IRPI Publisher Journals (Institute of Research and Publication Indonesia)
Not a member yet
1012 research outputs found
Sort by
Sistem Pendukung Keputusan Calon Penerima Program Bantuan Sosial (BANSOS) Menggunakan Metode Simple Additive Weighting (SAW) : Decision Support System for Prospective Social Assistance Program Recipients (BANSOS) Using the Simple Additive Weighting (SAW) Method
No full textBantuan sosial merupakan salah satu upaya pemerintah,komunitas atau individu dalam penanggulangan kemiskinan yang bertujuan untuk memenuhi kebutuhan masyarakat yang memiliki kelayakan ekonomi rendah dan meningkatkan taraf hidup masyarakat dengan bantuan sosial. Proses identifikasi penerima program bantuan sosial diKp kaceot peduli2 Kerawang barat relatif memakan waktu dan kurang optimal, karena merupakan proses manual mengisi dan memilih satu per satu menggunakan formulir kertas. Saat kertas menumpuk, data menjadi lebih rentan terhadap kerusakan dan kehilangan. Untuk mengatasi permasalahan tersebut, diperlukan suatu sistem yang dapat mempermudah proses pemilihan penerima program bantuan sosial di Kp kaceot peduli2 Kerawang barat. Dalam hal ini merupakan sistem pendukung keputusan yang didukung dengan metode Simple Additive Weighting (SAW). Sistem pendukung keputusan ini dikembangkan sesuai dengan metode Waterfall dengan menggunakan bahasa pemrograman PHP (PHP: Hypertext Preprocessor), Framework Code Igniter 3, dan database MySQL sebagai database server. Hasil perhitungan berdasarkan metode SAW merekomendasikan nama-nama penerima program bansos sesuai urutan prioritas. Selain itu, berdasarkan hasil pengujian black box, sistem ini akan berjalan sesuai dengan kemampuannya
Implementasi Metode Risk Based Inspection pada Storage Tank di PT. ABC dalam Penentuan Interval dan Metode Inspeksi: Implementation of the Risk Based Inspection Method in Storage Tanks at PT. ABC in Determining Inspection Intervals and Methods
No full textPT. ABC merupakan perusahaan perdagangan olahan minyak dan gas bumi di Indonesia, menekankan pentingnya tangki timbun atau storage tank dalam operasional penyaluran bahan bakar. Meskipun vital, storage tank sering menghadapi risiko korosi karena bahan konstruksi utama, seperti baja (Carbon Steel). Korosi ini dapat menyebabkan kegagalan peralatan, yang berpotensi merusak komponen sistem tangki dan bahkan melepaskan produk ke lingkungan. Dalam konteks Indonesia, regulasi pemerintah (Peraturan No. 32 Tahun 2021) menetapkan bahwa setiap tangki penyimpanan minyak atau gas alam di industri minyak dan gas harus menjalani pemeriksaan teknis dan keselamatan. Penelitian ini fokus pada pemeriksaan berbasis risiko dengan menggunakan API 581 Risk Based Inspection. Pendekatan ini merancang program inspeksi berdasarkan tingkat risiko terkait dengan peralatan. Dari hasil perhitungan dan analisis, disimpulkan bahwa storage tank memiliki tingkat risiko sedang (1D) dengan sisa umur terendah pada peralatan selama 15 tahun (180 bulan) dan corrosion rate maksimum sebesar 0,127 mm/tahun. Nilai-nilai ini masih berada dalam batas nilai risiko yang diperbolehkan, mengindikasikan kebutuhan untuk tindakan pencegahan dan pemeliharaan yang tepat guna memastikan keberlanjutan operasional yang aman dan efisien
Sistem Pakar Diagnosa Kerusakan Motor Matic Menggunakan Metode Forward Chaining: Expert System for Diagnosing Automatic Motorcycle Damage Using the Forward Chaining Method
No full textCV. Alsa Indo Pratama Ahass merupakan sebuah perusahaan yang bergerak dalam perawatan dan perbaikan kendaraan bermotor. Setiap hari perusahaan ini menangani berbagai jenis kendaraan bertransmisi manual. Seiring perkembangan zaman, produsen kendaraan bermotor mulai menciptakan teknologi yang mempermudah para pengguna yaitu Motor Matic. Motor matic merupakan kendaraan yang menggunakan teknologi Continuosly Variable Transmition (CVT). Teknologi yang tergolong baru ini berbeda cara penangannya dari kendaraan bermotor yang menggunakan transmisi manual. Kurangnya tenaga ahli yang menguasai teknologi serta beberapa teknisi merupakan teknisi muda membuat penanganan terhadap motor matic di CV. Alsa Indo Pratama kurang maksimal. Melihat hal ini maka penulis membangun suatu sistem pakar untuk mendiagnosa kerusakan CVT pada motor matic. Sistem pakar ini dibangun dengan mentransfer keahlian dan pengetahuan pakar kendaraan matic ke dalam bahasa pemrograman yang diharapkan dapat membantu para teknisi menangani kendaraan matic ini. Sistem ini diuji menggunakan White-box testing agar menjamin bahwa sistem ini bebas dari kesalahan logika dan terjamin validitasnya. Diharapkan dengan dibangunnya sistem ini, CV. Alsa Indo Pratama Ahass dapat menangani permasalahan kerusakan CVT kendaraan motor matic sehingga pelayanan yang dihasilkan lebih baik
Pemodelan Topik pada Media Berita Online Menggunakan Latent Dirichlet Allocation (Studi Kasus Merek Somethinc): Topic Modeling on Online News Media Using Latent Diriclet Allocation (Case Study Somethinc Brand)
No full textSomethinc merupakan salah satu merek kosmetik lokal di Indonesia yang aktif memanfaatkan media, seperti berita online untuk menyampaikan informasi terkini seputar merek. Dari banyaknya berita online mengenai merek Somethinc, sering kali topik dan tren yang sedang dibahas tidak menggambarkan informasi secara keseluruhan. Untuk menganalisis topik yang paling sering dibahas dalam berita online mengenai merek Somethinc, peneliti menggunakan metode topic modeling, yaitu Latent Dirichlet Allocation, yang dinilai lebih unggul dalam menghasilkan topik secara terstruktur. Penelitian ini memanfaatkan nilai coherence untuk menganalisis dan mengevaluasi jumlah topik terbaik, selanjutnya pendekatan human judgement digunakan untuk menginterpretasikan topik. Hasil analisis kemudian divisualisasikan secara interaktif menggunakan pyLDAvis, untuk mengetahui persebaran kata dari setiap topik. Berdasarkan hasil penelitian, jumlah topik terbaik terdapat pada topik 6 dengan nilai coherence sebesar 0.404. Keenam topik tersebut diinterpretasikan berdasarkan pendekatan human judgement, menghasilkan topik-topik meliputi produk skincare untuk kulit berjerawat, penghargaan brand kecantikan terbaik, kolaborasi produk, produk perawatan kulit dan kecantikan, kampanye pemasaran produk, dan brand lokal dengan produk perawatan kecantikan. Dapat disimpulkan bahwa jumlah topik 6 menghasilkan topik-topik yang relevan mengenai merek Somethinc
Analisis Perbandingan Kinerja Model Machine Learning untuk Memprediksi Risiko Stunting pada Pertumbuhan Anak: Analysis of Performance Comparison of Machine Learning Models for Predicting Stunting Risk in Children's Growth
No full textStunting menjadi masalah serius dalam pertumbuhan anak di Indonesia, mendorong penelitian ini untuk mengembangkan model prediksi menggunakan Machine Learning. Tujuan penelitian adalah membandingkan performa dari lima algoritma yaitu Random Forest, Logistic Regression, Naïve Bayes, SVM dan Neural Networks untuk memprediksi stunting anak. Data stunting anak tahun 2023 dari Kota Lubuk Linggau yang digunakan dengan total 400 sampel. Metodologi penelitian melibatkan langkah inisiasi, pengembangan model linier, pembandingan hasil pengujian model, dan analisis prediksi menggunakan platform KNIME. Hasil uji menunjukkan bahwa Naïve Bayes memiliki performa tertinggi dengan akurasi = 98,57%, F1-Score = 0,99, serta recall dan precision yang sangat tinggi. Random Forest juga memberikan hasil baik dengan akurasi = 98,29%, namun Naïve Bayes diidentifikasi sebagai model terbaik. Penelitian ini memberikan kontribusi signifikan dalam upaya untuk pencegahan stunting dengan menggabungkan teknologi Machine Learning dan analisis dataset kesehatan. Dengan mengembangkan model prediksi menggunakan berbagai algoritma machine learning, diharapkan dapat membantu praktisi kesehatan dalam mengidentifikasi risiko stunting secara dini. Model yang optimal dapat digunakan sebagai alat pendukung keputusan untuk memberikan intervensi yang tepat dan efektif
Implementasi Algoritma Certainty Factor dan Forward Chaining untuk Rekomendasi dan Larangan Makanan: Implementation of The Certainty Factor Algorithm and Forward Chaining Foor Food Recommendations and Prohibitions
No full textSistem pakar dalam diagnosa berbagai jenis penyakit berdasarkan rekomendasi dan larangan makanan dengan metode certainty factor dan Forward Chaining dengan peningkatan penyakit kronis disebabkan karena berbagai faktor yang mempengaruhi kesehatan seseorang. Kesehatan seseorang dipengaruhi oleh apa yang dikonsumsi setiap jenis penyakit memiliki pantangan makanan. Sistem pakar diterapkan pada aplikasi berbasis web untuk memberikan persentase keyakinan terhadap suatu penyakit dianggap berhasil dibangun kedalam sistem Oleh karena itu, dibutuhkan suatu aplikasi yang dapat membantu penderita penyakit tertentu dalam menentukan jenis makanan yang boleh dan tidak boleh di konsumsi dengan berbasis Mobile Website. Penyakit yang dapat di diagnosis oleh sistem ada 5 (lima) yaitu Hipertensi, Diabetes Melitus, Asma, PPOK, dan Ginjal dengan menggunakan metode Certainty Factor dan Forward Chaining untuk menghitung nilai keyakinan user terhadap penyakit yang diderita. Penelitian ini menggunakan data 5 (lima) jenis penyakit, 26 gejala penyakit, 35 rekomendasi dan larangan makanan,serta 6 kasus pengujian. Dari 6 kasus pengujian tersebut di dapat hasil akurasi persentase keyakinan user terhadap suatu penyakit sebesar 83%
Perbandingan Algoritma Naïve Bayes dan K-Nearest Neighbors untuk Klasifikasi Metabolik Sindrom: Comparison of Naive Bayes and K-Nearest Neighbors Algorithms for Metabolic Syndrome Classification
No full textKondisi medis yang dikenal sebagai sindrom metabolik berpotensi meningkatkan kemungkinan penyakit jantung koroner, stroke, serangan jantung dan diabetes tipe 2. Sindrom metabolik juga dapat menyebabkan gula darah tinggi, kadar kolesterol rendah, obesitas secara bersamaan dan kelebihan lemak di daerah pinggang. Jika kombinasi dari ketiga kondisi ini terjadi maka dapat dikatakan penyakit ini sebagai sindrom metabolik. Selain itu, sindrom metabolik juga dikaitkan dengan resistensi insulin, artinya dimana sel-sel tubuh tidak merespon baik terhadap efek insulin yang menyebabkan kadar gula darah tinggi karena gula tidak terserap ke dalam sel dengan baik. Sindrom metabolik tumbuh seiring meningkatnya obesitas di Asia, dengan perkiraan prevalensi yang terus naik. Ini berpotensi meningkatkan kasus penyakit kardiovaskular dan risiko kematian. Oleh karena itu, perlu dikembangkan model untuk mendiagnosis sindrom metabolik. Penelitian ini bertujuan untuk membandingkan kinerja algoritma klasifikasi utama, yaitu Naïve Bayes (NB) dan K-Nearest Neighbors (KNN) dalam mendeteksi sindrom metabolik. Hasil dari penelitian ini menunjukkan bahwa penggunaan algoritma Naïve Bayes menghasilkan akurasi sebesar 79%, sedangkan akurasi tertinggi dari algoritma K-Nearest Neighbors (KNN) adalah 82%. Kesimpulannya, dari hasil penelitian ini menunjukkan bahwa algoritma K-NN dengan pembagian data 50:50 lebih efektif dalam memprediksi dan mengklasifikasikan sindrom metabolik
Implementasi Algoritma Decision Tree untuk Rekomendasi Film dan Klasifikasi Rating pada Platform Netflix: Implementation of Decision Tree Algorithm for Movie Recommendation and Rating Classification on the Netflix Platform
No full textSebagai salah satu platform video streaming terbesar di dunia, Netflix telah berkembang pesat sejak pendiriannya pada tahun 1997, awalnya berfokus pada penyewaan DVD, namun kemudian beralih ke layanan streaming online pada tahun 2007. Dengan jutaan pelanggan global, Netflix terus berinovasi dengan paket langganan, produksi konten eksklusif, dan teknologi analisis data serta machine learning untuk meningkatkan pengalaman pengguna. Penelitian ini menerapkan algoritma Decision Tree untuk meningkatkan sistem rekomendasi dan klasifikasi rating di Netflix. Menggunakan dua dataset utama, movies_df dan ratings_df, penelitian melibatkan langkah-langkah pengumpulan dan penggabungan data, penentuan fitur dan variabel target, pembagian data, pelatihan model, serta evaluasi. Hasilnya mencakup evaluasi model Decision Tree dengan metrik akurasi, precision, recall, dan F1-score untuk setiap kategori rating, serta visualisasi grafik batang tentang jumlah rating film dan presentase rating dari 1-5. Rekomendasi film berdasarkan model Decision Tree juga disajikan, memberikan wawasan tentang peningkatan sistem rekomendasi di Netflix. Kesimpulan menunjukkan bahwa implementasi algoritma Decision Tree dapat meningkatkan akurasi rekomendasi film dan klasifikasi rating di Netflix, berkontribusi pada pengalaman pengguna yang lebih personal di era layanan streaming online
Implementasi Teknologi Berbasis Web untuk Efesiensi Waktu Pencarian Lahan Parkir: Implementation of Web-Based Technology for Efficient Time to Search for Parking Spaces
No full textPenelitian ini bertujuan untuk mengimplementasikan teknologi berbasis web guna meningkatkan efisiensi waktu pencarian lahan parkir di kota-kota metropolitan. Sistem yang dikembangkan diharapkan dapat memberikan informasi real-time tentang ketersediaan lahan parkir, memandu pengguna menuju tempat parkir yang sesuai, dan mengurangi waktu pencarian secara signifikan. Metode penelitian ini melibatkan perancangan sistem berbasis web, dan pembuatan prototipe. Data ketersediaan lahan parkir akan dikumpulkan melalui sensor IR. Dan akan dikirimkan dari Mikrokontroler ESP 8266 Ke Website parkir. Implementasi teknologi berbasis web untuk efisiensi waktu pencarian lahan parkir diharapkan dapat memberikan hasil positif. Pengguna akan dapat mengakses informasi real-time tentang ketersediaan lahan parkir, mengurangi waktu pencarian, dan menghindari kepadatan lalu lintas yang tidak perlu. Selain itu, penerapan teknologi ini diharapkan dapat meningkatkan pengelolaan lahan parkir secara keseluruhan dan memberikan efek positif terhadap keberlanjutan lingkungan. Dengan menggabungkan teknologi berbasis web dan sensor IR, sistem ini dapat menjadi solusi efektif untuk meningkatkan efisiensi waktu pencarian lahan parkir yang semula tanpa website parkir memakan waktu 29 detik menjadi 16 detik saja sehingga dapat meminimalisir waktu sebanyak 13 detik. Implikasi positif dari penelitian ini diharapkan dapat memberikan kontribusi terhadap kemajuan kota-kota modern menuju sistem transportasi yang lebih efisien dan berkelanjutan
Tinjauan Supervised Reinforcement Learning pada Tindakan Medis Penyakit Diabetes Melitus: Review of Supervised Reinforcement Learning on Medical Actions for Diabetes Mellitus
No full textDiabetes Melitus (DM) merupakan penyakit kronis yang memerlukan pengelolaan medis yang berkelanjutan. Pengelolaan pengendalian penyakit diabetes bergantung pada kadar glukosa dalam darah guna mengambil tindakan yang tepat agar dapat mencegah kadar glukosa darah menjadi terlalu rendah atau tinggi. Dalam konteks perawatan medis DM, penggunaan teknologi pembelajaran mesin, khususnya Supervised Reinforcement Learning (SRL) telah mengahadirkan pendekatan yang inovatif. Penelitian ini bertujuan untuk menyelidiki dan merangkum beberapa karya ilmiah yang membahas tentang penerapan SRL dalam konteks tindakan medis untuk penyakit DM. Beberapa percobaan dilakukan oleh para peneliti dengan menggunakan data dari pasien diabetes untuk menentukan parameter model yang optimal, melakukan simulasi dan studi validasi secara real-time sehinga dapat memberikan wawasan lebih lanjut tentang penerapan praktis model pembelajaran penguatan dalam pengaturan klinis. Melalui SRL, agen pembelajaran dapat menggabungkan umpan balik lingkungan dengan informasi eksplisit dari supervisor untuk menghasilkan keputusan yang optimal dalam pengelolaan DM. Dalam makalah ini, penulis menganalisis kajian literatur terkait penerapan SRL pada pengelolaan medis DM, serta mengeksplorasi potensi dan tantangan yang terkait dengan penggunaan pendekatan ini dalam praktik klini