KLIK - Kumpulan Jurnal Ilmu Komputer
Not a member yet
247 research outputs found
Sort by
IMPLEMENTATION OF BRUTE-FORCE ALGORITHM AND BACKTRACKING ALGORITHM FOR FIREFIGHTING ROBOT SIMULATION
Full text linkIn general, a robot is defined as a mechanical device used by humans to ease human work. Robots are usually used for difficult and dangerous tasks. One example of its use is a firefighting robot that replaces human tasks in extinguishing fires. The firefighting robot is on duty to find fire spots in a city then extinguishing them. To be able to put out a fire, the robot must implement an efficient program in finding and determining the shortest path to the location of the fire and then put it out. For this reason, the robot is equipped with proximity and fire sensors to detect the presence of fire. The design is made with a three-step program that is designing needs of robot control, robot control mechanism scheme preparation and implementing an algorithm for making program syntax. The Brute-Force Algorithm can be implemented to indicate the presence of a hotspot signal and the backtracking Algorithm is implemented to find the shortest path to the hotspot location. This paper discusses the use of a brute-force algorithm and a backtracking algorithm in a firefighting robot program to make the fire search process more efficient. The results show that from 8 input fire points, the firefighting robot is able to find all the points within 3.12 seconds with 13 times trial. In its application, the writer used Visual Basic 6.0 in the firefighting robot program.Keywords: Firefighting Robot, Brute-Force Algorithm, and Backtracking Algorithm.Secara umum robot didefinisikan sebagai suatu alat mekanik yang digunakan oleh manusia untuk mempermudah pekerjaan manusia. Robot biasanya digunakan untuk tugas-tugas yang sulit dan berbahaya. Salah satu contoh penggunaannya adalah robot pemadam kebakaran yang menggantikan tugas manusia dalam memadamkan api. Robot pemadam kebakaran bertugas untuk menemukan titik api di suatu kota kemudian memadamkannya. Untuk dapat memadamkan api, robot harus menerapkan program yang efisien dalam mencari dan menentukan jalur terpendek menuju lokasi kebakaran kemudian memadamkannya. Untuk itu, robot dilengkapi dengan proximity dan fire sensor untuk mendeteksi adanya api. Perancangan dibuat dengan tiga langkah program yaitu perancangan kebutuhan pengendalian robot, penyusunan skema mekanisme kendali robot dan implementasi algoritma untuk pembuatan sintaks program. Algoritma Brute-Force dapat diimplementasikan untuk menunjukkan adanya sinyal hotspot dan Algoritma backtracking diimplementasikan untuk mencari jalur terpendek ke lokasi hotspot. Penelitian ini membahas tentang penggunaan algoritma brute force dan algoritma backtracking pada simulasi program robot pemadam kebakaran agar proses pencarian kebakaran menjadi lebih efisien. Hasil penelitian menunjukkan bahwa dari 8 input titik api, robot pemadam kebakaran mampu menemukan semua titik dalam waktu 3,12 detik dengan 13 percobaan. Dalam penerapannya penulis menggunakan Visual Basic 6.0 pada program robot pemadam kebakaran. Kata kunci: Robot Pemadam Kebakaran, Algoritma Brute-Force, dan Backtracking
PERBANDINGAN ALGORITMA SUPPORT VECTOR MACHINE DENGAN DECISION TREE PADA APLIKASI RUANG GURU
Full text linkMobile Learning is electronic-based learning using a computer or computer-based. One of the most widely known Mobile Learning applications today is Ruang Guru. One way to determine the success of an application is to do a sentiment analysis of the application. The purpose of this study was to find the best accuracy model for classifying data in the SVM and Decision Tree algorithms. The data is taken from the comments column in the playstore on the Ruang Guru application as much as 1500 data. Then the data is labeled into 2 classes, namely positive and negative. After that, the data is divided into 70% training data and 30% testing data. The results of the comparison show that the best test model for sentiment classification cases is found in the SVM algorithm with an accuracy value of 84.2%, while the Decision Tree algorithm gets an accuracy value of 70%. So it can be concluded that the SVM algorithm has a better value for classification of review data in the Ruang Guru application compared to the Decision Tree algorithm. Keywords: Ruang Guru, sentiment analysis, SVM, Decision Tree Mobile Learning merupakan pembelajaran berbasis elektronik dengan menggunakan komputer atau berbasis komputer. Salah satu aplikasi Mobile Learning yang banyak dikenal saat ini adalah Ruang Guru . Salah satu cara untuk mengetahui keberhasilan suatu aplikasi adalah dengan melakukan analisis sentimen terhadap aplikasi tersebut. Tujuan penelitian ini untuk menemukan pemodelan akurasi terbaik terhadap pengklasifikasian data pada algoritma SVM dan Decision Tree. Data diambil dari kolom komentar di playstore pada aplikasi Ruang Guru sebanyak 1500 data. Kemudian data tersebut dilabelkan menjadi 2 kelas yaitu positif dan negatif. Setelah itu, data dibagi 2 menjadi data training sebanyak 70% dan data testing 30%. Hasil perbandingan menunjukkan model uji terbaik untuk kasus klasifikasi sentimen terdapat pada algoritma SVM dengan nilai akurasi sebesar 84.2% sedangkan pada algoritma Decision Tree mendapatkan nilai akurasi sebesar 70%. Sehingga dapat disimpulkan bahwa algoritma SVM memiliki nilai yang lebih baik untuk klasifikasi data ulasan pada aplikasi Ruang Guru dibandingkan algoritma Decision Tree.Kata kunci: Ruang Guru, analisis sentimen, SVM, Decision Tre
SALARY PREDICTION OF IT EMPLOYEES IN JAVA USING LINEAR REGRESSION ALGORITHM
Full text linkThe payroll system is very influential on a company's workers' welfare in achieving company goals. Appropriate payroll will build morale for the workforce so that they can advance the company through the work ethic and professionalism of the crew. The salary calculation system for employees must be adjusted to several criteria, such as their city and job role. Long experience can also be used as a calculation criterion in providing salary. For this reason, an approach is needed to provide a decent and good salary prediction for the company's consideration. One of the models commonly used in making predictions is linear regression. Linear regression is a model that calculates the relationship between two variables with independent values and bound data. This research develops a system by implementing a Linear Regression algorithm to predict the salaries of IT employees in Java. The model that has been created is then built using the Python language and implemented into a website-based visualization form that is easy to understand with Streamlit. The modeling results were tested and gave an MSE value of 8240258.48. This research is expected to be a reference in research related to this topic in the future and can be used by companies that have difficulties in determining employee salarie
PEARSON'S CORRELATION ANALYSIS IN PREDICTING PSYCHOLOGICAL DISORDER CONDITIONS IN ONLINE GAME PLAYERS IN INDONESIA: A CASE STUDY ON VALORANT
Full text linkIn modern times, technology is developing very rapidly, especially in the gaming industry. This results in game addiction. Online game addiction is known as Internet Game Disorder (IGD). This can have an impact on other psychological disorders such as Attention Deficit Hyperactivity Disorder (ADHD), and Generalized Anxiety Disorder (GAD). This study aims to determine the relationship between Valorant game player statistics and IGD, ADHD, and GAD. The method used is a qualitative and quantitative approach. In the qualitative method, 30 samples of Indonesian valorant players were taken in filling out the questionnaire and in the quantitative method, 400 samples of Indonesian valorant players were taken using the Slovin formula to conduct interviews. The data obtained is applied simultaneously and looks for relationships between these data. Based on the results of qualitative and quantitative data analysis, the correlation results obtained for IGD, ADHD, and IGD have a very low relationship to player performance so player performance has a very low impact on the occurrence of psychological disorders.Keywords: Pearson Correlation, IGD, ADHD, GAD, Video Games.Di zaman modern, teknologi berkembang sangat pesat terutama pada industri game. Hal ini mengakibatkan terjadinya kecanduan game. Kecanduan game online dikenal sebagai Internet Game Disorder (IGD). Hal ini bisa berdampak pada gangguan psikologi lainnya seperti Attention Deficit Hyperactivity Disorder (ADHD), dan Generalized Anxiety Disorder (GAD). Penelitian ini bertujuan untuk mengetahui hubungan antara statistik pemain game Valorant dengan IGD, ADHD, dan GAD. Metode yang digunakan yaitu pendekatan kualitatif dan kuantitatif. Pada metode kualitatif, diambil sebanyak 30 sampel pemain valorant Indonesia dalam pengisian kuisioner dan pada metode kuantitatif, diambil sebanyak 400 sampel pemain valorant indonesia dengan perhitungan menggunakan rumus Slovin untuk melakukan wawancara. Data yang didapatkan diterapkan secara bersamaan dan mencari hubungan antara data - data tersebut. Berdasarkan hasil analisis data kualitatif dan kuantitatif, memperoleh hasil korelasi IGD, ADHD, dan IGD memiliki hubungan yang sangat rendah terhadap performa pemain sehingga performa pemain memiliki dampak yang sangat rendah terhadap terjadinya gangguan psikologis.Kata kunci: Korelasi Pearson, Psychological Disorder, SPSS, IGD, ADHD, GAD, Video games
HILL-CIPHER METHOD WITH MATRICE IN TEXT CODING PROCESSING
Full text linkCryptography is one of the matrice applications that can be used to translate a message. This research discusses cryptography, which is the science or art of encryption with the aim of making messages incomprehensible to others. The cryptography method that will be used in this research is the Hill Cipher, ,which is one of the cryptographic techniques for encrypting a text by translating a message into a code over a matrice of numbers modulo 26 and converting the codes into the actual message using the decipher method over a matrice of numbers modulo 26. The purpose of this research is to develop the Hill Cipher in word encoding and decipher through the matrices. The test result found that the hill cipher method and the decipher method are able to translate the actual text as long as the matrices given in the hill cipher algorithm have an inverse and determinant.Keywords: Hill-Cipher, criptograhy, matrices, plaintext Kriptografi merupakan salah satu aplikasi matriks yang dapat digunakan untuk menerjemahkan sebuah pesan. Penelitian ini membahas tentang kriptografi yang merupakan ilmu atau seni dari penyandian dengan tujuan agar pesan tidak dimengerti oleh orang lain. Metode kriptografi yang akan digunakan dalam penelitian ini adalah metode Hill Cipher dan metode Decipher yang merupakan kriptografi merupakan salah satu teknik kriptografi untuk mengenkripsi teks dengan menerjemahkan pesan ke dalam kode melalui matriks angka modulo 26 dan mengubah kode menjadi pesan yang sebenarnya dengan menggunakan metode penguraian melalui matriks angka modulo 26. Penelitian ini berfokus pada pengembangan algoritma Hill Cipher dalam penyandian kata dan Dechiper melalui matriks berodo . Hasil pengujian didapatkan bahwa metode Hill Cipher dan metode decipher mampu menterjemahkan teks yang sebenarnya selama matriks-matriks yang diberikan pada algoritma Hill Cipher memiliki invers dan determinan.Kata kunci: Hill-Cipher, Kriptografi, Matriks, plaintex
Sistem Pakar Kasus dan Aturan pada Hukum Kesehatan Indonesia Berbasis Android
Full text linkThe doctor-patient relationship is not always harmonious. Not only that, but patients also often have problems with other health workers such as midwives, nurses, and others. Health disputes are caused by patient disappointment and dissatisfaction with the services and medical treatment received before, during, or after treatment This study aims to build an expert system for identifying health dispute cases and related rules Android-based. This system adopts an Android-based forward chaining method. The system is tested using 5 actors and 35 cases. The results obtained are compared with the results given by the experts. The test results show that the system is effective in explaining the rules based on the case
KOMPARASI ALGORITMA NAïVE BAYES, SUPPORT VECTOR MACHINE, DAN LOGISTIC REGRESSION PADA ANALISIS SENTIMEN PENGGUNA APLIKASI TRANSPORTASI ONLINE
Full text linkOnline transportation is one of the transportation that is increasingly in demand by the public at this time. Grab is an online transportation application that has many users in Indonesia. However, this system certainly has many shortcomings that are felt by users. One way to find out user satisfaction and disappointment with the application is to do sentiment analysis. By analyzing the deficiencies of the application, the company can find out the shortcomings of the application and how to fix it. The purpose of this study is to compare the accuracy between the Support Vector Machine, Naive Bayes, and Logistic Regression algorithms by conducting sentiment analysis on Grab application review data. The results of the comparative test found that the Naive Bayes algorithm has the best performance compared to other classification algorithms with an accuracy obtained by the Naive Bayes algorithm of 88.5%, while the Support Vector Machine algorithm has the lowest accuracy with an accuracy of 85.5%. So it can be concluded that the Naive Bayes algorithm has a better value than the Logistic Regression and Support Vector Machine algorithms. Keywords: Grab, Support Vector Machine, Naive Bayes, Logistic Regression Transportasi online adalah salah satu transportasi yang semakin diminati masyarakat pada saat ini. Grab adalah alah satu aplikasi trasportasi online yang memiliki pengguna bisa dikatakan banyak di Indonesia. Namun dalam system ini pasti memiliki banyak kekurangan yang dirasakan penggunanya. Salah satu cara untuk mengetahui kepuasan dan kekecewaan pengguna terhadap aplikasi tersebut yaitu melakukan analisis sentimen. Dengan menganalisis kekurangan dari aplikasi perusahaan dapat mengetahui kekurangan dari aplikasi dan bagaimana cara memperbaikinya. Tujuan penelitian ini untuk mengetahui perbandingan keakurasian antara algoritma Support Vector Machine, Naive Bayes, dan Logistic Regression dengan melakukan analisis sentimen pada data ulasan aplikasi Grab . Hasil pengujian komparasi ditemukan bahwa algoritma Naive bayes memiliki kinerja terbaik dibandingkan algoritma klasifikasi lainnya dengan akurasi yang di dapat algoritma Naive bayes sebesar 88.5%, sedangkan algoritma Support Vector Machine memiliki akurasi terendah dengan akurasi sebesar 85.5%. Sehingga dapat disimpulkan bahwa algoritma Naive bayes memiliki nilai yang lebih baik dibandingkan algoritma Logistic Regression dan Support Vector Machine.Kata kunci: Grab, Support Vector Machine, Naive Bayes, Logistic Regressio
SISTEM INFORMASI PUSKESMAS MERDEKA BERBASIS WEB MENGGUNAKAN METODE WEB ENGINEERING
Full text linkUPTD Puskesmas Merdeka merupakan sebuah instansi yang bergerak di bidang kesehatan yang bersifta menyeluruh, terpadu, merata dapat diterima dan terjangkau oleh masyarakat. Sistem yang digunakan pada UPTD Puskesmas Merdeka masih menggunakan sistem manual serta penyampaian informasi yang diberikan hanya ketika masyarakat datang untuk berobat ke UPTD Puskesmas Merdeka saja. Hal ini menimbulkan beberapa kendala, terutama keterlambatan dalam pengumpulan data laporan bulanan dan juga penyampaian informasi yang berlangsung saat itu saja. Sehingga dibuatlah Sistem Informasi Puskesmas Merdeka Berbasis Web Menggunakan Metode Web Engineering adalah sebuah sistem informasi yang mempunyai kegiatan yang terdiri dari penyampaian informasi puskesmas, jenis pelayanan yang tersedia di puskesmas serta profil puskesmas merdeka dan juga untuk pegawai Puskesmas Merdeka terdapat halaman khusus untuk menggunakan sistem informasi web tersebut. Metode sistem informasi Puskesmas Merdeka berbasis web ini menggunakan metode web engineering dengan menggunakan Bahasa pemrograman PHP dan MySQL sebagai database. Sistem informasi yang dibangun untuk memudahkan pegawai puskesmas untuk menggunakannya, hanya dengan melakukan login sesuai dengan user yang telah ditentukan sebelumnya, maka user akan langsung masuk ke sistem tersebut. Terkecuali untuk masyarakat hanya dapat melihat keseluruhan informasi yang ada pada Puskesmas Merdeka. Sistem informasi yang dirancang bertujuan untuk membangun sistem informasi yang terkomputerisasi, sehingga memudahkan pihak puskesmas mengelola data laporan serta masyarakat mengetahui informasi yang ada
KLASIFIKASI KUALITAS BIJI KOPI ROBUSTA DENGAN METODE NAIVE BAYES
No full textSortasi Kualitas biji kopi merupakan proses yang sangat penting untuk menjaga serta meningkatkan kualitas produksi, melihat kopi sebagai salah satu komoditas paling penting yang diperjual belikan. Penulis ingin meminimalisir kesalahan klasifikasi oleh manusia yang subjektif dengan mengimplementasi metode Naive Bayes untuk melakukan klasifikasi kualitas biji kopi secara objektif. Biji kopi difoto sehingga menghasilkan citra biji kopi, ruang warna HSV digunakan untuk melakukan ekstraksi ciri warna biji, tekstur biji kopi diekstrak dengan metode GLCM, dan ukuran biji kopi dihitung dengan mengakumulasi nilai piksel pada objek citra biner. Pengujian terhadap model klasifikasi yang dibangun dengan 480 data latih menghasilkan akurasi 90.8% berdasarkan 120 data uji. Hasil akurasi menunjukkan ketika ada 120 data uji maka 11 data salah diklasifikasi atau ketika ada 200 data uji maka 19 hingga 20 biji akan salah diklasifikasi oleh model. Penelitian selanjutnya disarankan untuk melakukan pengamatan yang lebih dalam untuk mendapatkan fitur ciri yang dapat merepresentasikan perbedaan kualitas biji dengan lebih representative, serta membandingkan metode klasifikasi Naive Bayes dengan metode klasifikasi lain untuk mendapatkan model klasifikasi yang lebih baik di masa depa
ANALISIS SISTEM PAKAR PENYAKIT TANAMAN JERUK SIAM MENGGUNAKAN DEEP NEURAL NETWORK (DNN)
Full text linkSiamese oranges are cultivated by farmers in West Kalimantan, one of which is in a plantation in Setapok Village, Singkawang City. According to information from local farmers, citrus cultivation is experiencing problems, namely citrus plants are damaged with symptoms including yellowing leaves and black spots, and leaves becoming wrinkled and stunted. Deep Neural Network (DNN) is a machine learning method. The aim of the study was to apply and evaluate the results of the evaluation and analysis of the Siamese Orange Plant Disease Expert System Using DNN. This research is to facilitate farmers in determining pests and diseases in citrus plants in providing conclusions through training and data testing using the DNN method. The data used for the expert system with the DNN algorithm comes from citrus disease diagnosis data from the Setapok Village Plantation, Singkawang City. The highest accuracy value is 95%, while the lowest value is 77% and the average accuracy is 86%. This shows that the results of the expert system diagnosis on Siamese orange disease data with DNN are quite good.Key Words: Expert System, Citrus Disease, Deep Neural NetworkJeruk siam dibudidayakan oleh petani di Kalimantan Barat, salah satunya di perkebunan Desa Setapok, Kota Singkawang. Menurut informasi petani setempat budidaya tanaman jeruk mengalami kendala yaitu tanaman jeruk mengalami kerusakan dengan gejala di antaranya daun menguning dan terdapat bercak hitam, serta daun menjadi keriput dan kerdil. Deep Neural Network (DNN) merupakan metode machine learning. Tujuan penelitian untuk menerapkan dan mengevaluasi hasil evaluasi serta analisis Sistem Pakar Penyakit Tanaman Jeruk Siam Menggunakan DNN. Penelitian ini untuk memudahkan petani dalam menentukan hama dan penyakit pada tanaman Jeruk dalam memberikan kesimpulan melalui pelatihan dan pengujian data dengan menggunakan metode DNN. Data yang digunakan untuk sistem pakar dengan algoritma DNN ini berasal dari data diagnosis Penyakit Jeruk dari Perkebunan Desa Setapok, Kota Singkawang. Diperoleh nilai akurasi tertinggi yakni sebesar 95%, sedangkan nilai terendah sebesar 77% dan rata-rata akurasi adalah 86%. Hal ini menunjukan bahwa hasil diagnosis sistem pakar pada data penyakit jeruk siam dengan DNN cukup baik.Kata Kunci: Sistem Pakar, Penyekit Jeruk, Deep Neural Networ