Techno.Com
Not a member yet
738 research outputs found
Sort by
Pengelompokkan Keberhasilan Produksi Peternak Ayam Broiler di Riau Berdasarkan Index Performance Menggunakan K-Means
Full text linkAyam broiler merupakan salah satu jenis ayam ras unggul yang mempunyai produktivitas tinggi terutama dalam produksi daging. Pembudidayaan ayam broiler saat ini kebanyakan menggunakan model kemitraan antara perusahaan dan peternak dengan sistem kerjasama kontrak yang saling menguntungkan. Model kemitraan memiliki acuan dalam menentukan keberhasilan produksi peternak yang dinyatakan dengan index performance (IP). Permasalahan yang ada, perusahaan kesulitan dalam mengelompokkan keberhasilan produksi peternak berdasarkan IP karena data IP peternak yang begitu banyak. Oleh karena itu, penelitian ini akan mengelompokkan keberhasilan produksi peternak menggunakan algoritma k-means. Parameter yang digunakan yaitu deplesi, berat rataan panen, feed convertion ratio (fcr), umur panen dan IP. Dari hasil penelitian yang telah dilakukan dengan menerapkan algoritma k-means terbentuk 3 cluster yaitu cluster tingkat keberhasilan tinggi dengan jumlah 277 peternak, cluster tingkat keberhasilan sedang dengan jumlah 314 peternak, dan cluster tingkat keberhasilan rendah dengan jumlah 336 peternak. Pengujian menggunakan DBI dengan k=3 menghasilkan nilai validitas sebesar 0.494
Klasifikasi Tingkat Kemampuan Adaptasi Siswa dalam Pembelajaran Online Menggunakan Decision Tree
Full text linkKemajuan dalam ilmu pengetahuan dan teknologi mendorong adaptasi terhadap pemanfaatan teknologi di berbagai sektor, seperti komunikasi, pendidikan, dan informasi. Terutama dalam konteks teknologi pendidikan, dapat diamati bahwa pembelajaran online sedang mendapatkan popularitas yang signifikan di berbagai lembaga pendidikan. Oleh karena itu, penting untuk mengeksplorasi seberapa baik peserta didik dapat beradaptasi dengan lingkungan pembelajaran online. Memprediksi tingkat adaptasi peserta didik memiliki signifikansi yang besar bagi pendidik dan pengembang platform pembelajaran online, dengan tujuan meningkatkan efisiensi dan kualitas pengalaman belajar. Penelitian ini menggunakan dataset “Students Adaptability Level in Online Education” dengan menerapkan pendekatan Algoritma Decision Tree. Hasil penelitian memperoleh akurasi sebesar 95%, meningkat 7,44% dari penelitian sebelumnya yang hanya memperoleh akurasi sebesar 87,56% dengan menggunakan algoritma yang sama tanpa Feature Engineering. Hal ini menunjukkan bahwa Feature Engineering memegang peranan penting dalam klasifikasi tingkat kemampuan adapatasi siswa untuk mendapatkan hasil yang baik dengan akurasi yang tinggi
Integrate Yolov8 Algorithm For Rupiah Denomination Detection In All-In-One Smart Cane For Visually Impaired
Full text linkThe eyes are crucial tools for human observation and perception, facilitating various tasks in daily life. Individuals, including those with visual impairments or blindness, engage in currency transactions, posing challenges in recognizing notes and preventing mishaps with counterfeit money. Despite government efforts, features like embossing on banknotes have limited effectiveness due to the circulated currency's disheveled condition. Addressing the visually impaired community's needs is imperative. An innovative solution, the "all-in-one smart white cane," integrated with machine learning supports daily activities, enhancing independence for visually impaired individuals. The YOLOv8 algorithm is employed for the precise detection of monetary denominations, subsequently recorded through a camera and seamlessly integrated into a smart cane, resulting in a consolidated device. This device, designed with standout features, excels in detecting Indonesian Rupiah banknote denominations. Detection performance testing, incorporating methods like object rotation, utilized a dataset divided into training (70%), validation (20%), and test (10%) segments. Modifications to contrast and variability rotation are essential in the context of real-time nomination recognition. These adjustments are implemented to ensure accurate and swift identification in dynamic, real-world scenarios. Testing results reveal a 99% average accuracy in recognizing currency note denominations, presenting an effective solution for the visually impaired community
PROTOTIPE SISTEM BLOK DALAM METODE PEMBELAJARAN PROBLEM BASED LEARNING (STUDI KASUS DI FAKULTAS KEDOKTERAN UNIVERSITAS MUHAMMADIYAH SEMARANG)
Full text linkSIAMUS (Sistem Informasi Akademik) Universitas Muhammadiyah Semarang yang telah ada belum mampu memenuhi kebutuhan konversi nilai tiap blok untuk fakultas kedokteran dikarenakan sistem tersebut disesuaikan dengan fakultas lain yang terdapat di Universitas Muhammadiyah Semarang. Sistem penilaian yang telah berjalan di fakultas kedokteran Universitas Muhammadiyah Semarang menggunakan metode pembelajaran Problem Based Learning. Sehingga saat ini konversi nilai yang ada masih belum terorganisir dan masih harus dilakukan oleh kepala tata usaha yang menyebabkan kurang efektifnya keberadaan SIAMUS. Oleh karenanya dibuat perencanaan sistem penilaian yang mengkonversi nilai dari sistem dan nilai yang terkumpul di kepala tata usaha untuk dapat di integrasikan langsung dengan sistem penilaian yang terdapat di SIAMUS. Metode yang digunakan untuk perancangan menggunakan metode prototipe yang kedepannya prototipe ini dapat lebih dikembangkan sebagai sistem penilaian untuk fakultas kedokteran. Sistem penilaian ini dibangun menggunakan aplikasi berbasis web untuk menyesuaikan dengan sistem yang lama, serta dengan menggunakan bahasa pemrograman PHP dan database MYSQL. Dengan demikian sistem ini akan dapat membantu efektifitas dan efisiensi dalam melakukan konversi nilai dan mengintegrasikan nilai blok dengan sistem akaemik SIAMUS. Kata Kunci: PBL, Blok, Prototipe, Konversi, Kedokteran
Penerapan Naive Bayes Terhadap Sentimen Analisis Media Sosial Twitter Pengguna Commuter Line
Full text linkCommuter Line ialah salah satu sektor pelayanan publik dibidang transportasi banyak dipergunakan oleh masyarakat saat ini. Sesuai perkembangan teknologi banyak opini masyarakat terhadap pelayanan Commuter Line beredar secara online, untuk menyampaikan opininya masyarakat menggunakan media sosial seperti Twitter. Media Twitter dapat dijadikan sebagai bahan evaluasi peningkatan kualitas layanan. Twitter memudahkan pelanggan untuk menyampaikan keluhan serta pendapat terkait layanan seperti PT KAI Commuter. Untuk memahami komentar pelanggan, persepsi layanan publik, dan mendapatkan opini baru maka perlu dilakukan analisis sentimen terhadap pelayanan Commuter Line. Analisis sentimen ini bertujuan untuk mengklasifikasikan tweets masyarakat terhadap layanan Commuter Line ke dalam sentimen complain dan not complain dengan menggunakan metode Naive Bayes. Metode ini mempunyai tingkat akurasi paling tinggi dalam pengklasifikasian analisis sentimen. Data yang diunduh dari Twitter menggunakan aplikasi RapidMiner sebanyak 1.010 tweet dan data validasi sebanyak 1.003 tweets. Pada akhir tahap penelitian diperoleh accuracy 78,11%, precision 81,76%, recall 72,51%, dan AUC yang didapat sebesar 0,814.
Kata kunci: Analisis sentimen; Commuter Line; Twitter; Naive Baye
Deteksi Bakteri Pada Citra BTA Menggunakan Multi Thresholding dan K-Means
Full text linkTuberkulosis (TB) merupakan jenis penyakit kronis yang disebabkan oleh bakteri Mycobacterium tuberculosis yang dapat menular dari 1 orang ke orang lainnya melalui udara atau yang disebut dengan airbone. Pendeteksian bakteri M.tuberculosis pada citra sputum penderita TB merupakan suatu tantangan dalam menentukan identifikasi untuk dapat membedakan bakteri tersebut dengan background dengan hasil pewarnaan sputum yang cendrung memiliki tingkat warna yang bervariasi, sehingga dapat menurunkan hasil akurasi pendeteksian. Oleh karena itu diperlukan suatu pendekatan yang lebih akurat dalam mendeteksi bakteri TB pada citra BTA. Untuk itu penelitian ini bertujuan melakukan pengolahan citra berupa segmentasi pada citra BTA dengan menerapkan preprocessing ruang warna CIE Lab, menentukan batas ambang yang maksimal dengan Multi Thresholding dan dilakukan segmentasi menggunakan K-Means Clustering. Hasil eksperimen didapatkan bahwa pengaplikasian metode Multi Thresholding dan K-Means memberikan tingkat akurasi sebesar 99.57% pada pendeteksian bakteri TB.
Kata kunci: Tubekulosis, Ziehl Neelsen, Multi Thresholding, K-Means
Implementasi Model Algoritma C4.5 Untuk Klasifikasi Status Stunting Di Kabupaten Sikka
Full text linkKekurangan gizi menjadi masalah dalam tumbuh kembang anak yang dapat menyebabkan stunting, wasting, mudah terkena penyakit serta penurunan kecerdasan otak dan mental. Stunting di Kabupaten Sikka pada tahun 2022 sebesar 13,8% dari hasil e-PPGBM periode Bulan Agustus 2022. Untuk mengatasi masalah ini diperlukan klasifikasi status stunting yang sangat berpengaruh terhadap tumbuh kembang anak sehingga dapat memberikan perhatian lebih dari faktor stunting yang paling tinggi di suatu daerah. Dengan bertambahnya jumlah balita dan peningkatan kasus stunting, proses penyelesaian tidak bisa dilakukan dengan cepat. Selain itu, tidak semua petugas posyandu bisa menghitung status gizi balita secara manual. Oleh karena itu, agar orang tua dan kader posyandu dapat mengetahui kondisi anak lebih cepat, diperlukan sistem yang menggunakan model algoritma C4.5. Sistem ini mampu mengolah data numerik (kontinu) dan diskrit. Penelitian ini menggunakan 5 atribut, yaitu usia, inisiasi menyusui dini (Imd), tinggi badan, jenis kelamin, dan berat badan. Keistimewaan penelitian ini adalah penggunaan atribut Inisiasi Menyusui Dini (IMD) yang belum pernah digunakan dalam penelitian sebelumnya dengan data numerik. Penggunaan algoritma C4.5 untuk menganalisis hasil stunting dan menyajikannya dalam bentuk website menghasilkan tingkat akurasi yang tidak jauh berbeda dengan pembagian data latih dan data uji sebesar 92.68 dan 90.98% dengan Max Dept 10.
Kata kunci: Algoritma C4.5, Stunting, Balita, Klasifikasi, Websit
Analisis Pengaruh Image Enhancement Pada Pendeteksian COVID-19 Berbasis Citra X-Ray
Full text linkPenyakit virus corona 2019 (COVID-19) merupakan keadaan darurat kesehatan masyarakat secara global. Salah satu cara untuk dapat mendeteksi adanya COVID-19 adalah dengan memanfaatkan citra x-ray dada yang mengidentifikasi anomali pada area paru-paru. Namun terkadang citra yang didapatkan pada melalui scan x-ray memiliki kualitas yang buruk sehingga sulit secara langsung untuk bisa dianalisis secara manual atau menggunakan model machine learning. Untuk menghasilkan analisis yang lebih baik, biasanya citra akan ditingkatkan terlebih dahulu kualitasnya dengan teknik image enhancement. Banyak metode image enhancement yang bisa dimanfaatkan untuk keperluan ini yang tentunya akan memberikan pengaruh yang berbeda-beda pada hasil pendeteksian COVID-19. Penelitian ini bertujuan untuk menganalisis pengaruh metode-metode image enhancement pada pendeteksian COVID-19 melalui citra x-ray. Metode image enhancement yang dianalisis adalah log transformation, constrast stretching, histogram equalization (HE), dan contrast limited adaptive histogram equalization (CLAHE). Model pendeteksian COVID-19 akan berdasarkan pada beberapa model machine learning antara lain convolutional neural network (CNN), k-nearest neighbor (KNN) dan support vector machine (SVM). Dari eksperiment didapatkan bahwa pengaplikasian image enhancement HE dan CLAHE memberikan peningkatan akurasi pada pendeteksian COVID-19 khususnya ketika diterapkan pada model CNN yaitu sebesar 1,13% dan 2,25%
Analisis Perbandingan Algoritma Machine Learning untuk Prediksi Potensi Hilangnya Nasabah Bank
Full text linkNasabah adalah salah satu aset paling berharga dari sebuah bisnis perbankan. Mereka adalah ujung tombak pengguna produk yang nantinya memberikan keuntungan bagi bank, terutama pada produk kartu kredit. Penelitian ini bertujuan untuk mengetahui nasabah mana sajakah yang berpotensi untuk meninggalkan layanan kartu kredit dari sebuah bank. Pada penelitian sebelumnya belum ada yang melakukan analisis perbandingan algoritma machine learning dengan berbagai macam tahapan preprocessing untuk memprediksi potensi hilangnya nasabah bank. Penelitian ini melakukan analisis perbandingan algoritma machine learning dengan kombinasi tahapan preprocessing untuk memprediksi potensi hilangnya nasabah bank. Analisis ini penting untuk pemilihan algoritma yang paling cocok untuk prediksi potensi hilangnya nasabah bank. Pada tahapan preprocessing diterapkan dimensionality reduction dan feature selection menggunakan metode Variance threshold dan Correlation coefficient. Metode klasifikasi yang digunakan adalah Logistic regression (LR), Decision tree (DT), dan Naïve Bayes (NB). Hasil tertinggi dari ketiga metode tersebut adalah Decision tree yang mampu memiliki nilai F1 Score sebesar 96% dan nilai akurasi mencapai 93%. Logistic regression dan Naïve Bayes berada pada urutan kedua dan ketiga setelah decision tree. Tahapan data preprocessing tidak memberikan pengaruh yang signifikan pada nilai F1 Score dan akurasi
SISTEM OTOMATISASI PENGELOLAAN KULIAH PRAKTIKUM PEMROGRAMAN BERBASIS WEB
Full text linkDengan meningkatnya popularitas World Wide Web dan Internet memiliki mempengaruhi pembelajaran dengan di bantu komputer yang kini berubah menjadi pembelajaran berbasis web. Pembelajaran berbasis web dapat terjadi di mana saja, kapan saja, melalui komputer manapun dan tanpa tentu kehadiran tutor manusia. Sistem menajemen berbasis web yang dapat memainkan peran dosen untuk mengajar dan latihan program semakin diperlukan. Pemberian tugas melalui web yang dapat dibuka dimanapun dan penilaian otomatis atau assessment terhadap tugas source code telah menjadi suatu kebutuhan penting untuk memanajemen tugas-tugas, mengevaluasi dan melatih mahasiswa memprogram dengan dibantu oleh komputer. Sebuah sistem manajemen perkuliahan memungkinkan dosen untuk mengelola kelas mereka, tugas, kegiatan, kuis dan tes, referensi, dan dapat diakses melalui lingkungan online. Sistem otomatisasi pengelolaan kuliah praktikum pemrograman berbasis web yang diberi nama d2hwebmaster ini membantu mempermudah baik mahasiswa maupun dosen dengan dapat diaksesnya secara online, otomatisasi soal yang akan aktif dengan batas waktu tertentu untuk pengumpulan jawaban, otomatisasi penilaian yang digunakan untuk membantu pengajar ketika melakukan penilaian pemrograman, meyediakan feedback yang cepat kepada mahasiswa, membantu dosen dalam merancang dan menerapkan strategi pembelajaran yang efisien. Dengan diterapkannya sistem pengelolaan ini diharapkan mampu membantu dosen dalam mengatur kelas praktikumnya dan memudahkan mahasiswa mengakses tugas-tugas praktikum. Kata Kunci: Sistem, Otomatisasi, Praktikum, Pemrograman, Berbasis We