IKADO E-Journal (Institut Informatika Indonesia)
Not a member yet
470 research outputs found
Sort by
Pelatihan Pengembangan Jati Diri dalam Menentukan Gaya Estetika Pribadi pada Mahasiswa Institut Informatika Indonesia: Personal Development Training in Determining Personal Aesthetic Style for Institut Informatika Indonesia Students
No full textMahasiswa DKV dituntut untuk mempunyai kompetensi dan keahlian dalam membuat desain untuk keperluan karirnya di masa depan. Kemampuan mahasiswa dalam menyerap materi selama menjalani pendidikan formal membantu mahasiswa mendapatkan gaya estetika dalam membuat karya yang mana dapat membantu mahasiswa dalam memenuhi tuntutan karirnya. Gaya estetika mahasiswa tidak hanya terbentuk oleh kuliah saja, melainkan juga dari eksplorasi mandiri pada lingkungan sekitarnya, seperti mengikuti diskusi seni, ekslorasi internet, atau mengikuti seminar dan workshop. Memasuki dunia kerja, mahasiswa DKV tentu akan menghadapi berbagai persoalan terkait pembuatan desainnya, salah satunya adalah gaya estetik mereka yang tidak jarang bertolak belakang dengan keinginan pengguna jasa mereka. Persoalan kerja kreatif seperti konsep kreatif, budgeting dan timeline umumnya memaksa gaya estetika yang tidak sesuai dengan diri desainer sendiri dan perlu kedewasaan dalam menghadapinya. Guna mempersiapkan mahasiswa dalam menghadapi permasalahan ini maka diperlukan pelatihan pengembangan diri untuk menemukan gaya estetika diperlukan sebagai salah satu kiat berbagi ilmu dan refleksi untuk mencari gaya estetika pribadi yang dapat digunakan dalam ruang lingkup kepentingan pribadi dan memenuhi tuntutan kerja. Metode yang digunakan adalah metode interaktif dengan tahapan observasi, wawancara dan studi pustaka untuk melakukan perumusan masalah sehingga materi yang disiapkan dapat digunakan sebagai bahan pemberian informasi serta diskusi aktif pada kegiatan pelatihan. Hasil dari kegiatan ini adalah pemahaman peserta terhadap proses penemuan gaya estetik dalam mendesain yang dapat diaplikasikan pada segala tuntutan yang dihadapi, terutama dunia karir
Pelatihan Manajemen dan Visualisasi Data Menggunakan Excel untuk Guru Matematika SMP di Kabupaten Karanganyar: Data Management and Visualization Training using Excel for Junior High School Mathematics Teacher in Karanganyar Regency
No full textLiterasi statistik merupakan kemampuan untuk memahami beragam informasi statistik yang dimunculkan di berbagai media. Kemampuan ini meliputi keterampilan dalam menginterpretasikan grafik dan tabel, serta mampu membaca dan memahami statistik dalam berita, media, jajak pendapat, dan lain-lain. Kabupaten Karanganyar merupakan salah satu kabupaten di Provinsi Jawa Tengah yang berbatasan dengan Kota Surakarta dan termasuk sebagai wilayah Karesidenan Surakarta. Pengetahuan mengenai literasi statistik dan implementasinya di wilayah Kabupaten Karanganyar merupakan hal yang penting untuk disampaikan kepada masyarakat, karena berkaitan langsung dengan pemahaman mengenai informasi data statistika dan bagaimana merepresentasikannya. Sebagai ilmu yang mempelajari tentang cara pengumpulan, analisis, dan pengambilan keputusan dari data, pengetahuan tentang statistika merupakan ilmu penunjang yang penting untuk dimiliki oleh masyarakat. Sebagai sasaran peningkatan literasi statistika kali ini Grup Riset Statistika dan Sains Data Bidang Lingkungan dan Kesehatan Program Studi Statistika FMIPA UNS akan melaksanakan pengabdian masyarakat dengan bentuk pelatihan untuk guru dan siswa SMP di Kabupaten Karanganyar melalui forum Musyawarah Guru Mata Pelajaran (MGMP) Matematika. Literasi statistik memerlukan pengetahuan tentang analisis dan visualisasi data yang diberikan untuk meningkatkan pemahaman terkait penerapan metode statistika dengan menggunakan Excel yang sudah banyak dikenal oleh masyarakat
Electronics Spare Part Goods Demand Forecasting Using Markov Model
Full text linkCustomer demand forecasting plays an essential part in inventory management in retail companies. Accurate customer demand forecasting will increase a company\u27s competitiveness and play a crucial role in making the right decisions for inventory management. Without demand estimation, products are often purchased more than needed, resulting in overstock or understock product storage in the warehouse. In this paper, we present the results of the Markov Chain method for predicting the quantity of demand for goods in the future to assist decision-making regarding the procurement of commodity goods within the company, especially in the procurement of electronics spare parts in retail companies. This study aims to develop a software-based forecasting system for retail companies using the Markov Model with predictive capabilities. The system will also provide purchasing quantity recommendations to fulfill the stock, calculated from the minimum stock and forecasted demand from customers and suppliers. Using the Markov Chain model, this study predicts electronics spare parts demand using data on item sales during 2022 in a retail company. The forecasting of electronics spare part demand resulted in 88.2% accuracy. The software-based forecasting system has been implemented and tested using black box testing. The testing result shows that the Markov forecasting system is feasible and can be used as a reference in providing electronics spare parts purchasing recommendations for retail companies
Object Detection in E-Commerce Using YOLO in Real Time
Full text linkPresently, e-commerce platforms incorporate image search functionalities. Nevertheless, these systems possess constraints; input images necessitate static and manual cropping since the system does not automatically generate bounding boxes. Addressing this concern requires the implementation of an object detection algorithm to ascertain the quantity, location, and type of desired objects within real-time bounding boxes before users finalize their selection. This capability empowers users to readily discern their desired items, thereby augmenting the precision and efficiency of visual searches. Despite the availability of swifter object detection algorithms such as R-CNN and Mask R-CNN, which prioritize accuracy over speed, rendering them less suited for real-time detection, we opted to employ the YOLOv4 algorithm as an alternative, renowned for its efficacy in real-time object detection. Furthermore, we adopted the Color, Texture, and Edge-Based Image Retrieval (CTEBIR) technique for image matching. The results of our experimentation demonstrate that the utilization of the YOLOv4 algorithm can enhance the accuracy and speed of visual searches by streamlining the search process based on the identified classes. Additionally, our precision assessment yielded a score of 95%, with individual scores for camera objects reaching 90%, keyboards achieving 85%, and laptops attaining 71%. These findings corroborate the dependability of the CTEBIR algorithm in image matching and contribute to a deeper comprehension of the system\u27s efficacy in accurately detecting and distinguishing objects
The Implementation of A* Algorithm for Developing Non-Player Characteristics of Enemy in A Video Game Adopted from Javanese Folklore "Golden Orange"
Full text linkVideo games are a means of entertainment for everyone, from children to adults. The genre of games now is also very diverse, ranging from adventure, puzzles to storytelling, and even many folk stories have been made into video games by several developers in Indonesia. Starting from folk tales with horror themes such as kuntilanak, legends such as cucumber mas, to folk tales that rarely sound like golden oranges. The folklore video game of buah jeruk emas is a video game that tells of a king who gets a whisper from the gods to get golden oranges. The king then held a competition to get the golden orange fruit. The player must be able to take the golden orange fruit from the enemy in the form of a Non Playable Character (NPC) who will chase the player. In making NPCs, algorithms are used to help play video games. Therefore, the author wants to apply the A * algorithm in the game of golden oranges so that npc can catch up to players according to the planned system. The main method used is A * and then the addition of the FSM method for other methods. The golden orange fruit is a video game using the A * algorithm and the FSM method after testing it can be concluded that it is enough to make the game run. With the results according to the planned system
Perancangan Low-Cost Testbed Untuk Validasi Lokasi dan Orientasi Mobile Robot
Full text linkLokalisasi robot adalah proses penentuan lokasi mobile robot terhadap lingkungannya. Ini penting untuk pengoperasian robot otonom, karena lokasi robot saat ini akan mempengaruhi keputusan tindakan robot selanjutnya. Pengoperasian di dalam ruangan dan area terbatas membuat lokalisasi robot menjadi lebih menantang, mengingat perangkat Global Positioning System (GPS) tidak dapat digunakan, dan masih menarik banyak peneliti hingga saat ini. Makalah ini mengusulkan desain, konstruksi, dan validasi testbed robot berbiaya rendah, yang memungkinkan pengukuran lokasi dan orientasi mobile robot secara real time menggunakan sistem penglihatan atas. Beberapa masalah yang dihadapi dalam desain dan pengembangan seperti pengaturan posisi kamera dan pemilihan pengenal robot telah berhasil diatasi. Beberapa fungsi pustaka OpenCV diimplementasikan untuk melakukan pengolahan video. Pustaka Tkinter digunakan dalam pengembangan Graphical User Interface (GUI) pada penelitian ini. Hasil pengujian menunjukkan bahwa sistem dapat digunakan untuk mengidentifikasi lokasi dan orientasi robot baik statis maupun dinamis dengan rata-rata nilai kesalahan kurang dari 3,8 cm pada pengujian statis dan terbukti mampu merekam pergerakan robot baik pada lintasan lurus maupun melingkar. Sehingga setup testbed dapat direkomendasikan sebagai solusi cepat dan murah untuk verifikasi dan pengambilan data pada berbagai penelitian yang membutuhkan perekaman lokasi dan orientasi robot baik statis maupun dinamis. Beberapa perbaikan diperlukan untuk menjadikan sistem lebih handal dan akurat
The Role of UTAUT2 in Understanding Technology Adoption: A Study of the Merdeka Mengajar Platform Among Indonesian Teachers
Full text linkThis research investigates the adoption of the Merdeka Mengajar application using the Unified Theory of Acceptance and Use of Technology 2 (UTAUT2) framework. The study aims to identify the factors influencing teachers\u27 behavioral intentions and usage behavior regarding this educational technology platform. A total of 383 teachers from various levels in Malang were sampled from a broader population of 8,936. Statistical analysis uses SEM (Structural Equation Modelling) analysis techniques. The findings suggest that performance expectancy, effort expectancy, social influence, hedonic motivation, and price value significantly influence behavioral intention. However, facilitating conditions and habit do not show a direct significant impact on use behavior. These results indicate that while technological support such as infrastructure and internet access is necessary, it alone may not be enough to motivate consistent usage without internal factors like perceived usefulness or enjoyment of the app. Moreover, the habitual use of new technology may require additional support and time before it can significantly affect behavior. This study contributes valuable insights into the adoption of educational technologies, especially in the Indonesian context, where digital learning platforms are increasingly being integrated into teaching practices. Future research may explore how ongoing support and user experience improvements can further enhance the app\u27s adoption
Evaluation and Comparison of the Use of Reinforcement Learning Algorithms on SSH Honeypot
Full text linkA honeypot is a tool or system used to record, redirect, and even lure hackers into penetrating and exploiting a system. The increasing development of technology causes cyber hackers to realize the existence of honeypots using various other software and tools. So, honeypots need a way to learn how hackers behave. The idea proposed is to combine honeypots with reinforcement learning algorithms so that honeypots become adaptive honeypots. This study suggests the concept by comparing the two Q learning-based RL algorithms, namely DQN and DDQN, to reach which algorithm is more optimal. The study results showed that the DDQN algorithm is more optimal in determining actions when compared to the DQN algorithm because using a double Q-value can help determine the action more accurately. Based on the result, the DDQN algorithm consumed less memory than the DQN Honeypot. The learning rate curve and the processing of DDQN algorithm commands can be used as an alternative algorithm that can be combined with honeypots because of the learning rate, which can make honeypots faster in the dynamic environment
Implementation of Classification Algorithm for Sentiment Analysis: Measuring App User Satisfaction
Full text linkGoogle Play Store is the official app store for Android devices from Google that offers rating and review features. This feature on the platform is a source of data for sentiment analysis in research on app user satisfaction. The purpose of this study is to provide an overview of app user satisfaction and evaluate the accuracy of the algorithms used. The algorithms compared include Support Vector Machine (SVM), namely linear, rbf, sigmoid, and polynomial kernels with Naïve Bayes Classifier (NBC). The key variables analyzed include perceived usefulness, perceived ease of use, relia-bility, responsiveness, and website design. The results showed that the SVM algorithm with a linear kernel achieved the highest accuracy of 95.23% compared to the NBC algorithm of 91.43%. For other accuracy results, rbf kernel 94.35%, sigmoid kernel 95.19% and polynomial kernel 93.31%. In addition, the results of sentiment analysis on application user satis-faction revealed that 75% of users were dissatisfied, with the service indicator having the highest number of negative sen-timents. These findings suggest that sentiment analysis can be an effective tool for companies to measure and improve user satisfaction. In addition, these results can also be a useful reference for new users in assessing apps before using them
Perbaikan Akurasi Random Forest Dengan ANOVA Dan SMOTE Pada Klasifikasi Data Stunting
Full text linkStunting terus menjadi isu kesehatan masyarakat yang kritis di Indonesia, khususnya di Kota Samarinda yang mencatat prevalensi sebesar 25,3% pada tahun 2022, menjadi yang tertinggi kedua di Provinsi Kalimantan Timur. Di tengah prioritas nasional untuk riset 2020-2024, penggunaan data mining untuk klasifikasi stunting memperlihatkan potensi yang signifikan namun tetap menghadapi tantangan dalam menangani data berdimensi tinggi dan ketidakseimbangan kelas. Penelitian ini bertujuan untuk meningkatkan akurasi klasifikasi stunting menggunakan metode Random Forest (RF) yang diintegrasikan dengan seleksi fitur ANOVA dan teknik SMOTE untuk menyeimbangkan kelas. Data yang digunakan dalam penelitian ini bersumber dari Dinas Kesehatan Kota Samarinda, meliputi 26 Puskesmas dengan 21 atribut dan total 150.466 record. Teknik validasi yang dipakai adalah cross-validation k =10. Hasil menunjukkan peningkatan akurasi dari 98,83% menjadi 99,77% naik sebesar 0,94% setelah penerapan seleksi fitur ANOVA. Fitur ZS TB/U, ZS BB/U, dan BB/U diidentifikasi sebagai yang paling berpengaruh. Peningkatan ini menunjukkan efektivitas integrasi metode dalam mengatasi masalah stunting pada dataset yang kompleks dan tidak seimbang, ini diharapkan dapat mendukung kebijakan dan intervensi kesehatan lebih lanjut di kawasan tersebut