Jurnal LPPM iSTTS
Not a member yet
189 research outputs found
Sort by
Klasifikasi Micro-Expression Menggunakan K-Nearest Neighbors Menggunakan Fitur CAS dan HOG
Full text linkMicro-Expression adalah ekspresi yang muncul dalam waktu singkat, hanya berlangsung sepersekian detik. Hal ini mungkin merupakan akibat dari aktivitas komunikasi antar manusia selama interaksi sosial. Reaksi ekspresi mikro wajah terjadi secara alami dan segera, sehingga hanya menyisakan sedikit ruang untuk manipulasi. Namun, karena Micro-Expression bersifat sementara dan memiliki intensitas rendah, pengenalan dan pengenalannya sulit dan sangat bergantung pada pengalaman para ahli. Karena kekhususan dan kompleksitas intrinsiknya, klasifikasi Micro-Expression menggunakan 2 ekstraksi yaitu CAS dan HOG menarik tetapi menantang, dan baru-baru ini menjadi area penelitian yang aktif. context-aware saliency (CAS) yang bertujuan untuk mendeteksi wilayah gambar yang mewakili pemandangan. Tutujuannya adalah untuk mendeteksi objek dominan. Histogram Oriented Gradient (HOG) Bertujuan sebagai deskriptor yang efektif untuk pengenalan dan deteksi objek. Metode K-Nearest Neighbors (K-NN) digunakan untuk klasifikasi Micro-Expression berdasarkan fitur HOG dari citra saliency. Dataset yang digunakan pada penelitian ini dari data sampel siswa SMK Ma’arif NU Prambon jurusan Multimedia sebanyak 45 siswa dan ditambahkan dataset dari affecnet. Hasil yang didapatkan dari total dataset sebanyak 4116 citra yang dibagi menjadi 6 Micro-Expression yaitu anger, disgust, fear, happy, sad dan surprise, mendapatkan hasil akurasi diatas 80% dari perbandingan dataset sejumlah 4116 terbagi menjadi 2 dengan persentase 70% training dan 30% data testing
Pendekatan Data Science untuk Deteksi Dini Diabetes Menggunakan Naive Bayes Classifier
Full text linkDiabetes merupakan penyakit yang memiliki gejala dimana kadar gula darah berada diatas normal yang disebabkan karena kurangnya insulin dalam darah seseorang. Umumnya diabetes disebabkan karena adanya gangguan metabolisme dalam tubuh selama periode yang cukup lama. Diabetes merupakan penyakit yang berbahaya dengan jumlah penderita yang terus meningkat setiap tahun. Hal ini disebabkan karena kurangnya kesadaran pola hidup sehat dan deteksi dini penyakit yang sering tertunda. Penelitian ini membuat sistem klasifikasi yang dapat melakukan pendeteksian dini terhadap penyakit diabetes. Metode yang digunakan adalah naïve bayes classifier dengan Laplacian smoothing. Penelitian ini menggunakan 100 data dari data random, data tersebut dibagi menjadi 80% data latih dan 20% data uji. Berdasarkan hasil pengujian menggunakan confusion matrix diperoleh nilai ukuran testing set yang digunakan adalah 40% testing set dan sisanya 60% sebagai training set merupakan hasil yang paling ideal. Dari pembagian dataset tersebut diperoleh nilai akurasi sebesar 70%
Evaluasi Tingkat Kebergunaan Prototipe Repository Perpustakaan dengan Guerilla Usability Testing
Full text linkPerpustakaan perguruan tinggi berfungsi sebagai pusat sumber belajar untuk mendukung tercapainya tujuan pendidikan. Perpustakaan juga dituntut untuk mengikuti perkembangan jaman, seperti menyediakan koleksi dalam bentuk digital. Salah satu media yang digunakan untuk menyediakan koleksi digital adalah situs repositori yang bernama DSpace. DSpace adalah layanan digital yang mengumpulkan, menyimpan, dan mendistribusikan materi digital. DSpace merupakan salah satu program pemerintah, dimana konten yang terdapat didalamnya dapat diharvest oleh Indonesia OneSearch (https://onesearch.id) milik Perpustakaan Nasional RI untuk memfasilitasi masyarakat sebagai pintu pencarian tunggal untuk semua koleksi publik dari perpustakaan, museum, dan arsip di seluruh Indonesia. Permasalahan yang ada adalah tidak semua mahasiswa mengetahui adanya DSpace untuk mencari koleksi di perpustakaan. Selain itu dari sisi tampilan situs DSpace sendiri memiliki tingkat kebingungan yang tinggi dan content writing yang membingungkan pengguna. Penelitian ini akan menggali permasalahan yang dialami pengguna dalam situs DSpace dengan melakukan pre-survey. Setelah memahami permasalahan pengguna, akan dibuat prototipe untuk memperoleh gambaran terkait perbaikan yang dapat dilakukan di situs DSpace. Metode yang dipilih pada penelitian ini adalah Guerilla Usability Testing dengan menggunakan 2 metrik penilaian yaitu Usability Metrics for User Experience (UMUX) dan Customer Satisfaction (CSAT). UMUX digunakan untuk mengukur tingkat kebergunaan prototipe dan CSAT digunakan untuk mengukur tingkat kepuasan pengguna. Berdasarkan pengujian didapatkan nilai tingkat kebergunaan sebesar 79.17 yang berarti prototipe memiliki tingkat kebergunaan yang baik, tingkat kepuasan mendapatkan nilai 100 yang berarti prototipe memiliki tingkat kepuasan sangat puas
Algoritma Random Forest pada Prediksi Status Kredit Usaha Rakyat untuk Mengurangi Nonperforming Loan Rate
Full text linkProgram Kredit Usaha Rakyat (KUR) adalah salah satu program pemerintah Indonesia dalam meningkatkan akses pembiayaan kepada Usaha Mikro, Kecil, dan Menengah (UMKM) yang disalurkan melalui lembaga keuangan dengan pola penjaminan. Dana penyaluran KUR 100% berasal dari dana lembaga keuangan penyalur KUR. Pemerintah memberikan subsidi berupa pembayaran penjaminan kredit yang menjamin kredit sebesar 70% dari nilai total kredit yang ditetapkan dan 30% sisanya ditanggung lembaga keuangan salah satunya adalah bank. Mempertahankan non performing loan (NPL) rate yang rendah sangat penting untuk mencegah terjadinya pembentukan biaya pencadangan kerugian yang akan mengurangi keuntungan bank. Memprediksi variabel yang berpengaruh terhadap macetnya KUR diperlukan untuk mencegah kredit macet terutama pada tahap awal pemberian kredit. Belum terdapat penelitian untuk memprediksi kredit macet pada KUR menggunakan machine learning. Penelitian ini bertujuan agar Bank dapat melakukan prediksi dengan pendekatan machine learning dan mengetahui kontribusi variabel yang mempengaruhi KUR macet. Teknik SMOTE juga digunakan dalam penelitian untuk mengatasi ketidakseimbangan data. Hasil yang diperoleh menunjukkan bahwa klasifikasi random forest memberikan akurasi lebih tinggi dari regresi logistik yaitu sebesar 88% pada data uji. Urutan tingkat kepentingan dari kontribusi variabel yang mempengaruhi macet pada KUR adalah status restrukturisasi kredit, ketersediaan debt service payment account, unit operasional pemroses kredit, dan sektor usaha dapat menjadi dasar Bank untuk menganalisis profil resiko proses KUR baru sehingga dapat menurunkan potensi kredit bermasalah kedepannya dan menekan NPL rate
Deteksi Aspek Review E-Commerce Menggunakan IndoBERT Embedding dan CNN
Full text linkDengan semakin berkembangnya teknologi informasi, maka muncul istilah e-commerce dalam dunia bisnis. Pada e-commerce ada fitur review, pelanggan dapat memberikan review berupa teks, gambar, dan bintang. Review tersebut merupakan opini dari pelanggan terkait barang yang dibeli. Tetapi pada kebanyakan e-commerce tidak ada fitur kategori terkait review hal ini membuat calon pembeli kesusahan dalam menganalisa secara manual. Aspect-based sentiment analysis (ABSA) merupakan solusi dari permasalahan tersebut. ABSA memiliki tiga tugas salah satunya Aspect Category Detection yang memiliki fungsi untuk menggabungkan review pelanggan menjadi beberapa aspek dimana aspek-aspek tersebut sudah didefinisikan terlebih dahulu. Cukup banyak penelitian terkait Aspect Category Detection dengan mengunakan machine learning. Dari beberapa metode yang diuji, Convolutional Neural Network (CNN) merupakan metode terbaik. Selain itu penggunaan BERT sebagai word embedding menghasilkan output yang bagus baik dari pada word embedding konvensional. Penelitian ini menggunakan dataset dari e-commerce Bukalapak dengan 3114 review dan 6 aspek (Akurasi, Pengiriman, Kualitas, Harga, Pengemasan, dan Pelayanan). Berdasarkan ujicoba dengan menggunakan IndoBERT sebagai word embedding dan CNN untuk deteksi aspek, maka didapatkan akurasi sebesar 94,86%. Dengan demikian model tersebut dapat digunakan untuk deteksi aspek. Selain itu, metode CNN mendapatkan hasil yang lebih baik dari pada metode LSTM
Credit Risk Analysis With Extreme Gradient Boosting and Adaptive Boosting Algorithm
No full textCredit Risk Analysis digunakan untuk mengenali resiko terhadap pinjaman untuk mencegah penunggakan pembayaran utang. Pemberian uji kelayakan pinjaman dapat di analisis menggunakan model klasifikasi. Untuk menghasilkan model credit risk analysis yang sesuai, penulis mengajukan Algoritma Extreme Gradient Boosting (XGBoost) dan Adaptive Boosting (AdaBoost). Data yang digunakan dalam penelitian ini adalah data pinjaman platform Peer to Peer (P2P) Lending. Penelitian ini menerapkan data preprocessing yang bertujuan untuk menghasilkan data yang lebih baik dan melakukan analisis terhadap data. Analisis dilakukan berdasarkan fitur yang dimiliki oleh peminjam menggunakan algoritma klasifikasi berdasarkan historical data pinjaman peminjam. Fitur yang digunakan seperti jumlah pinjaman yang diajukan, total pinjaman yang ditawarkan, jumlah pembayaran pinjaman, jangka waktu pembayaran, suku bungan pinjaman, jumlah angsuran dan lain lain. Jumlah fitur sebelum dilakukan data reduksi 136 dan setelah direduksi 34 fitur. Fitur tersebut digunakan pada penerapan algoritma XGBoost dan AdaBoost untuk menghasilkan klasifikasi good borrower dan bad borrower. Penulis menggunakan metode evaluasi kurva ROC dan nilai AUC untuk menilai performa dari kedua algoritma. Pada kurva ROC, nilai AUC dari algoritma XGBoost 0,92 dan nilai AUC dari algrithma AdaBoost adalah 0,89. Berdasarkan perbandingan nilai AUC tersebut dapat disimpulkan algoritma XGBoost menghasilkan klasifikasi yang lebih baik untuk model klasifikasi pemberian pinjaman
Perencanaan Arsitektur Sistem Informasi pada PT. XYZ dengan Menggunakan Pendekatan TOGAF ADM
Full text linkPemanfaatan teknologi yang ada pada perusahaan sangatlah penting agar strategi bisnis dengan strategi IT dapat diseleraskan, dengan cara menerapkan Enterprise Architecture berdasarkan pendekatan The Open Group Architecture Framework (TOGAF) Architecture Development Method (ADM). Pada PT. XYZ, belum memiliki sebuah Arsitektur Sistem Informasi sehingga dapat memicu proses bisnis yang berjalan lambat. Dengan menerapkan Enterprise Architecture (EA) berdasarkan pendekatan The Open Group Architecture Framework (TOGAF) Architecture Development Method (ADM) perusahaan dapat menyelaraskan strategi bisnis dan strategi IT yang sesuai untuk kebutuhan dari perusahaan tersebut serta menghasilkan sebuah usulan atau rekomendasi kebutuhan dari perusahaan. Hasil penelitian ini merupakan analisis perencanaan dan usulan dari Enterprise Architecture (EA) dengan menggunakan Preliminary Phase dan 3 (tiga) fase pada The Open Group Architecture Framework (TOGAF) Architecture Development Method (ADM) v9.2 yakni Phase A: Architecture Vision, Phase B: Business Architecture, dan Phase C: Information System Architecture
Manajemen Produk dan Pesanan untuk Multichannel E-Commerce Menggunakan Framework Laravel, API Tokopedia dan API Lazada
Full text linkIndonesia memiliki beragam saluran pasar online yang lazim digunakan oleh masyarakat, seperti Tokopedia dan Lazada. Dengan berkembangnya banyak saluran pasar online maka pemilik toko akan merasa kesulitan saat harus mengatur produk yang dijual dan pesanan yang diterima. Kesulitan ini akan sangat dirasakan pemilik toko ketika ia mempunyai toko di beberapa pasar online berbeda.
Tujuan dari penelitian ini adalah membantu pemilik toko untuk mengatur data produk dan pesanan yang awalnya tersebar di berbagai toko dan beragam pasar online dapat diatur melalui satu portal website saja. Dengan ini, pemilik toko dapat mengatur produk dan pesanan dengan lebih mudah. Selain itu, pemilik toko juga dapat menilai kinerja bisnis secara keseluruhan melalui analisa gabungan data penjualan yang diterima dari semua toko yang telah diintegrasi. Website yang dibuat akan memanfaatkan API Open Platform yang disediakan oleh Tokopedia dan Lazada untuk melakukan akses dan perubahan data dari masing – masing pasar online.
Uji coba yang dilakukan pada website penelitian adalah uji coba kompatibilitas dengan berbagai browser serta uji coba fungsionalitas fitur – fitur yang disediakan. Berdasarkan hasil uji coba didapatkan beberapa kesimpulan. Kesimpulan yang dihasilkan adalah website kompatibel pada berbagai browser dengan minimum resolusi 375 x 667, fungsionalitas website berjalan dengan baik dan semestinya dan yang terakhir ialah website yang dibuat mampu menangani proses mengatur produk dan pesanan dari Tokopedia dan Lazada serta mampu menyajikan laporan kinerja bisnis secara keseluruhan melalui analisa gabungan data penjualan dari Tokopedia dan Lazada
Identifikasi Profil Konsumsi Energi Listrik untuk Meningkatkan Pendapatan dengan Klustering
Full text linkKetersediaan energi listrik pada sistem sulsel lebih dari cukup yakni 602 MW. Sejalan dengan surplusnya energi listrik, kantor pusat memberikan program program peningkataan penjualan kepada unit-unit layanan pelanggan untuk dijalankan. Program tersebut belum memberikan hasil yang baik untuk Key performance indicator penjualan tenaga listrik, karna bahwasannya program tersebut diberikan secara umum untuk seluruh unit layanan pelanggan tanpa memperhatikan kondisi pasar dan karakter pelanggan yang di miliki unit layanan. Profil konsumsi energi listrik sangat penting untuk mendukung pengembangan strategi pemasaran yang dipersonalisasi agar tepat sasaran. Identifikasi profil konsumsi listrik dapat menunjukkan karakteristik pemakaian energi listrik tiap pelanggan. Pada penelitian ini clustering dilakukan permodelan melalui pengolahan data profil konsumsi listrik ditunjukkan dengan variable daya, pemakaian energi, penambahan pelanggan bulanan dari tahun 2019-2021. Selanjutnya dari hasil clustering tersebut menggali informasi karakteristik tiap klusternya untuk dijadikan informasi strategi pemasaran. Diharapkan dari penelitian ini mendapatkan model karakteristik profil konsumsi energi listrik. Hasil dari metode sum of square error mendapatkan k=3 dengan rasio 1,57. Cluster_1 adalah pelanggan dengan kontribusi rupiah penjualan terendah yakni secara komulatif hanya memberikan 18,5%. Cluster_2 berkontribusi sedang secara komulatif pada rupiah pendapatan yakni sebesar 34,86%. Cluster_3 berkontribusi paling tinggi secara komulatif pada rupiah pendapatan yakni sebesar 46,63%. Pada kelompok pelanggan yang berkontribusi terendah perlu dilakukan pemeriksaan persil pelanggan untuk memastikan pemanfaatan energi listrik dan mencurigai adanya pelanggaran penyaluran energi listrik. Pada kelompok pelanggan kontribusi sedang diberikan pendampingan dengan pengenalan alat alat elektronik dengan manfaatnya. Kemudian pada pelanggan kontribusi besar dapat diberikan layanan peendampingan dalam rangka menjaga loyalitas pelanggan, serta memberikan layanan informasi terkait tgihan listrik. Teknik k-means clustering memberikan kemudahan identifikasi karakteristik pelanggan dan visualisasi yang baik untuk perusahaan menganalisa yang kemudian memberikan informasi rekomendasi kebijakan dan strategi peningkatan pendapatan
Aspect based Sentiment Analysis Aduan Mahasiswa UMSIDA Dimasa Pandemi Menggunakan LSTM
Full text linkBanyaknya data aduan Mahasiswa Universitas Muhammadiyah Sidoarjo (UMSIDA) yang terdampak wabah pandemi Covid19, dengan pemberlakuan pembatasan kegiatan masyarakat (PPKM). UMSIDA membentuk sebuah tim yang diberi nama Umsida Covid-19 Command Center (UCCC), dengan tujuan pelaksanaan program pecegahan dan aksi penanganan Covid-19, dengan harapan peneliti ingin mempermudah penyampaian informasi / aduan mahasiswa, khususnya terhadap tim UCCC sebagai bahan pertimbangan dalam melakukan suatu keputusan untuk menghadapi pandemi covid saat ini. Multi aspect sentiment analysis menghadirkan sesuatu yang baru, untuk memahami pendapat dan penilaian pengguna yang diungkapkan secara online. Dengan tujuan untuk mengklasifikasikan teks subjektif dengan memberi label polaritas, Pembentukan representasi vektor kata menggunakan Word Embedding Global Vector (Glove) dilakukan secara kombinasi dengan pelatihan analisis sentiment dengan klasifikasi berbasis Long Short Term Memory (LSTM). Pemodelan aduan mahasiswa dilakukan untuk mendapatkan representasi vektor menggunakan LSTM. Di sini, setiap kata dari kalimat menempati satu langkah pemrosesan LSTM, dan output dari kata terakhir digunakan sebagai ekspresi kalimat. Hasil dari penelitian menggunakan aduan mahasiswa bahasa Indonesia menunjukkan dari multi 3 aspect (ekonomi, pendidikan dan kesehatan) mendapatkan akurasi 82% dan 2 sentiment (positif dan negatif) mendapatkan akurasi 80% dengan demikian didapatkan nilai rata-rata Akurasi 81%. dapat disimpulkan akurasi tersebut bisa digunakan sebagai klasifikasi multi aspect dan sentiment analisis