi inovatif dibuat aplikasi "Point Of Blend System (POBS)" sebagai sistem validasi yang memastikan pencampuran vitamin dengan base powder sesuai dengan urutan dan jumlah yang ditentukan dalam Order of Production (OKP). POBS melibatkan verifikasi setiap item minor ingredients sebelum dituangkan ke tote bin, bertujuan untuk meningkatkan kelengkapan, akurasi, dan konsistensi pencampuran, sekaligus meningkatkan kualitas produk akhir. Perancangan POBS menggunakan metode Extreme Programming (XP) untuk fleksibilitas dan adaptabilitas terhadap perubahan. Pengujian POBS dilakukan dengan beta testing, dengan pengguna yang menilai POBS menggunakan kuesioner. Hasil beta testing menunjukkan POBS berfungsi optimal dengan tingkat kepuasan pengguna mencapai 92,7% menjadikannya solusi efektif untuk meningkatkan proses pencampuran, memberikan validasi real-time, dan meningkatkan kualitas produk secara menyeluruh

APLIKASI SISTEM REKOMENDASI PAKET WISATA DI SULAWESI SELATAN BERBASIS WEBSITE

2024-04-19T03:56:47+00:00

Sulawesi Selatan, Indonesia, kaya akan keindahan alam dan budaya, menarik perhatian wisatawan domestik dan mancanegara. Meskipun pariwisata dan teknologi di wilayah ini terus berkembang, terdapat kekurangan layanan informasi menyeluruh bagi wisatawan, dan paket wisata standar sering kali tidak memenuhi preferensi yang beragam. Untuk mengatasi hal ini, dikembangkanlah sistem rekomendasi paket wisata berbasis web untuk Sulawesi Selatan. Sistem ini menggunakan metode K-means Clustering untuk kategorisasi paket dan Travelling Salesman Problem (TSP). Dibangun dengan PHP, HTML, CSS, dan Javascript dengan kerangka kerja Codeigniter 4 dan basis data MYSQL, situs web ini mudah diakses tanpa perlu instalasi. Data yang terkumpul mengalami pemrosesan, termasuk perubahan nama, penanganan nilai yang hilang, dan normalisasi menggunakan scikit-learn. Integrasi algoritma K-means clustering dan TSP meningkatkan pengalaman pengguna dengan menyediakan paket wisata yang terorganisir, relevan, dan memastikan perencanaan perjalanan yang efisien. Umpan balik positif dari pengguna Sulawesi Selatan, dengan skor evaluasi "Excellent" sebesar 89,17, menunjukkan bahwa aplikasi ini efektif memenuhi kebutuhan pengguna, memberikan pengalaman memuaskan dalam mengeksplorasi opsi wisata di wilayah tersebut. Pada akhirnya, solusi berbasis web ini terbukti efektif dalam membantu perencanaan perjalanan para wisatawan di Sulawesi Selatan.

ANALISIS ASOSIASI FP-GROWTH UNTUK MENINGKATKAN EFISIENSI PEMILIHAN PRODUK FROZEN FOOD DI TOKO ANEKA FROZEN FOOD JOSEF FAMILY

2024-04-19T03:57:46+00:00

Di era pertukaran yang semakin cepat, banyak toko serba ada yang terus berupaya meningkatkan kemampuan dalam penentuan barang. Dengan menggunakan metode FP-Growth, diharapkan dapat ditemukan pola pembelian produk yang dapat memberikan wawasan berharga mengenai hubungan antar produk, sehingga toko dapat mengatur letak produk secara strategis untuk meningkatkan daya tarik dan kemudahan akses bagi pelanggan. Selain itu, analisis asosiasi FP-Growth juga diharapkan dapat membantu dalam pengelolaan inventaris dan perencanaan promosi produk yang lebih efektif. Dipercaya bahwa penelitian dengan judul ini akan memudahkan Toko Frozen Food Josef Family untuk memperoleh informasi penawaran makanan beku bila diperlukan. teknik penelitian dengan perhitungan afiliasi pengembangan fp- growth. Berdasarkan hasil yang didapat dari graph dan description menunjukkan hasil yang tidak sama, asosiasi dari yang terendah hingga tertinggi. Berikut beberapa hasil yang sudah mencapai 100%, Jika membeli Bakso Sapi, Sosis Bakar, Cheese Dumpling maka tingkat kemungkinan akan membeli Sosis Sapi adalah 100%. Dari hasil diatas dapat disimpulkan bahwa implementasi algoritma FP-Growth pada data penjualan frozen food dapat membantu dalam menentukan pola penjualan frozen food di Toko Aneka Frozen Food Josef Family. ditemukan beberapa aturan asosiasi menggunakan nilai minimum support 0.16 dan minimum confidence 0.8

PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA C4.5 UNTUK PREDIKSI PRESTASI BELAJAR SISWA DI MTS YAMUALLIM PANONGAN

2024-04-19T03:58:45+00:00

Penelitian ini bertujuan untuk meningkatkan akurasi prediksi prestasi belajar siswa di MTs Yamu’allim Panongan dengan mengoptimalkan penggunaan algoritma C4.5. Algoritma ini dipilih karena dapat menangani kompleksitas data dan menghasilkan hasil yang mudah diinterpretasi. Dataset yang mencakup prestasi belajar siswa dari semester sebelumnya digunakan untuk melatih dan menguji model, menciptakan dasar yang kuat untuk meningkatkan kualitas prediksi prestasi belajar. Penelitian juga melibatkan analisis mendalam terhadap berbagai aspek, termasuk aspek sosial dan lingkungan, karena pemahaman terhadap faktor-faktor ini dianggap penting dalam memengaruhi prestasi belajar siswa. Dengan implementasi C4.5 yang dioptimalkan, penelitian ini tidak hanya bertujuan meningkatkan akurasi prediksi, tetapi juga memberikan gambaran komprehensif mengenai faktor-faktor yang berkontribusi terhadap prestasi belajar siswa. Hasil penelitian menunjukkan bahwa optimasi algoritma C4.5 secara signifikan meningkatkan tingkat akurasi prediksi prestasi belajar siswa. Temuan ini dapat membantu pihak sekolah dalam mengidentifikasi siswa yang memerlukan perhatian khusus atau bantuan tambahan untuk meningkatkan prestasi belajarnya. Model klasifikasi menunjukkan akurasi yang tinggi dalam memprediksi kategori prestasi belajar, memberikan manfaat konkret dengan memberikan pandangan yang lebih tepat mengenai potensi dan kebutuhan masing-masing siswa.

PENERAPAN PAPAN INFORMASI DIGITAL SECARA REAL TIME MENGGUNAKAN NETWORK TIME PROTOCOL BERBASIS WEBSITE

2024-04-19T03:59:46+00:00

Media modern seperti papan informasi digital dapat menjadikan media penyampaian dan supply informasi lebih tepat sasaran dan menghemat sumber daya. Akibat dari pemilihan media informasi yang kurang tepat membuat masyarakat menjadi mengabaikan sebuah informasi itu. Kurangnya pemilihan media informasi yang kurang tepat ini, akibatnya informasi tidak akan tersampaikan dengan tepat. Dengan adanya permasalahan tersebut penelitian ini bertujuan membangun sistem sinkronisasi papan informasi konten, selain itu dapat dengan mudah melakukan sinkronisasi waktu dan isi konten menggunakan website. Metode yang digunakan pada penelitian ini merupakan pengambilan data waktu yang ditampilkan pada Papan Informasi Digital dengan melalui NodeMCU ESP8266 yang dapat mengambil data waktu dari server NTP (Network Time Protocol) dengan menggunakan library NTPClient. Penyamaan informasi pada ruang 1, ruang 2 dan ruang 3 yang tampil pada LED Matrix (Modul P10) menggunakan database Firebase dengan bahasa C++. Melalui aplikasi website dan data pesan akan dikirim ke database Firebase dengan kecepatan respon update pesan yaitu 20,3 detik dan kecepatan respon tampil waktu 3,2 detik. Pengujian fungsionalitas hasil nilai rata-rata kecepatan mengirim data pesan 1 detik.

PENERAPAN TEKNIK SMOTE DAN CROSS VALIDATION PADA DECISION TREE UNTUK KLASIFIKASI TINGKAT KEMACETAN LALU LINTAS

2024-04-19T04:00:55+00:00

Kemacetan merupakan suatu keadaan dimana jumlah kendaraan yang lalu lalang melebihi kapasitas jalan yang dapat ditampung. Kemacetan lalu lintas, disebabkan oleh volume kendaraan melebihi kapasitas jalan, merugikan secara ekonomi dan sosial. Kemacetan juga mempengaruhi mobilitas penduduk, perekonomian, dan lingkungan, sehingga menimbulkan biaya ekonomi yang signifikan melalui peningkatan konsumsi bahan bakar, hilangnya waktu, dan dampak negatif terhadap produktivitas. Tujuan penelitian ini adalah untuk mengurangi kemacetan lalu lintas. Penelitian ini menerapkan metode Decision Tree dan Synthetic Minority Over-sampling Technique (SMOTE) untuk mengatasi ketidakseimbangan kelas. Proses Knowledge Discovery in Database (KDD) dan Cross Validation digunakan untuk evaluasi. Hasilnya menunjukkan Decision Tree dengan SMOTE memiliki akurasi 96,54%. Dengan Cross Validation, akurasi mencapai 96,03% +/- 0,85% (rata-rata mikro: 96,03%). Model ini dianggap baik dan efektif dalam mengklasifikasikan tingkat kemacetan lalu lintas, memberikan kontribusi penting pada pemahaman dan manajemen lalu lintas perkotaan. Implementasi ini dapat membantu mengoptimalkan solusi untuk mengurangi dampak negatif kemacetan dan meningkatkan kualitas hidup masyarakat

PENERAPAN METODE AGILE SCRUM PADA SISTEM E-POSYANDU BERBASIS WEB

2024-04-19T04:03:29+00:00

Kemajuan teknologi informasi membuka peluang besar untuk meningkatkan mutu pelayanan kesehatan khususnya dalam pengelolaan data kesehatan anak melalui sistem E-Posyandu berbasis Web. Pencatatan manual seringkali menimbulkan permasalahan seperti data yang hilang, rusak dan ketidak sinkronan data. Untuk itu diperlukan suatu sistem yang memudahkan pengelolaan data bagi para petugas posyandu. Tujuan dari penelitian ini adalah merancang sistem E-Posyandu berbasis Web yang diperlukan untuk keberlangsungan Posyandu. Penelitian ini menggunakan metodologi Agile Scrum. Untuk penyimpanan data. Website ini dibuat berdasarkan wawancara dan observasi lapangan langsung untuk mengakses informasi dan kebutuhan yang valid. Hasil penelitian ini adalah sebuah sistem E-Posyandu yang telah diuji menggunakan pengujian Blackbox dan berfungsi dengan baik sehingga dapat membantu user dalam mengelola data menggunakan system yang ada. Pembangunan system E-Posyandu berbasis web tersebut menggunakan Bahasa pemrograman PHP, HTML, dan mengimplementasikan server database MySQL. Dengan adanya sistem E-Posyandu berbasis web kader tidak perlu membawa buku besar untuk mencatat dan mengelola data. Metode Agile Scrum diperlukan untuk membangun sebuah perancangan sistem secara sistematis dan terstruktur, sehingga proses penelitian menjadi lebih terarah. Pengguna dapat dengan mudah mengelola data tanpa harus menginput ulang data. Pengujian pengguna atau user dilakukan menggunakan black box testing, dari pengujian yang telah dilakukan menyatakan bahwa fitur sistem berfungsi dengan baik dan sesuai dengan fungsinya.

PENERAPAN DATA MINING DALAM PREDIKSI PRODUKSI BERAS MENGGUNAKAN METODE REGRESI LINEAR

2024-04-19T04:04:29+00:00

Kondisi geografis Indonesia yang mendukung serta memiliki iklim tropis sangat cocok untuk membudidayakan padi. Sehingga pada tahun 2018, Indonesia berhasil menjadi negara penghasil beras terbanyak di dunia. Hal ini menjadikan Indonesia sebagai negara penghasil beras terbanyak di dunia pada tahun 2018. Analisis regresi digunakan untuk memprediksi nilai dari suatu variabel response (y) dengan menggunakan nilai dari variabel prediktor/independent (x). Tujuan penelitian ini adalah untuk Mendapatkan gambaran daerah-daerah penghasil beras di Kabupaten Cirebon, Mengklasifikasikan daerah-daerah penghasil beras di Kabupaten Cirebon berdasarkan kuantitas hasil panen per tahun, Mengimplementasikan data mining dengan metode regresi linear untuk memprediksi produksi beras di daerah-daerah prioritas produksi beras di Kabupaten Cirebon. Hasil penelitian menunjukan bahwa RMSE dan Relative Error, menunjukkan jika metode prediksi yang dipergunakan baik. Hasil penelitian nilai evaluasi yang di dapat dari perhitungan prediki menggunakan RMSE 285.590 dan Relative Error 0.000 %. Dan prediksi produk beras yang disimulasikan dengan rapidminer mempunyai nilai min 140 dan nilai max 41060 dengan nilai rata-rata 9037.220 dan standard deviation 7837.949, Hasil evaluasi nilai RMSE pada produksi beras adalah 285.590, sedangkan nilai Relative Error adalah 0.000%. Nilai RMSE dan Relative Error yang mendekati 0 menunjukkan bahwa prediksi mendekati nilai aktual.

PENGEMBANGAN APLIKASI BERBASIS WEB UNTUK PENJUALAN CCTV PADA CV. GARUDA SAKTI TEKNOLOGI MENGGUNAKAN METODE WATERFALL

2024-04-19T04:05:26+00:00

Dalam era digital seperti sekarang pemesanan suatu produk dengan datang langsung ke toko adalah hal yang kurang diminati. Sebagian besar pelanggan lebih tertarik pada sesuatu yang instan dan cepat. Selain itu penggunaan kertas pada suatu perusahaan akan menyebabkan penambahan biaya dan ruang untuk menyimpan data pelanggan. Oleh karena itu e-commerce adalah suatu hal yang penting untuk dimiliki sebuah perusahaan maupun instansi. Dalam transaksi online hal yang menjadi penghubung antara toko dan konsumen adalah aplikasi dan proses bisnis, karena dapat membantu dalam pemasaran produk dan meningkatkan pelayanan yang maximal terhadap konsumen. Begitu pula dengan CV. Garuda Sakti Teknologi atau yang biasa disebut dengan Pekanbaru CCTV masih menggunakan pemesanan produk secara manual menggunakan kertas,yang bisa menyebabkan terjadinya human error. Oleh karena itu, mereka membutuhkan pemesan online berbasis website yang menggunakan metode waterfall. Tujuan penelitian ini adalah untuk menyederhanakan proses pemesanan produk CCTV bagi pelanggan dan mendukung perluasan pasar perusahaan. Hasil pengujian menunjukkan bahwa aplikasi yang telah dikembangkan berhasil mempermudah proses pemesanan produk CCTV bagi pelanggan dan memberikan kontribusi yang signifikan dalam pengembangan aplikasi berbasis web untuk memperluas jangkauan penjualan serta meningkatkan kualitas layanan kepada pelanggan

IMPLEMENTASI UI/UX PADA APLIKASI KUISONER CLEANING SERVICE DI PLN UIP SUMBAGSEL

2024-04-19T04:06:14+00:00

Pada zaman sekarang perlu dibutuhkannya apikasi kuisoner untuk memudahkan penilaian terutama cleaning service pada perusahaan PLN (PERSERO) UIP SUMBAGSEL.Selama ini perusahaan harus mencetak kuesioner cleaning service dan menyebarkannya dengan mendatangi satu persatu pelapor yang telah dipilih.Kemudian membagikan kuesioner tersebut..Hal ini menghabiskan waktu yang cukup lama dan biaya yang besar sehingga tidak efektif dan menjadi masalah awal yang dihadapi dalam pengumpulan data dengan kuesioner.Pada perancangan UI (User Interface)/UX (User Experience) sebuah aplikasi sangat diperlukan untuk memperhatikan keinginan dari calon pengguna dan juga harus dibuat dengan baik karena akan membentuk cara pandang antarmuka para pengguna terhadap sistem yang ada..Metode yang digunakan dalam implementasi UI/UX terhadap aplikasi kuisoner adalah design thinking Design thinking adalah proses di mana kita mencoba mengetahui keinginan pengguna,menantang asumsi,dan menjelaskan kembali masalah yang dihadapi demi menciptakan strategi efektif dan solusi alternatif dalam menyelesaikan masalah yang mungkin tidak terlihat pada pemahaman tertentu.aplikasi ini bertujuan dibuat untuk menilai pegawai khususnya bagian cleaning service yang ada di PT PLN UIP SUMBAGSEL melalui tahapan testing dari hasil konversi interval dan kriteria yang menentukan penilaian akhir dari seorang pegawai untuk mengetahui kualitas para kinerja pegawai tersebut.

RANCANG BANGUN SISTEM INFORMASI PENDAFTARAN BERBASIS WEBSITE PADA RA ADZ DZIKRA ISYAHAARUL JANNAH

2024-04-19T04:07:08+00:00

Sistem informasi pendaftaran berbasis website merupakan suatu proses pendaftaran calon siswa yang menggunakan website dan media internet. Pendaftaran calon siswa baru di RA Adz-Dzikra masih menggunakan cara manual yaitu dengan datang ke sekolah tersebut dan memberikan formulir pendaftaran kepada orang tua siswa. Proses manual yang digunakan oleh yayasan tersebut rentan akan kesalahan seperti kesalahan penulisan data, kehilangan formulir atau dokumen serta kesalahan dalam mengelola dokumen tersebut. Oleh karena itu dengan adanya sistem informasi pendaftaran berbasis website dapat membantu dalam melakukan pendaftaran siswa dan meminimalisir terjadinya kesalahan baik dari pihak sekolah maupun orang tua. Dalam pengembangan sistem informasi pendaftaran ini digunakan metode waterfall dengan desain UML dan metode black box sebagai pengujian sistem. Hasil dari pengembangan dan pengujian sistem ini menunjukan bahwa sistem yang telah dibangun sesuai dengan harapan yang diinginkan.

FECTOR : FACE EMOTION DETECTOR SEBAGAI PENUNJANG EFEKTIVITAS DALAM PEMBELAJARAN DARING (DALAM JARINGAN)

2024-04-19T04:08:02+00:00

Pandemi Covid-19 yang terjadi di Indonesia membawa dampak besar bagi bidang pendidikan, penerapan sistem pembelajaran daring (dalam jaringan) menggunakan platform conference meeting yang merupakan metode baru bagi mahasiswa dan dosen dalam proses pembelajaran pada masa pandemi yang berdampak terhadap efektifitas pembelajaran daring seperti kurangnya pemahaman materi serta minimnya antusiasme mahasiswa dalam pembelajaran daring, sehingga penulis merancang sistem fector ( face emotional detector) yang bertujuan untuk mengevaluasi tingkat pemahaman mahasiswa terhadap materi yang dipaparkan oleh dosen dan mendorong antusiasme mahasiswa dalam berinteraksi dengan dosen ketika pembelajaran daring. Sistem fector yang penulis kembangkan merupakan subdomain dari metode kecerdasan buatan pada bidang image processing, dengan menerapkan metode kombinasi dari model viola jones yang digunakan untuk mendeteksi wajah pada suatu gambar berdasarkan ekstraksi fitur berupa local binary pattern (LBP) serta model visual geometry group-16 (VGG-16) yang terdiri dari lapisan convolutional, pooling, dan fully connected sehingga model VGG-16 dapat berfungsi sebagai lapisan untuk proses ekstraksi fitur dan klasifikasi ekspresi wajah, kemudian menggunakan dataset FER-2013 sebagai dataset awal yang digunakan dalam pengembangan model ekspresi wajah, dan metrik pengukuran performa model untuk menguji. Hasil akhir dari implementasi sistem fector adalah penerapan sistem fector pada pembelajaran daring baik secara real time maupun berdasarkan video hasil rekaman pembelajaran daring dengan dengan berbagai tahapan pengujian sistem didapatkan hasil akhir rata-rata yaitu 75.17%, nilai akhir yang penulis dapatkan merupakan nilai yang cukup baik dalam pengimplementasian pada real case scenario.

IMPLEMENTASI ALGORITMA K-MEANS UNTUK KLASTERISASI PASIEN HIPERTENSI BERSADARKAN KARAKTERISTIK PASIEN

2024-04-19T04:08:52+00:00

Dalam beberapa dekade terakhir, fokus terhadap penyakit hipertensi menjadi semakin mendesak seiring dengan perkembangan pesat di bidang Informatika yang telah memberikan dampak signifikan pada berbagai aspek kehidupan. Puskesamas yang terletak di Kecamatan Rajapolah Kabupaten Tasikmalaya mengalami peningkatan dalam jumlah pasien yang datang ke puskesmas, penyakit hipertensi paling sering dialami oleh setiap pasien yang datang ke Puskesmas Rajapolah. Penelitian ini bertujuan untuk mengelompokan data pasien melalui pendekatan data mining untuk mengidentifikasi kelompok pasien hipertensi. Metode yang digunakan yaitu algoritma k-means clustering menggunakan software rapidminer dengan tahapan Knowledge Discovery in Database (KDD). Dalam menentukan jumlah cluster yang paling optimal menggunakan hasil evaluasi Davies Bouldin Index (DBI). Setiap 2 cluster sampai 10 cluster di evaluasi untuk mencari jumlah cluster dengan nilai DBI paling rendah. Data yang digunakan merupakan data rekam medis Puskesmas Rajapolah pada bulan september 2023 dengan jumlah 1000 records. Hasil analisis menunjukan 4 cluster dengan nilai DBI 0.269, jumlah anggota cluster 0 : 213 pasien, cluster 1 : 302 pasien, cluster 2 : 145 pasien, cluster 3 : 68 pasien. Kelompok dengan tingkat hipertensi paling tinggi yaitu cluster 3 berjumlah 68 pasien dengan umur 30 sampai 74 tahun, tingkat hipertensi kelompok ini berada pada stadium 2 sampai krisis hipertensi

SISTEM PENJADWALAN KULIAH MENGGUNAKAN ALGORITMA GENETIKA DI SEKOLAH TINGGI ILMU TARBIYAH KOTA PAGAR ALAM

2024-04-19T04:09:37+00:00

Sekolah Tinggi Ilmu Tarbiyah merupakan salah satu perguruan tinggi yang ada di kota Pagar Alam. Sekolah Tinggi Ilmu Tarbiyah mengalami kesulitan dalam menyusun penjadwalan karena Sistem Penjadwalan kuliah masih manual, sehingga menyita waktu dan tidak maksimal. Penjadwalan Sekolah Tinggi Ilmu Tarbiyah menggunakan penjadwalan kuliah secara manual sehingga rawan terjadi kesalahan. Sekolah Tinggi Ilmu Tarbiyah Kota Pagar Alam juga mengalami kendala dalam penyimpanan data penjadwalan, yang sering menyebabkan hilangnya data sehingga membuat proses penjadwalan kuliah menjadi lebih lama. Penelitian ini mengusulkan sistem penjadwalan kuliah yang dapat mengelola data dan membuat Penjadwalan perkuliahan berbasis web menggunakan algoritma genetika. Algoritma genetika dipilih karena dapat mengoptimalkan sistem perencanaan penjadwalan. Sistem dirancang dengan menggunakan model pengembangan sistem Rapid Application Development (RAD) seperti perencanaan kebutuhan, perancangan, dan implementasi workshop RAD. Tahap pengujian menggunakan Black Box Testing. Hasil dari penelitian ini adalah merancang Sistem Penjadwalan Sekolah Tinggi Ilmu Tarbiyah kota Pagar Alam menggunakan algoritma genetika

ANALISIS PERSEPSI DAN TINGKAT KEPUASAN PENGGUNA GOJEK MENGGUNAKAN ALGORITMA C4.5

2024-04-19T04:15:05+00:00

Kemajuan teknologi telah mengakibatkan perubahan yang signifikan di berbagai aspek kehidupan, termasuk aspek transportasi. Salahsatu perubahan utama adalah munculnya perusahaan layanan transportasi online, seperti Gojek, Grab, Maxim dan lainnya. Gojek, sebagai salahsatu pelopor transportasi online di Indonesia telah menjadi pilihan utama bagi banyak orang untuk bepergian dan mengakses berbagai layanan lainnya. Namun banyaknya perusahaan layanan transportasi online yang serupa menyebabkan persaingan yang cukup kompetitif sehingga memaksa setiap penyedia layanan untuk bersaing serta berusaha unggul dalam persaingan tersebut. Oleh karena itu, penelitian ini bertujuan untuk melihat bagaimana efektivitas penggunaan aplikasi Gojek dapat diukur melalui pengukuran tingkat kepuasan pengguna layanan Gojek. Dengan dilakukan pengukuran ini maka dapat memberikan pemahaman yang lebih komprehensif mengenai aspek aspek yang perlu diperbaiki atau ditingkatkan dalam upaya pengembangan layanan Gojek dalam menghadapi persaingan antar penyedia layanan lainnya. Penelitian ini menggunakan metode kuantitatif. Data yang digunakan adalah data primer yang dikumpulkan melalui kuesioner yang disebarkan langsung kepada pengguna Gojek. Analisis data menggunakan KDD dengan algoritma C4.5 yang digunakan untuk mengidentifikasi faktor-faktor yang paling berkontribusi terhadap tingkat kepuasan pengguna. Variabel-variabel yang digunakan sebagai input dalam algoritma C4.5 adalah usia, jenis kelamin, kemudahan penggunaan aplikasi, ketersediaan layanan, waktu tunggu, harga dan keamanan. Hasil penelitian menunjukkan bahwa algoritma C4.5 efektif untuk mengukur tingkat kepuasan pengguna Gojek, dengan perolehan nilai akurasi sebesar 98.14%, nilai recall sebesar 69.53%, dan nilai precision sebesar 69.53%, Hasil dari decision tree menunjukan bahwa faktor terbesar yang mempengaruhi persepsi dan tingkat kepuasan pengguna adalah faktor keamanan. Jika pengguna merasa aman saat menggunakan aplikasi Gojek, maka mereka cenderung lebih puas dengan layanan yang diberikan. Selain faktor keamanan, faktor ketersediaan layanan dan waktu tunggu juga berpengaruh terhadap tingkat kepuasan pengguna. Jika pengguna dapat dengan mudah mengakses layanan yang mereka butuhkan dan tidak perlu menunggu terlalu lama, maka mereka lebih cenderung puas

CLUSTERING DATA PENJUALAN PRODUK KESEHATAN MENGGUNAKAN ALGORITMA K-MEANS DI PT. CITRA TEKNIK MEDICA

2024-04-19T04:15:57+00:00

Penawaran produk kesehatan merupakan bagian penting dari industri kesehatan yang terus berkembang seiring meningkatnya kesadaran masyarakat akan layanan medis. PT. Citra Teknik Medica sebagai salah satu pemain utama berperan dalam menyediakan berbagai produk dan jasa untuk mendukung fasilitas kesehatan di Indonesia. Dengan permintaan yang terus meningkat dari konsumen, penting bagi PT. Citra Teknik Medica untuk mengidentifikasi produk-produk yang paling diminati untuk mengoptimalkan strategi penjualan dan pengelolaan stok barang. Penelitian ini bertujuan untuk melakukan analisis terhadap data penjualan produk kesehatan yang paling diminati di PT. Citra Teknik Medica menggunakan Algoritma K-Means Clustering. Metode penelitian mengikuti proses Knowledge Discovery in Databases (KDD), meliputi seleksi data, preprocessing, transformasi data, penerapan Algoritma K-Means Clustering, dan evaluasi hasil menggunakan Davies Bouldin Index (DBI). Data yang digunakan adalah data penjualan produk kesehatan tahun 2018-2022 yang diperoleh dari PT. Citra Teknik Medica. Dari percobaan dengan variasi jumlah cluster (K) dari 2 hingga 7, ditemukan bahwa nilai Davies Bouldin Index (DBI) teroptimal dimiliki oleh cluster 4 (K=4) dengan nilai DBI 1.566.714.125.739.650.000 yang paling mendekati 0, menunjukkan pengelompokan produk kesehatan terbaik berdasarkan kuantitas penjualan dengan menggunakan 4 cluster.

IMPLEMENTASI EXTRACT, TRANSFORM, LOAD PROCESS PADA PERANCANGAN DATA WAREHOUSE TERKAIT KUALITAS PENDIDIKAN DI KABUPATEN SERANG

2024-04-19T04:16:51+00:00

Dalam era globalisasi, keberhasilan suatu organisasi sangat tergantung pada teknologi informasi yang mampu menyediakan laporan analisis data yang relevan. Dapodik merupakan aplikasi pendataan pendidikan yang dikelola oleh Kementerian Pendidikan, namun ketidakadaan sistem penyimpanan terpusat menghambat efektivitas analisis data. Ketidakefektifan akses dan analisis data sekolah yang tersebar dalam Dapodikdasmen membutuhkan solusi penyimpanan data yang terpusat. Hal ini mendorong kebutuhan akan perancangan data warehouse untuk memudahkan pengguna dalam melihat data dari berbagai lokasi. Penelitian bertujuan merancang data pipeline menggunakan Extract Transform Load (ETL) process yang menghasilkan data warehouse. Tujuannya adalah menciptakan sistem penyimpanan efektif yang mengintegrasikan data dari berbagai dimensi tabel, memungkinkan analisis data yang efisien dengan rentang waktu yang relevan. Perancangan data warehouse dilakukan dengan mengimplementasikan ETL process menggunakan DataPrep by Trifacta pada data sekolah yang kemudian disimpan dalam BigQuery sebagai sistem penyimpanan data. Pendekatan ini memberikan solusi penyimpanan data yang terpusat dan rapi untuk mengatasi permasalahan ketidakefektifan akses dan analisis data. Data warehouse yang dihasilkan memiliki struktur dimensi tabel yang terintegrasi, memberikan kemudahan analisis data dengan rentang waktu yang relevan. Proses ETL menggunakan DataPrep by Trifacta dan BigQuery berhasil mengatasi permasalahan data yang tersebar, menciptakan penyimpanan data yang lebih terpusat dan efisien.

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KARYAWAN TERBAIK MENGGUNAKAN METODE ANALYTIC HIERARCHY PROCESS

2024-04-19T05:16:53+00:00

Sistem pendukung keputusan digunakan untuk memilih keputusan terbaik diantara beberapa pilihan, sistem pendukung keputusan yang digunakan pada penelitian ini menggunakan metode analytic hierarchy priocess atau yang lebih dikenal dengan AHP. Pada penelitian ini menggunakan metode penelitian dengan menggunakan metode AHP, dan dengan teknik pengumpulan data berupa observasi dan kepustakaan. Tujuan dari penelitian ini adalah agar hasil dari perhitungan dengan menggunakan metode AHP bisa menjadi tepat saasaran, cepat, dan terkonsep. Tahapan dalam perhitungan dengan menggunakan metode AHP antara lain membuat hirarki proses, dan perhitungan kriteria. Untuk sample diambil 4 orang karyawan dengan menggunakan kriteria disiplin, tanggung jawab, etika dan prilaku, serta kejujuran. Dari hasil perhitungan didapat jika bobot tertinggi di dapat oleh karyawan 1. hasil penelitian yang telah dilakukan oleh peneliti didapat nilai matrix normalisasi sebesar 3,999464, nilai λ Maksimum untuk kriteria sebesar : 3.998929, nilai konsistensi index sebesar - 0.00036, dan nilai konsistensi rasio sebesar - 0.0003.

RANCANG BANGUN MEDIA PEMBELAJARAN PENGENALAN KELOM GEULIS BERBASIS AUGMENTED REALITY MENGGUNAKAN METODE MARKER BASED TRACKING UNTUK MENINGKATAN PEMAHAMAN SISWA PADA MATA PELAJARAN SENI BUDAYA

2024-04-19T04:18:50+00:00

Kota Tasikmalaya, terletak di Provinsi Jawa Barat, dikenal sebagai daerah yang kaya akan berbagai jenis seni rupa, salah satunya kelom geulis. Kelom geulis adalah salah satu kerajinan alas kaki yang terbuat dari kayu dan dihias dengan indah. Augmented Reality merujuk pada konsep lingkungan yang menyatukan realitas fisik dengan dunia maya. SMPN 4 Tasikmalaya merupakan salah satu Sekolah Negeri yang sudah berdiri sejak tahun 1961 di Tasikmalaya. Di dalam Mata Pelajaran Seni Budaya ini ada yang namanya Seni Rupa Terapan yaitu mengenai kelom geulis tetapi dalam proses pembelajarannya masih kurang efektif. Mengingat kelemahan media ceramah yang diterapkan saat ini berdasarkan hasil observasi di SMPN 4 Tasikmalaya, maka perlu dilakukan pengembangan media pembelajaran. Berdasarkan hal tersebut, maka perlu dilakukan pembuatan media pembelajaran yaitu menggunakan aplikasi berbasis Augmented Reality dan juga pengembangannya pada pengenalan kelom geulis khas Tasikmalaya serta menggunakan metode Marker Based Tracking. Berdasarkan hasil dari analisis deskriptif, menunjukan bahwa nilai rata-rata analisis deskriptif untuk kelas kontrol adalah sebesar 58,99 % (Pre-Test Kelas Kontrol) dan 49,43 % (Post-Test Kelas Kontrol) dan termasuk kategori kurang efektif. Sementara nilai rata-rata analisis deskriptif untuk kelas eksperimen adalah sebesar 61,47 % (Pre-Test Kelas Eksperimen) dan 78,08 % (Post-Test Kelas Eksperimen) dan termasuk kategori cukup efektif.

PREDIKSI KESUKSESAN FILM INDONESIA MENGGUNAKAN JARINGAN SYARAF TIRUAN

2024-04-24T00:01:02+00:00

Industri film merupakan industri besar yang memiliki pengaruh signifikan terhadap sebuah negara karena besarnya nilai ekonomi yang berputar didalamnya. Namun ketidakpastian sukses atau tidaknya sebuah film menjadikan industri film memiliki resiko yang tinggi. Prediksi kesuksesan film menjadi sesuatu yang dibutuhkan agar dapat mengurangi resiko kerugian yang ditimbulkan. Artikel ini bertujuan untuk memprediksi kesuksesan film Indonesia, dengan parameter kesuksesan berdasarkan jumlah tiket film yang terjual. Dengan menggunakan metode jaringan syaraf tiruan, dibuat model prediksi yang mengklasifikasikan film ke dalam 2 kategori, yaitu “success” dan “not success”. Data yang digunakan berjumlah 719 judul film Indonesia dengan 7 atribut didalamnya. Dari hasil penelitian yang dilakukan, menghasilkan prediksi dengan tingkat akurasi sebesar 80,28%.

KLASIFIKASI BERITA HOAKS KAMPANYE PEMILIHAN UMUM (PEMILU) 2024 MENGGUNAKAN ALGORITMA NAÏVE BAYES

2024-04-24T00:02:08+00:00

Internet telah menjadi media informasi yang terkenal di berbagai bidang, termasuk pencarian berita, foto, ulasan produk, layanan masyarakat, film, dan lainnya. Semua ini disajikan melalui sumber berbagi seperti berita, media sosial, dan blog. Blog dan website sering disebut sebagai sumber berita. Berita dapat memiliki perspektif netral, negatif, atau positif. Dalam era informasi digital yang berkembang pesat, berita dan informasi menyebar dengan cepat melalui platform internet. Pada masa pemilihan umum (pemilu), banyak buzzer penyebar berita hoaks yang muncul untuk mengelabui masyarakat demi kepentingan pribadi dan terkadang merugikan beberapa calon legislative ataupun partai politik. Permasalahan ini dapat diselesaikan dengan menggunakan text mining yang mengklasifikasikan judul berita menggunakan algoritma naïve bayes dan metode Knowledge Discovery in Database (KDD) dan menggunakan rapidminer sebagai alat pengujian. Algoritma naïve bayes dan metode KDD ini sering digunakan dan dianggap sangat baik dalam mengklasifikasikan dataset dengan jumlah yang besar. Hal ini menimbulkan tantangan baru dalam membedakan berita hoaks dan fakta.. Hasil penelitian ini akan menunjukkan nilai tertinggi dari akurasi sebesar 89.54% , nilai tertinggi presisi sebesar 86.44% dan nilai tertinggi dari recall sebesar 82.00%.

ANALISIS USER EXPERIENCE PADA WEBSITE HIMTIKA MENGGUNAKAN METODE HEURISTIC EVALUATION

2024-04-24T00:03:17+00:00

Teknologi telah menjadi alat yang sangat berperan dalam mempermudah berbagai tugas manusia di berbagai bidang. Banyak tugas manusia yang terbantu secara signifikan oleh kemajuan teknologi. Perkembangan teknologi menjadi alasan mendasar mengapa teknologi yang canggih sangat penting dalam penyelesaian masalah di instansi dan organisasi, seperti sebuah organisasi yang ada pada universitas bernama himpunan mahasiswa. Himpunan Mahasiswa Teknik Informatika (HIMTIKA) adalah organisasi yang menggunakan sebuah situs web sebagai sarana untuk mengelola berbagai data dan informasi. Pengguna website memiliki peran penting untuk mengetahui fungsional website, seperti tampilan user interface dan user experience dalam menggunakan website menjadi faktor untuk mengetahui persepsi pengguna dalam hal kenyamanan dan kemudahan ketika menggunakan website. Pendekatan usability digunakan untuk mengetahui penilaian dan kepuasan pengguna terhadap website, metode yang dapat digunakan yaitu Heuristic Evaluation dengan pertimbangan Standar ISO 13407. Heuristic evaluation merupakan metode usability inspection yang bertujuan untuk mengidentifikasi masalah-masalah usability. 10 aspek yang terdapat pada metode heuristic evaluation dan 5 aspek standar ISO 13407 digunakan pada penelitian ini, Pengujian user experience pada website Himtika menunjukan bahwa terdapat 5 aspek heuristic dengan nilai rata- rata severity rating yang memerlukan perbaikan, dan 1 aspek standar ISO 13407 dengan nilai persentase kurang menarik, sehingga dibuatkan rancangan usulan perbaikan desain dalam bentuk prototype

CLUSTERING HASIL CEK DARAH DIABETES LANSIA MENGGUNAKAN METODE K-MEANS DI POSBINDU KP. LEBAKJERO DESA CIHERANG

2024-04-24T00:04:14+00:00

Penelitian ini bertujuan untuk menganalisis hasil cek darah lansia yang menderita diabetes menggunakan metode K-Means. Diabetes adalah penyakit metabolic yang ditandai dengan tingginya kadar gula darah (hiperglikemia) yang disebabkan oleh kekurangan insulin atau tidak efektif insulin dalam mengatur metabolisme glukosa. Selain itu terdapat faktor-faktor lain menjadi penyebab terjadinya diabetes diantaranya seperti faktor keturunan, berat badan, usia, tekanan darah dan sebagainya. Diabetes penyakit kronis yang umumnya terjadi pada lansia dan membutuhkan pemantauan berkala untuk mengelola kondisi mereka. Dengan metode K-Means untuk mengelompokan lansia ke dalam kategori yang berbeda berdasarkan karakteristik darah mereka. Metode K-Means Clustering merupakan metode yang digunakan dalam data mining yang cara kerjanya mencari dan mengelompokan data yang mempunyai kemiripan karakteristik antara data satu dengan data lain yang telah diperol eh data yang memiliki kesamaan bukan data yang sama tetapi memiliki karakteristik yang sama, Dengan menerapkan metode K-Means Clustering dapat membantu pihak Posbindu Kp.Lebakjero Desa Ciherang. Penelitian ini akan di cluster menjadi Lansia yang memiliki penyakit Diabetes paling tinggi di Posbindu Kp.Lebakjero Desa Ciherang. Dalam Cluster tersebut atribut yang dipakai adalah Nama, Jenis Kelamin, Usia, dan Hasil Cek Darah. Hasil analisis dapat membantu petugas kesehatan dalam merancang intervensi yang lebih spesifik dan efektif untuk mengelola diabetes pada populasi lansia. Hasil penelitian K-Means Clustering dibantu hasil nilai DBI dengan -0.597, menjadi 6 cluster dimana hasil cluster0 57, cluster1 24, cluster2 30, cluster3 23, cluster4 44, cluster5 25 dan hasil paling optimal di cluster0 yaitu 57. Cluster0 dengan 57 lansia dimana hasil cluster adalah kp.lebakjero mempunyai lansia paling banyak dan mempunyai diabetes paling tinggi. Selain itu, penelitian ini juga untuk mencapai sesuatu hasil yang akurat terhadap data yang di hasilkan di Posbindu Kp.Lebakjero Desa Ciherang.

PENERAPAN USABILITY TESTING DENGAN MENGGUNAKAN METODE RETROSPECTIVE THINK ALOUD UNTUK PENGUKURAN TINGKAT KEBERGUNAAN APLIKASI WISATA LABUAN BAJO

2024-04-26T06:40:48+00:00

Perkembangan teknologi digital, terutama dalam penggunaan smartphone, memberikan dampak signifikan pada gaya hidup manusia. Aplikasi mobile, khususnya dalam industri pariwisata, menjadi krusial dalam membantu wisatawan merencanakan perjalanan dengan efisien. Labuan Bajo, sebagai destinasi wisata terkenal di Indonesia, meluncurkan Aplikasi Wisata Labuan Bajo pada 25 November 2022, bertujuan memberikan informasi penting bagi wisatawan dan mendukung masyarakat lokal. eskipun telah diluncurkan, belum ada penelitian khusus menggunakan usability testing, seperti metode retrospective think aloud, untuk mengukur tingkat kebergunaan aplikasi tersebut. Oleh karena itu penelitian ini bertujuan untuk mengukur efektivitas, efisiensi, dan kepuasan pengguna terhadap Aplikasi Wisata Labuan Bajo. Melibatkan sepuluh responden dari berbagai latar belakang, termasuk sembilan wisatawan mancanegara dan satu wisatawan domestik, dalam rentang usia 20-59 tahun. Dengan memberikan tugas terkait fitur aplikasi, penelitian menganalisis tingkat keberhasilan, waktu penyelesaian, dan skor kepuasan pengguna. Hasil menunjukkan tingkat penyelesaian tugas mencapai 96%, menandakan efektivitas aplikasi yang baik. Meskipun demikian, efisiensi berdasarkan metode time-based efficiency hanya mencapai 13,1%, menunjukkan potensi peningkatan efisiensi. Skor kepuasan pengguna (SUS) sebesar 84,25 mengindikasikan kepuasan umum pengguna terhadap aplikasi, meskipun beberapa aspek seperti konsistensi fungsi dan kompleksitas perlu ditingkatkan. Aplikasi Wisata Labuan Bajo efektif dalam penyelesaian tugas, tetapi memerlukan perbaikan dalam efisiensi dan desain guna meningkatkan pengalaman pengguna secara keseluruhan

PENERAPAN METODE WAVELET DAUBECHIES DAN DIAGRAM NOHIS-TREE UNTUK KLASIFIKASI CONTENT BASED IMAGE RETRIEVAL BATIK

2024-04-26T06:25:48+00:00

Penelitian ini mengevaluasi metode Daubechies Wavelet dan NOHIS-Tree Diagram untuk Pengambilan Gambar Berbasis Konten Batik, dengan fokus pada efektivitasnya dalam mengidentifikasi motif Batik. Bab ini membandingkan metode-metode ini dengan metode lain, mengeksplorasi validitas, potensi bias, dan keandalan data, serta membahas implikasi praktis untuk aplikasi dunia nyata dan manfaat industri. Kain batik, yang merupakan warisan budaya Indonesia, sering dikaitkan dengan kurangnya kesadaran masyarakat sehingga menyebabkan klaimnya sebagai budaya bangsa lain dalam beberapa tahun terakhir. Hal ini menunjukkan perlunya perhatian segera untuk mencegah kesalahpahaman tersebut. Metode pengenalan pola khususnya metode wavelet dengan jenis wavelet Daubechies digunakan untuk mengenali motif batik. Prosesnya diawali dengan input citra batik dalam skala abu-abu, dilanjutkan dengan dekomposisi hingga diperoleh koefisien wavelet. Nilai energi dan entropi wavelet dihitung, dan nilai masukan dibandingkan dengan nilai database. Semakin kecil nilai errornya maka semakin mirip gambar tersebut. Penelitian ini menyelidiki penggunaan metode Daubechies Wavelet dan NOHIS-Tree Diagram pada aplikasi Image Retrieval Berbasis Konten Batik. menggunakan Batik dalam berbagai format dan menggunakan variasi wavelet tatanan Daubechies sebagai ekstraktor fitur. Diagram Pohon NOHIS digunakan sebagai sistem identifikasi Batik. Penelitian ini menggunakan software MATLAB R2011b untuk mengukur kinerja metode. Tujuannya adalah untuk berkontribusi terhadap pengembangan pemrosesan digital, khususnya dalam identifikasi Batik, dan membantu pembuatan perangkat lunak yang dapat mengenali pola Batik dengan peningkatan akurasi dan efektivitas. Hasil dari penelitian menunjukkan bahwa aplikasi CBIR Batik dengan menggunakan Wavelet Daubechies dan Diagram NOHIS-Tree memiliki tingkat akurasi tertinggi bahwa aplikasi Content Based Image Retrieval motif batik menggunakan WaveletDaubechies memliki tingkat akurasi 100% pada hasil uji 9 teratas, 100% pada hasil uji 6 teratas, 80% pada hasil uji 3 teratas, dan40% pada hasil uji 1 teratas.

PEMANFAATAN DATA MINING UNTUK PENEMPATAN BUKU DI PERPUSTAKAAN MENGGUNAKAN METODE ASSOCIATION RULE

2024-04-24T00:06:46+00:00

Dalam era pesatnya perkembangan teknologi informasi, bidang Informatika telah memainkan peran yang sangat vital dalam transformasi masyarakat modern. Revolusi digital telah menciptakan gelombang besar inovasi, mempengaruhi sektor-sektor seperti teknologi, bisnis, pendidikan, dan lain-lain. Pada sistem yang berjalan penempatan buku dilakukan berdasarkan kategori buku yang tealah tersedia pada rak buku, namun belum diatur berdasarkan intensitasi peminjaman buku yang dilakukan oleh pengunjung. Sehingga masih banyak buku-buku lama yang masih tersedia di perpustakaan. Namun pada proses tata letak buku belum dilakukan dengan melihat tingkat kebutuhan peminjam atas buku yang dipinjam. Sehingga pengunjung perpustakaan membutuhkan waktu yang lama untuk mencari buku dengan melihat pada rak-rak buku yang tersedia. Maka dari itu Penelitian ini bertujuan untuk menerapkan metode data mining dengan menggunakan association rule dalam penempatan buku di perpustakaan. Dari aturan asosiasi final, diambil nilai terbesar yang berkaitan dengan peminjaman buku sehingga penempatan ditentukan oleh nilai support x confidence dari seluruh aturan asosiasi yang akan didekatakan menjadi 10 rak buku, guna meningkatkan keterkaitan antar buku dan memudahkan akses informasi bagi pengguna

PENERAPAN ALGORITMA FP-GROWTH UNTUK MENENTUKAN POLA PEMBELIAN MAKANAN DI WARMINDO

2024-04-24T00:07:35+00:00

Di dalam dunia bisnis diperlukan suatu usaha yang maksimal agar mendapatkan keuntungan. Strategi pemasaran yang tepat dapat dilihat pada pola pembelian konsumen yang di peroleh dari transaksi penjualan terhadap Makanan Warung Indomie atau Warmindo. Informasi mengenai pola pembelian customer pada Warmindo yang kurang akurat ini menyebabkan ketidaktahuan perusahaan mengenai kerugian yang didapatinya. Penelitian ini bertujuan untuk menganalisis pola pembelian pelanggan di Warmindo menggunakan algoritma FP-Growth yang diimplementasikan melalui software RapidMiner. Pada penelitian ini ditemukan beberapa hasil aturan asosiasi yang nantinya akan digunakan sebagai bahan pengambilan keputusan untuk kemajuan Perusahaan dan mendatangkan laba atau keuntungan. Hasil dari penelitian ini berupa aturan asosiasi menggunakan algoritma FP-Growth yang bertujuan untuk memberikan rekomendasi dua items atau menu kepada pelanggan dengan menggunakan nilai minimum support 30% dan minimum confidence 80%

KLASTERISASI DATA BENCANA ALAM DI KOTA CIREBON MENGGUNAKAN K-MEANS CLUSTERING BERDASARKAN KAWASAN DAN JENIS BENCANA

2024-04-24T00:08:22+00:00

Bencana merupakan peristiwa yang memiliki dampak kerugian yang dirasakan oleh masyarakat seperti hancurnya rumah, bangunan, rusaknya fasilitas jalan, serta hilangnya pekerjaan. Bencana tersebut disebabkan oleh banyak faktor salah satunya adalah faktor dari manusia dan alam. Faktor yang disebabkan oleh non alam yaitu, kebakaran rumah, pohon tumbang, rumah ambruk dan untuk faktor bencana alamnya adalah tanah longsor, gempa bumi, dan banjir. Untuk memiliki sikap sigap terhadap bencana yaitu bisa dengan cara identifikasi kawasan atau wilayah yang rentan terjadinya bencana, khususnya pada wilayah kota Cirebon. Saat ini BPBD belum memiliki pengelompokan data terhadap Kawasan yang rentan bencana dengan jenis bencana yang telah terjadi di kota Cirebon sehingga kurang efektif dalam mengetahui kawasan dan jenis bencana yang rentan terjadi. Permasalahan ini memuat pengelompokan kawasan rentan bencana dan jenis bencana di kota Cirebon menggunakan metode K-means. Metode K-means clustering adalah untuk mengkategorikan pengelompokan sekelompok objek sesuai dengan atribut yang sama atau karakteristik ke dalam sejumlah grup. Penelitian ini menerapkan K-means clustering tersebut untuk mengelompokan kawasan kejadian bencana alam berdasarkan jenis bencana di kota Cirebon. Tujuan klasterisasi ini untuk mengetahui kawasan-kawasan di kota Cirebon yang rentan terjadi bencana berdasarkan jenis bencana yang ada. Hasil dari klasterisasi menghasilkan 6 kelompok dengan anggota yang berbeda dan nilai DBI yang diperoleh 0.087.

IMPLEMENTASI ALGORITMA KLASIFIKASI NAÏVE BAYES PADA DATA PENGGUNA ALAT KELUARGA BERENCANA DI DESA CIHERANG

2024-04-24T00:09:10+00:00

Penelitian ini bertujuan untuk mengklasifikasikan jenis Alat Kontrasepsi dalam Rahim (IUD), Implant, Metode Operasi Wanita (MOW), dan Metode Operasi Pria (MOP) yang paling banyak digunakan oleh masyarakat di Desa Ciherang berdasarkan data pengguna alat Keluarga Berencana (KB). Metode Knowledge Discovering Data (KDD) digunakan dengan Algoritma Naïve Bayes untuk mengklasifikasikan jenis KB berdasarkan variabel seperti Usia, Jenis KB, Pendidikan, dan penyakit penyerta. Data diambil dari posyandu Desa Ciherang dan diolah menggunakan perangkat lunak RapidMiner versi 10.3. Hasil implementasi algoritma Naïve Bayes menunjukkan tingkat akurasi sebesar 70%. Analisis lebih lanjut menunjukkan tingkat presisi dan recall untuk masing-masing jenis KB, dimana jenis Suntik memiliki presisi 75% dan recall 98,51%, jenis Operasi memiliki presisi 33,33% dan recall 14,29%, jenis IUD memiliki presisi 33,33% dan recall 21,43%, sedangkan jenis Implan dan Pil memiliki presisi dan recall 0%. Hasil penelitian ini diharapkan dapat memberikan panduan bagi pemerintah dan organisasi terkait dalam merancang program KB yang lebih terarah dan efektif.

PENGEMBANGAN PERMAINAN EDUKASI INTERAKTIF UNTUK ANAK PADA MATA PELAJARAN MATEMATKA BERBASIS MOBILE MENGGUNAKAN METODE ADDIE

2024-04-24T00:09:56+00:00

Kemajuan teknologi saat ini telah mengalami perkembangan pesat yang terus meningkatkan minat pengguna agar tetap tertarik dan tidak bosan menggunakan teknologi, termasuk dalam konteks pendidikan. Teknologi memainkan peran penting dalam perkembangan ilmu pengetahuan, dan pendidikan dianggap sebagai wadah yang penting dalam membentuk individu yang berkualitas dan berwawasan luas, serta memotivasi mereka untuk meningkatkan kemampuan berpikir dan menghadapi kehidupan secara lebih baik. Media pembelajaran berfungsi sebagai perantara yang menyampaikan informasi dan pesan-pesan pembelajaran. Penggunaan media pembelajaran dapat memicu minat belajar baru, meningkatkan motivasi dan aktivitas belajar, serta memiliki dampak psikologis bagi siswa. Dapat disimpulkan bahwa baik media pembelajaran maupun teknologi memiliki daya tarik yang sama. Sebagai contoh, game edukasi dengan tema matematika untuk siswa sekolah dasar telah meningkatkan persentase penggunaannya menjadi 32% dibandingkan dengan pembelajaran menggunakan buku sebesar 28%. Penelitian ini bertujuan untuk menerapkan metode ADDIE dalam pengembangan permainan edukasi interaktif untuk anak pada mata pelajaran matematika yang awalnya bersifat statis menjadi interaktif. Hal ini bertujuan untuk memudahkan anak dalam belajar matematika melalui permainan. Hasil dari penelitian ini adalah sebuah permainan edukasi interaktif untuk anak pada mata pelajaran matematika yang dikembangkan menggunakan metode ADDIE. Permainan ini dirancang untuk menyampaikan materi pembelajaran matematika tingkat sekolah dasar

RANCANG BANGUN APLIKASI ADMINISTRASI GURU BERBASIS WEB MENGGUNAKAN TEKNOLOGI CLOUD COMPUTING

2024-04-24T00:10:51+00:00

Perkembangan teknologi di bidang Pendidikan memberikan dampak terhadap pengolahan data dan administrasi guru. Pada awalnya guru menggunakan media cetak dan saat ini guru dapat menggunakan media digital untuk kegiatan belajar mengajar khususnya administrasi pembelajaran. Guru menggunakan administrasi sebagai acuan pembelajaran sehingga akan lebih terarah. Administrasi akan dilakukan supervisi oleh kepala sekolah. Namun pada penerapannya,terdapat permasalahan guru tidak membuat administrasi pembelajaran. Sehingga perlu adanya rancang bangun aplikasi administrasi guru berbasis web menggunakan teknologi cloud computing. Adapun teknologi cloud computing disini untuk mengatasi permasalahan konektivitas internet yang terjadi di SMP PGRI 1 Sendang Agung. Aplikasi ini diharapkan akan menjadikan proses supervisi administrasi guru berjalan dengan baik dan tanpa kendala. Apabila aplikasi ini tidak diterapkan, tentunya akan berdampak pada proses pembelajaran yang kurang teratur didalam kelas. Aplikasi ini dibangun menggunakan codeigniter dan MySQL sebagai database-nya. Untuk penerapan di lapangan dapat digunakan model layanan Infrastrucutre as a service dengan model penerapan private cloud. Metode yang digunakan merupakan RAD untuk mempercepat proses development aplikasi. Hasil dari penelitian ini merupakan aplikasi administrasi guru untuk membantu kepala sekolah dalam proses supervisi administrasi dan menggantikan metode konvensional

PENERAPAN METODE K-MEANS CLUSTERING UNTUK PENGELOMPOKAN POTENSI PADI DI KOTA PAGAR ALAM

2024-04-24T00:12:35+00:00

Tujuan dari penelitian ini adalah untuk mengklasifikasikan potensi padi menggunakan Algoritma K-Means Di Kota Pagar Alam. Penelitian ini dilatar belakangi dengan proses pengelolaan data padi yang dilakukan masih hanya sebatas pengarsipan saja, data disimpan dalam bentuk file microsoft excel dan Microsoft word. Belum adanya pengelolaan yang lebih lanjut sehingga sulit untuk menentukan daerah mana saja yang memiliki potensi padi diantara 35 kelurahan yang ada di Kota Pagar Alam. Metode pengembangan sistem menggunakan metode CRISP-DM. Pengelompokkan ini dilakukan dengan menggunakan metode K-Means Clustering yang akan menghasilkan 3 cluster kelurahan berdasarkan potensi padi. Cluster 0 merupakan cluster dengan potensi rendah, cluster 1 dengan potensi sedang, dan cluster 2 dengan potensi tinggi. . Pada tahun 2020 didapatkan hasil cluster-0 total 25 kelurahan, cluster 1 total 4 kelurahan dan cluster 2 total 6 kelurahan. Pada tahun 2021 didapatkan hasil cluster 0 total 23 kelurahan, cluster 1 total 7 kelurahan dan cluster 2 total 5 kelurahan. Pada tahun 2022 didapatkan hasil cluster 0 total 23 kelurahan, cluster 1 total 6 kelurahan dan cluster 2 total 6 kelurahan. Saran untuk penelitian selanjutnya agar dapat menjadi pembanding dengan algoritma lain.serta data hasil klasterisasi dapat dimanfaatkan untuk mengklasifikasi tingkat potensi padi di kota pagar alam

ANALISIS CLUSTERING DATA PENDUDUK MISKIN MENGGUNAKAN ALGORITMA K-MEANS

2024-04-24T00:13:29+00:00

Tujuan dari penelitian ini adalah menghasilkan cluster penduduk miskin per kecamatan di Kota Pagar Alam. Saat ini, proses pengelolaan untuk menentukan kelompok penduduk miskin masih dilakukan secara manual, yang melibatkan verifikasi data dari Kemensos oleh pendamping kota untuk menentukan kelayakan penerima bantuan. Metode ini memakan waktu dan berpotensi kesalahan karena memerlukan verifikasi manual dari data lapangan dalam bentuk file excel. Oleh karena itu, penelitian ini menggunakan algoritma K-Means clustering untuk menghasilkan profil kelompok dengan atribut yang sama. Pengolahan data dilakukan menggunakan Python, dengan pengembangan sistem yang mengikuti metodologi CRISP-DM dimana tahapan meliputi Business Understanding, Data Understanding, Data Preparation, Modelling, Evaluation dan Deployment. Metode pengujian menggunakan Elbow Method untuk menentukan jumlah cluster terbaik dengan melihat siku pada grafik hasil sum of square error (SEE). Hasil penelitian menunjukkan terbentuknya 5 cluster, di mana beberapa di antaranya memiliki penduduk miskin yang signifikan

PERBANDINGAN ALGORITME C4.5 DAN NAÏVE BAYES DALAM KLASIFIKASI SEVERE PREEKLAMPSIA MENGGUNAKAN HEMATOLOGI

2024-04-24T00:14:21+00:00

Penelitian ini memfokuskan perbandingan metode klasifikasi Naïve Bayes dan C4.5 dalam mengidentifikasi kasus preeklampsia berdasarkan data hematologi pada dataset Rumah Sakit Bayukarta Karawang 2021-2023. Decision Tree (C4.5) menghasilkan akurasi 75%, sedangkan Naive Bayes 71%, dengan F1-score kelas 1 masing-masing 0.83 dan 0.80. Model C4.5 di-deploy sebagai web sederhana menggunakan Flask dan TailwindCSS untuk prediksi data baru. Metodologi yang dipakai penelitian ini yaitu KDD (Knowledge Discovery in Database) yang memungkinkan membantu penambangan data yang terstruktur dan terarah dari awal hingga akhir, Saran pengembangan mencakup analisis fitur preeklampsia, peningkatan akurasi, eksplorasi metode pengolahan data, dan penggunaan dataset lebih besar. Melibatkan faktor risiko tambahan dan penerapan ensemble learning juga disarankan. Diharapkan kontribusi penelitian ini dapat meningkatkan pemahaman dan pencegahan preeklampsia serta meningkatkan ketepatan model pada tahap awal kehamilan.

PROTOTIPE PENYIRAM PUPUK CAIR PADA TANAMAN CABAI BERBASIS IOT (INTERNET OF THINGS) MENGGUNAKAN ALGORITMA FUZZY LOGIC

2024-04-26T15:18:54+00:00

Tujuan dari penelitian ini adalah untuk membuat prototipe yang menggunakan metode Fuzzy Logic untuk dan `penyiraman pupuk cair pada tanaman cabai yang dapat membantu dan mempermudah petani dalam melakukan pemberian pupuk secara berkala melalui smartphone. Selama ini penyiraman pupuk pada tanaman cabai masih secara manual menggunakan alat semprot manual untuk melakukan penyiraman sehingga petani mengalami beberapa kesulitan ataupun keluhan dalam melakukan pemberian pupuk cair. Untuk mengatasinya dibutuhkan sebuah prototype yang dirancang menggunakan model pengembangan sistem Rapid Aplication Development (RAD) dengan tahapan Requirements Planning, RAD Workshop Design, dan Implementation. untuk memperoleh data dalam penelitian ini peneliti melakukan teknik pengumpulan data diantaranya: obserfasi,wawancara dan stadi pustaka, Tahap pengujian menggunakan Expert Review.Hasil dari algoritma fuzzy logic yaitu didapatkan tingkat kelembapan tanah dimmana soil moisture sensor 1-400 RH untuk hasil perhitungan algoritma Fuzzy Logic 1,004 RH untuk tanah basah, dan untuk soil moisture sensor 400 - 800 dengan hasil perhitungan -0,04 RH untuk tingkat tanah kering. Perancangan dari penelitian ini berupa Prototipe Penyiram Pupuk Cair Pada Tanaman Cabai Berbasis IoT (Internet of Thing) Mengunakan Algoritma Fuzzy Logic

ANALISIS SENTIMEN TWITTER TERHADAP CRYPTOCURRENCY MENGGUNAKAN ALGORITMA NAIVE BAYES DAN DECISION TREE

2024-04-24T14:45:45+00:00

Analisis sentimen terhadap cryptocurrency telah menjadi topik penting dalam riset dan pengembangan di bidang keuangan dan teknologi informasi. Twitter, sebagai platform media sosial yang populer, menjadi sumber data yang berharga untuk memahami sentimen pengguna terhadap cryptocurrency. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap cryptocurrency berdasarkan data dari Twitter menggunakan algoritma Naive Bayes dan Decision Tree. Metode yang digunakan melibatkan pengumpulan data dari Twitter yang berisi percakapan terkait cryptocurrency. Data tersebut kemudian dibersihkan, diproses, dan dianalisis menggunakan algoritma Naive Bayes dan Decision Tree. Naive Bayes digunakan untuk mengklasifikasikan sentimen menjadi positif, negatif, atau netral berdasarkan fitur-fitur teks dari tweet. Sementara itu, Decision Tree digunakan untuk membangun model prediktif yang dapat mengidentifikasi pola sentiment terhadap cryptocurrency..Hasil penelitian menunjukkan bahwa akurasi Naïve Bayes mencapai 80.222%, sedangkan Decision Tree mencapai 65.03%. Dari hasil ini, dapat disimpulkan bahwa Naïve Bayes lebih baik dalam mengklasifikasikan text mining dengan akurasi tertinggi. Perbandingan antara kedua metode menunjukkan perbedaan akurasi yang tidak signifikan, yaitu untuk Naïve Bayes dengan akurasi 80.22%, Presisi 96.90%, dan Recall 62.54%, serta Decision Tree dengan akurasi 65.03%, Presisi 52.02%, dan Recall 98.94%. Analisis opini publik terhadap cryptocurrency mengungkapkan bahwa masyarakat Indonesia cenderung memberikan tanggapan positif terhadap mata uang digital ini setelah dilakukan penelitian ini.

PENERAPAN ALGORITMA K-MEANS PADA DATASET PENGANGGURAN TERBUKA BERDASARKAN PENDIDIKAN DI PROVINSI JAWA BARAT

2024-04-24T14:46:40+00:00

Pengangguran merupakan istilah untuk orang yang tidak bekerja sama sekali,bekerja kurang dari dua hari selama satu minggu, atau seseorang yang berusaha mencari pekerjaan. Jumlah kasus Pengangguran Terbuka berdasarkan Tingkat Pendidikan Akhir adalah salah satu indikator penting dalam mengukur tingkat pengangguran di suatu Daerah. Dataset yang digunakan dalam penelitian ini merupakan dataset yang bersumber dari website resmi pemerintahan Open Data Jabar periode tahun 2019-2022. Algoritma K-Means Clustering telah diterapkan pada dataset pengangguran terbuka berdasarkan Pendidikan untuk mengelompokan data berdasarkan tingkat Pendidikan akhir serta jumlah pengangguran provinsi yang terletak di Kota maupun dan di Kabupaten.Penelitian ini dilakukan bertujuan untuk mendapatkan beberapa hasil pengelompokan data Pengangguran di Provinsi Jawa Barat berdasarkan Tingkat Pendidikan Akhir. Pengelompokan tersebut, dibagi menjadi 3 Bagian yaitu tingkat pengangguran tinggi, tingkat pengangguran menengah dan tingkat pengangguran rendah, Tingkat Pengangguran tinggi diperoleh sebanyak 389 cluster, Tingkat Pengangguran Menengah dengan 162 cluster, dan Tingkat Pengangguran rendah dengan hasil 29 Cluster. Hasil dari penelitian ini diharapkan dapat memberikan wawasan penting untuk kebijakan pemerintah terkait masalah peningkatan angka pengangguran di berbagai daerah, serta menunjukan bahwa kemampuan Algoritma K-Means dalam mengelompokan data pengangguran terbuka berdasarkan tingkat Pendidikan telah mendapatkan hasil K terbaik

IMPLEMENTASI AGILE DALAM PENGEMBANGAN E-COMMERCE UNTUK PENJUALAN BAJU DISTRO: STUDI KASUS VICTOREM STORE

2024-04-24T14:47:49+00:00

Toko baju distro victorem merupakan sebuah wadah penjualan. Pada bisnis ini pemilik masih menggunakan sistem konvensional yaitu penjualan secara langsung atau pelanggan datang ke toko, cara ini tidak efektif untuk pelanggan yang tidak punya banyak waktu. Saat ini sudah banyak toko baju distro yang proses transaksi jual belinya dilakukan secara online. Dengan dibuatkan nya aplikasi e-commerce berbasis web ini diharapkan dapat memberikan kemudahan kepada pelanggan untuk melakukan pembelian produk tanpa harus datang ke toko secara langsung. Dalam penelitian ini dilakukan perancangan website e-commerce menggunakan pengembangan perangkat lunak metode Agile yang terbagi kebeberapa tahapan yaitu Persyaratan, Desain, Pengembangan, Pengujian, Penerapan, dan Tinjauan. Penelitian ini menghasilkan sebuah sistem pencatatan yang berkaitan dengan penjualan, data transaksi, data produk, data konfirmasi, dan data pelanggan

PENGEMBANGAN APLIKASI SALES ORDER MENGGUNAKAN BAHASA PEMROGRAMAN PHP PADA PT. SINAR SOSRO

2024-04-24T14:48:38+00:00

PT. Sinar Sosro (Kantor Pemasaran Kuningan) berfungsi sebagai distributor minuman ringan yang menerapkan strategi pemasaran langsung kepada konsumen melalui divisi pemasaran, terutama Sales. Sales memiliki tanggung jawab seperti melakukan penawaran, menerima pesanan, menyusun rekapan harga yang terstruktur, dan mengorganisir proses transaksi. Dalam konteks ini, dibutuhkan aplikasi lapangan yang efisien, efektif, dan terstruktur untuk mempermudah operasional bisnis. Tantangan utama melibatkan ketidaksesuaian fungsionalitas dengan kebutuhan pengguna, kinerja aplikasi, integrasi dengan sistem eksternal, dan keamanan data. Kurangnya pemahaman terhadap kebutuhan pengguna, kurangnya pengujian kinerja aplikasi, dan kekurangan praktik keamanan dapat menghambat keberhasilan implementasi. Metode pengembangan menggunakan model Waterfall untuk pengembangan rinci dan prinsip Agile untuk respons terhadap perubahan kebutuhan bisnis. Tahap awal mencakup analisis kebutuhan bisnis dan desain antarmuka pengguna responsif. Pemilihan PHP sebagai bahasa pemrograman didasarkan pada kemudahan integrasi dan dukungan komunitas pengembangan web, dengan MySQL sebagai database server. Aplikasi ini bertujuan meningkatkan akurasi dan kecepatan transaksi penjualan tim marketing melalui manajemen data pelanggan, data produk, pelaporan penjualan real-time, dan pemesanan. Hasil penelitian mencakup aplikasi dengan fitur manajemen data pelanggan dan produk, serta pelaporan penjualan dan pemesanan secara real-time

IMPLEMENTASI APLIKASI ANTRIAN PENCUCIAN MOBIL BERBASIS WEB MENGGUNAKAN PHP, JAVASCRIPT, HTML, CSS DAN UML

2024-04-24T14:49:29+00:00

Dalam era digital, kehadiran website menjadi krusial untuk kelangsungan bisnis, khususnya di sektor jasa seperti pencucian mobil. Asy Cuci Steam Mobil yang berlokasi di Karawang memberikan pelayanan pencucian mobil pribadi. Karena keterbatasan teknologi saat ini, Asy Cuci Steam Mobil masih menggunakan formulir tulisan tangan untuk mencatat data mobil dan pembayaran. Dalam hal ini, data seperti data masuk mobil, plat/nomor kendaraan, nama tukang cuci, harga cuci, kritik dan saran masih diproses secara konvensional. Dari sisi pengguna juga tidak mengetahui kapan mendapatkan pelayanan pencucian mobil, sehingga proses pelayanan pencucian mobil tidak efektif dan efisien. Penelitian ini mengusulkan implementasi aplikasi antrian pencucian mobil berbasis web menggunakan PHP, JavaScript, HTML, CSS, dan UML. Metode penelitian menggunakan pendekatan System Development Life Cycle (SDLC) dengan model Waterfall, melibatkan tahapan perencanaan, desain, implementasi, dan pengetesan. Hasilnya mencakup antarmuka pelanggan untuk pemesanan dan penjadwalan, dashboard admin untuk pengelolaan antrian dan data pelanggan, serta laporan transaksi. Dapat disimpulkan bahwa dengan adanya sistem antrian pencucian mobil ini membantu dalam memper-mudah dan mempercepat user dalam melakukan transaksi cuci mobil lebih efektif dan efesien. Dan Asy Cuci Steam Mobil dapat dengan mudah mengontrol tranksaksi cuci mobil dan membuat laporan data pengguna

IMPLEMENTASI PERCEIVED STRESS SCALE PADA APLIKASI PENGUKUR TINGKAT STRESS BERBASIS WEBSITE

2024-04-24T14:50:13+00:00

Masalah kesehatan mental semakin mendapat perhatian penting di era digital saat ini, dengan prevalensi gangguan mental yang tinggi di Indonesia. Kurangnya akses dan informasi mengenai kesehatan mental memerlukan solusi yang efektif dan terjangkau. Penelitian ini bertujuan untuk mengimplementasikan Perceived Stress Scale (PSS) pada sebuah aplikasi berbasis website untuk mengukur tingkat stres secara daring. Melalui pendekatan Agile, sistem ini dikembangkan untuk menjadi fleksibel dan responsif terhadap perubahan dinamis, memungkinkan pengguna untuk dengan mudah mengakses layanan pengukuran stress online serta mendapatkan rekomendasi artikel dan tips untuk mengelola stress. Hasil akhir penelitian dan pengujian stress berupa skala dari satu sampai empat puluh dengan kategori stress tertentu untuk menentukan sikap atau tindakan yang akan diambil setelah mengetahui tingkatan stress pengguna.

IMPLEMENTASI DATA MINING UNTUK KLASIFIKASI PENYAKIT GAGAL GINJAL KRONIS MENGGUNAKAN METODE K-NEAREST NEIGHBOR

2024-04-24T14:51:00+00:00

Ginjal adalah salah satu organ tubuh paling penting yang berfungsi untuk menjaga kandungan yang ada pada darah dengan cara mencegah penumpukan limbah dan mengendalikan keseimbangan cairan yang ada di dalam tubuh. Penyakit ginjal adalah kelainan penyakit yang menyerang organ ginjal yang disebabkan karena berbagai faktor, misalnya pola hidup yang tidak sehat, bertambahnya usia, ataupun karena faktor turunan. Penelitian ini bertujuan untuk mengklasifikasi resiko penyakit Gagal Ginjal Kronis Metode yang dapat digunakan untuk mendeteksi PGK salah satu nya adalah metode K-Nearest Neighbor (KNN). Metode K-Nearest Neighbor (KNN) ini dapat mengklasifikasikan suatu data yang telah ada ke dalam beberapa kelas. Algoritma K-Nearest Neighbor (KNN) ini ialah algoritma yang dapat menentukan nilai suatu jarak yang berada pada pengujian data testing dengan data training berdasarkan nilai terkecil dari nilai ketetanggaan terdekat. Penelitian ini diharapkan memberikan kontribusi di bidang kesehatan dan di bidang informatika dalam mengklasifikasi penyakit Gagal Ginjal Kronis. Berapa akurasi yang dapat diperoleh dari klasifikasi K-Nearest Neighbor (KNN) dalam menentukan gejala dan resiko penyakit Gagal Ginjal Kronis. penelitian ini dibuat menggunakan algoritma K-Nearest Neighbor. Dalam penelitian ini menggunakan 75% dari data latih dan 25% dari data uji yang digunakan. Hasil klasifikasi penyakit ginjal kronis menunjukkan bahwa sistem berhasil melakukan klasifikasi dengan nilai akurasi mencapai 92,59%, 89,85% untuk nilai presisi, 87,32% untuk nilai recall dan f1-score mencapai nilai 88,57%.

IMPLEMENTASI BLACKBOX AUTOMATION TESTING PADA APLIKASI DONOR MENGGUNAKAN FRAMEWORK STLC DALAM LINGKUP PENGEMBANGAN AGILE SCRUM

2024-04-24T14:51:43+00:00

PT. XYZ sedang mengembangkan aplikasi yang disebut Donora, yang memungkinkan pengajuan darah darurat untuk orang-orang yang membutuhkan. Oleh karena itu, Donora membentuk tim pengembang yang terdiri dari product owner, mobile, dan backend developer. Namun, tim pengembang aplikasi Donora belum memiliki tugas pengujian kualitas untuk memastikan bahwa aplikasi tersebut memenuhi persyaratan yang ditetapkan. Oleh karena itu, perusahaan mengakui peran pemeriksaan kualitas selama proses pengembangan aplikasi. Pengembangan aplikasi Donora dengan Agile Scrum sering menyebabkan kesalahan karena perubahan kebutuhan yang sering terjadi. Oleh karena itu, selama masa pengembangan, verifikasi dan validasi diperlukan. Pengujian black box automasi dapat mendeteksi kesalahan atau bug selama proses pengembangan, serta lebih mudah untuk didokumentasikan dan mengurangi risiko kesalahan manusia. Pengujian mampu mendeteksi sepenuhnya bagaimana pengguna menggunakan software karena berfokus pada spesifikasi kebutuhan dan memiliki sudut pandang pengguna. Selain itu, Software Testing Life Cycle memungkinkan mereka untuk membuat pengujian menjadi lebih teratur, yang berarti bahwa fokus pengerjaan pengujian dapat lebih dikontrol. Tujuan penelitian ini adalah untuk melakukan pengujian pada aplikasi Donora menggunakan framework Software Testing Life Cycle dalam lingkup pengembangan Agile Scrum, selain itu juga untuk mengetahui apakah fungsionalitas dari aplikasi Donora sudah berjalan dengan baik dan bebas dari error. Hasil pengujian menunjukkan bahwa dari tujuh fitur, tujuh sudah dapat digunakan

PERANCANGAN SISTEM PEMINJAMAN BARANG SEKOLAH BERBASIS WEB MENGGUNAKAN PEMODELAN UML

2024-04-24T14:52:27+00:00

Pendidikan memiliki peranan penting dalam membentuk generasi yang berkualitas. Sejalan dengan itu, manajemen aset sekolah, termasuk peminjaman barang, menjadi permasalahan yang cukup mendesak untuk diperhatikan. Proses peminjaman barang secara manual dianggap kurang efisien dan rentan terhadap potensi kesalahan, terutama dengan kompleksitas administratif yang terlibat. Tujuan dari penelitian ini adalah untuk merancang sebuah sistem peminjaman barang berbasis web yang dapat meningkatkan efektivitas proses peminjaman barang di lingkungan sekolah. Melalui pendekatan kualitatif dengan studi literatur dan wawancara, dan integrasi dengan pendekatan Software Development Life Cycle (SDLC), serta pemodelan Unified Modeling Language (UML), penelitian ini berhasil mengidentifikasi masalah serta kebutuhan dalam pengelolaan peminjaman barang di sekolah. Hasil penelitian ini menghasilkan sebuah sistem peminjaman barang berbasis website yang terstruktur, memberikan solusi efektif dalam manajemen peminjaman barang di lingkungan sekolah. Dengan implementasi sistem ini, diharapkan sekolah mampu mengelola aset dengan lebih efektif, menciptakan lingkungan pendidikan responsif terhadap kebutuhan peminjaman barang. Sistem ini tidak hanya mengotomatisasi proses peminjaman barang, tetapi juga memberikan akses yang lebih cepat dan transparan terhadap status peminjaman, meningkatkan efisiensi operasional secara keseluruhan

IMPLEMENTASI K-MEANS UNTUK MENGELOMPOKKAN PROVINSI DI INDONESIA BERDASARKAN INDEKS JUMLAH PENGANGGURAN TERBUKA

2024-04-26T04:12:40+00:00

Indeks pengangguran terbuka merupakan persentase jumlah pengangguran terhadap jumlah angkatan kerja. Berdasarkan rilisan tahunan yang dikeluarkan oleh Dinas Tenaga Kerja dan Transmigrasi pada tahun 2018-2023. Pengelompokkan provinsi dilakukan untuk memetakan daerah dengan indeks pengangguran terbuka sebagai salah satu upaya pemerintah dalam mengetahui indeks pengangguran terbuka setiap provinsi. Penelitian ini menggunakan algoritma k-means. Algoritma k-means merupakan metode dalam data mining yang digunakan untuk mengelompokkan atau mengklasifikasikan data ke dalam satu atau lebih kluster. Penelitian ini memiliki tujuan untuk mengisi kesenjangan tersebut dengan mengimplementasikan algoritma K-Means untuk mengelompokkan provinsi-provinsi di Indonesia berdasarkan data Dinas Tenaga Kerja dan Transmigrasi pada tahun 2018-2023. Hasil pengelompokkan membagi provinsi ke dalam 3 cluster, yaitu cluster 0 (C0) yang mencakup 11 provinsi, cluster 1 (C1) yang mencakup 12 provinsi, dan cluster 2 (C2) yang mencakup 11 provinsi. Hasill evaluasi pengelompokkan dengan silhouette coefficient menghasilkan nilai sebesar 0,54 yang menunjukkan bahwa kriteria pengelompokkan yang dilakukan termasuk ke dalam struktur cluster yang standar (medium structure).

IMPLEMENTASI DATA MINING PADA PENJUALAN MAIN COURSE PIZZA MENGGUNAKAN ALGORITMA C 4.5

2024-04-26T04:13:30+00:00

Ketika seorang kepala outlet Pizza Hut Delivery Muara Karang Raya sulit untuk menentukan dari main course pizza yang paling laris dan tidak laris. Selain itu kepala outlet Pizza Hut Delivery Muara Karang Raya belum mengetahui faktor apa yang bisa menentukan apakah produk main course Pizza Hut Delivery tersebut laris dan tidak laris. Tujuan dari penelitian ini adalah untuk mengetahui produk laris dan tidak laris pada main course Pizza Hut Delivery agar tepat sasaran dan faktor apa saja yang mempengaruhi algortima C4.5 dalam menentukan produk laris dan tidak laris pada main course. Metode penelitian menggunakan Algoritma C4.5 dengan menghasilkan pohon keputusan. Pohon keputusan merupakan yang mempresentasikan aturan-aturan yang mudah dipahami untuk menemukan hubungan yang tersembunyi dari variabel input dan target. Pada penelitian ini akan menggunakan salah satu software data mining yaitu Rapid Miner. Dengan menggunakan aplikasi RapidMiner hasil yang didapat pada sebuah hasil akurasi pada penelitian ini sebesar 88,24% dan penjualan main course laris pada Pizza Hut Delivery Muara karang raya adalah menu American Favorite, Meat Lovers, dan Pepperonni.

MANAJEMEN BANDWITH MENGGUNAKAN METODE HIRARCHICAL TOKEN BUCKET PADA PEMBATASAN KECEPATAN INTERNET

2024-04-26T04:14:19+00:00

Perkembangan teknologi dan komunikasi memunculkan kebutuhan akan manajemen bandwidth yang efisien dalam jaringan komputer. Studi ini difokuskan pada Kantor Kelurahan Ciparage Jaya, di mana belum ada pembagian bandwidth yang merata, menyebabkan disparitas dalam pemanfaatan internet dan kesulitan akses. Tujuan penelitian ini menyesuaikan alokasi bandwidth dengan kebutuhan penggunaan internet kantor tanpa dominasi satu pengguna, serta membandingkan kecepatan internet dengan dan tanpa penambahan bucket size. Metode penelitian melibatkan analisis kebutuhan, implementasi manajemen bandwidth menggunakan Hierarchical Token Bucket, dan pengukuran kinerja jaringan. Hasilnya menunjukkan bahwa implementasi manajemen bandwidth memungkinkan distribusi yang lebih merata, meningkatkan kenyamanan pengguna, dan memperbaiki kinerja jaringan secara keseluruhan. Dengan demikian, penelitian ini menyoroti pentingnya manajemen bandwidth yang efektif untuk mencapai kinerja jaringan yang optimal dan memenuhi kebutuhan pengguna.

ANALISIS SENTIMEN PADA ULASAN PENGGUNA APLIKASI CANVA MENGGUNAKAN ALGORITMA NAÏVE BAYES

2024-04-26T04:18:36+00:00

Di era digital saat ini, penggunaan aplikasi mobile semakin meluas dan populer. Karena itu, memahami tingkat kepuasan dan ketidakpuasan pengguna dalam menggunakan aplikasi tersebut menjadi suatu hal yang krusial. Kemajuan pesat dalam bidang Informatika telah memberikan dampak signifikan pada berbagai aspek kehidupan, seperti teknologi, bisnis, pendidikan, dan sebagainya.Ulasan menjadi sumber informasi penting bagi pengembang untuk mengetahui keluhan dari para pengguna aplikasi canva. Dilihat dari review google playstore terdapat komentar yang negatif sehingga hal ini dapat menyebabkan kepercayaan terhadap aplikasi tersebut, kalimat negatif itu dapat di klasifikasi dengan menggunakan algoritma Naïve Bayes. Algoritma Naive Bayes diaplikasikan untuk mengklasifikasikan ulasan pengguna ke dalam kategori positif atau negatif. Dari hasil penelitian terhadap analisis sentimen pengguna aplikasi canva ke dalam kategori positif dan negatif yang mana data diambil melalui hasil scrapping di ambil sejak tanggal 10 November 2023 data diambil sebanyak 2500 data teks didapatkan hasil klasifikasi sentimen positif sebanyak 2110 dan sentimen negatif sebanyak 122 data teks artinya pengguna banyak memberikan komentar positif terhadap aplikasi canva, namun tidak sedikit juga pengguna memberikan komentar negatif terhadap aplikasi canva. Dan hasil klasifikasi menggunakan metode naïve bayes didapatkan hasil accuracy sebesar 85,75% , precision 95,91% dan recall 88,80%.

RANCANG BANGUN SISTEM INFORMASI PPDB ONLINE PADA MADRASYAH ALIYAH SWASTA AL-FATA MENGGUNAKAN BAHASA PEMOGRAMAN LARAVEL

2024-04-26T04:19:41+00:00

Perkembangan teknologi informasi telah membawa dampak signifikan dalam berbagai sektor, termasuk dalam dunia pendidikan. Dalam proses Penerimaan Peserta Didik baru (PPDB) pada Madrasah Aliyah Swasta Al-Fata pendaftaran dilakungan secara offline atau langsung mendaftar kesekolah, dalam hal ini seorang calon siswa yang ingin mendaftar dan berada ditempat tinggal jauh sedikit kesulitan untuk melakukan pendaftaran karena pendaftaran pada sekolah tersebut tidak bisa diakses secara online. Tidak hanya itu pengumpulan berkas pendaftaram secara hardcopy ini, membuat kesulitan dalam melakukan penginputan atau hilangnya data tersebut. Oleh karena itu, Penelitian ini dilakukan untuk merancang dan mengembangkan sistem informasi Penerimaan Peserta Didik Baru (PPDB) online pada Madrasah Aliyah Swasta Al-Fata menggunakan bahasa pemrograman Laravel. Dengan implementasi sistem ini, diharapkan proses penerimaan peserta didik baru akan menjadi lebih efektif dan efisien, mengatasi permasalahan pengumpulan berkas secara manual, dan memudahkan akses informasi bagi calon siswa. Metode pengembangan sistem ini melibatkan analisis kebutuhan sistem, perancangan alur kerja, dan pembangunan prototype. Hasil penelitian ini akan dibuatnya sebuah Sistem Informasi Akademik MA S Al-Fata (SAMAFA) yang dapat mendukung aktivitas penerimaan peserta didik baru di Madrasah Aliyah Swasta Al-Fata. Dengan demikian, implementasi sistem informasi ini diharapkan dapat memberikan manfaat yang signifikan bagi sekolah dan calon siswa.

PENERAPAN UML PADA E-RESERVASI PERAWATAN KULIT WAJAH BERBASIS WEBSITE

2024-04-26T04:20:32+00:00

Kemajuan teknologi saat ini telah mengubah banyak aspek kehidupan, termasuk dalam bidang pelayanan kesehatan khususnya perawatan kulit wajah. Banyak industri perawatan kulit yang telah beralih ke platform digital, seperti website untuk menyediakan layanan yang lebih inovatif dan memuaskan pelanggan. Namun, beberapa tempat perawatan kulit wajah masih menggunakan metode tradisional dalam proses reservasi, contohnya Rumah Cantik Alisya. Mereka meminta pelanggan untuk datang langsung atau menelepon untuk melakukan reservasi, yang seringkali tidak efisien karena kemungkinan antrian penuh dan kesulitan petugas dalam mengelola data secara manual. Oleh karena itu penelitian ini bertujuan untuk mengembangkan sistem e-reservasi perawatan kulit wajah berbasis website pada Rumah Cantik Alisya menggunakan metode pendekatan System Development Life Cycle (SDLC) dan pemodelan Unified Modeling Language (UML). Melalui sistem ini, pelanggan dapat melakukan reservasi secara online, mengakses jadwal perawatan, memilih jenis perawatan, dan mengakses informasi penting yang lebih lengkap. Pengumpulan data dalam penelitian ini menggunakan metode kualitatif yang dikumpulkan melalui studi literatur dan wawancara untuk memahami tren terbaru dalam perawatan kulit wajah dan proses reservasi yang ada untuk memenuhi kebutuhan pelanggan. Dengan menggunakan pendekatan SDLC dan UML, diharapkan pengembangan sistem dapat dilakukan secara lebih terstruktur dan efisien, sehingga dapat mengatasi kendala pada reservasi manual, meningkatkan kepuasan pelanggan, memperkuat hubungan dengan mereka, dan meningkatkan efisiensi operasional Rumah Cantik Alisya

PENGEMBANGAN APLIKASI BERBASIS WEB UNTUK PENILAIAN KINERJA KARYAWAN PADA PT. STARS INTERNASIONAL

2024-04-26T04:21:24+00:00

PT Stars Internasional adalah perusahaan distribusi yang memproduksi sepatu dan sandal. PT Stars Internasional saat ini memiliki lebih dari 400 ritel yang tersebar di seluruh Indonesia. Namun, PT Stars Internasional belum menggunakan metode penilaian yang akurat dan tidak menggunakan sistem yang terkomputerisasi selama proses penilaian. Selain itu, jarak jangkauan toko yang luas menghalangi penilaian, sehingga diperlukan sistem yang memudahkan pengumpulan data penilaian. Dengan belum adanya sistem penilaian yang tepat dan terorganisir akan berdampak pada waktu yang diperlukan oleh bisnis untuk melakukan penilaian kinerja karyawan. Dengan mempertimbangkan masalah tersebut, maka kami bertujuan akan membangun aplikasi penilaian kinerja karyawan yang menggunakan metode waterfall yang memungkinkan lebih mudah untuk menilai dan mengawasi setiap karyawan toko. Metode waterfall merupakan sebuah cara yang dilakukan untuk mendekati alur hidup perangkat lunak secara terstruktur dengan beberapa tahapan yang tesedia Hasil uji coba menunjukkan bahwa sistem penilaian kinerja karyawan ini dapat membantu melaporkan data karyawan di setiap toko dengan lebih efektif. Selain itu, hasil laporan ini akan membantu bagian operasional melacak kemajuan keseluruhan toko

PENERAPAN ALGORIMA K-MEANS CLUSTERING UNTUK MENGELOMPOKAN DATA KEJADIAN KEKERINGAN DI KABUPATEN CIREBON

2024-04-26T04:22:07+00:00

Kekeringan adalah salah satu bencana alam yang berdampak signifikan di berbagai wilayah, termasuk Kekeringan merupakan bencana alam yang berdampak signifikan, termasuk di Kabupaten Cirebon. Penelitian ini menawarkan pendekatan untuk mengelompokkan kejadian kekeringan berdasarkan desa, dengan fokus pada pemahaman intensitas bencana di setiap wilayah. Data dari https://opendata.cirebonkab.go.id/ digunakan, mencakup 848 entri dengan 6 atribut yang mencerminkan 424 desa di Kabupaten Cirebon. Metode K-Means digunakan untuk mengelompokkan data, mencari pusat kluster secara iteratif, dan menetapkan titik data ke kluster terdekat berdasarkan jarak minimum. Tujuan penelitian ini adalah menghasilkan kelompok desa dengan karakteristik kekeringan serupa. Hasil statistik nilai cluster kejadian kekeringan adalah sebagai berikut: cluster 0 (111, 0.131), cluster 1 (28, 0.033), cluster 2 (153, 0.180), cluster 3 (215, 0.254), cluster 4 (141, 0.166), dan cluster 5 (200, 0.236). Pengelompokan ini memberikan wawasan tentang pola kekeringan di Kabupaten Cirebon, membantu pihak berwenang dalam mengambil tindakan yang lebih efisien dan efektif. Penelitian ini menjadi landasan untuk pengembangan strategi mitigasi dan penanggulangan kekeringan yang lebih baik di wilayah tersebut. Kesimpulannya, pendekatan pengelompokan berbasis desa dengan menggunakan algoritma K-Means memberikan informasi yang berharga tentang kekeringan di Kabupaten Cirebon. Ini diharapkan dapat membantu dalam mengambil langkah-langkah yang tepat untuk mengatasi masalah kekeringan dan mengembangkan strategi mitigasi yang lebih baik.

PERANCANGAN SISTEM UJIAN ONLINE MENGGUNAKAN METODE PENGEMBANGAN WATERFALL BERBASIS WEB

2024-04-26T04:22:52+00:00

Pada era sekarang, kemajuan teknologi berkembang sangat cepat dan berperan penting dalam meningkatkan efisiensi dan produktivitas, termasuk di dunia pendidikan. SMA N 1 Baturraden mengakui pentingnya perkembangan teknologi tersebut, sehingga peningkatan kualitas belajar di sekolah harus mengalami perubahan sesuai dengan era yang ada. Sistem ujian di SMA N 1 Baturraden yang masih dilakukan secara tradisional memiliki beberapa kendala seperti penggandaan kertas ujian yang membutuhkan biaya, waktu dan tenaga. Tujuan penelitian ini merancang sistem ujian online berbasis web metode perancangan waterfall dan pengujian black box untuk memastikan fungsionalitas yang baik. Hasil dari perancangan sistem ujian online menunjukan kemampuannya dalam menangani skenario pengujian dengan efektif dari fitur yang ada. Pengujian berkelanjutan penting untuk menjaga kualitas sistem dalam jangka panjang

ANALISIS POLA PENJUALAN SEPATU DENGAN IMPLEMENTASI ALGORITMA APRIORI DATA MINING

2024-04-26T04:23:34+00:00

Penjualan sepatu dalam industri fashion modern sangat vital, tetapi seringkali penjual mengalami kendala dalam pendataan dan pengelolaan stok, terutama dengan penggunaan media kertas yang rentan terhadap kehilangan data. Permasalahan tersebut mendorong penelitian untuk menerapkan algoritma apriori pada data penjualan sepatu guna mengidentifikasi jenis sepatu terlaris. Diharapkan bahwa penggunaan RapidMiner akan memberikan data yang lebih akurat dan memudahkan analisis barang karena metode Algoritma apriori digunakan untuk menentukan barang mana yang banyak dibeli dan barang mana yang kurang dibeli. Untuk mengklasifikasikan penjualan sepatu, metode data mining Algoritma Apriori digunakan. Rumus Algoritma Apriori akan digunakan untuk menghitung data yang masuk ke sistem informasi dan memberikan nilai yang lebih akurat dan valid. Kemampuan untuk mengetahui pola frekuensi asosiasi elemen adalah fase analisis yang menarik perhatian banyak peneliti saat menciptakan algoritma apriori yang efisien. dengan support dan confidence sebagai tolak ukur. Dengan demikian, penggunaan metode Algoritma apriori melalui RapidMiner diharapkan dapat meningkatkan manajemen persediaan, mempercepat proses penjualan, dan memberikan wawasan yang lebih dalam kepada penjual tentang keinginan pelanggan. Keseluruhan, penerapan algoritma ini diharapkan memberikan nilai yang lebih valid dan akurat dalam pengambilan keputusan terkait strategi bisnis dan peningkatan penjualan sepatu. Hasilnya ditemukan bahwa aturan asosiasi paling tinggi terjadi antara sepatu Sneakers Kanvas dengan nilai support x confidence sebesar 87,50%.

PENERAPAN ALGORITMA FUZZY C-MEANS PADA DATA PENJUALAN DISTRO

2024-04-26T04:25:05+00:00

Industri fashion, khususnya penjualan jeans, terus berkembang dengan dinamika konsumen yang kompleks. Dalam upaya untuk memahami perilaku pembelian konsumen dan meningkatkan efektivitas pemasaran, distro Dea Collection berusaha menerapkan algoritma Fuzzy C-Means dalam menganalisis data penjualan jeans. Masalah penjualan jeans melibatkan sejumlah besar data yang kompleks dan bervariasi, yang menghadirkan tantangan dalam mengidentifikasi pola pembelian konsumen. Penelitian ini memfokuskan pada penggunaan algoritma Fuzzy C-Means untuk mengatasi ketidakpastian dan ketidaksempurnaan dalam data penjualan. Tujuan penelitian ini adalah untuk menganalisis data penjualan jeans pada distro Dea Collection menggunakan metode Fuzzy C-Means dengan fokus pada pengelompokan dataset jeans. Yang bertujuan untuk mengidentifikasi kelompok jenis jeans berdasarkan preferensi pembelian, sehingga dapat memberikan wawasan mendalam terkait perilaku konsumen dan untuk meningkatkan strategi pemasaran. Data mencakup variabel seperti jenis jeans, harga, dan periode penjualan. Analisis dilakukan untuk mengelompokkan jenis jeans ke dalam kelompok berdasarkan preferensi pembelian. Hasil penelitian menunjukkan bahwa penggunaan algoritma Fuzzy C-Means efektif dalam mengelompokkan dataset jeans berdasarkan preferensi pembelian. Identifikasi kelompok konsumen ini dapat membantu distro Dea Collection memahami kebutuhan dan keinginan konsumen dengan lebih baik, memungkinkan konsumen untuk mengadaptasi strategi pemasaran dan stok produk untuk meningkatkan respons terhadap pasar yang dinamis

KOMPARASI EFEKTIFITAS ALGORITMA C4.5 DAN NAÏVE BAYES UNTUK MENENTUKAN KELAYAKAN PENERIMA MANFAAT PROGRAM KELUARGA HARAPAN

2024-04-26T04:25:49+00:00

Program keluarga harapan PKH adalah sebuah program bantuan sosial yang disalurkan oleh pemerintah Indonesia melalui kementrian sosial. Bantuan yang diberikan merupakan bantuan keuangan kepada rumah tangga sangat miskin yang telah memenuhi kriteria tertentu. Namun program pemberdayaan pemerintah ini, seringkali timbul masalah dimana bantuan PKH tidak tepat sasaran. Oleh karena itu, penelitian ini bertujuan untuk menganalisis program keluarga harapan agar penerima bantuan benar benar layak menerima bantuan. Digunakan komparasi metode klasifikasi data mining untuk mengetahui algoritma mana yang baik untuk mengkalasifikasi kelayakan bantuan, dengan menggunakan dua algoritma, algoritma C4.5 dan Naïve Bayes. Algoritma C4.5 adalah adalah salah satu algoritma decision tree yang digunakan untuk melakukan klasifikasi atau segmentasi yang bersifat prediktif. Kelebihan algoritma C4.5 yaitu menghasilkan model pohon keputusan yang mudah diinterpretasikan, memiliki tingkat akurasi yang tinggi, efisien dalam menangani atribut bertipe diskrit dan numerik. Algoritma Naïve Bayes adalah algoritma yang menggunakan cabang matematika dikenal dengan teori probabilitas untuk mencari peluang terbesar dari kemungkinan klasifikasi, dengan cara melihat frekuensi tiap klasifikasi pada data training. Naive Bayes adalah tehnik yang diterapkan untuk menentuan kelas dari tiap masalah, yang sudah dibagi berdasarkan tiap-tiap masalah. Perhitungan numerik berdasarkan pada pendekatan grup. Proses pengujian dimulai dengan persiapan data awal. Selanjutnya, sampel data dianalisis menggunakan metode CRISP-DM, diuji dengan algoritma seperti C4.5 dan Naïve Bayes untuk memperoleh validasi yang akurat, setelah itu, data sampel data kembali diuji dengan validasi untuk mendapatkan Confusion matriks dan nilai ROC untuk C4.5 dan Naïve Bayes dengan tujuan mencapai akurasi maksimum. Hasil evaluasi perbandingan dan validasi menunjukkan bahwa algoritma Naive Bayes memiliki nilai akurasi sebesar 99,87% dan AUC sebesar 1,000, yang merupakan yang tertinggi di antara metode lainnya. Sementara itu, Algoritma C4.5 memiliki akurasi sebesar 99,61% dan AUC sebesar 0,743. Dari hasil algoritma Naive Bayes dalam data mining ini, tingkat AUC mengindikasikan klasifikasi yang sangat baik (Excellent classification). Sebaliknya, Algoritma C4.5 memiliki tingkat AUC yang diagnostik sebagai Fair (Adil). Dengan demikian, dapat disimpulkan bahwa algoritma Naive Bayes merupakan metode yang cukup baik dalam memprediksi kelayakan warga untuk menerima bantuan dari Program Keluarga Harapan (PKH).

ANALISIS SENTIMEN KOMENTAR MASYARAKAT TERHADAP PELAYANAN PUBLIK PEMERINTAH DKI JAKARTA DENGAN ALGORITMA SUPER VECTOR MACHINE DAN NAIVE BAYES

2024-04-26T04:26:32+00:00

Sebagai pelayan masyarakat, pemerintah memiliki peran yang penting dan tanggung jawab untuk menyediakan layanan yang memadai. Dengan meningkatnya jumlah pengguna Instagram di Indonesia meberikan kemudahan bagi masyarakat dalam berkomunikasi. Ekspresi masyarakat di Instagram terhadap pelayanan Pemerintah DKI Jakarta menunjukkan kompleksitas. Komentar-komentar mencerminkan ketidakpuasan dan kritik tajam terhadap layanan public. Penelitian ini mencoba melakukan klasifikasi komentar menjadi dua kelas positive dan negative dengan menerapkan dua metode klasifikasi, yaitu Support Vector Machine (SVM) dan Multinomial Naive Bayes (MNB), dalam analisis sentimen terhadap komentar masyarakat pada akun media sosial DKI Jakarta. Tahap pemodelan mencakup pembagian data latih dan uji dengan variasi rasio, dan metode SVM dievaluasi menggunakan kernel linear dan radial basis function (RBF) dengan grid search cross-validation. Hasil menunjukkan bahwa SVM memberikan akurasi yang sedikit lebih tinggi daripada MNB, mencapai 82%. Parameter optimal untuk SVM adalah C=100 dan gamma=0.1 pada kernel RBF. Pada MNB, parameter alpha=2.0 dan fit_prior=True memberikan kinerja optimal dengan akurasi 80%. Evaluasi dilakukan dengan confusion matrix dan 10-folds cross validation. Meskipun SVM sedikit lebih unggul, penelitian selanjutnya direkomendasikan untuk eksplorasi teknik-teknik baru dalam machine learning dan pengembangan model klasifikasi yang lebih kompleks. Penelitian ini memberikan kontribusi penting dalam memahami sentimen masyarakat terhadap pelayanan publik DKI Jakarta, membuka pintu untuk pengembangan analisis sentimen lebih lanjut dengan metode-metode machine learning

ANALISIS SENTIMEN KOMENTAR INSTAGRAM PADA PROGRAM KAMPUS MERDEKA DENGAN ALGORITMA NAIVE BAYES DAN DECISION TREE

2024-04-26T04:27:19+00:00

Instagram merupakan salah satu sosial media yang digunakan merepresentasikan diri, berinteraksi, dan mencari informasi. Kita dapat mengambil sekumpulan informasi ke dalam bentuk dataset untuk diolah lebih lanjut. Berkaitan dengan hal itu , Program Kampus Merdeka sebagai objek analisis, mengingat Program Kampus Merdeka adalah program pemerintah yang saat ini sedang dijalanan oleh Kemendikbud. Pengambilan dataset yang didapat dari kumpulan komentar Instragram, tool yang digunakan adalah phantombuster. Menggunakan bahasa pemrograman phyton dengan tools Google Collab, dengan Algoritma Naïve Bayes Classifier dan Decision Tree untuk membuat model sentimen. Hasil scrapping mendapatkan 1764 data , dan sesudah dilakukan pre-processing menjadi 1694 data. Dari sentimen analisis yang telah dilakukan diperoleh hasil dari penerapan Algortima Complement Naïve Bayes dan Decision Tree, sebelum dilakukan SMOTE over-sampling, perbandingan data positif dan negatif sebesar 35,06% banding 64,95% , dengan akurasi model Decision Tree 84% dengan skenario pembagian data 90:10 dan model Complement Naïve Bayes 81% pada skenario pembagian data 80:20. Setelah dilakukan balancing data menggunakan SMOTE over-sampling, akurasi pada model Decision Tree naik sebesar 1% dari 86% menjadi 85%, dengan skenario pembagian data 90:10, dan pada model Complement Naïve Bayes juga mengalami kenaikan sebesar 2%, dari 82% menjadi 83% dengan skenario pembagian data 80:20

ANALISA DAN PERANCANGAN JARINGAN WIRELESS LOCAL AREA NETWORK (WLAN) DENGAN MENGGUNAKAN METODE NDLC

2024-04-26T04:28:00+00:00

Toko Besi Kunciran Baja berdiri yang telah beroperasi sejak tahun 2019 sebagai penyedia bahan bangunan, Toko ini memiliki beberapa ruangan yang masih belum bisa mendapatkan akses internet yang cukup efektif seperti, ruang administrasi, dan tempat tinggal karyawan. Menghadapi permasalahan dalam optimalisasi layanan internet di ruangan administrasi dan mess karyawan. Untuk mengatasi hal ini, penulis melakukan analisis Quality of Service (QoS) yang bertujuan untuk mengevaluasi kecepatan internet yang ada. Penelitian ini menggunakan metode Network Development Life Cycle (NDLC) dengan tahapan analisis, perancangan, design, implementasi, monitoring, dan manajemen. Hasil penelitian menunjukkan bahwa penambahan satu perangkat mikrotik di ruang administrasi dan satu access point di ruangan mess karyawan dapat meningkatkan distribusi bandwidth secara merata pada setiap ruangan. Hal ini juga dibuktikan dengan hasil analisis Quality of Service yang dilakukan setelah perancangan jaringan menunjukan bahwa adanya peningkatan performa indeks jitter dan delay. Tujuan dari perancangan jaringan ini adalah untuk memberikan akses internet yang lebih optimal kepada para klien, memastikan efisiensi, dan kepuasan pengguna dalam lingkungan kerja Toko Besi Kunciran Baja.

KLASTERING KOPI ARABIKA MENGGUNAKAN ALGORITMA K-MEDOIDS

2024-04-26T04:28:45+00:00

Industri kopi arabika merupakan salah satu usaha yang berkembang di indonesia. Usaha ini memiliki keuntungan yang menjanjikan seperti memberikan lapangan pekerjaan yang menguntungkan bagi masyarakat. Permasalahan yang muncul industri kopi yang semakin hari kreatif dan inovatif ini akan selalu mencari dan mengutamakan kualitas kopi yang menghasilkan produk yang mampu bersaing dengan lawan. Dataset yang diambil dalam penelitian ini bersumber dari Coffee Quality Institute dan dibagi ke dalam beberapa variabel yang dibutuhkan. Data tersebut akan melakukan pre-processing data seperti Cleaning Data, Transformasi Data, Normalisasi Data. Untuk mengatasi permasalahan tersebut dilakukan klasterisasi atau pengelompokan data dengan metode k-medoids. Output yang akan keluar akan menghasilkan nilai Cluster dari data kopi tersebut yang memiliki nilai kemurnian Cluster yang tinggi. Dari hasil penenelitian ini menunjukan klaster 1 menonjol dengan nilai terbaik untuk aroma, Flavor, acidity, dan Uniformity, meliputi negara-negara tertentu seperti Guatemala, Honduras, Ethiopia, dan lainnya. Klaster 2, diwakili oleh negara-negara seperti Colombia, Brazil, dan Costa Rica, menunjukkan nilai terbaik pada atribut seperti aftertaste, body, Balance, clean cup, Sweetness, cupper point, dan total cup point. Klaster 3, yang meliputi sejumlah negara termasuk Mexico, Taiwan, dan United States (Hawaii), menunjukkan nilai terendah pada semua atribut. Jadi hasil akhir dari Cluster 2 memiliki nilai atribut rata-rata yang tinggi, sementara Cluster 1 memiliki nilai rata-rata yang sedang, dan Cluster 3 menampilkan nilai rata-rata yang rendah

PENGARUH IMPLEMENTASI SISTEM BERBASIS (ERP) UNTUK PENINGKATAN KINERJA OPERASIONAL PADA PT LAJU PERDANA INDAH

2024-04-26T04:29:37+00:00

Pemerintah saat ini harus memperhatikan pembangunan infrastruktur Indonesia. ERP adalah sistem yang terintegrasi yang membantu perusahaan bekerja lebih baik dan lebih efisien. Keberhasilan penggunaan ERP bergantung pada banyak faktor, seperti kualitas karyawan, lingkungan kerja, dan infrastruktur IT. Untuk mengatasi masalah yang dihadapi perusahaan, mereka menggunakan informasi teknologi untuk membuat keputusan. Salah satu keputusan tersebut adalah mengganti sistem lama dengan sistem ERP yang terintegrasi. Tujuan dari penelitian ini adalah untuk mengeksplorasi apakah sistem ERP perusahaan mempengaruhi kinerja operasional PT Laju Perdana Indah. Dalam artikel ini, dapat menggunakan metode strudi kepustakaan yang dimana dilakukan mencari referensi dari internet dengan menggunakan bahan pustaka membaca secara keseluruhan dan mencatat isi-isi serta menganalisis. Data primer dan skunder digunakan untuk menghimpun informasi. Temuan penelitian menunjukkan bahwa penerapan sistem software ERP untuk industri perusahaan dapat meningkatkan profitabilitas perusahaan serta mengurangi biaya operasi logistik dan meningkatkan efisiensi pekerjaan

MENENTUKAN KEPUTUSAN KONSUMEN UNTUK MEMBELI LAPTOP MENGGUNAKAN METODE DECISION TREE ID3

2024-04-26T04:34:23+00:00

Harga dan Kualitas merupakan faktor yang sangat penting yang mempengaruhi perilaku konsumen. Laptop adalah salah satu komputer portable yang digunakan untuk melakukan banyak aktivitas. Permasalahannya adalah bagaimana cara konsumen memilih laptop sesuai kebutuhan mereka? Apa yang menjadi faktor utama yang sangat penting bagi konsumen. Penelitian ini bertujuan untuk mengetahui bagaimana harga dan kualitas produk memengaruhi keputusan konsumen untuk membeli laptop karena penggunaan laptop telah menjadi bagian penting dari kehidupan sehari-hari, baik untuk pekerjaan maupun hiburan karena tidak semua pembeli dapat mengetahui kualitas dan fitur yang sesuai dengan budget mereka. Algoritma yang digunakan adalah algoritma decision tree. Hasil analisis menunjukan bahwa kualitas berpengaruh signifikan terhadap keputusan pembelian konsumen sedangkan harga berpengaruh negatif terhadap keputusan pembelian konsumen. Implikasi dari hasil ini dapat menjadi tolak ukur bagi konsumen yang hendak membeli laptop untuk menentukan kualitas laptop yang akan dibeli. Dan produsen pun dapat mempertimbangkan untuk memberikan harga sesuai kualitas

PENGEMBANGAN MEDIA PEMBELAJARAN BERBASIS ANDROID PADA MATA PELAJARAN INFORMATIKA DI SMK NEGERI 6 PADANG

2024-04-26T04:31:12+00:00

Permasalahan yang ada pada mata pelajaran Informatika materi Teknologi Informasi dan Komunikasi terdapat masih rendahnya hasil ketuntasan nilai ulangan harian siswa kelas X. penelitian ini bertujuan untuk menghasilkan media pembelajaran berbasis android yang valid dan praktis. Penelitian ini menggunakan metode Research and Development (R&D) dengan model pengembangan ADDIE. Subjek penelitian ini berjumlah 34 siswa sebagai sampel. Teknik pengumpulan data menggunakan angket dengan skala likert. Hasil penelitian ini menunjukkan nilai rata-rata uji validasi ahli media sebesar 84,99% dengan kategori sangat valid dan ahli materi sebesar 90,87% dengan kategori sangat valid. Uji praktikalitas media pembelajaran interaktif dengan data praktikalitas guru sebesar 83,75% dengan kategori sangat praktis dan siswa sebesar 87,47% dengan kategori sangat praktis. Kesimpulan berdasarkan penelitian beserta masukkan dari ahli media dan ahli materi serta uji coba lapangan media pembelajaran telah teruji kelayakannya dan dapat digunakan sebagai media pembelajaran berbasis android

PENERAPAN DATAMINING DALAM MENENTUKAN POLA PENJUALAN PRODUK MENGGUNAKAN ALGORITMA FP-GROWTH

2024-04-26T04:32:03+00:00

Perkembangan bisnis di era digital menuntut penggunaan teknologi untuk meningkatkan efisiensi dan efektivitas operasional. Penelitian ini fokus pada penerapan datamining menggunakan algoritma FP-Growth dalam konteks penjualan produk di toko spesial juice dan sop buah. Tujuan penelitian ini yaitu untuk menerapkan datamining dengan algoritma FP-Growth guna menentukan pola penjualan produk yang relevan dan memberikan kontribusi signifikan terhadap keberhasilan toko spesial juice dan sop buah. Metode yang digunakan melalui pendekatan penelitian dengan mengumpulkan data penjualan historis dari toko tersebut. Selanjutnya, algoritma FP-Growth diterapkan untuk mengidentifikasi pola penjualan yang signifikan dari dataset tersebut. Hasil yang paling banyak memberikan dukungan (support) dan confident yaitu 0.064 dengan nama minuman adalah: Air kelapa murni, Alpuket, Es kelapa gula putih, Es tape ketan, Mangga, Sop buah.

PERANCANGAN DAN PEMBUATAN MEDIA PEMBELAJARAN INTERAKTIF MENGGUNAKAN ADOBE ANIMATE CC BERBASIS ANDROID PADA MATA PELAJARAN DASAR-DASAR TEKNIK KONSTRUKSI DAN PERUMAHAN KELAS X DI SMKN 1 PADANG

2024-04-26T04:32:56+00:00

Pengunaan Media Pembelajaran interaktif berbasis android menarik dan memberikan kemudahan kepada pengguna. Media Pembelajaran berbasis android dapat meningkatkan efektifitas siswa. Penelitian ini bertujuan untuk mengetahui validitas, praktikalitas, dan efektifitas media pembelajaran interaktif berbasis android. Penelitian ini menggunakan metode pengembangan penelitian (research & development). Subjek penelitian berjumlah 31 orang. Model penelitian yang digunakan adalah model penelitian pengembangan (IDI), dengan langkah-langkah pengembangannya adalah sebagai berikut. ((1) Define, (2) development, dan (3) Evaluate. Hasil uji validitas oleh para ahli secara keseluruhan penilaian uji validator terhadap media pembelajaran interaktif berbasis android pada mata pelajaran dasar-dasar TKP sebesar 88,00%, sehingga tingkat validitas dapat diinterprestasikan sangat valid digunakan. Hasil penilaian uji praktikalitas secara keseluruhan penilaian praktikalitas terhadap Media Pembelajaran Interaktif berbasis android Pada mata pelajaran dasar-dasar TKP sebesar 86,06%, sehingga tingkat praktikalitasnya dapat di interprestasikan sangat praktis digunakan.Hasil penilaian uji efektivitas secara keseluruhan penilaian efektivitas Media Pembelajaran Interaktif Berbasis Android Pada mata pelajaran dasar-dasar TKP sebesar 81,61% sehingga tingkat efektifitasnya dapat di interprestasikan efektif digunakan. Kesimpulannya, berdasarkan penilaian beserta masukan ahli serta hasil dari uji coba lapangan Media Pembelajaran Berbasis Android sebagai media pembelajaran sudah teruji kelayakan, keunggulan, dan dapat digunakan pada proses pembelajaran pada mata pelajaran Dasar-dasar TKP di kelas X TKP SMKN 1 Padang.

IMPLEMENTASI SISTEM ABSENSI DIGITAL UNTUK MENINGKATKAN EFISIENSI PENCATATAN KEHADIRAN GURU DI SEKOLAH DASAR

2024-04-26T07:44:37+00:00

Artikel ini membahas mengenai pencatatan kehadiran guru disekolah dasar merupakan hal yang penting untuk menjaga kualitas Pendidikan.Didalam permasalahan sistem pencatatan guru secara manual rentan terhadap kesalahan dan memerlukan waktu cukup lama.Hal ini dapat menganggu efisiensi administrasi sekolah dan menghambat proses pengelolaan kehadiran guru.Penelitian ini bertujuan untuk mengimplementasi sistem absensi digital yang dapat meningkatkan efisiensi pencatatan kehadiran guru di sekolah dasar serta mengurangi kesalahan dan watu yang dibutuhkan dalam proses tersebut.Metode yang digunakan adalah pengembangan sistem absensi digital berbasis aplikasi AppSheet yang dapat diakses oleh para guru dan staf administrasi.Sistem ini menggunaan teknologi identifikasi biometrik atau kartu identitas elektronik untuk memastikan kehadiran yang akurat.Implementasi sistem absensi digital berhasil meningkatkan efisiensi pencatatan kehadiran guru di sekolah dasar.Kesalahan pencatatan berkurang secara signifikan, sementara waktu yang dibutuhkan proses administrasi kehadiran guru berkurang drastis.Sistem ini juga memberikan kemudahan dalam pemantauan dan analisis kehadiran guru secara real-time bagi pihak sekolah.

PEMANFAATAN MACROMEDIA FLASH 8 SEBAGAI MEDIA PEMBELAJARAN UNTUK MENINGKATKAN HASIL BELAJAR SISWA PADA MATA PELAJARAN INFORMATIKA KELAS X DI SMA

2024-04-26T07:45:23+00:00

Ketidaktertarikan siswa dalam belajar disebabkan karena guru masih memanfaatkan buku paket yang disediakan sekolah untuk mengkomunikasikan mata pelajaran sehingga diperlukan pengembangan media pembelajaran informatika yang dibangun pada Macrmedia Flash 8. Penelitian ini bertujuan untuk mengetahui bagaimana hasil belajar dengan penggunaan media pembelajaran interaktif yang menggunakan Macromedia Flash 8. Penelitian ini menerapkan desain eksperimen dengan metodologi pretest-posttest. Penyelenggaraan pretest-postest ini untuk mengetahui apakah penggunaan media pembelajaran Macrmedia Flash 8. sepanjang proses pembelajaran menghasilkan perubahan. Salah satu penyebab utama rendahnya hasil dan motivasi belajar siswa kemungkinan besar adalah tidak adanya sumber belajar yang inovatif dan kreatif di kelas. Penelitian dilakukan pada siswa kelas X yang berjumlah 50 orang sebagai kelompok eksperimen dan 50 siswa kelompok kontrol. Berdasarkan analisis data, kelas eksperimen lebih termotivasi untuk belajar dibandingkan kelas kontrol, dan hasil belajarnya pun meningkat berkat penerapan media. Membandingkan skor sebelum dan sesudah tes menunjukkan bahwa 50 siswa (100%) mengalami peningkatan pemahaman setelah menggunakan sumber belajar. sehingga bisa dikatakan bahwa pemanfaatan media pembelajaran berbasis macromedia flash 8 merupakan cara yang lebih efektif dibandingkan dengan menggunakan teknik tradisional untuk guru tentunya guru di SMA Negeri 5 Kota Serang

RANCANG BANGUN SISTEM PENJUALAN BERBASIS WEB PADA TOKO HAIRUM SOUVENIR

2024-04-26T10:50:45+00:00

Setiap usaha, baik yang menjual barang atau jasa, pasti ingin meningkatkan penjualan mereka. Strategi pemasaran yang baik adalah salah satu dari banyak cara untuk meningkatkan penjualan. Suatu media diperlukan untuk mempublikasikan informasi, baik informasi tentang bisnis maupun informasi tentang produk yang akan dijual. Internet adalah salah satu media yang dapat digunakan. Toko souvenir Hairum Soevenir menjual berbagai hadiah atau hadiah untuk perayaan ulang tahun atau wisuda, seperti bucket bunga, bucket uang, kue tart, dan masih banyak lagi.. Salah satu masalah dan kelemahan yang ditemukan di toko Hairum Soevenir adalah sebagai berikut: berdasarkan observasi yang telah dilakukan, strategi pemasaran yang digunakan oleh toko Hairum Soevenir saat ini adalah melalui pemasaran langsung atau penjualan produk secara online melalui platform Instagram, yang dianggap kurang sempurna karena mekanisme pemasaran barang bekas tidak berlaku. Namun, pemasaran yang dijual melalui platform tersebut dapat memiliki efek yang lebih besar daripada yang diharapkan. Pemasaran menggunakan platform juga memiliki masalah dengan rekepitulasi pendapatan dari setiap pembelian yang dilakukan secara manual, yang menyebabkan kesalahan dalam penjumlahan pendapatan. Sistem informasi penjualan dibuat karena banyaknya masalah dengan penjualan toko hairum souvenir. Pengembangan perngkat lunak menggunakan metode air terjun (Waterfall), sedangkan perancangan sistem penjualan dan metode wawancara digunakan untuk pembuatan website ini. Metode ini melibatkan analisis masalah penjualan di toko Hairum Souvenir, analisis kebutuhan pemasaran, perancangan sistem informasi, dan implementasi atau pengembangan pengujian perangkat lunak. untuk pemograman dengan PHP, Javascript, dan CSS dan XAMPP sebagai databasenya. Beberapa tujuan penelitian ini termasuk membuat proses penjualan lebih efisien dan membuat transaksi lebih aman. Salah satu tujuan dari penelitian ini adalah untuk meningkatkan efisiensi proses penjualan dan membuat transaksi lebih aman. Hasilnya menunjukkan bahwa perancangan sistem informasi ini dapat menggantikan pemasaran konvensional dengan yang lebih modern, lebih efisien, dan lebih mudah digunakan untuk sistem pencataan rekapitulasi penjualan.

KLASTERISASI DATA BALITA STUNTING DI KECAMATAN WILAYAH KABUPATEN CIAMIS BERDASARKAN PREVALENSI DENGAN MENGGUNAKAN ALGORITMA K-MEANS

2024-04-26T10:51:29+00:00

Stunting adalah gangguan pertumbuhan dan perkembangan yang terjadi pada anak di bawah usia 5 tahun, ditandai dengan tinggi badan yang tidak sesuai dengan usianya. Stunting masih menjadi masalah gizi utama di Indonesia, dengan angka stunting nasional sebesar 24,4% pada tahun 2021. Berdasarkan data Pemerintahan Provinsi Jawa Barat, pada tahun 2022 Kabupaten Ciamis memiliki persentase balita stunting sebesar 2,74%. Faktor penyebab stunting diantaranya asupan gizi yang tidak mencukupi, infeksi, dan faktor sosial ekonomi. Saat ini di Kabupaten Ciamis, diperlukan klasterisasi kecamatan berdasarkan prevalensi stunting. Ini bertujuan untuk menentukan prioritas kecamatan yang perlu mendapatkan perhatian khusus dalam upaya pencegahan dan penanganan stunting. Metodologi yang digunakan pada penelitian ini yaitu knowledge discovery in database dengan algoritma K-Means. Data yang digunakan adalah data stunting dan prevalensi stunting dari 27 kecamatan di Kabupaten Ciamis, yang bersumber dari Dinas Kesehatan Kabupaten Ciamis. Tujuan penelitian ini adalah untuk mengklasterkan kecamatan di Kabupaten Ciamis berdasarkan prevalensi stunting, menjadi tiga kelompok. Klasterisasi kecamatan berdasarkan prevalensi stunting dapat membantu Pemerintah Daerah untuk menentukan kecamatan mana yang perlu ditangani secara lebih intensif. Hasil penelitian ini adalah klaster data stunting tingkat rendah dengan <10%, tingkat menengah dengan 10%-20% dan tingkat tinggi dengan >20%, yang disajikan dalam bentuk Visualisasi Data sehingga mudah dibaca.

IMPLEMENTASI K-MEANS CLUSTERING UNTUK MENGELOMPOKAN TINGKAT PENGANGGURAN

2024-04-26T10:52:20+00:00

Di dalam era digital ini, pertumbuhan data ekonomi dan ketersediaan teknologi informatika memberikan peluang untuk mendekati isu kompleks seperti tingkat pengangguran dengan pendekatan yang lebih canggih, dan provinsi Jawa Barat sebagai pusat ekonomi menjadi fokus penelitian ini. Permasalahan dalam penelitian ini adalah bagaimana cara mengelompokkan tingkat jumlah pengangguran di Jawa Barat menggunakan algoritma clustering K-Means, berapa cluster yang dihasilkan dan berapa nilai titik pusat (centroid) nya. Adapun tujuan dari penelitian ini adalah mengelompokkan lebih detail lagi dalam menganalisis data pengangguran di Provinsi Jawa Barat melalui penerapan algoritma clustering K-Means untuk mengidentifikasi tiap cluster berdasarkan tingkat kabupaten/kota, pendidikan, dan tahun serta menentukan jarak atau titik pusat (centroid). Cara kerja analisis data tingkat pengangguran ini menggunakan tools RapidMiner Studio dengan menggunakan metode penelitian kuantitatif menggunakan algoritma clustering K-Means. Hasil yang diperoleh dari penelitian ini yaitu mengelompokan data tingkat pengangguran di Provinsi Jawa Barat menjadi 3 cluster yaitu cluster 0 dengan kategori pengangguran rendah meliputi kota Banjar, cluster 1 dengan kategori pengangguran sedang meliputi kota/kabupaten Kota/kabupaten Sukabumi, Cianjur, Bandung, Garut Tasikmalaya, Ciamis, Kuningan, Cirebon, Sumedang, Indramayu, Subang, Purwakarta, Karawang, dan Bandung Barat sedangkan pada cluster 2 dengan kategori pengangguran tinggi meliputi kota/kabupaten Bogor, Bekasi, Bandung, dan Depok

PENERAPAN ALGORITMA C4.5 UNTUK PREDIKSI ANAK STUNTING DI KOTA PAGAR ALAM

2024-04-26T10:53:16+00:00

Di Pagar Alam, prediksi dan pengukuran tingkat Stunting masih mengandalkan analisis sekunder. Kader Posyandu melibatkan diri dalam mengukur kondisi balita, dan hasilnya diserahkan kepada ahli untuk menilai apakah balita tersebut mengalami Stunting atau tidak. Tujuan dari penelitian ini adalah mengaplikasikan Algoritma C4.5 untuk melakukan prediksi terkait kasus Stunting pada anak. Dari permasalahan yang ada diatas, maka metode yang dapat menyelesaikan permasalahan ini yaitu Algoritma C4.5 yang termasuk dalam Pohon Keputusan pada data mining. Proses data mining peneliti menggunakan salah satu metode CRIPSP-DM dan pengujian menggunakan black box testing memperoleh total 4.35 masuk ke kategori sangat layak. Hasil dalam penelitian ini berupa sebuah sistem. Pohon keputusan diwujudkan sebagai aturan dalam sistem. Tujuan sistem ini adalah membantu tenaga kesehatan dalam membuat keputusan terkait prediksi status gizi balita. Sistem prediksi ini bermanfaat untuk mengidentifikasi balita berisiko gizi buruk sehingga tindakan pencegahan dapat dilakukan dengan lebih efektif.

PENERAPAN ALGORITMA K-NEAREST NEIGHBOR DALAM KLASIFIKASI STATUS STUNTING BALITA DI DESA BOJONGEMAS

2024-04-26T10:54:00+00:00

Stunting pada balita menjadi salah satu permasalahan yang dialami dunia kesehatan. Stunting adalah suatu kondisi masalah kesehatan dengan dampak jangka panjang terhadap pertumbuhan dan perkembangan anak yang biasa terjadi pada periode 0-5 tahun. Kondisi ini dipengaruhi oleh pola makan dan nutrisi yang tidak sesuai dengan kebutuhan, serta berat dan tinggi badan yang tidak sesuai dengan umur. Kegiatan posyandu yang dilakukan setiap bulannya dapat membantu dalam mencegah terjadinya stunting. Kegiatan yang rutin dilakukan dengan cara memantau perkembangan status gizi, status pertumbuhan dan perkembangan anak. KNN adalah salah satu algoritma dalam machine learning yang digunakan untuk klasifikasi. KNN bekerja dengan cara mengukur jarak antara data yang akan diklasifikasi/diprediksi dengan data pelatihan yang sudah ada. Penelitian ini menerapkan teknik data mining dengan menggunakan algoritma K-Nearest Neighbor (KNN). Mengelompokan atau mengklasifikasikan sebuah data. Dalam penelitian ini, data yang diambil adalah usia, berat badan, tinggi badan dan status gizi balita. Pengujian dilakukan dengan aplikasi RapidMiner. Hasil penelitian mendapatkan nilai akurasi sebesar 92% dengan jumlah data sebanyak 503 data. Penelitian ini diharapkan dapat memberikan kontribusi dalam upaya pemantauan kesehatan di Desa Bojongemas. Hasil dapat digunakan sebagai dasar untuk mengidentifikasi balita yang memerlukan perawatan khusus untuk mengatasi masalah stunting. Selain itu, penerapan algoritma K-Nearest Neighbor dalam klasifikasi status stunting balita diharapkan dapat meningkatkan ketepatan identifikasi status stunting sejak dini dan mengoptimalkan upaya pencegahan stunting. Dengan menggunakan K-Nearest Neighbor, deteksi stunting dapat dilakukan lebih efisien dan sangat memungkinkan dalam pemberian perawatan yang tepat pada tahap awal pertumbuhan dan perkembangan anak. Penerapan algoritma k-Nearest Neighbor bukan hanya menghadirkan solusi teknologi informasi yang inovatif, tetapi juga berpotensi memberikan dampak positif bagi kesehatan anak-anak.