IRPI Publisher Journals (Institute of Research and Publication Indonesia)
Not a member yet
1012 research outputs found
Sort by
Sosialisasi Pemilihan Prioritas Penerima Bantuan Dana Sosial Menggunakan Algoritma Clustering di Kelurahan Tengah Kecamatan Pelayangan
Get PDFPoverty is one of the problems that must be eradicated. The government's policies for poverty alleviation is the provision of social assistance funds. But the government must consider the eligibility of the recipients of the social assistance. Since 2021-2023, the poverty rate in Jambi Province has been recorded at over 250 thousand people each year. Of the several districts/cities in Jambi Province, Jambi City contributes the largest number of poor people. Tengah Village is one of the villages in Pelayangan District, Jambi City. As an effort to support the provision of targeted social assistance, a clustering algorithm is used group objects based on certain characteristics. One of the analysis in the clustering is the K-Means algorithm. This community service activity is the socialization of the use of clustering algorithms to help group data on social assistance recipients. The activity was attended by staff and RT heads in Tengah Village. Based on the evaluation, as many as 72,7% of the participants who attended stated that they were very satisfied, in addition they stated that this activity was very useful in supporting the decision to select priority recipients of social fund assistance in the Tengah Village.Kemiskinan menjadi salah satu masalah yang harus diberantas. Salah satu kebijakan pemerintah untuk pengentasan kemiskinan adalah pemberian bantuan dana sosial. Tidak hanya dengan sekedar memberikan bantuan dana sosial, namun pemerintah harus mempertimbangkan kelayakan penerima bantuan sosial tersebut. Sejak tahun 2021-2023 tercacat angka kemiskinan di Provinsi Jambi diatas 250 ribu jiwa setiap tahunnya. Dari beberapa kabupaten/kota yang terdapat di Provinsi Jambi, Kota Jambi penyumbang jumlah kemiskinan terbesar. Kelurahan Tengah merupakan salah satu kelurahan yang berada di Kecamatan Pelayangan, Kota Jambi. Sebagai upaya mendukung pemberian bantuan sosial yang tepat sasaran, digunakanlah algoritma clustering yang membantu mengelompokkan objek berdasarkan pada karakteristik tertentu. Salah satu metode analisis pada algoritma clustering yaitu algoritma K-Means. Kegiatan pengabdian kepada masyarakat ini dalam bentuk sosialisasi penggunaan algoritma clustering untuk membantu perangkat Kelurahan Tengah mengelompokkan data penerima bantuan sosial yang layak. Kegiatan tersebut diikuti oleh oleh staf/operator dan ketua RT di Kelurahan Tengah. Berdasarkan evaluasi, sebanyak 72,7% dari peserta yang hadir menyatakan sangat puas dengan kegiatan sosialisasi penggunaan algoritma clustering, selain itu mereka menyatakan kegiatan ini sangat bermanfaat dalam menunjang keputusan pemilihan prioritas penerima bantuan dana sosial di Kelurahan Tenga
Pelatihan Pembuatan Noken dan Kiat Wirausaha Bagi Generasi Milenial Papua
Get PDFThe implementation of this activity is entitled Noken Making Training and Entrepreneurial Tips for Papuan Millennials. This activity was held in Koya Koso, Jayapura City. The implementation of the activity was carried out using lecture, training, and evaluation methods. The results of this activity show that participants during the training had very high enthusiasm to know the important role of understanding in preserving culture, especially noken making for the millennial generation. In making noken, almost all participants have learned to make noken, which at the beginning of the activity did not understand, after attending the training finally understood how to make noken. Meanwhile, in understanding what costs, income and profit are, which initially could not distinguish, finally after following the explanation during socialization, almost 90% of participants could understand it well. As a recommendation that can be conveyed in this Community Service activity, mothers and teenagers in Koya Koso should continue to train the existing generation in making traditional handicrafts in the form of woven noken as a characteristic of Papuans, and it is also hoped that the government, especially MSME actors, will always organize training activities for the community that can increase youth competence in managing business finances.Pelaksanaan kegiatan ini bertajuk Pelatihan Pembuatan Noken dan Kiat Wirausaha bagi Generasi Milenial Papua. Kegiatan ini dilaksanakan di Koya Koso, Kota Jayapura. Adapun pelaksanaan kegiatan dilakukan dengan metode ceramah, pelatihan, dan evaluasi. Hasil kegiatan ini menunjukkan bahwa peserta saat mengikuti pelatihan memiliki antusias yang sangat tinggi untuk mengetahui peran penting adanya pemahaman dalam melestarikan budaya khususnya pembuatan noken bagi generasi milenial. Dalam membuat noken, hampir semua peserta telah belajar membuat noken, yang awal kegiatan belum paham, setelah mengikuti pelatihan akhirnya bisa mengerti cara membuat noken. Sedangkan dalam memahami apa itu biaya, pendapatan dan keuntungan, yang awalnya belum bisa membedakan, akhirnya setelah mengikuti penjelasan saat sosialisasi hampir 90% peserta bisa memahaminya dengan baik. Sebagai rekomendasi yang dapat disampaikan dalam kegiatan Pegabdian kepada Masyarakat ini, sebaiknya ibu-ibu dan remaja di Koya Koso harus terus melatih generasi yang ada dalam membuat kerajinan tradisional berupa anyaman noken sebagai ciri khas orang Papua, dan diharapkan pula kepada pemerintah, utamanya pelaku UMKM selalu menyelenggarakan kegiatan pelatihan kepada masyarakat yang dapat meningkatkan kompetensi pemuda dalam mengatur keuangan usah
Performance Comparison of ARIMA, LSTM and SVM Models for Electric Energy Consumption Analysis
Get PDFThe changing needs of electrical energy result in the electrical power needed for everyday life being unstable, so planning and predicting how much electrical load is needed so that the electricity generated is always of good quality. So it is necessary to predict the consumption of electrical energy by using forecasting on the machine learning method. Support Vector Machine (SVM), Autoregressive Integrated Motion Average (ARIMA), and Long Short-Term Memory (LSTM) are models that are often used to overcome patterns in predictions. To find out the best models how to predict electricity consumption in the future and how the SVM, LSTM, and ARIMA algorithms perform in predicting electricity consumption. This research will look for the RMSE value and prediction time, then compare it with the best average value. The results of the study show that the ARIMA model is able to predict electricity usage for the next 1 year period, in the evaluation using the RMSE metric, where SVM shows a much lower value than ARIMA and LSTM. In this case, SVM achieved RMSE of 0.020, while ARIMA and LSTM achieved RMSE of 7.659 and 11.4183, respectively. Even though SVM has a lower RMSE, it is still unable to predict electricity usage for the next 1 year with sufficient accuracy
Sistem Informasi Reminder Pasien Penyakit Kronis dan Imunisasi Menggunakan WhatsApp Gateway: Chronic Disease and Vaccination Reminder System With WhatsApp Gateway
No full textProgram Imunisasi dan program pengelolaan penyakit kronis (prolanis) merupakan salah satu bentuk pelayanan kesehatan yang diberikan oleh Puskesmas dengan tujuan untuk meningkatkan kesehatan masyarakat. Keterlambatan imunisasi dan pemeriksaan penyakit kronis akibat kelalaian orang tua dan pasien merupakan salah satu penyebab timbulnya penyakit pada bayi baru lahir dan komplikasi pada penderita penyakit kronis yang menyebabkan kondisi kesehatan menurun. Dengan tujuan untuk meningkatkan kinerja Puskesmas dan mendorong kemandirian pola hidup sehat bagi individu, keluarga, kelompok dan masyarakat terkait dengan imunisasi dan penyakit kronis, maka Puskesmas selalu berusaha meningkatkan pelayanan kesehatan khususnya dengan memanfaatkan teknologi informasi di bidang medis berupa pengembangan aplikasi pengingat jadwal imunisasi bagi orang tua bayi dan pasien penyakit kronis berbasis WhatsApp (WA). Diharapkan aplikasi ini dapat membantu puskesmas dalam meningkatkan pelayanan kesehatan dan orang tua bayi untuk melakukan imunisasi pada anak dengan tujuan mencegah terjadinya penyakit pada bayi serta pasien kronis untuk memeriksakan kesehatannya tepat waktu untuk mencegah terjadinya komplikasi, sehingga tingkat kesehatan masyarakat terus membaik
Analisis Sentimen Terhadap Aplikasi Pluang Menggunakan Algoritma Naive Bayes dan Support Vector Machine (SVM) : Sentiment Analysis of Pluang Applications With Naive Bayes and Support Vector Machine (SVM) Algorithm
No full textAnalisis sentimen merupakan proses menganalisis teks untuk menentukan sentimen yang diungkapkan, seperti positif, negatif, atau netral. Analisis sentimen dapat digunakan untuk berbagai tujuan, seperti memahami opini publik, mengukur kepuasan pelanggan, dan mendeteksi penipuan. Dalam penelitian ini, kami menerapkan metode klasifikasi sentimen untuk menganalisis ulasan aplikasi Pluang. Aplikasi Pluang adalah aplikasi investasi digital yang menawarkan berbagai produk investasi, seperti emas, saham, dan reksa dana. Kami menggunakan dua model klasifikasi sentimen, yaitu Naive Bayes dan SVM. Hasil penelitian menunjukkan bahwa model SVM bekerja lebih baik dibandingkan model Naive Bayes. Secara spesifik, model SVM memiliki akurasi sebesar 99,50%, presisi 99,67%, recall 99,33%, dan skor F1 sebesar 99,50%. Sedangkan model Naive Bayes memiliki akurasi sebesar 99,25%, presisi sebesar 99,44%, recall sebesar 99,06%, dan skor F1 sebesar 99,25%. Kelebihan model SVM dibandingkan model Naive Bayes adalah kemampuannya untuk membedakan teks positif dan negatif dengan lebih baik. Ini disebabkan oleh beberapa faktor, antara lain: Data negatif memiliki karakteristik yang lebih beragam daripada data positif, SVM menggunakan teknik kernel yang mampu memetakan data ke dalam ruang dimensi yang lebih tinggi, sehingga dapat memodelkan hubungan antar data dengan lebih baik. Secara keseluruhan, penelitian ini menunjukkan bahwa SVM merupakan metode klasifikasi yang efektif untuk menganalisis sentimen ulasan aplikasi Pluang
Perbandingan Algoritma SVM dan Naïve Bayes dalam Analisis Sentimen Twitter pada Penggunaan Mobil Listrik di Indonesia : Comparison of Naive Bayes and SVM Algorithms in Twitter Sentiment Analysis on Electric Car Use in Indonesia
No full textAnalisis sentimen dapat mengklasifikasikan sentimen berdasarkan polaritas teks dalam sebuah frasa dan menentukannya sebagai sentimen positif, negatif, atau netral. Data sentimen ini diperoleh dari jejaring sosial Twitter berdasarkan kueri bahasa Indonesia. Tujuan dari penelitian ini adalah untuk memahami opini publik mengenai topik tertentu yang dikomunikasikan di Twitter dalam bahasa Indonesia dan untuk mendukung upaya melakukan riset pasar terhadap opini publik. Data yang dikumpulkan melalui proses pelabelan manual, preprocessing, dan pemodelan, dan model klasifikasi dibuat melalui proses pelatihan. Teknik pengumpulan data dilakukan dengan mencari catatan menggunakan istilah pencarian “kendaraan listrik” di website Kaggle.com. Algoritma yang digunakan untuk membangun model klasifikasi berdasarkan data yang diperoleh pada penelitian ini adalah Algoritma Naive Bayes dan Support Vector Machine. Nilai akurasi implementasi klasifikasi yang diperoleh algoritma Naive Bayes sebesar 63,02% dan akurasi support vector machine sebesar 70,82%. Dapat disimpulkan bahwa algoritma support vector machine mempunyai nilai akurasi yang paling tinggi
Analysis of the Interconnection between Digital Skills of Human Resources in SMEs and the Success of Digital Business Strategy Implementation
Get PDFThe advancement of information technology has transformed the way SMEs operate, from marketing aspects to inventory management. Digital business opens up new opportunities for SMEs but also demands new skills from human resources to keep up with these developments. The objective of this research is to analyze the interconnection between the digital skills of human resources in SMEs and the success of implementing digital business strategies. This research method focuses on qualitative literature review using Google Scholar as the data source, especially for articles published between 2021 and 2024. The study results indicate that the role of human resources in an increasingly digital business world is crucial. The digital skills possessed by human resources not only affect the effectiveness of implementing digital business strategies but also impact the competitiveness and sustainability of SMEs in the constantly changing market. A deep understanding of the market, creativity in innovation, and adaptability are important factors in ensuring business success in this digital era
Peningkatan Peningkatan Cakupan Sinyal Wi-Fi dengan Penempatan Access Point Menggunakan Metode Probabilitas Bayesian: Increasing Wi-Fi Signal Coverage with Access Point Placement Using Bayesian Probability Method
No full textSaat pemasangan jaringan Wi-Fi, posisi Access point merupakan salah satu pengaruh besar terhadap kualitas sinyal Wi-Fi. Maka, dalam pemasangan alat jaringan diperlukan penempatan Access point yang tepat. Laboraturium Teknik Elektro Universitas Riau merupakan salah satu lokasi yang memanfaatkan jaringan Wi-Fi untuk aktivitas akademik jurusan Teknik Elektro. Namun, penempatan posisi Access point di Laboraturium Teknik Elektor Universitas Riau tidak melalui tahap perencanaan penempatan Access point yang matang dan terdapat penumpukan Access point sehingga cakupan sinyal Wi-Fi di Laboraturium Teknik Elektro Universitas Riau belum optimal. Untuk menyelesaikan permasalahan tersebut, penelitian ini menggunakan metode probabilitas bayesian untuk mengatasi ketidakpastian data dan memerlukan pengetahuan awal untuk mengambil suatu keputusan. Tujuan penelitian ini untuk meningkatkan cakupan sinyal Wi-Fi di Laboraturium Teknik Elektro universitas Riau. Hasil penelitian sebelumnya memiliki luas cakupan sinyal W-Fi sebesar 2,031,04 M2, jika dipersentasekan menjadi 53% dari luas area Laboraturium Teknik Elektro. Setelah dilakukan penelitian terjadi peningkat luas cakupan sinyal Wi-Fi menjadi 3,308,8 M
File Encryption and Decryption Using Algorithm Aes-128 Bit Based Website
Get PDFDigital data security has become very important in the current information era. One way to maintain data security is to use encryption and decryption techniques. The Advanced Encryption Standard (AES) algorithm has been proven effective in protecting data with a high level of security. This research aims to implement the AES-128 bit algorithm for online file encryption and decryption via a website. The method used in this research includes developing a website that provides a user interface for uploading and encrypting files, as well as for decrypting files that have been previously encrypted. The AES-128 bit algorithm is used to carry out the file encryption and decryption process. Users can choose their own encryption key or use a random key generated by the system. The result of this research is a website that can be used to efficiently secure sensitive files using the AES-128 bit algorithm. By using this website, users can easily encrypt the files they want to protect and also decrypt files that have been encrypted previously. The security of user data is guaranteed through the use of strong encryption algorithms and well-managed keys
Analisis Sentimen Masyarakat Mengenai Gerakan Childfree di Media Sosial X Menggunakan Algoritma NBC dan SVM: Sentiment Analysis of Childfree Campaign on X Social Media Using NBC and SVM Algorithms
No full textAnak merupakan salah satu entitas yang umum dalam membentuk sebuah keluarga, namun dalam beberapa tahun kebelakang muncul pembahasan mengenai childfree. Dengan banyaknya perdebatan pro-kontra mengenai childfree, perlu dilakukannya sentimen analisis terkait isu ini. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat mengenai gerakan childfree di media sosial X menggunakan algoritma Naïve Bayes Classifier (NBC) dan Support Vector Machine (SVM). Sentimen dibagi menjadi 3 kelas yaitu positif, negatif, dan netral. Penelitian ini mengumpulkan data dengan crawling data pada media sosial X dengan keyword childfree. Data yang diperoleh merupakan data teks mentah sehingga dibutuhkan tahap pra proses. Tahap pra proses yang dilakukan adalah tokenizing, case folding, filter stopword, stemming, TF-IDF, dan data balancing. Berdasarkan simulasi, performa algoritma NBC adalah: akurasi = 56,36%, presisi = 56,41%, dan recall = 56,35%, sedangkan performa algoritma SVM adalah: akurasi 76,12%, presisi 76,36%, dan recall 76,13%. Sehingga dapat disimpulkan bahwa SVM memiliki performa yang lebih baik dari pada NBC pada analisis sentimen di penelitian ini