IRPI Publisher Journals (Institute of Research and Publication Indonesia)
Not a member yet
1012 research outputs found
Sort by
Design of Administrative Service Information System (Sipa-Nagari) in Sago Salido Village : Perancangan Sistem Informasi Pelayanan Administrasi (Sipa-Nagari) di Kenagarian Sago Salido
Get PDFAdministrasi kependudukan merupakan rangkaian kegiatan dalam penataan dan penertiban dokumen data penduduk melalui pendaftaran penduduk, pencatatan sipil, pengelolaan informasi administrasi kependudukan serta pendayagunaan hasilnya untuk pelayanan publik. Teknologi informasi pada saat ini berkembang sangat cepat dimana setiap bidang telah banyak menerapkan kecanggihan teknologi informasi yang berbasis online dalam penyampaian informasi, terutama dalam bidang pelayanan (service) yang menyangkut pengelolaan informasi dan sumber daya manusia. Dalam bidang pelayanan administrasi, teknologi informasi berperan sangat penting untuk pengolahan data informasi yang berkaitan dengan administrasi dan pengarsipan. suatu aplikasi sistem informasi dibutuhkan untuk meningkatkan efektifitas dan efisiensi pelayanan penduduk di Nagari Sago Salido dalam bentuk Sistem Informasi Pelayanan Administrasi (SIPA) dengan memanfaatkan teknologi internet. Luaran yang ditargetkan adalah peningkatan pelayanan administrasi di Kantor Wali Nagari Sago Salido melalui pembuatan aplikasi Sistem Informasi Pelayanan Administrasi (SIPA) ini
Fenomena Fear of Missing Out (FOMO) Tren Produk Kosmetik di Aplikasi TikTok pada Mahasiswi
Get PDFPenelitian ini dilatarbelakangi oleh perkembangan tren produk kosmetik di aplikasi TikTok yang memikat kalangan mahasiswi. Penelitian ini bertujuan untuk meneliti fenomena FoMO tren produk kosmetik yang ada di aplikasi TikTok dikalangan para mahasiswi. Jenis penelitian ini adalah penelitian kualitatif, yaitu penelitian berfokus pada pengamatan mendalam terhadap fenomena yang terjadi. Pendekatan yang digunakan pada penelitian ini adalah pendekatan deskriptif, penelitian diarahkan untuk menjelaskan gejala, fakta, atau kejadian secara sistematis dan akurat. Hasil yang ddiperoleh dari penelitian ini adalah fenomena Fear of Missing Out (FoMO) tren produk kosmetik saat ini terjadi di kalangan mahasiswi Ekonomi Syariah UIN Suska Riau. Maraknya konten produk kosmetik seperti skincare dan make-up membuat para mahasiswi tidak dapat mengelak bahwa mayoritas dari mereka tertarik ingin memiliki produk yang sama dengan yang dimiliki banyak orang. Terdapat mahasiswi yang bertindak boros (tabzir) dan berlebih-lebihan (israf) dalam mengkonsumsi produk kosmetik akibat fenomena ini. Di sisi lainnya, terdapat pula mahasiswi yang tetap berhati-hati dan memiliki pertimbangan sebelum memutuskan untuk membeli produk kosmetik yang tren di aplikasi TikTokPenelitian ini dilatarbelakangi oleh perkembangan tren produk kosmetik di aplikasi TikTok yang memikat kalangan mahasiswi. Penelitian ini bertujuan untuk meneliti fenomena FoMO tren produk kosmetik yang ada di aplikasi TikTok dikalangan para mahasiswi. Jenis penelitian ini adalah penelitian kualitatif, yaitu penelitian berfokus pada pengamatan mendalam terhadap fenomena yang terjadi. Pendekatan yang digunakan pada penelitian ini adalah pendekatan deskriptif, penelitian diarahkan untuk menjelaskan gejala, fakta, atau kejadian secara sistematis dan akurat. Hasil yang ddiperoleh dari penelitian ini adalah fenomena Fear of Missing Out (FoMO) tren produk kosmetik saat ini terjadi di kalangan mahasiswi Ekonomi Syariah UIN Suska Riau. Maraknya konten produk kosmetik seperti skincare dan make-up membuat para mahasiswi tidak dapat mengelak bahwa mayoritas dari mereka tertarik ingin memiliki produk yang sama dengan yang dimiliki banyak orang. Terdapat mahasiswi yang bertindak boros (tabzir) dan berlebih-lebihan (israf) dalam mengkonsumsi produk kosmetik akibat fenomena ini. Di sisi lainnya, terdapat pula mahasiswi yang tetap berhati-hati dan memiliki pertimbangan sebelum memutuskan untuk membeli produk kosmetik yang tren di aplikasi TikTo
Peningkatan Kapasitas Sistem Manajemen Pembelajaran Daring Berbasis Moodle Menggunakan Node On-Premises dan Cloud di Sekolah Binekas
Get PDFHybrid learning, as a popular learning method to be used at different academic level, has the advantage of being a flexible and independent learning method which can be adjusted to each student's learning pace. In supporting hybrid learning, infrastructure upgrade is a must so that the system can fulfil dynamic requirement. Currently, Binekas School has already implementing a learning management system (LMS) platform. However, the existing condition of the LMS at Binekas School is not optimal since the architecture used does not allow to be accessed from an external network and the usage capacity is still not able to meet the needs of all students simultaneously.
The current problems with the Binekas School LMS can be overcome by upgrading the capabilities of existing server equipment, both hardware and software. In addition, to increase the accessibility and reliability of the LMS system, it is necessary to integrate a hybrid architecture into the LMS platform, namely by combining on-premise servers with cloud-based architecture. The LMS platform used is Moodle which is one of the most popular LMS platforms.
This community service activity is already succeeded in helping Binekas School to improve the capabilities of the existing LMS. Apart from that, by using cloud architecture, makes the LMS platform from Binekas School easier to access since it does not require users to be connected with Binekas School’s internal network. The Binekas School LMS platform can now be said to be fully functional and can be used as a model for other schools.Pembelajaran bauran (hybrid learning), sebagai salah satu metode pembelajaran yang popular digunakan di berbagai tingkat pendidikan, memiliki kelebihan dalam teknis pembelajaran yang fleksibel, mandiri, serta dapat disesuaikan dengan ritme pembelajaran masing-masing siswa. Penyesuaian infrastruktur untuk mendukung pembelajaran bauran harus dilakukan untuk memenuhi kebutuhan yang dinamis. Sekolah Binekas telah menerapkan platform Sistem Manajemen Pembelajaran (Learning Management System; LMS) walaupun kondisinya belum optimal. Hal ini dikarenakan arsitektur yang digunakan masih belum memungkinkan sistem LMS untuk diakses dari jaringan luar Sekolah Binekas serta kapasitas penggunaan yang masih belum dapat memenuhi kebutuhan seluruh siswa secara concurrent. Permasalahan-permasalahan dari sistem LMS Sekolah Binekas saat ini dapat diatasi melalui peningkatan kapabilitas dari perangkat server yang ada. Selain itu, untuk meningkatkan aksesibilitas serta reliabilitas dari sistem LMS tersebut, dibutuhkan integrasi antara arsitektur on-premise dengan arsitektur berbasis cloud untuk platform LMS. Adapun platform LMS yang digunakan adalah Moodle yang merupakan salah satu platform LMS yang paling populer. Kegiatan pengabdian masyarakat kali ini berhasil membantu Sekolah Binekas dalam meningkatkan kapabilitas dari LMS mereka. Penggunaan arsitektur cloud menjadikan platform LMS Sekolah Binekas lebih mudah untuk diakses oleh sivitas Sekolah Binekas. Platform LMS Sekolah Binekas saat ini dapat dikatakan sudah berfungsi dan dapat dijadikan sebagai percontohan untuk sekolah-sekolah lainnya
Comparison of K-Means, BIRCH and Hierarchical Clustering Algorithms in Clustering OCD Symptom Data
Get PDFThe hallmarks of Obsessive-Compulsive Disorder (OCD) are intrusive, anxiety-inducing thoughts (called obsessions) and associated repeated activities (called compulsions). To understand the patterns and relationships between OCD data that have been obtained, data will be grouped (clustering). In clustering using several clustering algorithms, namely K-Means, BIRCH, In this work, hierarchical clustering was used to identify the optimal cluster value comparison, and the Davies Bouldin Index (DBI) was used to confirm the results. Then the results of the best cluster value in processing OCD data are using the BIRCH algorithm in the K10 experiment which gets a value of 1.3. While the K-Means algorithm obtained the best cluster at K10 with a value obtained of 1.36 and the Hierarchical clustering algorithm also at the K10 value of 2.03. Thus in this study, the comparison results of the application of 3 clustering algorithms obtained results, namely the BIRCH algorithm shows the value of the resulting cluster is the best in clustering OCD data. This means that the BIRCH algorithm can be used to cluster OCD data more accurately and efficiently
Implementation of K-Means, K-Medoid and DBSCAN Algorithms In Obesity Data Clustering
Get PDFObesity is an excessive accumulation of body fat and can be harmful to health. This study aims to understand the patterns and relationships between obesity data that have been obtained, so a data clustering step will be carried out using the K-Means, K-Medoid and DBSCAN algorithms. This study utilizes the Davies Bouldin Index (DBI) to determine the best cluster value comparison and validated. So the results of the best cluster value in processing obesity data are using the K-Means K2 algorithm with a value of 0.604. The K-Medoid algorithm obtained the best cluster k2, with a DBI value of around 0.614. and the DBSCAN algorithm clustering trial K3, with a value of 1.040. Thus in this study the comparison results of the application of 3 clustering algorithms, the results obtained are the K-Means algorithm shows the value of the resulting cluster is the best of other algorithms in clustering obesity data with a value of 0.604
Performance Comparison of Classification Algorithms for Chronic Kidney Disease Prediction
Get PDFChronic Kidney Disease (CKD) is an abnormal kidney function or failure of the kidneys to filter the bloodstream and remove metabolic waste that progresses over months or years. Chronic kidney disease is asymptomatic in its early stages. It has no age limit, and if you already suffer from chronic kidney disease, the likelihood of a sudden decline in kidney function increases. The medical record data of chronic kidney disease patients can be utilized to make predictions and can be processed using machine learning to classify the risk of death. This research will use Ensemble Learning, which combines Decision Tree, XGBoost, and Extra Trees algorithms. In the pre-processing stage, value filling is carried out using the random sampling method. It was concluded that the highest accuracy value in Extra Trees was 96%. In comparison, the Decision Tree was 94%, and the XGBoost method obtained 95% accuracy so that Pathologists can use it in developing a program to predict chronic kidney diseas
Performance Evaluation of Machine Learning Algorithms in Predicting Global Warming: A Comparative Study of Random Forest, K-Nearest Neighbors and Support Vector Machine
Get PDFGlobal Warming is a global warming phenomenon that has a significant impact on human health and the environment. This research aims to apply Machine Learning algorithms, namely the Random Forest algorithm, K-Nearest Neighbors (K-NN), and Support Vector Machines (SVM) in predicting global warming. First, global warming data downloaded from Kaggle via dataset is used as research material. Then, a global warming prediction model is built using this algorithm and then evaluated using criteria such as Mean Absolute Error (MAE), Mean Squared Error (MSE), Root Mean squared error (RMSE), R2, and Confusion Matrix. Finally, based on the evaluation results, research confirms that the K-NN algorithm shows the best performance, with the highest R2 value and low prediction error compared to other algorithms, such as Random Forest which shows the lowest performance. In terms of classification, K-NN achieved the highest accuracy (96.55%) and excellent performance in the confusion matrix and classification report. Overall, the findings of this study emphasize the dominance of K-NN in this context, thereby providing a strong basis for selecting models for predicting global warming phenomena
Optimalisasi Rekomendasi Rute Pada Perencanaan Perjalanan Wisata: Studi Pustaka: Optimization Route Recommendation-Based Tourist Trip Design Problem: A Literature Study
No full textTourist trip design problems (TTDP) merupakan permasalahan yang berkaitan dengan bidang pariwisata. TTDP berkaitan dengan perencanaan pengguna dalam melakukan perjalanan wisata berdasarkan pada tempat wisata yang menarik. Dalam sistem rekomendasi, TTDP merupakan permasalahan yang menarik. Hal ini karena tidak hanya digunakan untuk menemukan tempat wisata yang sesuai dengan pengguna, tetapi juga untuk menggabungkan tempat wisata ke dalam rute perjalanan yang praktis dengan mempertimbangkan batasan. Pada artikel ini bertujuan menyajikan penelitian sebelumnya yang berkaitan dengan proses optimasi rekomendasi perjalanan dan bagaimana permasalahan tersebut dimodelkan menggunakan pendekatan yang berbeda untuk mencari solusi yang optimal. Selain itu peluang penelitian yang dapat dilakukan untuk meningkatkan performa rekomendasi. Berdasarkan synthetic literatur review (SLR) dalam penelitian ini, didapatkan peluang penelitian yang dapat dilakukan untuk mendapatkan rekomendasi rute perjalanan yang optimal seperti kombinasi algoritma metaheuristic atau algoritma bio-inspired. Selain itu pada personalisasi pengguna terkait tempat wisata, terdapat peluang mengimplementasikan algorime deep learning seperti LTSM, Transformer, Bert sebagai nilai tempat wisata dari sisi penggun
Rancang Bangun Sistem Informasi Pengaduan Mahasiswa Univerisitas Kristen Wira Wacana Sumba Berbasis Object Oriented Analysis and Design: Design and Development of Student Complaint Information System at Wira Wacana Christian University Sumba Based on Object-Oriented Analysis and Design
No full textSistem Informasi Pengaduan Mahasiswa adalah layanan krusial untuk memastikan kualitas optimal di universitas, melalui sistem ini, mahasiswa dapat melaporkan masalah dengan cepat, memungkinkan tanggapan yang tepat dan akurat dari universitas. Artikel ini bertujuan meningkatkan layanan pengaduan mahasiswa di Universitas Kristen Wira Wacana Sumba melalui perancangan sistem berbasis web menggunakan metode waterfall. Diharapkan meningkatkan kualitas layanan, memperkuat hubungan antara universitas dan mahasiswa, dan meningkatkan efisiensi dalam proses pengaduan untuk respon yang cepat dan tepat. Artikel menekankan pentingnya memberikan informasi yang diperlukan kepada pengguna, termasuk petunjuk dan panduan pengaduan. Perancangan dan pengembangan sistem informasi pengaduan mahasiswa berbasis web di Universitas Kristen Wira Wacana dengan menggunakan metode waterfall. Sistem ini bertujuan meningkatkan layanan, memperkuat interaksi antara universitas dan mahasiswa, serta meningkatkan efisiensi dalam menangani pengaduan dengan memberikan respon yang lebih cepat dan menyediakan informasi yang dibutuhkan. Langkah ini diharapkan dapat memberikan kontribusi positif yang signifikan terhadap pengalaman mahasiswa dan manajemen layanan universitas secara keseluruhan. Pengujian black box menyimpulkan bahwa proses uji aplikasi Sistem Informasi Pengaduan Mahasiswa berbasis web mencakup semua skenario dengan hasil sesuai harapan. Uji antarmuka pengguna (UI) menggunakan User Experience Questionnaire (UEQ) memastikan bahwa sistem memenuhi harapan pengguna dan memberikan pengalaman pengguna yang memuaskan melalui wawancara dengan 22 pengguna
Deteksi Kalori Makanan Tradisional Indonesia Menggunakan Metode Single Shot Multibox Detector (SSD): Calorie Detection of Traditional Indonesian Food Using the Single Shot Multibox Detector (SSD) Method
No full textTujuan penelitian untuk mengembangkan sistem pendeteksi kalori makanan dengan menggunakan metode Single Shot Multibox Detector (SSD). Juga, bertujuan untuk mengatasi masalah manusia yang kesulitan dalam mengestimasi jumlah kalori yang dikonsumsi dari makanan. Dengan menggunakan model kecerdasan buatan dan bantuan kamera pada perangkat ponsel, pada penelitian ini memungkinkan pengguna untuk melakukan estimasi kalori yang lebih akurat. Sistem ini dirancang secara otomatis untuk mengidentifikasi dan memperkirakan jumlah kalori dalam makanan berdasarkan citra visual. Pemilihan metode SSD didasarkan pada keunggulannya dalam mendeteksi objek dengan tingkat akurasi yang tinggi dan kecepatan pengolahan yang cepat. Proses penelitian melibatkan beberapa tahap, termasuk pengumpulan dataset citra makanan, pelatihan model SSD dengan konfigurasi Hyperparameter pada 40.000 langkah, menggunakan data training sebanyak 90%, validasi 10%, dan testing 10%, serta menggunakan batch size 16 dan learning rate 0.007943453. Hasil eksperimen menunjukkan total loss sebesar 0.1670681 dan mean average precision (mAP) sebesar 65.09%. Jenis makanan berhasil dideteksi dengan baik, dan aplikasi mobile terkait mampu mengestimasi kalori makanan setelah deteksi jenis makanan. Meskipun demikian, penelitian mengidentifikasi beberapa tantangan, terutama dalam meningkatkan akurasi deteksi pada makanan dengan struktur kompleks atau variasi presentasi yang ekstensif. Temuan dari penelitian ini diharapkan dapat memberikan kontribusi penting dalam pengembangan sistem pendukung keputusan untuk pemantauan otomatis asupan kalori.