Jurnal Sekolah Tinggi Teknik Surabaya
Not a member yet
194 research outputs found
Sort by
A Hybrid Approach Using K-Means Clustering and the SAW Method for Evaluating and Determining the Priority of SMEs in Palembang City
Full text linkThe current efforts to develop Small and Medium Enterprises (SMEs) are still facing challenges in setting appropriate targets. Although the Palembang City Cooperative and SME Agency has launched various programs and initiatives to support SME development, they have not yet successfully identified the SMEs that should be given priority for development. This study aims to apply a hybrid approach that combines the K-Means Clustering method and Simple Additive Weighting (SAW) to evaluate and prioritize SME development in Palembang City. The K-Means Clustering method is used to group SMEs based on their characteristics, while SAW provides preference values ( ). The SME data was obtained from the Palembang City Cooperative and SME Agency, covering 362 SME units. The K-Means Clustering results yielded two clusters: Cluster 0 as the High Growth Cluster and Cluster 1 as the Stability and Improvement Cluster. Validation using cross-validation showed that this model achieved an accuracy of 99.72%. The SAW analysis on Cluster 0 indicated that the Kopi Kaljo SME received the highest priority with a preference value of 45.71. This study confirms that this hybrid approach is effective in grouping SMEs based on their characteristics and prioritizing them based on data-driven evaluation. The research results are expected to help the Palembang City Cooperative and SME Agency design more effective and targeted assistance programs to optimize the contribution of SMEs to local economic growth to the maximum extent
Thesis Defense Scheduling Optimization Using Harris Hawk Optimization
Full text linkThis research discusses how the Harris Hawk Optimization (HHO) algorithm handles scheduling problems. The scheduling of thesis defenses at the Institut Sains dan Teknologi Terpadu Surabaya (ISTTS) is a complex issue because it involves the availability of lecturers, teaching/exam schedules, lecturer preferences, and limited room and time availability. The scheduling constraints in this research are divided into two categories: Hard Constraints and Soft Constraints. Hard constraints must not be violated, including each lecturer's unique availability, conflicts, and existing exam or teaching schedules. Soft constraints, on the other hand, include preferences for specific days or rooms for the defense. The complexity of scheduling due to these two types of constraints leads to longer scheduling times and an increased likelihood of human error. To automate and optimize this process, the author employs the HHO algorithm. HHO is inspired by the behavior of the Harris Hawk, known for its intelligence and ability to coordinate while hunting. The results of the HHO algorithm are translated into a slot meter, which helps to map the solution to available time slots. The HHO algorithm can generate schedules that comply with 90% of the hard constraints at ISTTS. Evolutionary algorithms typically have high complexity and computational time; in this case, the researcher experimented with multiprocessing. Multiprocessing improved the computational time by up to 39%
Perancangan Sistem Informasi Pencatatan Pekerjaan Pada Telkom Akses Sidoarjo Menggunakan Metode Rapid Application Development (RAD)
Full text linkPT Telkom Akses merupakan salah satu anak perusahaan PT Telekomunikasi Indonesia (Telkom) yang bergerak di bidang konstruksi pembangunan dan manage service infrastruktur jaringan. Perusahaan ini bergerak dalam bisnis penyediaan layanan konstruksi dan pengelolaan infrastruktur jaringan. PT Telkom Akses dengan produk Indihome-nya, memiliki permasalahan dimana saat ini masih menerapkan sistem monitoring manual dengan cara Team Leader (TL) akan mengirimkan kumpulan Work Order dalam format Excel yang didistribusikan ke PIC (Person In Charge). Nantinya Work Order tersebut didistribusikan ke para teknisi melalui aplikasi Telegram sehingga rentan terjadi kesalahan dan keterlambatan pelaporan pada saat pelaksanaan pekerjaan di lapangan. Pada penelitian ini dikembangkan sistem informasi untuk pendistribusian work order agar lebih tersistematis dan terarsip dengan baik. Pengembangan aplikasi ini akan menggunakan metode Rapid Application Development (RAD) karena mempertimbangkan efisiensi waktu pada saat fase implementasi. Hasil dari implementasi aplikasi berbasis web ini adalah sistem yang mampu memonitor Work Order yang telah di pick up oleh teknisi terkait secara berkala dan tepat waktu. Dari hasil uji coba menggunakan metode blackbox testing terlihat semua fitur pada aplikasi dapat berjalan dengan baik. Selain itu lewat pengujian kuisioner Webqual 4.0 didapatkan hasil bahwa sistem mampu mempercepat dan mengefisienkan kerja dari tim
Information Extraction Berbasis Rule untuk Laporan Keuangan Perusahaan
Full text linkLaporan keuangan merupakan salah satu sumber informasi penting bagi investor dalam membuat keputusan investasi. Namun, data yang terkandung di dalam laporan keuangan sangat besar sehingga proses untuk mencari informasi penting didalamnya perlu waktu yang cukup lama. Hal ini memunculkan kebutuhan perangkat yang bisa mengidentifikasi dan mengekstrak informasi yang relevan dari laporan keuangan secara otomatis. Oleh karena itu, sebuah model information extraction berbasis rule diusulkan dalam tugas akhir ini. Model ekstraksi informasi yang diusulkan, dirancang supaya dapat mengautomasi proses ekstraksi informasi yang relevan bagi investor seperti posisi keuangan, laba rugi, dan arus kas perusahaan. Model ini menggunakan rule yang sudah ditentukan sebelumnya oleh peneliti untuk mengekstrak informasi tersebut. Salah satu rule yang digunakan adalah regular expression, yang biasa digunakan untuk mengambil informasi yang terkandung dalam teks. Proses evaluasi model akan dilakukan dengan mengukur tingkat accuracy dan f1-score informasi yang didapatkan dari berbagai laporan keuangan. Penelitian ini menghasilkan model information extraction yang mampu mendapatkan nilai accuracy keseluruhan sebesar 86,07% dalam mendapatkan 16 label informasi finansial yang berbeda. Model ini, diharapkan dapat membantu investor dalam pengambilan keputusan investasi dengan memberikan akses yang mudah dan cepat ke informasi yang terdapat dalam laporan keuangan tanpa mengurangi tingkat akurasi informasi yang didapatkan secara signifikan
Identifying Types of Corn Leaf Diseases with Deep Learning
Full text linkThe government is trying to increase corn yields to meet the Indonesian population's food needs and for export abroad. Some farmers have yet to gain experience with the types of diseases in corn, so they need tools or systems to guide and provide information to new farmers. Many previous studies have developed automatic systems to identify corn leaf diseases, with the goal of increasing corn crop production by early recognition and control. We propose a system for identifying types of corn leaf diseases using the CNN (Convolutional Neural Network) method to be more precise in recognizing corn diseases early on. The methods used in previous research mostly used deep learning with high accuracy results above 90%. CNN is one of the deep learning methods, so we use it to identify types of leaf diseases. Our data comes from Kaggle; we process it first. The Kaggle dataset has corn plants similar to those in Indonesia, so we use this data with identification classes (Blight, Common rust, Gray leaf spot, and Healthy). The training data is 2000 images with 500 images for each class, and the testing data is 120 images with 30 images for each class. The evaluation results show that the classification process using the CNN method has an accuracy of 84.5%. The results we produced for identifying types of corn leaf disease still lack accuracy in their prediction, indicating the need to improve the CNN architecture model
Etika Teknologi: Kajian Sistematis, Trend dan Potensi Riset Etika Teknologi Digital
Full text linkIntegrasi etika ke dalam teknologi diperlukan untuk memberikan kompas etis yang lebih jelas bagi pengguna dan pengembang teknologi, pengambil kebijakan, dan semua stakeholder. Penelitian ini bertujuan untuk memperdalam konsep etika digital dan menggali rumusan techno-ethics sehingga membantu masyarakat menghadapi tantangan etis dalam era digitalisasi. Etika digital mengacu pada panduan dan nilai-nilai moral yang mengatur perilaku manusia dalam menggunakan, mengembangkan, dan berinteraksi dengan teknologi digital. Penelitian ini dilakukan dengan menggunakan metode systematic review, dengan mengambil sumber data artikel dari database terindeks Scopus. Hasil penelitian menunjukkan bahwa riset tentang tekno etika mengalami tren meningkat dalam dua dekade terakhir, namun masih membutuhkan lebih banyak kajian. Meningkatnya minat penelitian dalam tekno-etika ini menjadi iklim positif untuk menyuarakan praktik etis dalam gempuran teknologi. Diperlukan upaya yang lebih banyak untuk menjawab keterbatasan dan kekurangan publikasi penelitian yang masih belum mampu mencakup seluruh pengetahuan yang terfragmentasi dalam konsep kajian tekno-etika. Hasil penelitian ini juga berimplikasi praktis bagi para pimpinan, pelaku, dan pengembang teknologi maupun organisasi untuk mengurangi praktik-praktik tidak etis dalam penggunaan teknologi. Semua stakeholder perlu mendorong perilaku yang etis dalam rangka menciptakan ekosistem digital yang berkelanjutan. Temuan penelitian mengidentifikasi celah-celah riset yang memberi masukan bagi para pimpinan, pengembang teknologi, pembuat kebijakan, dan masyarakat
Perancangan Purwarupa Mobile App Pemanfaatan Food Waste untuk Mendorong Ekonomi Sirkular sebagai Solusi Pangan
Full text linkPenumpukan food waste di Indonesia menjadi masalah krusial dengan dampak negatif yang signifikan. Fenomena food waste ini disebabkan oleh pemborosan makanan dan pengelolaan sampah yang tidak optimal. Dampaknya meliputi degradasi lingkungan, kerugian ekonomi, memperparah kelaparan, dan mengancam ketahanan pangan. Oleh karena itu, dalam penelitian ini akan dirancang model bisnis dan purwarupa mobile app pemanfaatan food waste sebagai solusi pengelolaan food waste yang terintegrasi dan efektif. Aplikasi ini diharapkan dapat mempermudah akses masyarakat terhadap makanan berlebih dan daur ulang food waste, sehingga meningkatkan pengelolaan food waste dan menciptakan ekonomi sirkular di Indonesia.
Terdapat 4 tahapan proses dasar untuk mencapai kesuksesan perancangan purwarupa ini. Tahapan tersebut meliputi identifikasi masalah, pengumpulan data dengan metode studi literatur, perancangan User Interface (UI) untuk menentukan aplikasi referensi dan konsep purwarupa, dan hasil perancangan yang merupakan hasil final dari purwarupa yang telah dibuat.
Hasil penelitian membahas tentang pembuatan ide bisnis aplikasi bernama FOODCYCLE. Perancangan purwarupa ini didasarkan pada penelitian terdahulu yang menganalisis kelayakan aplikasi food waste yang cukup serupa. Di mana penelitian tersebut menunjukkan adanya hasil yang positif dari aplikasi food waste dalam meningkatkan behavioral intention pengguna melalui model TAM (Technology Acceptance Model). Hal ini dipengaruhi oleh perceived ease of use dan perceived usefulness. Penyusunan konsep pada bagian ini juga mengacu pada aplikasi referensi. Hasil akhir dari penelitian ini terbagi menjadi karya utama yang merupakan purwarupa mobile app dalam bentuk UI dan karya pendukung berupa rancangan desain media sosial, banner, dan brosur mobile ap
Deep Learning Models Comparison for Emotion Classification With Image Pre-Processing Methods
Full text linkThis research investigates advancements in Facial Expression Recognition (FER) within the domain of affective computing, focusing on improving the accuracy and robustness of FER systems under diverse, real-world conditions. Facial expressions serve as critical non-verbal cues in human communication, yet existing FER systems often face challenges due to environmental variability such as changes in lighting, pose, and occlusions. This study evaluates the performance of three Convolutional Neural Network (CNN) architectures—ResNet50, VGG16, and MobileNetV3Large—integrated with preprocessing techniques like Contrast Limited Adaptive Histogram Equalization (CLAHE) and the Synthetic Minority Oversampling Technique (SMOTE). These methods address key challenges such as class imbalance and low contrast in datasets. Results demonstrate the pivotal role of tailored preprocessing strategies. For instance, the application of CLAHE and SMOTE improved the VGG16 model's test accuracy from 0.70 to 0.79, representing a 0.09 or 9% increase. This significant improvement underscores the effectiveness of combining advanced preprocessing methods with CNN architectures. Furthermore, the findings highlight the advantages of optimizing preprocessing to enhance the recognition of subtle emotions in uncontrolled settings, offering practical insights for deploying FER systems in real-time applications. Overall, this research demonstrates the potential of preprocessing techniques to enhance FER system performance significantly, particularly when paired with well-established deep learning models. These insights pave the way for the development of more accurate, robust, and adaptable FER systems capable of functioning reliably in dynamic, real-world environments
A Cascading Evaluation of Digital Population Identity in Palembang: Insights from ILPE and IPA
Full text linkSince 2022, the Indonesian government has implemented the Digital Population Identity (IKD) application, introduced by the Palembang City Population and Civil Registration Office (Disdukcapil). However, user satisfaction with IKD remains low. This study evaluates IKD user satisfaction using a cascading method combining the Electronic Public Service Index (ILPE) and Importance Performance Analysis (IPA). The ILPE calculation yields a total score of 2.682. The Information Availability (I) dimension scores highest at 0.570, reflecting strong user satisfaction with data accuracy and relevance. In contrast, the Interaction (SI) dimension scores the lowest at 0.325, highlighting the need for better communication and interaction. The IPA analysis categorizes dimensions into quadrants: Quadrant 1 (Keep Up the Good Work) includes T1 (Password Security), T4 (Reputation Recognition), T5 (Clarity of Authentication Criteria), I1 (Data Accuracy), I2 (Timely Updates), R2 (Access Availability), and R3 (Response Speed), showing excellent performance. Quadrant 2 (Concentrate Here) includes E4 (Accuracy of Data Entry Instructions) and U3 (Intuitive Navigation), requiring significant improvement. Quadrant 3 (Low Priority) includes E1 (Intuitive Navigation), E3 (Personalized Experience), T2 (Authentication Clarity), U1 (Intuitive Interface), U2 (Instruction Clarity), SI1 (Social Interaction), and SI2 (Communication Ease), with lower improvement priorities. Quadrant 4 (Possibly Overrated) contains R1 (Form Download Speed), which may be overemphasized. These findings aim to guide policy refinement, enhance public service efficiency, and improve user satisfaction