Techno.Com

Komparasi Sarimax dan Prophet untuk Prediksi Tingkat Penghunian Kamar Hotel Jawa Tengah

2024-05-31T17:52:50+00:00

Pemerintah Jawa Tengah memprioritaskan pemulihan pariwisata akibat Covid-19. Tingkat penghunian kamar (TPK) hotel dapat menjadi pertanda keberhasilan minat wisatawan terhadap daerah yang dikunjungi dan salah satu leading indicator dalam mengukur ekonomi pada sektor pariwisata. TPK hotel Jawa Tengah dipublikasikan oleh Badan Pusat Statistik (BPS) namun publikasi membutuhkan waktu satu atau dua bulan berikutnya. Pada penelitian ini melakukan komparasi model Sarimax dan Prophet untuk prediksi TPK hotel berbintang Jawa Tengah berdasarkan nilai MAPE dan waktu eksekusi program. Model dibuat menggunakan 2 kategori dataset yang telah di cek stasionaritasnya. Dataset 1 yaitu data 2005-2022 (menyertakan situasi pandemi covid 19 hingga pemberhentian PPKM) dan data set 2 yaitu 2005-2019 (tanpa menyertakan situasi pandemi covid 19). Hasilnya model Sarimax dan prophet terbaik adalah model yang menggunakan dataset 2 dengan nilai MAPE 10.43% dan 47,529 detik waktu eksekusi sedangkan model prophet dengan dataset 2 mendapatkan nilai MAPE 6.05% dan 0.892 detik waktu eksekusi. Selanjutnya model Sarimax dan prophet yang menggunakan dataset 2, dilakukan prediksi dari tahun 2022 hingga februari 2023. Hasil prediksi kedua model dibandingkan dengan data aktual. Hasilnya, Sarimax lebih unggul daripada prophet dengan nilai MAPE 12.05% dan waktu eksekusi 0.014, prophet yaitu 14.07% dan 0.100 detik.

Implementasi K-Means Clustering untuk Analisis Non-Numerik Dataset Spare Part Mobil

2024-05-31T17:52:50+00:00

Industri otomotif merupakan salah satu sector ekonomik terbesar di dunia, dengan berbagai rantai pasok yang kompleks. Kompleksitas data otomotif yang beragai sering kali banyak mengandung atribut data non-numerik, seperti nama, jenis spare part, merk, dan atribut kualitatif lainnya. Analisis non-nurmerik dapat memberikan wawasan berharga dengan pola dan hubungan antar suku cadang. Tujuan dari penelitian ini yaitu untuk mengembangkan metode k-means clustering pada dataset spare part yang mengandung atribut non-numerik. K-means clustering adalah Teknik yang umumnya digunakan untuk analisis data numerik dan memerlukan modifikasi atau keterlibatan metode lain dalam mengatasi data non-numerik. Adapun proses yang dilibatkan yaitu proses normalisasi dengan menggunakan metode binning. Implementasi K-means Clustering pada dataset non-numerik memiliki manfaat potensial. Pertama, itu memungkinkan identifikasi kelompok dari suku cadang yang memiliki karakterisktik serupa, yang dapat digunakan untuk mengelompokkan produk serupa. Kedua yaitu untuk membantu dalam pengelolaan ketersedian dengan lebih efisien, menghindari kelebihan persedian, dan memenuhi permintaan pelanggan dengan lebih baik. Penelitian ini menghadapi tantangan dalam menentukan metrik kesamaan yang tepat untuk data non-numerik dan dalam menentukan jumlah cluster yang optimal. Namun, metodologi yang cermat dan eksperimen yang bekelanjutan, mampu mengembangkan pendekatan yang dapat digunakan dalam pengelompokan suku cadang mobil non-numerik. Hasil dari penelitian ini diperoleh sebaran data dengan menggunkan cluster K=2 dengan nilai Silhouette sebagai nilai dari sebaran data yaitu 0,925.

Teknik Scaling Menggunakan Robust Scaler Untuk Mengatasi Outlier Data Pada Model Prediksi Serangan Jantung

2024-05-31T17:52:50+00:00

Serangan jantung adalah salah satu faktor utama dalam tingginya tingkat angkat penyebab kematian di seluruh dunia dan memerlukan prosedur diagnosa yang canggih sehingga dapat mengakibatkan peningkatan biaya yang signifikan. Memprediksi penyakit jantung merupakan tantangan utama dalam bidang kesehatan karena keterbatasan peralatan diagnosis penyakit ini. Prediksi penyakit jantung yang akurat sangat penting untuk mengobati pasien sebelum serangan jantung terjadi. Prediksi ini dapat dicapai dengan menggunakan model pembelajaran mesin (machine learning) yang optimal dengan data layanan kesehatan yang kaya (datasets) mengenai penyakit jantung. Namun, Permasalahan yang umumnya dihadapi oleh model prediksi penyakit jantung seperti data yang menyimpang secara ekstrim (outliers), data yang hilang, data yang tidak konsisten, dan data yang tercampur baik secara numerik maupun kategorikal. Data yang tidak konsisten menyebabkan kemungkinan kesalahan prediksi dan akan mempengaruhi hasil dari prediksi. Pada penelitian ini kami mencoba mengatasi masalah outlier pada dataset penyakit jantung menggunakan salah satu metode feature scaling yaitu robust scaler. Hasil Eksperimen dengan model klasifikasi algoritma K-Nearest Neighbors menggunakan metode scaling robust scaler memperoleh nilai lebih baik dibandingkan dengan tanpa robust scaler dengan nilai F1 score sebesar 0.86.

Penggunaan Feature Space SMOTE Untuk Mengurangi Overfitting Akibat Imbalance Dataset

2024-05-31T17:52:50+00:00

Pembuatan model klasifikasi memerlukan beberapa hal yang penting untuk diperhatikan demi mendapatkan model yang memiliki performa terbaik. Indikator suatu model disebut baik dapat dilihat salah satunya dari tingginya nilai akurasi dan f1-score yang dihasilkan dari model tersebut. Rendahnya nilai loss juga merupakan salah satu indikator model tersebut memiliki performa yang baik. Untuk dapat membuat model yang baik, diperlukan beberapa syarat seperti arsitektur yang tepat dan data yang berkualitas. Pemilihan model yang terlalu sederhana akan mengakibatkan model memiliki performa yang buruk, begitupun jika model terlalu kompleks tidak akan menghasilkan performa yang baik pula, oleh karena itu model yang dipilih haruslah model yang tepat dan sesuai dengan jenis data yang digunakan. Data yang berkualitas juga merupakan faktor penting agar model memiliki performa maksimal. Data dapat dikatakan berkualitas jika memenuhi syarat seperti jumlahnya cukup, distribusi datanya seimbang tiap kelas, memiliki keanekaragaman dan memiliki kebersihan yang baik. Pada penelitian ini, dilakukan pembuatan model klasifikasi CT Kidney Stone dengan dataset yang imbalance. Dataset diperoleh dari sumber publik yaitu Kaggle. Pembuatan model menggunakan algoritma CNN karena CNN merupakan salah satu algoritma yang terbaik dalam membuat klasifikasi gambar. Pembuatan model menggunakan 3 cara untuk melihat model yang memiliki performa paling baik. Model pertama dibuat dengan data train yang imbalance. Model kedua dibuat dengan melakukan augmentasi data untuk menambah keragaman data. Model ketiga dibuat dengan SMOTE oversampling untuk menyeimbangkan distribusi data. Setelah itu ketiga model tersebut akan diuji dengan menggunakan data privat untuk melihat performa pengujian dan melihat tingkat overfitting yang terjadi. Penelitian ini menghasilkan bahwa model yang memiliki performa terbaik adalah model ketiga yang menggunakan SMOTE.

Deteksi Suara Suling Sunda Menggunakan Metode Key-Nearest Neighbor

2024-05-31T17:52:50+00:00

Suling Sunda merupakan alat musik tiup tradisional yang memiliki berbagai jenis. Masing-masing jenis suling Sunda memiliki karakteristik suara yang berbeda-beda. Hal ini menghasilkan keindahan suara yang beragam, mulai dari suara yang lembut dan mendayu-dayu hingga suara yang ceria dan dinamis. Namun, mengenali jenis suling Sunda tidaklah mudah bagi sebagian orang. Oleh karena itu, diperlukan metode deteksi suara suling Sunda yang dapat dilakukan secara otomatis.Penelitian ini telah berhasil mengembangkan metode deteksi suara suling Sunda dengan metode KNN. Metode KNN dipilih karena lebih sederhana dan menghasilkan akurasi yang tinggi. Hasil penelitian menunjukkan bahwa model KNN dengan nilai k=5 memiliki akurasi sebesar 79,76% pada data uji. Akurasi ini meningkat menjadi 82,5% pada pengujian aplikasi. Penelitian ini memberikan kontribusi yang penting dalam pengembangan teknologi deteksi suara suling Sunda. Metode KNN yang dikembangkan terbukti dapat menghasilkan akurasi yang tinggi, sehingga dapat menjadi solusi untuk mengenali jenis suling Sunda secara otomatis. Implementasi model KNN pada smartphone Android juga dapat menjadi sarana untuk memperkenalkan teknologi kecerdasan buatan kepada generasi muda Indonesia. Aplikasi ini dapat digunakan untuk mendeteksi jenis suling Sunda secara langsung, sehingga dapat membantu generasi muda untuk lebih memahami keberagaman jenis-jenis suara suling Sunda.

Pengenalan Objek Menggunakan YOLO pada Alat Bantu Tunanetra Berbasis Raspberry Pi

2024-05-31T17:52:50+00:00

Keterbatasan sensorik yang melekat pada penyandang tunanetra menghalangi rutinitas mereka yang menyebabkan kesulitan dalam menjalankan aktivitas sehari-hari. Kurangnya teknologi pada alat bantu seperti tongkat yang menjadi kebutuhan para tunanetra menyebabkan kesulitan tunanetra menjalani aktivitas secara normal. Alat bantu yang mampu mengenali objek menjadi salah satu solusi untuk membantu para tunanetra. Dalam penelitian ini, dibangun sebuah sistem pengenalan objek menggunakan YOLO pada alat bantu tongkat tunanetra berbasis Raspberry Pi 4b. Sistem ini dibuat untuk membantu tunanetra mendapatkan informasi objek yang ada didepannya, sehingga tunanetra dapat menghindari objek tersebut karena menghalangi atau berpotensi mencelakai saat beraktivitas. Algoritma YOLO yang digunakan dalam penelitian ini adalah YOLOv4 dan YOLOv4-Tiny. Dataset yang digunakan memiliki 5 kelas objek yaitu kursi, meja, orang, pot tanaman, dan kulkas. Jumlah dataset yang digunakan untuk melatih model sebanyak 841 dataset yang dibagi menjadi 757 data latih dan 84 data uji. Pada pelatihan model yang dilakukan didapatkan hasil akurasi menggunakan mAP sebesar 99,74% untuk model YOLOv4 dan 67,78% untuk model YOLOv4-Tiny. Pada implementasi pengujian sistem pengenalan objek dengan jarak 1 hingga 3,5meter, didapatkan nilai akurasi sebesar 93,33% untuk model YOLOv4 dan 73,3% untuk model YOLOv4-Tiny.

Analisis Sentimen Popularitas Capres dan Pilpres pada Media Sosial Twitter: Perbandingan Algoritma SVM, KNN, dan Naïve Bayes

2024-05-31T17:52:50+00:00

Untuk memaham bagamana tokoh publk dpersepskan dan drespon oleh masyarakat d era meda sosial, analsis sentimen sangat berguna. Ini terutama berlaku karena popularitas tokoh publik meningkat di era meida sosial. Tujuan dari penelitian ini adalah untuk mengatasi masalah tersebut dan memberikan pemahaman yang bermanfaat tentang bagiamana masyarakat bertindak terhadap pemlhan presiden dan capres yang saat ini sangat diperdebatkan di medai sosial, serta bagiamana hal tu berdampak pada opn publk secara keseluruhan, khususnya d Twtter. Stud n bertujuan untuk mengkategorkan tweet emosonal ke dalam kategor postf atau negatf dengan menggunakan algortma pembagan terstruktur sepert Support Vector Machnes (SVM), Nave Bayes (NB), dan K-Nearest Neghbor. Hasl pengujan menunjukkan bahwa algortma NB memlk tngkat akuras 94,62% dan press 100%, mengalahkan SVM dan K-NN dalam menyelesakan kasus kepercayaan.

Perancangan Monitoring Arus Bocor Pada Ground Kabel Power Trafo Tenaga 150/20KV Berbasis HMI

2024-05-31T17:52:50+00:00

Transformator tenaga merupakan material transmisi utama pada Gardu Induk 150 kV, pada sisi sekunder transformator terdapat kabel ground untuk mendeteksi arus bocor yang terjadi pada kabel power 20kV. PLN menggunakan cara manual dalam melakukan pengukuran arus bocor pada kabel power 20kV secara periodik sehingga arus bocor pada kabel tidak terdeteksi secara dini. Peningkatan arus bocor kabel tanah pada transformator 150/20 kV dapat menimbulkan gangguan pada penyaluran listrik. Penelitian ini merancang alat monitoring arus bocor kabel tanah pada transformator 150/20 kV secara realtime. Arus bocor ini dideteksi dengan menggunakan sensor arus SCT-013 5A dan diolah oleh Arduino mega 2560, kemudian ditampilkan pada HMI (Human Machine Interface). HMI yang digunakan dalam pengukuran arus bocor kabel tanah pada transformator 150/20 kV memanfaatkan aplikasi VTScada. Hasil pengujian menunjukkan bahwa ground kabel power trafo 4 GI Semen Baru 150kV masih dalam kondisi normal dan layak beroperasi karena nilai arus yang terbaca tidak ada yang lebih dari 1 Ampere. Perbandingan hasil pengujian alat dengan tang ampere menunjukkan rata-rata error pembacaan nilai arus dari alat sebesar 2,92%. Arduino Mega 2560 sebagai pusat pengendali alat mampu bekerja sesuai dengan program yang telah dimasukkan dan penggunaan aplikasi VTScada sebagai HMI berhasil dijalankan dengan pengujian berupa telemetering dan telesignaling.

Rancang Bangun Alat Monitoring Dan Kontrol Tanaman Mint (Mentha Spicata) Berbasis Teknologi IoT

2024-05-31T17:52:50+00:00

Mint (Mentha Spicata) adalah tanaman yang relatif sulit untuk dibudidayakan. Faktor – faktor penyebab hal tersebut adalah berikut : jenis tanah, kelembaban tanah, suhu dan kelembaban lingkungan, serta lingkungan tempat tanaman tumbuh. Faktor-faktor tersebut selain mempengaruhi pertumbuhan tanaman Mint (Mentha Spicata) juga menentukan rasa yang dihasilkan oleh tanaman Mint (Mentha Spicata). Topik ini tentunya menarik perhatian para peneliti untuk membuat solusi dari permasalahan tersebut. Solusi yang kami tawarkan kepada para pembudidaya tanaman Mint (Mentha Spicata) adalah alat yang mampu memantau data suhu dan kelembaban tanaman dengan menggunakan aplikasi Blynk sebagai interface di lapangan dan jarak jauh menggunakan Handphone atau perangkat lainnya. Sistem yang kami rancang juga dilengkapi dengan kontrol output dengan menggunakan metode Fuzzy Mamdani sebagai basisnya, sehingga penggunaan daya menjadi lebih efisien. Penelitian ini menggunakan ESP32 CAM yang memiliki dukungan akses internet sehingga dapat digunakan untuk IoT, serta dilengkapi dengan modul kamera untuk memantau kondisi tanaman Mint (Mentha Spicata) secara langsung. Sensor yang digunakan sebagai parameter masukan adalah DHT22 untuk membaca data suhu dan kelembaban dan sensor Kelembapan Tanah YL-69 yang digunakan sebagai pembacaan data kelembaban dari tanah.

Implementasi Fuzzy Logic Pada Kontrol Solar Tracker Dual Axis Berbasis Haiwel Clouds Scada

2024-05-31T17:52:51+00:00

Energi matahari sebagai sumber energi tak terbatas, memainkan peran penting sebagai sumber daya terbarukan. Keberlimpahan energi matahari, terutama di wilayah Indonesia, menjadikannya potensi besar untuk menghasilkan energi listrik melalui pemanfaatan panel surya. Sehingga pada penelitian ini perlu adanya sebuah perancangan sistem pemanfaatan energi matahari menggunakan panel surya dengan sistem tracking dual axis agar posisi panel surya selalu menghadap matahari dan juga untuk mengoptimalkan produksi daya pada panel surya. Dalam penelitian ini, digunakan metode Fuzzy Logic Mamdani sebagai sistem kendali untuk solar tracking yang akan diimplementasikan melalui mikrokontroler ESP32. Selain itu, hasil pemantauan (output monitoring) dapat ditampilkan pada Haiwel Cloud Scada dengan menggunakan protokol Modbus.

Deteksi Objek Bahasa Isyarat Alfabet BISINDO Menggunakan Deep Learning dan Arsitektur YOLO

2024-05-31T17:52:51+00:00

Komunikasi merupakan kegiatan kemasyarakatan yang dimana dilakukan dua atau lebih orang untuk dapat saling bertukar informasi. Komunikasi dapat dilakukan dimana saja dan kapan saja. Namun komunikasi secara normal tidak dapat dilakukan oleh kalangan berkebutuhan khusus terutama tuna wicara. Permasalahan tersebut menimbulkan banyak kerugian bagi penyandang tunawicara untuk berkomunikasi dengan kaum dengar. Kondisi tersebut dapat dihindari dengan membuat sistem pendeteksian bahasa isyarat alfabet BISINDO berbasis computer vision. Penelitian ini memanfaatkan kecerdasan buatan dalam mengenali bahasa isyarat, serta penggunaan konsep Deep Learning dan pemanfaatan arsitektur YOLOv4. Kecepatan dan keringanan komputasi juga menjadi pertimbangan penting dalam penelitian ini untuk mendapat hasil yang cukup baik dengan waktu komputasi secepat mungkin. Sistem dibangun menggunakan total 494 dataset citra yang sekaligus digunakan untuk pelatihan serta pengujian sistem. Untuk dapat mengukur besarnya performa dari model digunakanlah Confusion Matrix. Hasil dari pengujian menunjukkan bahwa sistem memiliki tingkat accuracy sebesar 99.7%, tingkat precision sebesar 96%, dan tingkat recall sebesar 96%. Penelitian ini membuktikan bahwa metode ini dapat digunakan untuk mendeteksi bahasa isyarat alfabet BISINDO dengan benar dan akurat berdasarkan masukan gambar.Komunikasi merupakan kegiatan kemasyarakatan yang dimana dilakukan dua atau lebih orang untuk dapat saling bertukar informasi. Komunikasi dapat dilakukan dimana saja dan kapan saja. Namun komunikasi secara normal tidak dapat dilakukan oleh kalangan berkebutuhan khusus terutama tuna wicara. Permasalahan tersebut menimbulkan banyak kerugian bagi penyandang tunawicara untuk berkomunikasi dengan kaum dengar. Kondisi tersebut dapat dihindari dengan membuat sistem pendeteksian bahasa isyarat alfabet BISINDO berbasis computer vision. Penelitian ini memanfaatkan kecerdasan buatan dalam mengenali bahasa isyarat, serta penggunaan konsep Deep Learning dan pemanfaatan arsitektur YOLOv4. Kecepatan dan keringanan komputasi juga menjadi pertimbangan penting dalam penelitian ini untuk mendapat hasil yang cukup baik dengan waktu komputasi secepat mungkin. Sistem dibangun menggunakan total 494 dataset citra yang sekaligus digunakan untuk pelatihan serta pengujian sistem. Untuk dapat mengukur besarnya performa dari model digunakanlah Confusion Matrix. Hasil dari pengujian menunjukkan bahwa sistem memiliki tingkat accuracy sebesar 99.7%, tingkat precision sebesar 96%, dan tingkat recall sebesar 96%. Penelitian ini membuktikan bahwa metode ini dapat digunakan untuk mendeteksi bahasa isyarat alfabet BISINDO dengan benar dan akurat berdasarkan masukan gambar.

Level Kualitas Air Nutrisi pada Hidroponik Berdasarkan Sistem Klasifikasi Fuzzy

2024-05-31T17:52:51+00:00

Tingginya jumlah penduduk telah menyebabkan perubahan lahan pertanian menjadi lahan non-pertanian. Solusi inovatif untuk mengatasi keterbatasan lahan yaitu urban agriculture, khususnya hidroponik. Namun, kondisi nutrisi pada air hidroponik sering kali dalam kondisi buruk sehingga perlu dimonitoring dan dideteksi tingkat kualitasnya untuk menjaga kondisi air nutrisi dalam bak hidroponik dalam keadaan baik. Kondisi air nutrisi yang baik akan mengoptimalkan proses penyerapan akar dan pertumbuhan tanaman. Parameter kualitas air nutrisi dapat dideteksi melalui suhu air nutrisi, kadar TDS (Total Dissolved Solids) di dalam nutrisi, dan tingkat keasamaan atau pH dari air nutrisi di dalam bak hidroponik. Metode fuzzy logic classification memungkinkan dalam mengolah kondisi aktual nutrisi dari ketiga parameter tersebut menjadi sebuah keputusan level kualitas air nutrisi tanaman dalam kondisi baik, sedang, buruk, ataupun sangat buruk. Penelitian ini menggunakan sensor suhu air, TDS, dan pH dalam pengukuran masing-masing parameter yang kemudian ditampilkan pada website. Hasil pengukuran parameter nutrisi mencapai error rendah yaitu ±5%. Hasil klasifikasi kualitas dari kondisi air nutrisi tanaman yang diputuskan dengan fuzzy logic sudah sesuai dengan yang diinginkan oleh petani dan berhasil 100% ditampilkan pada website pengguna. Sistem ini memudahkan pengguna dalam memantau, mengevaluasi, dan meningkatkan kondisi dan kualitas nutrisi tanaman dari jarak jauh.

Evaluasi Usability Sistem Taring Dukcapil Menggunakan Metode Usability Testing dan Pendekatan UCD

2024-05-31T17:52:51+00:00

Taring Dukcapil adalah sistem untuk mengurus pembuatan dokumen kependudukan seperti kartu tanda penduduk (KTP), akta kelahiran dan lain-lain secara online. Saat ini sistem Taring Dukcapil sudah berjalan sebagaimana mestinya, namun dalam pengimplementasianya sistem ini masih belum berjalan secara maksimal. Masih terdapat beberapa permasalahan dan kebingungan yang dialami oleh pengguna. Penelitian ini bertujuan untuk mengetahui sejauh mana tingkat usability sistem Taring Dukcapil menggunakan metode usability testing berdasarkan standar ISO 9241-11 dan membuat rekomendasi perbaikan antarmuka dengan pendekatan User Centered Design (UCD). Hasil penelitian ini menunjukkan perbandingan hasil nilai yang didapatkan pada uji usability awal sebelum dilakukan perbaikan antarmuka dengan hasil uji usability akhir setelah dilakukan perbaikan. Hasil dari uji usability awal yaitu, aspek efektivitas mendapat nilai 89%, aspek efisiensi mendapat nilai 83%, dan aspek kepuasan mendapat nilai 56,5%. Setelah dilakukan perbaikan antarmuka berdasarkan tahap-tahap pada pendekatan UCD, didapatkan hasil pada uji usability akhir yaitu adanya peningkatan nilai pada ketiga aspek antara lain nilai pada aspek efektivitas meningkat menjadi 98%, nilai pada aspek efisiensi meningkat menjadi 97% dan nilai pada aspek kepuasan meningkat menjadi 84%. Hal tersebut menunjukkan antarmuka sistem setelah dilakukan perbaikan memiliki nilai usability yang lebih baik dan dapat lebih mudah digunakan oleh pengguna dibandingkan dengan sistem sebelum dilakukan perbaikan.

Studi Kasus Klik Food dengan Heart Framework dan Double Diamond Pada Pengembangan User Experience.

2024-05-31T17:52:51+00:00

Kemajuan teknologi yang serba digital telah mengubah cara konsumen berinteraksi dengan layanan e-commerce, khususnya dalam sektor makanan dan minuman. Studi ini mengkaji pengalaman pengguna (user experience) dalam aplikasi Klik Food Indomaret, sebuah platform e-commerce yang menawarkan berbagai produk makanan dan minuman. Penelitian ini bertujuan membuat UI/UX yang dapat menimbulkan kepuasan pengguna dalam proses transaksi di dalam layanan sehingga pengguna senang serta transaksi sukses menggunakan Heart Framework dan Double Diamond. Heart Framework dengan penerapan aspek happiness dan task success yang diteapkan menggunakan metrik SEQ, SUS dan MAUS. Pada penelitian ini heart framework dan double diamond kredibel dalam menciptakan kepuasan pengguna dengan hasil SEQ 5,74 dari 7, SUS 74 dari 100 dan MAUS 86,6. Semua hasil metrik memasuki kategori baik atau hasil kepuasan pengguna terhadap protipe aplikasi dapat diterima.

Klasifikasi Emosi Berbasis Emolex dari Komentar Evaluasi Akademik Mahasiswa

2024-05-31T17:52:51+00:00

Upaya melakukan analisis emosi pada teks komentar mahasiswa dalam evaluasi pembelajaran sangat penting dilakukan. Komentar dalam kuesener umumnya tidak diolah, padahal data tersebut mengandung informasi dalam mengungkap emosi mahasiswa dalam proses pembelajaran. Untuk itu deteksi dan klasifikasi emosi pada opini mahasiswa dapat memperbaiki hasil kuesioner. Penelitian ini bertujuan menerapkan metode klasifikasi emosi pada teks komentar mahasiswa berbasis pada leksikon emosi dari NRC Emolex. Jenis emosi yang akan dideteksi adalah 8 jenis emosi, yaitu marah (Anger), antisipasi (anticipation), jijik (disgust), takut (fear), bahagia (joy), sedih (sadness), terkejut (surprise) dan yakin (trust) . Data diambil dari komentar dan saran mahasiswa pada kuesioner pada Universitas AKPRIND Indonesia tahun 2020-2022 sebanyak 4000 data yang telah dilabeli secara manual. Tujuan lain dari studi ini adalah melihat sejauh mana efektivitas leksikon emosi Emolex untuk klasifikasi emosi teks kuesioner akademis. Hasil penelitian menunjukkan rata-rata akurasi sebesar 56,2%. Dari yang diketahui label emosinya 3 prosentase tertinggi ada pada label Sadness (19,2%), Joy(16,7%) dan Fear (13,5%) yang masing-masing memiliki akurasi 72%, 68% dan 68%. Dari penelitian terungkap bahwa kinerja Emolex untuk klasifikasi emosi masih kurang memuaskan dan memerlukan pengembangan leksikon lebih jauh lagi.

Klasifikasi Cardiovascular Diseases Menggunakan Algoritma K-Nearest Neighbors (KNN)

2024-05-31T17:52:51+00:00

Penyakit Kardiovaskular (Cardiovascular Diseases) adalah faktor utama kematian global, dengan jumlah korban mencapai 17,9 juta jiwa setiap tahun atau sekitar 32% dari total kematian global (World Health Organization, 2021). Faktor risiko penyakit kardiovaskular diantaranya faktor usia, semakin bertambahnya usia seseorang, maka semakin tinggi risiko terkena penyakit kardiovaskular. Faktor lain yaitu memiliki riwayat penyakit kardiovaskular dalam keluarga, diabetes, tekanan darah tinggi, obesitas (kegemukan), Pola hidup tidak sehat, dan Stres. (Kemenkes RI, 2021). Masalah pada penelitian ini adalah bagaimana mengetahui model K-Nearest Neighbors (KNN) dengan baik melalui perhitungan accuracy, recall, precision, dan f1-score pada klasifikasi penyakit kardiovaskular. Tujuan penelitin ini adalah mengetahui kinerja K-Nearest Neighbors (KNN) dengan baik melalui perhitungan accuracy, recall, precision, dan f1-score pada klasifikasi penyakit kardiovaskular. Metode K-Nearest Neighbor (KNN) adalah salah satu metode klasifikasi yang memanfaatkan pola-pola data yang ada dalam dataset untuk mengklasifikasi kategori atau kelas dari suatu sampel yang belum diketahui. Hasil klasifikasi data pelatihan menunjukkan akurasi sebesar 85.49%, dengan precision 84,43%, recall 87,04%, dan f1-score 85,71%. Melalui uji coba menggunakan KNN, diperoleh hasil dengan akurasi sebesar 91% dan nilai presisi 90%, recall 93%, dan f1-score 92%. Kesimpulan dari penelitian ini adalah metode K-Nearest Neighbor (KNN) memiliki hasil yang baik untuk melakukan klasifikasi pada penyakit kardiovaskular yaitu akurasinya 91%.

Penerapan Metode Extreme Programming Pengaduan Penyeludupan Satwa yang dilindungi

2024-06-01T13:04:34+00:00

Jumlah populasi Satwa yang dilindungi semakin berkurang. Pemerintah melalui Balai Besar Konservasi Sumber Daya Alam (BBKSDA) melindungi satwa melalui undang-undang untuk melestarikan satwa dan mencegah kepunahan. Dalam upaya meningkatkan kualitas pelayanan, BBKSDA Papua Barat mengikuti perkembangan teknologi informasi yang semakin maju. Penyeludupan satwa yang dilindungi di papua barat kini masih minim perhatian dari tahun ke tahun terus meningkat disebabkan banyaknya penangkapan dan perdagangan ilegal terkait satwa yang dilindungi di papua barat. Hal ini terjadi karena Keterbatasan informasi, juga tempat untuk masyarakat melakukan pelaporan yang masih melalui sms atau telephone yang akhirnya menjadi hambatan terkait kepedulian tentang satwa. Dalam penelitian ini, digunakan Bahasa pemrograman Java dan database Google Sheet sebagai perangkat yang mendukung. Penelitian ini menerapkan metode extreme programming yang memilki Langkah-langkah yang tertruktur. Penelitian ini meliputi mengenali permasalahan, menghimpun informasi dan implementasi. Sistem informasi Pengaduan Satwa yang dilindungi telah berhasil dibangun dengan menggunakan dua metode pengujian. Pengujian menggunakan black box testing Fungsi dari semua fitur-fitur yang ada pada sistem berjalan dengan normal. Sedangkan menggunakan pengujian Usability Testing atau dikenal dengan kegunaan sistem di lingkungan Masyarakat diperoleh rata-rata presentasi deng interpretasi skor 91 %. Maka denga demikian pembuatan sistem pengaduan Satwa yang dilindungi sesuai dengan yang ingin dicapai.