Techno.Com

Rekomendasi Pemilihan Ekspedisi Pengiriman Terbaik Berdasarkan Preferensi Pengguna dengan Algoritma Weighted Product (WP)

2024-07-11T06:34:00+00:00

Jasa ekspedisi di Indonesia mengalami pertumbuhan yang mengesankan seiring perkembangan e-commerce yang tak tertahankan. Kebutuhan akan jasa ekspedisi tidak terelakkan mendukung perkembangan masyarakat yang menempatkan e-commerce sebagai gaya hidup. Banyaknya pilihan dan tawaran jasa ekspedisi, sering membuat masyarakat lebih selektif dalam memilih jasa ekspedisi yang tepat. Tujuan penelitian adalah menghasilkan bobot kriteria terbaik berdasarkan preferensi pengguna dan menentukan urutan jasa ekspedisi terbaik yang bisa dipilih untuk melakukan pengiriman produk. Sistem dibangun menggunakan algoritma Weighted Product (WP) untuk menganalisis kriteria, melakukan perhitungan, dan merangking alternatif jasa ekspedisi. Pengumpulan data dilakukan melalui survei online, wawancara, dan pengumpulan data dari berbagai perusahaan ekspedisi. Sistem dirancang untuk mengakomodasi preferensi pengguna dengan memberikan bobot pada setiap kriteria sesuai dengan kepentingannya. Hasil dari uji sistem menunjukkan bahwa algoritma Weighted Product (WP) mampu memberikan rekomendasi yang akurat dan efisien untuk jasa ekspedisi terbaik, dengan peringkat tertinggi: JNT dengan nilai bobot V sebesar 0,215, diikuti oleh Shopee Express: 0,213, JNE dengan nilai 0,195, SiCepat: 0,186, dan Anteraja: 0,191. Dengan adanya sistem ini, konsumen dapat membuat keputusan yang lebih informatif dan mengurangi risiko kesalahan dalam memilih jasa ekspedisi. Diharapkan penelitian ini dapat dikembangkan lebih lanjut dan memberikan solusi yang bermanfaat bagi konsumen maupun pelaku usaha.

Kata kunci: Jasa Ekspedisi, Sistem Rekomendasi, Weighted Product

Evaluasi Tata Kelola TI Menggunakan Framework COBIT 2019 pada PT. Pundi Mas Berjaya (Jova Software) Medan

2024-07-29T02:43:41+00:00

Penelitian ini menggunakan COBIT 2019 sebagai kerangka kerja untuk mengevaluasi tata kelola TI pada PT. Pundi Mas Berjaya (Jova Software) Medan. Penelitian ini dimulai dengan melakukan identifikasi domain menggunakan design factor. Dari hasil identifikasi terdapat 3 domain yang perlu dilakukan evaluasi, yakni BAI.04, BAI.11, dan APO.11. Tahap selanjutnya adalah dengan melakukan penilaian level kapabilitas yang dimulai dengan menyebarkan kuesioner kepada kepala divisi TI perusahaan, dimana data hasil kuesioner digunakan untuk menilai level kapabilitas dengan hasil BAI.04 berada di level kapabilitas 4, BAI.11 berada di level kapabilitas 3, dan APO.11 berada di level kapabilitas 2. Selanjutnya dilakukan analisis kesenjangan berdasarkan hasil penilaian level kapabilitas. Didapati kesenjangan untuk BAI.04 sebesar 0, BAI.11 sebesar 1, dan APO.11 sebesar 2. Pemberian rekomendasi berdasarkan analisis kesenjangan, diberikan sebanyak 13 rekomendasi untuk mengatasi kesenjangan yang terjadi saat ini.

Kata kunci: Evaluasi tata kelola TI, COBIT 2019, Design factor, Level kapabilitas, Analisis Kesenjangan

Systematic Literature Review: Deep Learning Pada Citra Sinar-X Paru Untuk Klasifikasi Penyakit

2024-07-11T05:21:12+00:00

Paru-paru merupakan organ vital dalam tubuh manusia. Paru-paru mengangkut oksigen ke dalam tubuh dan mengeluarkan karbondioksida keluar dari tubuh. Proses pertukaran oksigen dan karbon dioksida ini membuat paru-paru rentan terjangkit oleh virus, bakteri dan jamur. Paru-paru dapat terjangkit berbagai jenis penyakit seperti pneumonia, tuberkulosis, kanker, ataupun covid-19. Dalam proses diagnosa penyakit tersebut, seringkali terjadi perbedaan diagnosa antar dokter. Melalui tantangan tersebut, diperlukan sistem pembelajaran mesin yang dapat menjadi pihak ketiga untuk melakukan klasifikasi kondisi. Salah satu metode modern yang dapat digunakan yaitu Metode deep learning. Convolutional Neural Network adalah salah satu dari banyaknya metode deep learning dan CNN telah terbukti menghasilkan akurasi yang tinggi dalam memproses gambar. Banyaknya penelitian yang telah menggunakan metode CNN dalam mengolah citra sinar-X paru menjadi dorongan untuk mencari gap dengan menggunakan metode SLR (Systematic Literature Review). Diagram PRISMA juga digunakan dalam memilih dan mendokumentasikan 93 paper yang relevan hingga menghasilkan 22 paper yang sesuai dengan lingkup penelitian yang menggunakan subjek sinar-X paru dan menggunakan metode deep learning CNN. Hasil yang diperoleh adalah informasi terkait dataset yang digunakan, hanya 1 dari 22 paper yang menggunakan data primer, sisanya adalah data sekunder. Selain itu, transfer learning menjadi pilihan terpopuler dalam mengembangkan sistem klasifikasi paru.

Kata kunci: Deep Learning, Paru-paru, Sinar-X, SLR, PRISMA

Pengenalan Emosi terhadap Ulasan Pelanggan E-Commerce Menggunakan Deep Learning Berbasis Transformer

2024-07-11T02:07:19+00:00

Penelitian ini mengeksplorasi penerapan arsitektur deep learning berbasis transformer untuk mengidentifikasi emosi dari ulasan pelanggan e-commerce berbahasa Indonesia. Menggunakan dataset yang terdiri dari 5.400 ulasan pelanggan, model ini dirancang untuk mengklasifikasikan lima kategori emosi: Happy, Sadness, Anger, Love, dan Fear. Hasil analisis menunjukkan kecenderungan pelanggan untuk berbagi pengalaman positif dengan dominasi emosi Happy dalam ulasan. Model Transformer berhasil mencapai akurasi klasifikasi keseluruhan sebesar 77,2%, dengan efisiensi waktu pelatihan yang optimal sekitar 90 detik. Evaluasi performa menggunakan confusion matrix dan metrik presisi, recall, dan F1-score memberikan wawasan tentang keefektifan model dalam membedakan emosi kompleks. Temuan ini merefleksikan potensi pemanfaatan teknologi deep learning dalam meningkatkan pemahaman terhadap perilaku pelanggan dan mendukung pengembangan strategi bisnis yang responsif.

Kata kunci: Transformer, Ulasan Pelanggan, Klasifikasi Emosi

Studi Analisis Tahanan Isolasi dan Estimasi Umur Transformator Menggunakan Metode Health Index di PT PLN (Persero) UPT Cawang

2024-07-11T07:42:30+00:00

Keandalan operasi transformator sangat tergantung pada kondisi isolasi yang baik. Penelitian ini bertujuan untuk menganalisis tahanan isolasi dan mengestimasi umur transformator dengan menggunakan metode Health Index di PT PLN (Persero) UPT Cawang. Metode Health Index ini mengintegrasikan berbagai parameter kondisi transformator, termasuk hasil pengukuran tahanan isolasi, pengujian minyak isolasi, dan parameter operasional lainnya, untuk memberikan gambaran komprehensif tentang kondisi kesehatan transformator. Data diperoleh dari pengujian lapangan dan laboratorium yang dilakukan secara periodik. Hasil analisis menunjukkan bahwa beberapa transformator memiliki nilai tahanan isolasi yang mendekati batas minimal yang direkomendasikan, mengindikasikan adanya penurunan kualitas isolasi. Estimasi umur transformator dilakukan berdasarkan nilai Health Index yang dihitung, dengan mempertimbangkan degradasi material isolasi dan kondisi operasional transformator. Transformator dengan nilai Health Index yang rendah diidentifikasi memiliki risiko tinggi terhadap kegagalan operasional dan memerlukan tindakan pemeliharaan atau penggantian segera. Studi ini memberikan wawasan penting bagi manajemen pemeliharaan di PT PLN (Persero) UPT Cawang untuk meningkatkan keandalan dan efisiensi operasi transformator. Implementasi metode Health Index terbukti efektif dalam memprediksi umur sisa transformator dan merencanakan strategi pemeliharaan preventif. Dengan demikian, dapat diharapkan peningkatan kontinuitas layanan penyaluran energi listrik dan pengurangan risiko gangguan operasional.

Kata kunci: Estimasi Umur, Health Index, Pemeliharaan Preventif, Tahanan Isolasi, Transformator.

Optimalisasi Desain Simpang Bersinyal Terkoordinasi Menggunakan Software VISSIM

2024-07-30T12:17:47+00:00

Penelitian ini bertujuan untuk memperoleh desain antar simpang bersinyal yang terkoordinasi secara optimal sehingga dapat mengurangi tundaaan kendaraan yang terjadi. Metode yang digunakan adalah dengan memodelkan simpang dan melakukan mikrosimulasi berbasis software VISSIM. Pembuatan model melalui proses kalibrasi dan validasi dengan melakukan pengubahan pada parameter-parameter perilaku pengemudi agar diperoleh model yang mendekati keadaan lapangan. Studi kasus penelitian ini yaitu pada dua simpang yang ada di Jalan Ahmad Yani Kota Pekanbaru. Hasil pembuatan model dengan software VISSIM yang digunakan untuk proses simulasi menunjukkan model dapat diterima dengan sangat baik dengan hasil uji nilai GEH sebesar 0,9 dan MAPE sebesar 5,72%. Dari hasil simulasi model kondisi eksisting menunjukkan bahwa rata-rata tundaan kendaraan di kedua simpang pada Jalan Ahmad Yani sebesar 35,98 detik dengan tingkat pelayanan D (kurang baik). Desain simpang bersinyal terkoordinasi yang optimal diperoleh dengan menerapkan waktu siklus menjadi 100 detik. Berdasarkan hasil simulasi model, desain simpang bersinyal terkoordinasi ini dapat menurunkan rata-rata tundaan kendaraan di Jalan Ahmad Yani menjadi 24,83 detik dengan tingkat pelayanan meningkat menjadi C (cukup baik).

Kata kunci: simpang bersinyal terkoordinasi, VISSIM, tundaan kendaraan, tingkat pelayanan

Implementasi Eksplorasi Data Analisis dan Visualisasi Data Terpadu Kesejahteraan Sosial (DTKS) DKI Jakarta

2024-07-11T01:38:44+00:00

Data Terpadu Kesejahteraan Sosial (DTKS) bertujuan untuk memahami data mengenai individu dan keluarga miskin atau kurang beruntung sehingga pemerintah dapat menetapkan kebijakan sosial yang tepat. Namun data di DTKS seringkali tidak akurat dan banyak mengandung duplikat. Untuk mengatasi permasalahan tersebut, penelitian ini menggunakan teknik analisis data eksploratif (EDA) dan visualisasi data dengan bantuan Google Colaboratory. Penelitian ini menggunakan data DKI Jakarta yang berjumlah 1,04 juta orang. Kami menganalisis berbagai faktor seperti usia, menerima atau tidaknya tunjangan kesejahteraan, latar belakang pendidikan, dan status pekerjaan. Hasilnya menunjukkan Jakarta Timur memiliki jumlah penduduk miskin dan pengangguran terbanyak. Rendahnya tingkat pendidikan merupakan salah satu penyebab utama kemiskinan, dimana mayoritas penduduk hanya mengenyam pendidikan sekolah dasar atau sederajat. Selain itu, Jakarta Timur juga menjadi wilayah dengan jumlah penerima Kartu Indonesia Pintar (KIP) terbanyak. Kesimpulan penelitian ini adalah bahwa program dan kampanye kesadaran tentang pentingnya pendidikan dan keterampilan kejuruan perlu diperkuat untuk mengurangi kemiskinan dan pengangguran.

Kata kunci: Exploratory Data Analysis, EDA, DTKS, Visualisasi

Rekomendasi Pemilihan Rumah Sakit Terbaik Berdasarkan Preferensi Pengguna dengan Algoritma TOPSIS

2024-07-09T06:32:15+00:00

Pemilihan rumah sakit untuk layanan medis merupakan faktor penting dalam menyediakan pelayanan kesehatan. Namun kenyataannya masayarakat sering mengalami kesulitan dalam menentukan rumah sakit terbaik. Penentuan rangking Rumah Sakit sangat penting karena dapat berpengaruh dalam kinerja yang diberikan dalam setiap rumah sakit. Tujuan penelitian ini adalah untuk menghasilkan kriteria dan urutan Rumah Sakit terbaik yang ada di Kota Kediri. Dalam hal itu peneliti membuat sistem yang merekomendasikan rumah sakit terbaik untuk membentu masyarakat dalam menilai rumah sakit tersebut. Sistem ini menggunakan algoritma TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) untuk menganalisa kriteria, melakukan perhitungan, dan merangking alternatif rumah sakit. Pengumpulan data dilakukan melalui survei online dengan cara kuesioner. Hasil dari perhitungan yang dilakukan secara manual dengan menggunakan Google Spreadsheet dan perhitungan sistem menghasilkan hasil akhir dengan nilai yang akurat. Dari hasil perhitungan Rumah Sakit terbaik yang mendapatkan peringkat tertinggi adalah RSUD Gambiran dengan nilai (0,764930) diikuti RS Bhayangkara dengan nilai (0,658203) kemudian RSUD Baptis dengan nilai (0,650173) lalu RS Muhammadiyah dengan nilai (0,620741) dan urutan terakhir RS Kilisuci dengan nilai (0,235069).

Kata kunci: Rumah Sakit, Sistem Pendukung Keputusan, TOPSIS

Decision Making on The Organoleptic Quality of Salted Egg Products using Analytical Hierarchy Process and Simple Additive Weighting

2024-07-11T05:05:33+00:00

Chicken and duck eggs are highly nutritious food products that are popular among the Indonesian community. However, their perishable nature leads to a decline in quality if not further processed. The salting process is a simple preservation method that can also enhance the flavor of salted egg products. To produce salted egg products with high organoleptic quality preference, a combination of Analytical Hierarchy Process (AHP) and Simple Additive Weighting (SAW) is implemented as a quality decision-making method based on: (1) the experts viewpoints on the importance level of organoleptic criteria, and (2) the scores of organoleptic tests for the criteria of texture, taste, and appearance. In this study, chicken and duck eggs were processed into salted eggs using a salting mixture made of a blend of scouring ash and table salt with a mass ratio of 5:4 and 5:6, resulting in product combinations coded as CE-5/4, CE-5/6, DE-5/4, and DE-5/6. Data processing results on the importance level from the experts viewpoints using the AHP method resulted that the criteria for texture, taste, and aroma had final priority weights of 0.244, 0.617, and 0.139, respectively. Final decision-making using the SAW method indicated that the highest to lowest final preference scores were obtained by products CE-5/4, DE-5/4, DE-5/6, and CE-5/6, with the final preference scores of 0.979, 0.963, 0.931, and 0.906, respectively. The results demonstrated that AHP and SAW were successfully implemented to assist in making decisions regarding the quality of salted egg products based on their organoleptic characteristics.

Keywords: salted egg, organoleptic, decision-making, AHP, SAW

Web Pembelajaran Interaktif Klasifikasi Hewan Menggunakan Convolutional Neural Network (CNN)

2024-07-11T02:09:55+00:00

Aplikasi web interaktif untuk pembelajaran anak usia dini tentang pengenalan hewan merupakan alat edukatif yang penting, dirancang untuk membantu anak-anak mengenali berbagai jenis hewan melalui gambar dan deskripsi hewan yang disediakan. Model Convolutional Neural Network (CNN) digunakan untuk mengklasifikasikan gambar hewan yang diunggah oleh pengguna. Metode yang digunakan melibatkan pengolahan gambar menggunakan CNN untuk mengidentifikasi jenis hewan berdasarkan gambar yang diberikan, kemudian hasil identifikasi ditampilkan dalam antarmuka web yang interaktif. Hasil pengujian menunjukkan bahwa model CNN mencapai akurasi sebesar 59.93% dan presisi sebesar 59.92%. Namun, model mengalami masalah overfitting, yang terlihat dari performa yang lebih tinggi pada data pelatihan dibandingkan dengan data validasi, menunjukkan bahwa model terlalu mempelajari detail dan noise pada data pelatihan sehingga kurang mampu menggeneralisasi pola pada data baru. Oleh karena itu, diperlukan optimasi lebih lanjut seperti augmentasi data, regulasi model dan peningkatan jumlah data pelatihan untuk meningkatkan performa model dan mengurangi efek overfitting. Pengujian akurasi pengenalan gambar hewan pada aplikasi web ini dilakukan menggunakan dataset gambar hewan yang baru sebanyak 10 data gambar untuk masing-masing kelas, dengan nilai akurasi rata-rata untuk semua kelas hewan sebesar 54.67%. Dari 15 kelas hewan, nilai akurasi tertinggi diperoleh oleh kelas Zebra dengan nilai akurasi 90%, sedangkan kelas hewan Laba-Laba dan Kucing menjadi kelas hewan dengan nilai akurasi terendah sebesar 20%.

Kata kunci: Convolutional Neural Network (CNN), Aplikasi web interaktif, Pengenalan hewan, Klasifikasi gambar.

Perancangan Aplikasi Go on Vacation Berbasis Mobile Dengan Metode User Centered Design

2024-07-23T09:05:13+00:00

Indonesia memiliki potensi pariwisata sangat besar, salah satunya di provinsi Bali. Tetapi masih terdapat permasalahan sektor pariwisata seperti, informasi tempat wisata masih minim, sulit membandingkan jasa pramuwisata, dan testimoni pengguna yang kurang. Pernyataan ini disampaikan langsung oleh wisatawan dan pramuwisata, bilamana dibiarkan permasalahan ini dapat menimbulkan rasa skeptis. Maka dalam penelitian ini melakukan perancangan prototipe high fidelity aplikasi Go on Vacation yang mana bertujuan sebagai solusi permasalahan pramuwisata dan wisatawan. Rancangan aplikasi menggunakan metode User Centered Design (UCD), dimana terdapat empat tahapan yaitu, understand context of use, specify user requirements, design solutions, dan evaluation against requirements. Untuk menguji prototipe aplikasi menggunakan usability testing dengan tiga buah aspek, yaitu efektivitas, efisiensi dan kepuasan pengguna. Hasil pengujian pada rancang prototipe aplikasi Go on Vacation menghasilkan persentase completion rate efektivitas sebesar 100%. Efisiensi dengan overall relative efficiency menghasilkan persentase rata-rata sebesar 100% dan kepuasan pengguna pengguna dengan menggunakan USE Questionnaire, menghasilkan persentase 89,08% untuk antarmuka pramuwisata dan 94,52% dari sisi antarmuka wisatawan.

Kata Kunci: Prototipe, Pariwisata, UCD

Peringkasan Teks Berbahasa Indonesia dengan Latent Dirichlet Allocation dan Maximum Marginal Relevance

2024-07-11T05:31:23+00:00

Kemajuan teknologi membuat berita mudah ditemukan pada media online. Jumlah artikel berita yang tersedia semakin banyak dengan teks yang cukup panjang. Hal ini akan menyulitkan pembaca berita dalam mencari inti informasi dari berita sehingga diperlukan ringkasan teks untuk membantu pengguna memahami inti dari suatu teks tanpa perlu membaca seluruhnya. Metode yang digunakan untuk peringkasan teks yaitu Maximum Marginal Relevance (MMR) dengan menggabungkan dua faktor pemilihan, yaitu relevansi dan keragaman. Sering ditemukan saat ini bahwa judul berita dalam artikel online belum sepenuhnya mewakili isi berita atau disebut clickbait, untuk menghindari judul yang kurang sesuai, pada penelitian ini peringkasan didasarkan pada kata kunci yang dihasilkan dengan metode Latent Dirichlet Allocation (LDA). Hasil uji coba dengan 2500 data artikel berita menghasilkan nilai rata-rata ROUGE-1 terbaik sebesar 0.488 untuk tingkat kompresi 50% dan 0.462 untuk tingkat kompresi 30%. Nilai ROUGE-1 terendah yaitu 0.453 untuk tingkat kompresi 50% dan 0.435 untuk tingkat kompresi 30%. Hasil tersebut menunjukkan bahwa sistem dapat menghasilkan ringkasan yang cukup relevan dengan menggunakan kata kunci yang diekstrak dari konten berita.

Advances in technology make news easy to find on online media. The number of news articles available is increasing with a fairly long text. This will make it difficult for news readers to find the core information from the news so that a text summary is needed to help users understand the essence of a text without the need to read it all. The method used for text summarization is Maximum Marginal Relevance (MMR) by combining two selection factors, namely relevance and diversity. It is often found today that news titles in online articles do not fully represent the content of the news or called clickbait, to avoid inappropriate titles, in this study the summary is based on keywords generated by the Latent Dirichlet Allocation (LDA) method. The test results with 2500 news article data produced the best average ROUGE-1 value of 0.488 for a compression level of 50% and 0.462 for a compression level of 30%. The lowest ROUGE-1 value is 0.453 for a compression level of 50% and 0.435 for a compression level of 30%. These results show that the system can produce quite relevant summaries using keywords extracted from news content.

Pengembangan Aplikasi Chatbot Dinas Pariwisata Kota Semarang Berbasis Neural Network

2024-07-29T02:44:41+00:00

Jawa Tengah memiliki beragam tempat wisata yang menarik untuk dijelajahi, namun keterbatasan waktu dan terbatasnya sumber informasi membuat sulit untuk memberikan informasi yang tepat. Selain itu, pengelola objek wisata kesulitan memberikan informasi yang tepat kepada pengunjung. Tujuan dari penelitian ini adalah memasukkan neural network ke dalam aplikasi chatbot objek wisata Jawa Tengah untuk meningkatkan kemampuannya dalam memahami dan bereaksi secara tepat terhadap pertanyaan pengguna. Teknik AI Project Cycle yang dipadukan dengan pendekatan Natural Language Processing (NLP) berfungsi sebagai tahap preprocessing pada pengolahan kata. Penelitian ini menghasilkan akurasi sebesar 99,92% dan loss sebesar 0%. Program chatbot ini bertujuan untuk memberikan kemudahan akses informasi tempat wisata di Jawa Tengah kepada pengguna.

Perbandingan Performa Algoritma Random Forest dan Gradient Boosting dalam Mengklasifikasi Churn Telco

2024-07-28T09:35:37+00:00

Customer churn adalah kecenderungan pelanggan berhenti dan berpindah layanan dalam periode tertentu. Ini merupakan masalah utama dalam industri telekomunikasi karena mempengaruhi keuntungan perusahaan. Mempertahankan pelanggan lebih mudah dibandingkan mendapatkan pelanggan baru. Memprediksi churn membantu sektor CRM dalam merancang strategi retensi. Tingkat churn yang tinggi dapat menurunkan pendapatan dan mengganggu stabilitas bisnis. Berdasarkan studi, tingkat churn tahunan di industri telekomunikasi berkisar antara 15% hingga 30%. Data mining, yang memanfaatkan teknik pembelajaran mesin, digunakan untuk menganalisis dan mengekstraksi pengetahuan dari data. Penelitian ini bertujuan untuk membandingkan performa dua algoritma yaitu Random Forest dan Gradient Boosting. Hasil yang didapatkan menggunakan splitting data 80:20 menunjukkan bahwa klasifikasi lebih unggul menggunakan metode Gradient Boosting dibandingkan metode Random Forest dilihat dari tingkat akurasi dan nilai ROC AUC. Metode Gradient Boosting mendapatkan nilai akurasi dan ROC AUC sebesar 83% dan 0.89, Sedangkan metode Random Forest mampu menghasilkan nilai akurasi dan ROC AUC sebesar 81% dan 0.87.

Kata kunci: Churn, Gradient Boosting, Klasifikasi, Random Forest, Telco

Analisis Emisi Karbon Pada Kendaraan Dan Peralatan Listrik Rumah Tangga Untuk Mengantisipasi GWP (Global Warming Potential)

2024-07-11T05:02:07+00:00

Penelitian ini bertujuan untuk mengembangkan perhitungan jejak karbon berbasis aplikasi pada kendaraan dan peralatan listrik untuk memahami emisi gas rumah kaca. Analisis yang dilakukan meliputi penghitungan GWP gas rumah kaca, faktor emisi, dan konversi energi. Saran yang mungkin diberikan antara lain meningkatkan akurasi perhitungan emisi, mengintegrasikan data konsumsi bahan bakar dan listrik, serta meningkatkan akurasi perhitungan emisi karbon. Batasan KarbonDioksida(CO2), metana(CH4), dan dinitrogen oksida(N2O) di udara berdampak negatif jika melebihi batas peraturan. Emisi karbon dari aktivitas manusia berkontribusi terhadap pemanasan global dan perubahan iklim. Sistem ini dirancang dan diimplementasikan untuk menghitung emisi karbon dari kendaraan dan peralatan listrik, serta memberikan informasi mengenai konsentrasi emisi dan riwayat penghitungan. Analisis emisi karbon dari kendaraan dan peralatan rumah tangga dilakukan untuk memprediksi GWP (Potensi Pemanasan Global). Tujuan analisis ini adalah untuk mengidentifikasi dan mengurangi emisi Gas Rumah Kaca, sehingga dapat mengurangi dampak pemanasan Global. Metode penelitian ini menggunakan algoritma yang menghitung emisi CO2, CH4, dan N2O berdasarkan penggunaan kendaraan dan peralatan listrik pada rumah tangga. Penelitian ini sangat penting agar dapat memahami faktor yang mempengaruhi terhadap emisi karbon dan meningkatkan kesadaran tentang pentingnya perlindungan lingkungan.

Kata kunci: Gas Rumah Kaca, GWP, Perubahan Iklim, Emisi Karbon

Penggunaan Random Forest dan Analisis Perilaku untuk Prediksi Serangan DDoS dalam Lingkungan Cloud Computing

2024-08-02T03:22:26+00:00

Dalam dunia komputasi awan yang semakin berkembang, ancaman serangan Distributed Denial of Service (DDoS) menjadi isu yang sangat krusial. Penelitian ini bertujuan untuk mengembangkan dan mengimplementasikan model prediksi serangan DDoS menggunakan algoritma Random Forest dan analisis perilaku jaringan. Dataset CICIDS2017 digunakan sebagai sumber data utama untuk melatih dan menguji model prediksi yang dikembangkan. Pemilihan algoritma Random Forest didasarkan pada kemampuannya yang tinggi dalam menangani data besar dan kompleks serta kemampuannya dalam mengenali pola anomali yang sering menjadi indikasi serangan siber. Hasil pengujian menunjukkan bahwa model ini mencapai akurasi yang signifikan dengan precision sebesar 97,8%, recall sebesar 98,2%, dan F1-score sebesar 98,0%. Analisis perilaku jaringan yang diterapkan, melibatkan fitur-fitur dinamis seperti waktu antar paket (Inter-Arrival Time/IAT), ukuran rata-rata segmen, dan jumlah paket per detik, yang terbukti efektif dalam meningkatkan kemampuan deteksi model. Implementasi model dalam lingkungan komputasi awan menunjukkan bahwa metode ini dapat diintegrasikan dengan sistem deteksi intrusi (Intrusion Detection Systems/IDS) yang sudah ada untuk memberikan lapisan perlindungan tambahan terhadap serangan DDoS. Berdasarkan hasil yang diperoleh, penelitian ini merekomendasikan penggunaan kombinasi algoritma Random Forest dan analisis perilaku jaringan sebagai solusi yang efektif untuk mendeteksi serangan DDoS dalam lingkungan komputasi awan. Penelitian lanjutan disarankan untuk mengembangkan dan menguji model dengan dataset yang lebih beragam serta mengoptimalkan algoritma untuk meningkatkan performa deteksi.

Kata kunci: Random Forest, DDoS, Cloud Computing

Analisis Rantai Pasok Stok Obat HIV ARV dengan Metode Double Exponential Smooting

2024-07-12T01:19:59+00:00

Human Immunodeficiency Virus (HIV) merupakan virus yang dapat memicu kerusakan pada sistem kekebalan tubuh manusia, menyebabkan infeksi pada orang yang terkena serta dapat mengurangi sistem kekebalan tubuh dan jika tidak segera disembuhkan akan terjangkit penyakit lain yang disebut dengan Acquired Immuno Deficiency Syndrom (AIDS). Kebutuhan obat ARV bagi ODHA mempengaruhi kebutuhan stok obat yang harus dipasok pemerintah ke Kabupaten/Kota. Dinas Kesehatan Provinsi bertanggung jawab atas perencanaan kebutuhan obat dari pemerintah Kabupaten/Kota, serta penerimaan permintaan obat, penyimpanan, pendistribusian, pencatatan dan pelaporan mutasi obat. Tujuan dari penelitian ini ialah untuk memahami bagaimana rangkaian proses pada supplier, dan penyimpanan obat agar obat tidak mengalami kekosongan atau kelebihan stok dengan menganalisis Rantai Pasok dan melakukan peramalan pada metode Double Exponential Smoothing yang didapatkan hasil presentase error terkecil pada obat Tenofovir dengan nilai MAPE 14,7%.

Kata kunci: Stok obat, HIV ARV, Rantai pasok, Double Exponential Smoothing

Purwarupa Sistem Conveyor Scale Berbasis Loadcell, PLC, dan Protokol MQTT dan Analisisnya

2024-07-23T09:13:25+00:00

Sistem conveyor scale berdasarkan bobot produk dan menerapkan IoT telah dikembangkan. Sistem ini menggunakan sensor loadcell Hx711, photoelectric, motor listrik, PLC, HMI, dan sistem pneumatik. Terdapat 22 produk dengan bobot berbeda yang telah diuji. Nilai batas bawah dan atas bobot ditetapkan sebesar 0.8 kg dan 1.2 kg pada menu preset. Hasil menunjukkan ada 20 produk yang sesuai dengan pengaturan bobot dengan total bobot 21.46 kg. Lalu, ada dua produk yang tidak lolos dengan total bobot sebesar 1.45 kg dengan rata – rata sebesar 0.72 kg. Selama proses produksi, data yang dikumpulkan melalui sistem ini ditampilkan melalui laman website dengan menggunakan protokol MQTT. Sistem ini diterapkan pada CV Javamas Agropos.

Kata kunci: PLC, HMI, MQTT, Hx711, conveyor scale

Evaluasi Performa Aplikasi Gojek Melalui Klasifikasi Kata Ulasan Pengguna Dengan Metode SVM

2024-08-21T06:52:23+00:00

Aplikasi Gojek, sebagai salah satu aplikasi ride-hailing terkemuka di Indonesia, menghadapi tantangan berkelanjutan dalam mempertahankan dan meningkatkan kualitas layanan serta kepuasan pengguna. Penelitian ini bertujuan mengevaluasi performa aplikasi Gojek melalui analisis sentimen dari 200.000 ulasan pengguna yang dikumpulkan dari platform aplikasi selama periode 2021-2024, menggunakan metode Support Vector Machine (SVM). Fokus penelitian meliputi aspek layanan, keamanan, promosi, dan masalah teknis. Metode SVM dipilih karena kemampuannya dalam menangani klasifikasi dengan dataset kompleks. Data ulasan pengguna, yang ditulis dalam bahasa Indonesia, diolah dengan teknik pemrosesan teks dan fitur ekstraksi FastText, yang dikenal cepat dan akurat. Praproses data melibatkan tokenisasi, penghapusan stopword, dan teknik preprocessing lainnya. Kinerja model diukur dengan akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa FastText menawarkan waktu pelatihan cepat dengan akurasi kompetitif, sementara SVM unggul dalam presisi dan recall. Penerapan SVM dengan pembagian data 80:20 mencapai akurasi 91% dalam mengklasifikasikan sentimen pengguna. Temuan ini memberikan wawasan penting untuk pengembangan dan evaluasi aplikasi berbasis ulasan pengguna.

Sistem Pengenalan Penyakit Kulit Berbasis Computer Vision Dengan Metode Convolutional Neural Network (CNN)

2024-08-08T07:24:38+00:00

Penyakit kulit merupakan masalah kesehatan umum di Indonesia, terutama di Papua, yang mempengaruhi berbagai kelompok usia. Meskipun sebagian besar penyakit kulit tidak mengancam jiwa, mereka dapat berdampak signifikan pada kualitas hidup pasien dan menimbulkan biaya pengobatan yang tinggi. Mendiagnosis penyakit kulit biasanya memerlukan pemeriksaan fisik dan klinis oleh dokter kulit, namun jumlah spesialis yang terbatas menimbulkan tantangan. Penelitian ini bertujuan untuk mengembangkan sistem pengenalan penyakit kulit menggunakan Computer Vision dan Convolutional Neural Networks (CNN) untuk membantu diagnosis dini. Sistem ini dikembangkan sebagai aplikasi web menggunakan HTML, CSS, dan Python. Aplikasi ini diuji di Puskesmas Nimbokrang pada dataset penyakit kulit umum, menunjukkan akurasi sebesar 83,09% pada pelatihan dan 84% pada validasi. Hasil pengujian dengan confusion matrix menunjukkan akurasi sebesar 89%. Hasil ini menunjukkan potensi aplikasi praktis dalam meningkatkan layanan kesehatan.

Penerapan Sistem Pendukung Keputusan Dalam Penerimaan Perawat Menggunakan Metode SAW, WP Dan MOORA Di Rumah Sakit Petukangan

2024-08-21T06:49:23+00:00

Salah satu cara untuk memperoleh perawat yang kompeten adalah dengan melakukan proses seleksi dengan sangat baik dan tepat, proses penerimaan perawata sangat sensitif karena perawat yang diterima harus memenuhi kriteria serta kebutuhan unit kerja dari rumah sakit Penelitian sistem pendukung keputusan di Rumah Sakit Petukangan ini dilakukan dengan tujuan memberikan rekomendasi serta alternatif dalam penerimaan perawat baru di Rumah Sakit Petukangan, agar dapat meminimalisir kesalahan serta meningkatkan efisiensi rekrutmen Dalam penelitian ini metode sistem pendukung keputusan yang digunakan adalah metode SAW, WP dan MOORA, dari metode tersebut dilakukan pengujian dan pencarian nilai akurasi menggunakan Confusion Matrix untuk mencari metode paling tinggi akurasinya Metode WP dan MOORA memiliki nilai akurais yang sama yaitu 93%, sedangkan metode SAW memperoleh nilai akurasi 87%. Dengan pengujian yang telah dilakukan dan nilai akurasi yang sangat tinggi, penelitian ini sangat layak dijadikan sebagai alternatif dalam proses penerimaan perawat baru di Rumah Sakit Petukangan yang lebih efisien dan efektif.

Kata kunci: Sistem Pendukung Keputusan, SAW, WP, MOORA

Teknik Equivalence Partitioning pada Pengujian Black Box: Studi Kasus pada API Loyalitas MyPertamina

2024-08-21T06:53:55+00:00

Perkembangan smartphone pada saat ini semakin pesat yang disebabkan oleh adanya berbagai aplikasi mobile yang ditawarkan dalam mempermudah aktivitas manusia. Salah satu aplikasi mobile yang banyak dibahas akhir-akhir ini adalah MyPertamina. MyPertamina adalah sebuah aplikasi mobile yang digunakan untuk membeli berbagai produk yang ditawarkan oleh Pertamina secara online yang dapat dilakukan kapan pun dengan berbagai jangkauan area pembelian. Dalam pengembangnya terbagi menjadi beberapa modul yaitu payment, voucher, user, dan loyalty. Salah satu modul yang cukup penting adalah modul loyalty yang berisi fitur-fitur tentang keuntungan pengguna. Pengembangan aplikasi MyPertamina hampir keseluruhan menggunakan RESTful API. Dalam proses pengembangan perangkat lunak dengan menggunakan RESTful API, perlu dilakukan pengujian terhadap RESTful API yang telah dibuat untuk meminimalisir kesalahan yang ada pada RESTful API. Terdapat berbagai metode pengujian perangkat lunak salah satunya adalah pengujian Black Box. Pengujian Black Box berfokus pada keluaran yang dihasilkan oleh sistem dan tidak melakukan pengujian pada kode sumber. Pada pengujian Black Box terdapat beberapa teknik pengujian salah satunya adalah Equivalence Partitioning. Penelitian melakukan perbandingan pengujian manual terhadap RESTful API dan mengimplementasikan pengujian otomatis menggunakan pytest. Pengujian manual dilakukan menggunakan postman. Sedangkan pengujian otomatis dijalankan menggunakan pytest. Kedua pengujian yang telah dilakukan memberikan hasil bahwa RESTful API yang dikembangkan telah sesuai dan berjalan dengan baik.

Kata kunci: Equivalance Partitioning, MyPertamina, Pengujian Perangkat Lunak, RESTful API