IRPI Publisher Journals (Institute of Research and Publication Indonesia)
Not a member yet
1012 research outputs found
Sort by
Using Analytic Hierarchy Process (AHP) and Fuzzy Analytic Hierarchy Process (F-AHP) Methods in Criteria and Alternative Perspectives for Ranking
Get PDFThe application of Analytic Hierarchy Process (AHP) and Fuzzy - Analytic Hierarchy Process (F-AHP) is used as the main method in conducting the ranking process in the case of choosing a major in the Department of Information System UIN Suska Riau. The perspectives of both methods are applied in two levels of hierarchy, namely on criteria and alternatives. In this experiment, AHP was used to rank the criteria, while F-AHP was used for the alternatives. The results of the experiment show that both have a CR value smaller than 0.1. The rankings obtained in order on the criteria side are RP, PD, MMK, Kindergarten and MAP. On the alternative side, the CRM course is followed by SCM, SIC, DS, ITQ, and ITG. This assessment is based on the calculation of the pairwise comparison matrix of some of the best objects from 10 experiments conducted. The conclusion that can be given is that both methods can be implemented in the case study being worked on and all have a good consistency ratio
Comparation of Decision Tree Algorithm, Naive Bayes, K-Nearest Neighbords on Spotify Music Genre
Get PDFComparison of Decision Tree, Naive Bayes, K-Nearest Neighbords Algorithm on Spotify Music Genre Decision Tree, Naive Bayes, K-Nearest Neighbords This research aims to compare three algorithms Decision Tree, Naive Bayes and K-Nearest Neighbors (K-NN) in classifying Spotify music genres using dataset from Kaggle. The results show that the Decision Tree algorithm produces an accuracy of 23%, Naive Bayes 17%, and K-Nearest Neighbors 19%. This research provides an overview of Spotify music listeners in choosing music genres. Based on research results, the Decision Tree algorithm has the highest accuracy in classifying Spotify music genres, with the Electric Dance Music (EDM) genre being the most popular among Spotify music fans, followed by rap, pop, r&b, Latin and rock. . Meanwhile, the Naive Bayes and K-Nearest Neighbors algorithms show lower accuracy
Sistem Monitoring Arus Listrik Berbasis Internet of Things (IoT) pada Solar Panel di Laboratorium Pembangkit Listrik Tenaga Surya (PLTS) UIN Suska Riau: Electric Current Monitoring System Based on IoT (Internet of Things) On Solar Panel In Solar Electric Power Plant (PLTS) Laboratory of UIN Suska Riau
No full textSalah satu energi yang dapat dimanfaatkan dari intensitas cahaya matahari yang tinggi di Indonesia ini adalah dengan memaksimalkan alat pengkonversi cahaya matahari menjadi energi listrik yang disebut dengan panel surya, besar daya keluaran yang dihasilkan oleh panel surya dipengaruhi oleh beberapa kondisi lingkungan dimana sebuah panel surya ditempatkan seperti suhu, intensitas cahaya matahari, arah datangnya sinar matahari dan spektum cahaya matahari. Kondisi lingkungan yang selalu berubah-ubah setiap waktu menyebabkan daya keluaran panel surya juga ikut berfluktuasi. Pemantauan terhadap parameter keluaran solar panel sangat diperlukan untuk menilai kinerja sebuah solar panel pada perubahan intensitas cahaya matahari. Pemantauan menggunakan software bertujuan agar pemantauan bersifat realtime sehingga dalam pemantauan tidak memerlukan cara manual dengan menggunakan alat ukur pada umumnya. Tujuan dari penelitian ini adalah untuk membuat sistem monitoring arus listrik berbasis IoT (Internet of Things) pada solar panel di laboratorium Pembangkit Listrik Tenaga Surya (PLTS) UIN SUSKA Riau. Hasil penelitian yang dilakukan menunjukkan bahwa pengiriman data dari NodeMCU yang telah dihubungkan dengan sensor ACS712 dan DHT22 menggunakan aplikasi blynk yang dilakukan selama 6 jam mampu mendeteksi arus, suhu, kelembaban dan daya yang ditampilkan dengan baik, monitoring dapat digunakan dengan menggunakan jaringan internet dan aplikasi blynk.
Penerapan Data Mining untuk Prediksi Pelanggan di PT. XYZ Menggunakan Algoritma Linear Regression: Application of Data Mining for Customer Prediction at PT. XYZ Using Linear Regression Algorithm
No full textDengan perkembangannya kegiatan export dan import dalam negeri terutama di daerah DKI Jakarta, membuat persaingan bisnis terutama dalam bidang depot kontainer makin marak. Sehingga menyebabkan dampak volume bongkar di dalam depot kontainer yang membuat pelanggan atau liner dapat berpindah ke kompetitor. PT. XYZ bergerak di bidang bisnis depot kontainer. PT. XYZ juga menyediakan layanan pembayaran untuk memudahkan transaksi pelanggan agar dapat dilakukan Dimana saja sebagai salah satu cara untuk meningkatkan Strategi pemasaran dalam system ini mempunyai sekumpulan berbagai fitur untuk memudahkan transaksi. Penelitian ini dilakukan dalam rangka membantu tim Marketing untuk dapat mengetahui hasil prediksi transaksi pelanggan sehingga dapat menyiapkan strategi pemasaran yang lebih baik dalam menghadapi era kompetisi ini. Dalam kasus ini metod linear regresi dalam penambangan data adalah metod yang baik untuk melakukan prediksi. Software yang digunakan dalam metod Linear Regresi ini adalah RapidMiner dan menghasilkan nilai Root Mean Square Error (RMSE) sebesar 0.313 yang menunjukan proforma yang bagus dan hasil prediksi cukup akura
Implementasi Monitoring Suhu dan Kelembapan Kumbung jamur pada Budidaya Jamur Tiram dengan NodeMCU - ESP8266 di Desa Wirasana Purbalingga: Implementation of Temperature and Humidity Monitoring in Mushroom House for Oyster Mushroom Cultivation Using NodeMCU – ESP8266 in Wirasana Village Purbalingga
No full textBudidaya jamur tiram di Desa Wirasana, Purbalingga, dihadapkan pada tantangan kritis terkait pemantauan suhu dan kelembapan yang sangat berpengaruh pada pertumbuhan optimal. Penelitian ini menjelajahi penerapan Internet of Things (IoT) dengan NodeMCU ESP8266 untuk memonitor budidaya jamur tiram. Solusi ini melibatkan serangkaian perangkat, termasuk sensor DHT22, sensor ultrasonik, relay 2 channel untuk mengatur humidifier dan kipas, serta tambahan sensor HCSR yang bertujuan memantau air penyimpanan. Data suhu dan kelembapan dikirimkan ke database, memungkinkan pemantauan real-time melalui aplikasi Smartphone. Metode prototyping diterapkan untuk memastikan desain sistem yang responsif. Hasil pengujian menunjukkan akurasi tinggi sensor DHT22 dengan suhu 96.5% dan kelembapan 86.7%, meskipun pengiriman data NodeMCU mengalami 4 kegagalan dari 100 percobaan ini masih tergolong cukup baik. Otomatisasi humidifier dan kipas berjalan lancar, sementara aplikasi Android mencapai keberhasilan 100% dalam memonitor kondisi kumbung jamur. Kesimpulan penelitian ini menyoroti keakuratan sensor DHT22 dan menekankan perlunya evaluasi lebih lanjut terhadap keandalan pengiriman data NodeMCU. Fungsi otomatisasi dan interaksi dengan aplikasi Android membuktikan kehandalan system dalam mengelola kondisi budidaya jamur tiram secara optimal
Implementasi Algoritma Naïve Bayes Classifier dan K-Nearest Neighbor untuk Klasifikasi Penyakit Ginjal Kronik: Implementation of Naïve Bayes Classifier and K-Nearest Neighbor Algorithms for Chronic Kidney Disease Classification
No full textGinjal adalah salah satu organ vital yang memiliki peranan sangat penting dalam tubuh dan memiliki fungsi untuk menjaga keseimbangan metabolishme tubuh dengan mengeluarkan racun dari dalam tubuh dan limbah metabolisme dalam bentuk urine. Penyakit ginjal kronik ialah kondisi di mana ginjal mengalami penurunan fungsi yang berlangsung dalam jangka waktu yang lama. Jumlah nilai prelevansi penderita PGK di Indonesia yang terbilang besar. Oleh karena itu dilakukan klasifikasi Penyakit ginjal kronik dengan algoritma Naïve Bayes Classifier (NBC) dan K- nearest Neighbor (KNN) yang mempunyai nilai akurasi yang baik. Berdasarkan Hasil penelitian yang diperoleh klasifikasi PGK menggunakan algoritma NBC memiliki akurasi sebesar 94,25%, rata-rata nilai recall 94,23%, presisi 98,40% dan AUC 0,961, Sedangkan klasifikasi menggunakan algoritma KNN memiliki akurasi sebesar 77,79%, recall 95,06%, presisi 80,20% dan AUC sebesar 0,627. Dari kedua hasil menunjukan bahwa klasifikasi menggunakan algoritma NBC lebih baik dibanding menggunakan algoritma KNN
Optimasi Keamanan Jaringan Wifi dari Situs Judi Online dan Pornografi dengan DNS Filtering dan Orangepi: Network Security Optimization Against Online Gambling and Pornography Sites Using DNS Filtering and Orangepi
No full textDi era digital ini, penggunaan internet telah menjadi kebutuhan pokok. Meskipun internet memberikan manfaat yang besar, penggunaannya seringkali disalahgunakan, terutama terkait dengan akses ke situs dewasa dan judi online. Selain itu, keamanan jaringan juga menjadi perhatian penting mengingat adanya potensi kejahatan digital, seperti pencurian data dan penyebaran malware yang dapat merugikan pengguna. Oleh karena itu, penulis melakukan penelitian dengan menerapkan metode DNS filtering sebagai solusi. Penelitian ini bertujuan untuk membatasi akses situs-situs yang memiliki konten negatif dan yang tidak diperbolehkan oleh agama maupun secara hukum negara. Dalam mewujudkan internet positif ini peneliti melakukan penelitian sistem DNS filtering yang diterapkan pada jaringan WIFI Balaiwarga RW 32 Bekasi Utara. Kinerja dari dari metode DNS filtering adalah dengan melakukan filtering pada lalu lintas jaringan dan jika ditemukan akses ke website yang tidak diperbolehkan maka sistem melakukan pembatasan website tersebut. Hasil penilitian berjalan dengan baik dapat melakukan pembatasan akses internet, dalam rentan waktu tanggal 24-31 Desember ditemukan log yang ter-blokir yaitu sebanyak 10.102 Log Ads, 65 Log situs judi online, dan 16 Log situs dewasa. Maka disimpulkan bahwa optimasi keamanan jaringan ini efektif melakukan pembatasan aktivitas masyarakat dalam mengakses internet dengan memblokir konten negatif termasuk pornografi, dan situs perjudian online
Analisis Faktor-faktor Penentu Adopsi E-Wallet di Papua Barat: Extended UTAUT 2 dan Perceived Risk: Analysis of Factors Determining E-Wallet Adoption in West Papua: Extended UTAUT 2 and Perceived Risk
No full textE-Wallet merupakan layanan elektronik yang digunakan sebagai tempat penyimpanan data instrumen pembayaran. LinkAja sebagai studi kasus dalam penelitian ini. Tujuan dari penelitian ini adalah mengetahui serta memahami faktor – faktor yang mempengaruhi seseorang untuk mengadopsi penggunaan E-Wallet LinkAja di Provinsi Papua Barat menggunakan model UTAUT 2, persepsi risiko dan control variable yang diukur melalui SEM-PLS. Kuesioner disebar secara online kepada masyarakat Papua Barat. Sebanyak 310 responden yang pernah menggunakan dan pengguna pasti dari aplikasi E-Wallet LinkAja diperoleh dalam penyebaran kuesioner selama satu bulan. Dari hasil penelitian, hubungan antara persepsi risiko dan niat perilaku ditolak, maka persepsi risiko tidak menjadi faktor yang mempengaruhi niat adopsi E-Wallet LinkAja di Papua Barat. Adanya hubungan antara keuntungan , kemudahan, dan pengaruh sosial terhadap niat perilaku serta hubungan antara kondisi yang memfasilitasi, persepsi risiko, dan niat perilaku terhadap niat penggunaan diterima. Maka hubungan variabel tersebut menjadi faktor yang mempengaruhi pengguna memiliki niat untuk menggunakan aplikasi E-Wallet LinkAja di Papua Barat
Analisis Faktor-faktor Pendukung dan Penghambat Beralih Mengadopsi Mobile Banking di Papua Barat Memanfaatkan PLS-SEM dan Perspektif Status Quo Bias: Analysis of Supporting and Inhibiting Factors in Switching to Adopting Mobile Banking in West Papua Utilizing PLS-SEM and Status Quo Bias Perspective
No full textMobile banking (m-banking) adalah inovasi teknologi yang bertujuan untuk memfasilitasi transaksi keuangan melalui perangkat mobile, seperti smartphone. Penelitian ini bertujuan untuk menganalisis faktor-faktor pendukung dan penghambat m-banking di Papua Barat memanfaatkan pendekatan Status Quo Bias. Dua variabel kontrol usia dan gender digunakan untuk memotret demografi responden secara lebih detail. Analisis kuantitatif dilakukan dengan memanfaatkan Partial Least Square – Structural Equation Modelling (PLS-SEM). Sebanyak 303 data responden diperoleh melalui kuesioner online yang disebar kepada masyarakat Papua Barat pengguna aplikasi m-banking selama 1 bulan. Hasil penelitian menunjukan bahwa faktor-faktor perceived value dan sunk cost menunjukan pengaruh yang signifikan terhadap keinginan untuk beralih mengadopsi m-banking. Namun hasil analisis data juga memperlihatkan bahwa faktor-faktor switching benefits dan user resistance menjadi penghambat keinginan untuk mengadopsi m-banking di Papua Barat. Hal ini menggambarkan pengguna merasa membutuhkan banyak usaha untuk membiasakan diri dengan fitur dari layanan m-banking serta kekhawatiran bahwa m-banking menawarkan harapan yang tidak sesuai dengan ekspetasi. Diskusi dan implikasi teoritas dan praktis dari hasil ini juga didiskusikan dalam makalah ini.
Exoplanet Classification Through Machine Learning: A Comparative Analysis of Algorithms Using Kepler Data
Get PDFThis study delves into the classification of exoplanets using data from the Kepler Space Telescope, comparing a suite of machine learning (ML) models to ascertain their efficacy in distinguishing confirmed planets, candidates, and false positives. With a dataset meticulously preprocessed for quality, completeness, and relevance, we embarked on an analytical journey employing models like Decision Tree, Random Forest, Hist Gradient Boosting, CatBoost, AdaBoost, LightGBM, XGBoost, Extra Trees, Logistic Regression, and XGBoost RF. These models underwent rigorous evaluation across metrics such as Accuracy, Precision, Recall, and F1 Score, revealing an unprecedented level of performance. Our findings showcased a near-uniform perfection in model predictions, with scores touching the zenith of 1.0 across most metrics for the majority of models, indicating their flawless prediction capabilities. This remarkable performance, however, was nuanced by the Gaussian NB model's slightly less than perfect scores of 0.99, highlighting a minor deviation due to its probabilistic nature. While these results underscore the models' exceptional accuracy and reliability in classifying exoplanetary data, they also prompt a critical examination of potential overfitting, the dataset's complexity, and the models' generalizability to unseen data.