Jurnal Eksplora Informatika
Not a member yet
257 research outputs found
Sort by
Penerapan Data Mining pada Model Clustering Data Kuesioner Mahasiswa terhadap Kinerja Dosen
No full textSetiap akhir semester hampir semua perguruan tinggi memberikan kuesioner yang wajib diisi oleh mahasiswa. Salah satu parameter yang dievaluasi adalah evaluasi untuk mengukur kinerja dosen. Pertanyaan yang harus dijawab mahasiswa diantaranya keaktifan dosen dalam mengajar, penyampaian materi dan lainnya . Hasil kuesioner dilakukan proses pengolahan dan hasil akhirnya adalah indeks prestasi kinerja dosen. Dalam penelitian ini, dilakukan proses data mining pada datasheet hasil kuesioner. Model data mining akan dilakukan dengan model clustering. Tujuan dari penelitian adalah membuat model Clustering untuk menghasilkan kinerja dosen berdasar pada pengelompokan dengan menggunakan datasheet hasil kuesioner. Hasil pengelompokkan dilakukan dengan melakukan pengujian dengan membuat pengelompokan dari 2-4 kelompok. Metode yang digunakan adalah metode CRISP DM yang terdiri dari business understanding, Data understanding, data preparation, model, evaluasi dan develop. Proses klastering menggunakan aplikasi Rapid miner. Data hasil kuesioner yang sudah dilakukan disimpan dalam bentuk datasheet. Datasheet terdiri dari 118 record dan 12 atribut. Proses pengelompokkan diolah dengan menggunakan model clustering dengan menggunakan algoritma K-Mean. Hasil penelitian adalah proses pengolahan pada datasheet yang dibuat model klasterisasi dengan nilai centroid (k) mulai dari 2 sampai 6. Evaluasi dilakukan dengan menguji performance masing-masing hasil nilai k. Evaluasi dengan menggunakan Davies Bouldin dan hasil klasterisasi dengan nilai k=3 merupakan hasil yang paling kecil yaitu -0.737, sehingga klasterisasi dengan K=3 direkomendasikan menjadi suatu model. 
Analisis Pengaruh Harga Jual dan Social Proof dalam Menentukan Keputusan Pembelian Barang Pada Website E-Commerce
No full textPerkembangan teknologi dan internet telah mengubah cara konsumen melakukan transaksi pembelian. E-commerce menjadi salah satu platform utama yang memudahkan konsumen untuk mencari dan membeli berbagai produk secara online. Dalam lingkungan e-commerce, konsumen sering dihadapkan pada berbagai faktor yang memengaruhi keputusan pembelian mereka. Harga jual dan social proof merupakan dua elemen krusial dalam ekosistem e-commerce yang secara signifikan memengaruhi preferensi dan keputusan konsumen. Harga jual sebagai faktor ekonomis utama seringkali menjadi pertimbangan utama konsumen dalam memilih produk yang akan dibeli. Di sisi lain, social proof, yang mencakup ulasan pelanggan, testimoni, dan rating produk, memiliki peran penting dalam membentuk persepsi konsumen terhadap kredibilitas dan kualitas suatu produk. Bagaimana harga jual dan social proof saling berinteraksi dan berdampak pada keputusan pembelian konsumen menjadi semakin penting. Penelitian ini bertujuan untuk menganalisis pengaruh harga jual dan social proof terhadap keputusan pembelian barang pada website e-commerce. Metode penelitian yang dilakukan dengan membagikan kuesioner kepada responden yang telah ditetapkan yaitu dengan cara menyebarkan kepada 40 responden yang merupakan pengguna informasi digital sebuah aplikasi website E-Commerce Shoope. Kemudian dilakukan analisis data dengan beberapa pengujian seperti uji validitas, uji reabilitas, uji normalitas, uji regresi linier berganda dan uji hipotesis. Hasilnya Social proof dan harga jual berpengaruh pada keputusan pembelian pelanggan berikutnya. Social proof meningkatkan keputusan pembelian sebesar 0,149, sedangkan harga meningkatkan sebesar 0,486. Pengaruh Social Proof dan Harga jual memiliki korelasi kuat sebesar 67,2%. Terdapat pengaruh bersama-sama antara Social Proof dan Harga terhadap keputusan pembelian, dan pengaruh harga jual lebih berpengaruh dalam meningkatkan minat belanja online. Sebesar 97,5% responden memilih belanja online di E-Commerce karena harga lebih murah. Harga yang ditawarkan harus sesuai dengan produk yang diperoleh untuk meningkatkan minat pengguna E-Commerce
Peramalan Kebutuhan Spare Part Bengkel Mobil dengan Metode Weight Moving Average
No full textSalah satu permasalahan yang ada pada bengkel mobil adalah belum dapat meramalkan kebutuhan stok persediaan spare part, sehingga menyebabkan ketidaktersediaan spare part pada saat ada permintaan dan menyebabkan overstock spare part yang tidak digunakan pada bengkel. Penelitian ini bertujuan implementasi Weight Moving Average untuk meramalkan kebutuhan stok spare part mobil. Peramalan dengan implementasi Weight Moving Average mampu meramalkan pada bulan berikutnya sehingga mampu meminimalkan terjadinya kesalahan order spare part dan dapat menyelesaikan pekerjaan dengan efisien dari segi waktu staf dalam mengontrol kebutuhan spare part serta tempat penyimpanan barang spare part. Metode yang digunakan adalah Weight Moving Average. Metode ini banyak digunakan dalam menentukan trend sebuah deret dalam waktu. Hasil dari penerapan metode peramalan dengan mengunakan Metode Weight Moving Average memberikan hasil peramalan dengan cukup akurat, meninjau dari data-data hasil penjualan sebelumnya, yang dapat dijadikan dasar dalam proses estimasi spare part untuk mengatur jumlah order spare part yang dapat mengurangi terjadinya ketidaktersediaan dan overstock atau kelebihan stok. Mean Absolute Percentage Error (MAPE) sebesar 2,76 %, digunakan untuk mengukur ketepatan ramalan. Untuk nilai MAD bergantung pada selisih parameter nilai aktual dan peramalan, sedangkan nilai MSE merupakan hasil kuadrat dari tiap periode untuk nilai MAD
Analisis Faktor Teknologi dan Organisasi dalam Adopsi Aplikasi Penjualan dan Pembayaran oleh UMKM
No full textUsaha Micro Kecil dan Menengah (UMKM) telah menyumbang lebih dari 60% Produk Domestik Bruto (PDB) Indonesia, dan menyerap lebih dari 95% tenaga kerja nasional. Pengetahuan dan pemahaman mengenai penggunaan teknologi sangat penting untuk meningkatkan kinerja UMKM. Pemerintah telah mencanang target untuk meningkatkan derajat UMKM dengan program UMKM GoDigital. Namun baru 26,7% pelaku UMKM yang telah GoDigital. Tidak tercapainya target pemerintah untuk program GoDigital dipengaruhi oleh beberapa tantangan yang dihadapi oleh UMKM diantaranya yaitu adopsi teknologi. Penelitian ini dilakukan untuk mengetahui dan menganalisis faktor-faktor yang mempengaruhi niat adopsi aplikasi SaaS oleh UMKM di Indonesia, ditinjau dari faktor teknologi dan organisasi. Penelitian ini merupakan penelitian empirik dengan pendekatan kuantitatif. Data diambil dan dikumpulkan melalui kuesioner yang disebarkan dan telah diisi oleh 182 pemilik UMKM secara online. Selanjutnya data diolah dan dianalisis dengan menggunakan SEM-PLS. Hasil penelitian menunjukkan bahwa terdapat dua dimensi dari faktor teknologi yang berpengaruh pada niat adopsi aplikasi yaitu kompleksitas (59,7%) dan persepsi kemudahan penggunaan (47,5%). Dari faktor organisasi dimensi yang berpengaruh adalah dukungan manajemen puncak (33,5%)
Evaluation of The Poedji Rochjati Score Card (PRSC) on Digital Platform @hamilku.id Based on The Delphi Method
No full textThe number of cases and deaths of mothers and babies in Indonesia is increasing, which is mediated by low-risk detection in early pregnancy, and a lack of knowledge resulting in the dissemination of pregnancy-related information tends to be poorly understood. As a solution to this problem, the purpose of this study was to analyze the effectiveness and usability of the Poedji Rochjati Score Card (PRSC) feature on the @hamilku.id Digital Platform based on the Delphi method. Qualitative research methods with technical observations were carried out online by obstetricians and gynecologists. The main focus of this research was usability testing involving 46 pregnant women who used the application and 9 randomly selected respondents. The assessment and evaluation were guided by the Delphi method, which involved two rounds of testing by six obstetricians and gynecologists. The results were descriptively analyzed. The findings showed that pregnant female respondents aged between 17 and 34 years had a higher education level, were dominated by people without jobs/housewives, were domiciled in Sidoarjo, had undergone antenatal care (ANC) ≤ 6 times, and had undergone ≥ 5 pregnancies. According to the PRS, 52.2% of pregnant women were classified as having high-risk pregnancies (HRPs). Based on the evaluation of the application from the usability aspect, 83.3% of the participants stated that the information was comprehensive and that the medical terminology was easy to understand. However, only half of them considered visualization in the form of images or animations to be very helpful in illustrating pregnancy risks. Delphi testing with obstetricians and gynecologists revealed that the digital PRSC features generated positive ratings, indicating that the tool is accurate, informative, easy to understand, and effective at improving the quality of health services. The second round showed an improvement in the quality and relevance of the digital PRSC features, with more diverse feedback from the respondents providing a broader perspective for future research and feature development. As a result, the digital PRSC feature can help individuals precisely and accurately identify pregnancy risks
Menentukan Faktor-Faktor Akademik yang Mempengaruhi Hasil Belajar Online Selama Pandemi COVID-19
No full textPandemi COVID19 adalah krisis kesehatan global. Dalam bidang pendidikan, pembelajaran online dengan sistem e-learning merupakan kebutuhan yang tidak tergantikan. Banyak yang berpendapat bahwa pembelajaran online adalah krisis pendidikan saat ini. Namun, sebagian besar siswa tidak tertarik untuk belajar online karena mengandalkan kualitas Internet, yang membatasi interaksi mereka dan membuat kualitas suara dan gambar tidak stabil. Tentu tidak mudah untuk mengetahui faktor akademik yang mempengaruhi hasil belajar online selama pandemi COVID-19. Oleh karena itu, penelitian ini bertujuan untuk menentukan faktor-faktor akademik yang mempengaruhi hasil belajar online selama pandemi COVID-19. Menggunakan data lokal Politeknik di Pulau Jawa. Penelitian ini menggunakan analisis Cronbach-Alpha, Bayesian Exploration, EFA-tradisional dan Analisis Regresi Multivariat (OLS). Hasil evaluasi skala penelitian menunjukkan bahwa 28 variabel diamati. Hasil uji hipotesis menunjukkan bahwa hasil belajar online dipengaruhi oleh enam faktor. Desain kursus, kegunaan yang dirasakan, kemudahan penggunaan, Karakteristik pembelajaran, Kapasitas fakultas, Konten kursus. Regresi multivariat berdasarkan metode kuadrat minimum (OLS) untuk mengevaluasi faktor-faktor spesifik yang mempengaruhi pembelajaran online dan menguji hipotesis. Tingkat akurasi model OLS sebesar 45,8%
Deteksi Tumor Otak Dengan Metode Convolutional Neural Network
No full textTumor otak merupakan salah satu penyakit mematikan di dunia. Menurut data Global Cancer Observatory, kasus tumor otak di Indonesia pada tahun 2021 mencapai 5.964 kasus serta tingkat kematian berada pada posisi 12 dengan 5298 kasus. Diagnosa cepat dan lebih dini tentu akan mampu menekan tingkat kematian tumor otak. Penelitian ini mengusulkan metode Convolutional Neural Network (CNN) untuk deteksi otak berdasarkan pencitraan medis. Model CNN didesain secara khusus terdiri dari 14 layer. Berdasarkan hasil pengujian model CNN yang dihasilkan memiliki akurasi tinggi yaitu 99%. Selain itu berdasarkan hasil komparasi dengan dataset yang sama, model yang diusulkan 5% lebih unggul dari metode sebelumnya yang menggunakan pre-trained model MobileNetV2
Analisis Sentimen Pengguna Aplikasi MyPertamina Menggunakan Algoritma Bidirectional Long Short Term Memory
No full textAplikasi mobile telah menjadi sarana penting bagi perusahaan untuk berinteraksi dengan pengguna dan mengumpulkan umpan balik dari mereka. Salah satu aspek penting dari analisis data aplikasi pengguna adalah analisis sentimen, yang dapat memberikan wawasan pengguna tentang pandangan dan penggunaan aplikasi. Aplikasi MyPertamina yang merupakan layanan e-money juga telah terdaftar dan diawasi oleh Bank Indonesia. MyPertamina berfungsi sebagai sistem pembayaran non tunai. Pada aplikasi MyPertamina dapat memberikan ulasan aplikasi melalui kolom komentar atau memberikan rating dari 1 hingga 5 pada google playstore, namun seringkali pengguna memberikan rating yang tidak sesuai dengan ulasannya sehingga dapat mempengaruhi pelanggan jika ulasannya kurang bagus. Agar mempermudah pengelolaan data ulasan, penelitian ini menggunakan analisis sentiment. Analisis sentimen merupakan suatu metode yang digunakan untuk memahami, mengekstrak, dan mengolah secara otomatis data opini dan tekstual untuk mendapatkan sentimen yang terkandung dalam suatu opini. Penggunaan algoritma Bidirectional Long Short Term Memory (BiLSTM) dan Long Short Term Memory (LSTM) untuk analisis sentimen dari umpan balik pengguna pada aplikasi myPertamina. Penelitian ini menggunakan dataset yang berisi ulasan pengguna dari aplikasi myPertamina yang dikumpulkan dari platform Google PlayStore. Dataset ini secara otomatis dianotasi menggunakan library transformers untuk mengidentifikasi sentimen dari ulasan sebagai positif atau negatif. Selanjutnya, algoritma BiLSTM dan LSTM diterapkan untuk melakukan analisis sentimen pada dataset yang dianotasi. Hasil eksperimen menunjukkan bahwa kedua algoritma BiLSTM dan LSTM mampu menghasilkan sentimen yang cukup baik pada dataset ulasan pengguna myPertamina. BiLSTM menunjukkan kinerja yang lebih baik dibandingkan dengan LSTM, dengan akurasi 90% dan 86,25% untuk model LSTM
Model Recurrent Neural Network-Gated Recurrent Unit untuk Membangun Mesin Penerjemah Bahasa Indonesia-Banyumasan
No full textBahasa Banyumasan berakar dari bahasa Jawa dengan dialek Banyumasan, dituturkan di bagian barat Jawa Tengah dan sebagian bagian timur provinsi Jawa Barat. Undang-undang mengungkapkan perlunya upaya pelestarian bahasa daerah. Salah satu upayanya adalah membangun mesin penerjemah bahasa Indonesia-Banyumasan. Model yang digunakan adalah Recurrent Neural Network yang digunakan untuk membangun mesin penerjemah beberapa bahasa daerah di Indonesia, tapi belum pernah digunakan untuk bahasa Indonesia-Banyumasan, khususnya Gated Reccurent Unit. Tujuan penelitian ini membangun mesin penerjemah bahasa Indonesia-Banyumasan dan mengukur kualitas terjemahannya. Metode yang digunakan adalah eksperimen mulai dari pembuatan korpus paralel yang dilanjutkan melakukan training korpus menggunakan, dan langkah terakhir adalah melakukan evaluasi menggunakan metrik Bilingual Evaluation Understudy. Korpus paralel yang digunakan berisi 1.302 kalimat dengan panjang kalimat rata-rata 20 kata perkalimat. Waktu training yang diperlukan adalah 72 jam. Skor metrik yang dihasilkan adalah 34.1 yang berarti model tersebut dan paralel korpus menghasilkan kualitas terjemahan yang masih dapat ditingkatkan
Aplikasi Analisis Sentimen Isu Kesehatan di Media Sosial dengan Metode Convolutional Neural Network Berbasis Web
No full textMedia sosial telah mengalami pertumbuhan pesat di berbagai sektor, termasuk bidang medis. Pengguna aktif berpartisipasi aktif dalam komunitas kesehatan, berbagi informasi dan pengalaman. Akses terhadap media sosial telah menjadi sarana utama untuk mencari informasi kesehatan. Platform media sosial populer yang digunakan untuk tujuan ini termasuk WhatsApp, Facebook, Instagram, Youtube, dan Twitter. Media sosial juga memungkinkan penggunanya untuk mengungkapkan pendapatnya melalui postingan dan komentar. Analisis sentimen diperlukan untuk memahami opini pengguna. Tahap awal melibatkan pengumpulan data dari platform media sosial seperti Facebook, dengan fokus pada postingan terkait tagar penyakit. Selanjutnya, teks tersebut mengalami pra-pemrosesan yang bertujuan untuk membersihkan, memformat, dan menata teks untuk dianalisis. Pada penelitian ini hasil pengujian menggunakan algoritma Convolutional Neural Network memperoleh performa akurasi 77% untuk distribusi dataset 80:20