IRPI Publisher Journals (Institute of Research and Publication Indonesia)
Not a member yet
1012 research outputs found
Sort by
Prediksi Angka Kelahiran dalam Berbagai Kelompok Umur Ibu Menggunakan Metode K-Nearest Neighbor: Prediction of Birth Rates in Different Age Groups of Mothers Using the K-Nearest Neighbor (K-NN) Method
No full textStudi ini bertujuan untuk mengembangkan prediksi angka kelahiran dalam berbagai kelompok umur ibu melalui pendekatan metode K-Nearest Neighbors (K-NN) dalam suatu sistem informasi. Penelitian ini difokuskan pada analisis dinamika kelahiran dalam konteks kelompok umur ibu, yang merupakan informasi kritis dalam perencanaan kebijakan kesehatan dan pengembangan sosial. Metode K-NN digunakan sebagai pendekatan analisis utama untuk meramalkan angka kelahiran, memanfaatkan pola kemiripan dalam karakteristik kelompok umur ibu. Integrasi metode K-NN dalam sistem informasi memungkinkan pengelolaan dan analisis data yang lebih efisien untuk mendukung kebijakan perencanaan keluarga. Data yang digunakan mencakup variabel demografis, ekonomi, dan sosial yang dapat memengaruhi tingkat kelahiran. Hasil prediksi angka kelahiran diharapkan dapat memberikan wawasan mendalam tentang perubahan dinamis dalam struktur kelahiran, memungkinkan pemahaman yang lebih baik untuk mengarahkan kebijakan kesehatan dan strategi intervensi yang lebih terarah. Penelitian ini menghadirkan kontribusi pada pengembangan sistem informasi yang dapat mendukung analisis prediktif dalam konteks kelahiran. Implikasi temuan ini relevan untuk kebijakan kesehatan, demografi, dan perencanaan keluarga, serta dapat membantu merancang langkah-langkah intervensi yang lebih efektif dan tepat sasaran
Penerapan Teknologi LangChain pada Question Answering System Fikih Empat Madzhab: Application of Langchain Technology to the Fiqh Question Answering System of Four Madhhab
No full textFikih sebagai ilmu yang luas, terkadang menimbulkan beragam persoalan dan perbedaan pandangan antara madzhab-madzhabnya. Tujuan pandangan ulama tentang isu-isu fikih adalah untuk memperkaya opsi pemahaman, bukan menyebabkan perpecahan. Keberadaan mazhab penting bagi umat Islam awam dalam memahami hukum Islam, karena membantu dalam menafsirkan Al-Qur'an dan Hadits untuk masalah sehari-hari. Pengiriman informasi saat ini dapat dilakukan dengan cepat dan mudah, salah satunya melalui aplikasi tanya jawab atau Question Answering System (QAS) terkait materi yang ingin diketahui oleh pengguna. Sehingga pada penelitian ini bertujuan membuat sebuah QAS berbasis web tentang fikih empat madzhab menggunakan teknologi LangChain dan Large Language Model (LLM). LangChain dan model LLM mampu memberikan jawaban atas pertanyaan terkait file Portable Document Format (PDF). QAS dilatih menggunakan kumpulan data berupa file PDF serta memanfaatkan model LLM untuk menghasilkan respons teks yang relevan terhadap pertanyaan yang diajukan oleh pengguna. Sistem yang telah dikembangkan berhasil memberikan respons kepada pengguna dengan pengujian menggunakan BERTScore yang mendapatkan nilai rata-rata dari precision sebesar 80%, recall sebesar 81%, dan f-1 score sebesar 81%. Sedangkan ROUGEScore mendapatkan nilai rata-rata dari ROUGE-1 sebesar 56%, 58%, dan 56%, ROUGE-2 sebesar 33%, 33%, 33%, dan ROUGE-L sebesar 43%, 44%, dan 43%
Aplikasi Penjadwalan Piket Guru di SMPN 2 Nggaha Ori Angu Menggunakan SMS Gateway: Teacher Picket Scheduling Application at SMPN 2 Nggaha Ori Angu Uses SMS Gateway
No full textPenjadwalan piket guru di SMPN 2 Nggaha Ori Angu saat ini masih menggunakan sistem penjadwalan secara manual, Setiap guru biasanya memperoleh informasi jadwal piket melalui pengumuman yang dicetak dan dipasang di papan pengumuman. Dalam hasil wawancara dengan Kepala Sekolah SMPN 2 Nggaha Ori Angu, ditemukan bahwa sistem penjadwalan piket saat ini mengalami kendala. Banyak laporan dan kritik dari orang tua siswa menyoroti bahwa siswa seringkali pulang terlambat karena proses penjadwalan yang terbatas. Terkadang guru yang dijadwalkan untuk piket harian tidak hadir atau sedang dalam sesi pengajaran ketika jam pulang tiba. Hal ini mengakibatkan siswa sering pulang terlambat. Untuk mengatasi permasalahan tersebut, diperlukan solusi berupa Aplikasi Penjadwalan Piket Guru di SMPN 2 Nggaha Ori Angu yang menggunakan sistem SMS Gateway. Aplikasi ini akan mengirimkan notifikasi jadwal melalui SMS kepada guru piket, termasuk perubahan jadwal jika ada. Aplikasi ini berbasis computer dan dirancang untuk memenuhi kebutuhan sekolah dalam mengatur jadwal piket sehingga dapat meningkatkan produktivitas kerja. Dalam keseluruhan aplikasi tersebut, pemanfaatan teknologi komputerisasi dan system informasi sangat diperlukan untuk meningkatkan afektivitas pengaturan jadwal piket guru. Dengan demikian aplikasi Penjadwalan Piket Guru di SMPN 2 Nggaha Ori Angu memberikan manfaat yang signifikan untuk keberlangsungan operasional sekolah serta meningkatkan kualitas Pendidikan siswa
Comparative Analysis of Neural Network Architectures for Predicting Chronic Disease Indicators Using CDC’s Chronic Disease Indicators Dataset
Get PDFThis research evaluates the performance of three machine learning models—Neural Network (NN), Convolutional Neural Network (CNN), and Recurrent Neural Network (RNN) using Long Short-Term Memory (LSTM) units—in predicting chronic disease indicators using the CDC's Chronic Disease Indicators (CDI) dataset. The study employs a comprehensive preprocessing pipeline and 5-fold cross-validation to ensure robustness and generalizability of the results. The CNN model outperformed both the NN and RNN models across all key performance metrics, achieving an accuracy of 0.6303, precision of 0.6445, recall of 0.6303, and F1 score of 0.5950. The superior performance of the CNN is attributed to its ability to capture spatial hierarchies and interactions within the structured dataset. The findings underscore the importance of selecting appropriate machine learning architectures based on the data characteristics. This research provides valuable insights for public health officials and policymakers to enhance chronic disease monitoring, early detection, and intervention strategies. Future work will explore hybrid models and advanced techniques to further improve predictive performance. This study highlights the potential of CNNs in public health informatics and sets a foundation for further research in this domai
Implementasi Algoritma Machine Learning dalam Kompresi Citra Foto Sumbu Filosofi Yogyakarta: Implementation of Machine Learning Algorithm in Axis Photo Image Compression Yogyakarta Philosophy
No full textProses kompresi citra merupakan salah satu teknik yang esensial dalam mengelola data visual, terutama dalam konteks pelestarian dan digitalisasi warisan budaya. Penelitian ini membahas penerapan algoritma K-means dalam kompresi citra foto Sumbu Filosofi Yogyakarta, yang meliputi kawasan-kawasan bersejarah dan simbolis dari Kraton Yogyakarta hingga Panggung Krapyak. Algoritma K-means digunakan untuk mengurangi jumlah warna dalam citra, yang bertujuan untuk mengurangi ukuran file tanpa mengorbankan kualitas visual yang signifikan. Hasil penelitian menunjukkan bahwa algoritma K-means efektif dalam kompresi citra dengan menghasilkan ukuran file yang lebih kecil dan tetap mempertahankan detail penting dari objek bersejarah. Studi ini juga menyoroti keuntungan dan keterbatasan dari metode kompresi ini dalam konteks pelestarian digital dan penyebaran informasi budaya. Dengan demikian, penggunaan algoritma K-means dapat menjadi solusi yang efisien untuk manajemen data visual dalam upaya konservasi dan promosi warisan budaya Yogyakarta
Analisis Efektivitas GAN dalam Meningkatkan Akurasi Deteksi Tuna Rungu dengan Menggunakan Data Audio dan Visual: Analysis of GAN Effectiveness in Improving Hearing Impaired Detection Accuracy Using Audio and Visual Data
No full textPenelitian ini menganalisis efektivitas Generative Adversarial Networks (GAN) dalam meningkatkan akurasi deteksi tuna rungu dengan menggunakan data audio dan visual. Data yang digunakan dalam penelitian ini meliputi rekaman video dari individu non-tunarungu yang diperoleh dari GRID Corpus dan individu tunarungu yang dikumpulkan dari YouTube dan SLB Islam As-Syafi'iyah. Tahapan penelitian melibatkan beberapa langkah, yaitu pengumpulan data, preprocessing, augmentasi data, pembangunan model, pelatihan model, dan evaluasi model. Hasil penelitian menunjukkan bahwa model GAN mampu meningkatkan akurasi deteksi tunarungu secara signifikan dengan menggunakan data visual dan audio visual. Model ini berhasil mencapai nilai Area Under Curve (AUC) sebesar 0,97, yang jauh lebih tinggi dibandingkan dengan model visual konvensional yang hanya mencapai AUC sebesar 0,52. Temuan ini menegaskan potensi besar penggunaan GAN dalam pengembangan sistem pendeteksian tuna rungu yang lebih andal dan efektif. Dengan demikian, penelitian ini memberikan dasar yang kuat untuk eksplorasi lebih lanjut tentang penggunaan metode pembelajaran mendalam dalam deteksi gangguan pendengaran, serta membuka peluang untuk inovasi di bidang teknologi kesehatan. Hasil yang diperoleh juga menunjukkan bahwa integrasi data audio dan visual dapat memberikan informasi yang lebih komprehensif dalam sistem deteksi
Implementasi Algoritma K-Means untuk Mengetahui Minat Siswa SMA Terhadap Mata Pelajaran Teknologi Informasi dan Komunikasi: Implementation of K-Means Algorithm to Determine the Interest of High School Students in Information Technology Subjects and Communication
No full textPada Kurikulum Merdeka, Siswa Sekolah Menengah Atas (SMA) diwajibkan mempelajari Mata Pelajaran Teknologi Informasi dan Komunikasi (TIK). Berdasarkan hasil wawancara di SMAN 1 Tarumajaya menunjukkan adanya masalah dalam proses pembelajaran TIK, di mana siswa merasa terbebani dengan materi yang banyak dan sulit, terutama bagi mereka yang tidak memiliki latar belakang TI sebelumnya. Selain itu, pada kelas XI, siswa sering kali memilih peminatan yang tidak sesuai dengan minat mereka yang sebenarnya. Oleh karena itu, penelitian ini dilakukan untuk mengetahui minat siswa terhadap mata pelajaran TIK, dengan menggunakan pendekatan K-Means clustering. Hasil penelitian menunjukkan bahwa algoritma K-Means mampu mengelompokkan siswa berdasarkan minat mereka terhadap mata pelajaran Teknologi Informasi dan Komunikasi (TIK). Terdapat dua kelompok, yaitu kelompok pertama yang terdiri dari 91 siswa yang tidak berminat, dan kelompok kedua yang terdiri dari 123 siswa yang berminat. Dari hasil tersebut, dapat disimpulkan bahwa minat siswa terhadap mata pelajaran TIK lebih dominan dibandingkan dengan siswa yang tidak berminat
Spam Detection in YouTube Comments Using Deep Learning Models: A Comparative Study of MLP, CNN, LSTM, BiLSTM, GRU, and Attention Mechanisms
Get PDFThis study explores the effectiveness of various deep learning models for detecting spam in YouTube comments. Six models were evaluated: Multilayer Perceptron (MLP), Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM), Bidirectional LSTM (BiLSTM), Gated Recurrent Unit (GRU), and Attention mechanisms. The dataset consists of 1,956 real comments extracted from popular YouTube videos, representing both spam and legitimate messages. The preprocessing phase involved tokenization and padding of text sequences to prepare them for model input. Results reveal that the LSTM model achieved the highest test accuracy of 95.65%, outperforming other models by capturing sequential dependencies and context within comments. The CNN model also demonstrated high accuracy, underscoring the importance of local pattern recognition in text classification. While BiLSTM and Attention models offered comparable performance, their marginal improvement over LSTM indicates that sequential modeling plays a crucial role in this task. The GRU model, despite being computationally efficient, showed slightly lower accuracy compared to LSTM and BiLSTM. The MLP model, serving as a baseline, exhibited limited performance, emphasizing the need for advanced architectures in spam detection. These findings suggest that combining sequential modeling with local feature extraction could lead to more robust spam detection systems.
Optimasi Penggunaan Energi Listrik Bagi Pelanggan Rumah Tangga Berbasis Machine Learning dan Internet of Things: Optimization of Electric Energy Usage for Household Customers Based on Machine Learning and Internet of Things
No full textPenggunaan energi yang efisien merupakan tantangan penting dalam rumah tangga modern. Namun, kurangnya kesadaran akan konsumsi energi sehari-hari seringkali menyebabkan pemborosan. Penelitian ini bertujuan untuk mengembangkan model prediksi konsumsi energi yang mampu memperkirakan konsumsi harian berdasarkan data historis, sehingga dapat meningkatkan kesadaran pengguna. Algoritma K-Nearest Neighbors (KNN) dan sensor PZEM-004T diterapkan untuk memprediksi konsumsi energi pada perangkat AC dan TV. Model ini memprediksi konsumsi energi pada hari ke-8 sebesar 5.23 kWh, dibandingkan dengan konsumsi aktual 5.30 kWh, menghasilkan error sebesar 0.07 kWh dan akurasi prediksi mencapai 98.66%. Hasil penelitian menunjukkan bahwa model ini efektif dalam memprediksi konsumsi energi, yang berpotensi membantu rumah tangga dalam mengelola dan menghemat energi secara lebih efisien
Rapid Application Development (RAD) dalam Pengembangan Aplikasi E-Commerce Berbasis Mobile: Rapid Application Development (RAD) in the Development of Mobile-Based E-Commerce Application
No full textToko Sembako Radin merupakan sebuah UMKM yang ada di daerah Jakarta Timur. Sistem kinerja pada Toko Sembako Radin seperti pengelolaan data dan pemberitahuan informasi yang masih bersifat sangat konvensional. Pemberitahuan informasi yang hanya melalui telepon sangat rentan terhadap kesalahan dan keterlambatan dalam menyampaikan stok produk yang tersedia sehingga rentan terhadap hilangnya data-data. Masalah tersebut dapat menyebabkan kerugian bagi toko karena pelayanan pada pelanggan sangat kurang. Untuk mengatasi masalah yang ada, maka dibuatlah penelitian yang bertujuan untuk membuat sistem baru berupa aplikasi. Admin dapat menggunakan aplikasi berbasis website sedangkan konsumen dapat menggunakan aplikasi berbasis mobile. Pengembangan sistem baru menggunakan metode Rapid Application Development (RAD) untuk mengoptimalkan pembuatan aplikasi secara cepat. Keseluruhan data disimpan pada database MySQL. Sistem juga dilakukan pengkodean menggunakan bahasa pemrograman Kotlin dan Nodejs. Pengujian juga dilakukan untuk mengetahui kinerja aplikasi dengan menggunakan metode Black Box Testing. Beberapa skenario dibuat sebagai test case dan dari 10 skenario yang dibuat dihasilkan pengujian 100% Berhasil. Admin dapat memasang informasi terkait produk yang dijual, Pembeli juga dapat dengan memudah memperoleh informasi terkait harga barang dan ketersediaan produk pada Toko Radin Shop. Dengan adanya beberapa fitur dan hasil pengujian yang berhasil tersebut maka aplikasi dapat diterapkan pada e-commerce dan memudahkan pelanggan untuk bertransaks