Techno.Com
Not a member yet
738 research outputs found
Sort by
Pembuatan Data Warehouse secara Berjenjang dari Data Transaksi dengan ETL Script PHP
Get PDFSetiap perusahaan payment gateway yang mendapat ijin operasional Bank Indonesia (BI), harus melaporkan data transaksinya setiap bulan ke BI . Permasalahan terjadi karena database transaksi produksi tersebar di banyak database, dimana database dipisahkan berdasarkan channel (merchant) dan payment type (Credit card, VA, retail store, e-wallet), hal ini menyulitkan saat pembuatan laporan. Penelitian ini ditujukan untuk membuat data warehouse yang menggabungkan seluruh database dengan menggunakan script PHP yang melakukan proses ETL (Extract, Transform, dan Load), dengan cara berjenjang 2 tahap, yaitu tahap 1 melakukan backup seluruh database dari banyak server ke satu server dengan 3 tujuan sekaligus yaitu backup transaksi , meningkatkan performance database production dan membantu proses rekonsiliasi dan tahap 2 melakukan pembuatan data warehouse dari semua database backup dari tahap 1. Penelitian yang digunakan adalah kuantitatif verifikatif terhadap table-table yang diperlukan pada system OLTP (Online Transaction Processing). Pengujian data warehouse dilakukan secara kuantitatif dengan membandingkan hasil summary dari data warehouse dengan gabungan summary semua database aslinya dan secara verifikatif oleh petugas report melalui User Acceptance Test. Hasil dari penelitian adalah sebuah script untuk backup data transaksi dari semua database dari banyak server ke satu server, sebuah script PHP yang berfungsi sebagai pelaksana ETL dan sebuah data warehouse
K-Nearest Neighbor dan Convolutional Neural Network pada Klasifikasi Penyakit Tanaman Bawang Merah
Get PDFBawang merah merupakan suatu kebutuhan masyarakat terutama pada bahan makanan dan juga digunakan untuk Kesehatan. Dengan banyaknya manfaat bawang merah, dibalik itu juga memiliki suatu kendala atau resiko pada penanaman bawang merah salah satu resikonya adalah hama atau penyakit yang dapat merugikan petani bawang merah. Tujuan dari penelitian ini yaitu mengklasifikasi penyakit daun bercak ungu dan moler pada tanaman bawang merah, yang di implementasikan menggunakan metode ekstraksi fitur Gray Level Co-Occurance Matix (GLCM) yang digunakan untuk ekstraksi fitur tekstrur. Selain itu ada lima jarak yaitu Eucludiean, Manhattan, Chebyshev, Minkowski, Hamming digunakan dalam metode klasifikasi K-Nearest Neighbor (KNN). Penelitian ini juga menggunakan metode klasifikasi Convolutional Neural Network (CNN). Hasil dari penelitian ini yang diperoleh menggunakan metode GLCM dan KNN dengan jarak Euclidean, Manhattan, Chebyshev, dan Minkowski mendapatkan hasil akurasi yang tinggi yakni sebesar 100%, sedangkan nilai akurasi terendah terdapat pada KNN jarak Hamming nilai akurasi yaitu sebesar 42%, adapun klasifikasi dari gabungan dari metode GLCM dan CNN mendapatkan hasil akurasi sebesar 100% dan pada metode CNN yang tanpa metode ekstraksi memiliki nilai akurasi sebesar 100%
Klasifikasi Status Drop Out Mahasiswa Menggunakan Naïve Bayes dengan Seleksi Fitur Information Gain
Get PDFSalah satu masalah dalam perguruan tinggi adalah kasus drop out. Banyaknya mahasiswa yang mengalami drop out merupakan salah satu indikator yang mempengaruhi kualitas pembelajaran dan akreditasi yang sangat penting untuk keberlangsungan suatu institusi. Penelitian ini menerapkan algoritma Naive Bayes dan algoritma seleksi fitur Information Gain untuk melakukan klasifikasi mahasiswa drop out. Hasil penelitian menunjukkan bahwa dua fitur yang berpengaruh paling signifikan terhadap klasifikasi mahasiswa drop out adalah jumlah SKS yang ditempuh dan nilai IPS pada semester 4. Temuan ini menunjukkan bahwa aspek akademik yang terkait dengan perkembangan studi mahasiswa berpengaruh dalam klasifikasi drop out. Penerapan seleksi fitur menggunakan metode Information Gain berhasil meningkatkan akurasi dan presisi dari model Naïve Bayes. Model yang dihasilkan mencapai akurasi sebesar 98.36%, presisi sebesar 88.37%, dan recall sebesar 97.44%. Hasil ini menunjukkan bahwa seleksi fitur dengan metode Information Gain membantu dalam mengidentifikasi fitur-fitur penting yang berkontribusi terhadap kualitas model klasifikasi
Penerapan Metode Long Short-Term Memory dan Word2Vec dalam Analisis Sentimen Ulasan pada Aplikasi Ferizy
Get PDFTranportasi merupakan hal yang penting bagi masyarakat dalam mobilitas sehari-hari. Karena memiliki peranan penting dan dapat memudahkan kehidupan masyarakat, pemerintah mulai mengoptimalkan pembangunan sarana transportasi dan memulai inovasi digital, salah satunya pada moda transportasi laut. Perseroan Terbatas Angkutan Sungai, Danau, dan Penyeberangan Indonesia (PT ASDP) meluncurkan aplikasi Ferizy pada Google Playstore. Dalam inovasi ini, sentimen masyarakat dapat membantu untuk mengetahui kepuasan, kekurangan, saran, dan kritik. Terkait hal tersebut maka diperlukan analisis sentimen untuk memahami maksud ulasan. Analisis ini mengekstrak data ulasan lalu mengolah data tekstual secara otomatis untuk mendapatkan makna sentimen yang terkandung dalam ulasan. Penelitian ini mengimplementasikan klasifikasi Long Short-Term Memory (LSTM) dan ekstraksi fitur Word2Vec variasi skip-gram serta CBOW pada dataset ulasan aplikasi Ferizy. Hasil pengujian dari model menghasilkan nilai akurasi sebesar 88,20% untuk variasi skip-gram dan 74,20% untuk variasi CBOW
Identifikasi Penyakit Tanaman Jagung Berdasarkan Citra Daun Menggunakan Convolutional Neural Network
Get PDFKomoditas jagung di Indonesia menjadi tanaman pangan terbesar kedua setelah padi sebagai sumber karbohidrat. Namun dikarenakan keterbatasan kemampuan petani dan faktor lingkungan menyebabkan upaya penanganan tanaman jagung akibat adanya serangan organisme pengganggu tanaman menjadi terhambat. Penelitian ini mengusulkan upaya deteksi secara dini terhadap jenis penyakit pada daun tanaman jagung menggunakan metode Convolutional Neural Network (CNN) yang dikenal sebagai algoritma pembelajaran mesin berkinerja tinggi dalam mengklasifikasikan jenis penyakit tanaman ke dalam beberapa kelas seperti Blight, Common Rust, Grey Leaf Spot, dan Healthy. Selain itu, transformasi warna citra dari RGB, HSV dan Grayscale, proses segmentasi dengan Region of Interest (ROI) serta dilengkapi dengan penerapan ektraksi fitur tekstur dengan menggunakan GLCM telah mampu menghasilkan tingkat akurasi sebesar 94% dan nilai loss rate yang relatif kecil yaitu 0.1742. Hasil penelitian ini menunjukkan bahwa penggunaan metode CNN terbukti secara efisien & efektif dalam melakukan identifikasi jenis penyakit tanaman
Rancang Bangun Antena Microstrip Patch Circular Menggunakan Metode Defected Ground Structure (DGS) Untuk Aplikasi DVB-T2
Get PDFPerkembangan era digital ini tidak lepas juga pada televisi, di mana televisi mengalami perubahan dari analog ke digital yang tertuang pada peraturan kominfo. Penyiaran televisi digital di indonesia mengunakan setandar Digital Video Broadcasting – Second Generation Terestrial (DVB-T2) yang berkerja pada range frekuensi 478-694 MHz. Proses peralihan dari televisi analog ke digital akan membutuhkan antena yang sesuai, yang dapat menangkap sinyal tersebut. Antena mikrostrip memiliki kelebihan bentuknya yang compact dan mudah untuk difabrikasi, namun memiliki kelemahan di antaranya bandwith yang dihasilkan sempit, oleh karena itu pada penelitian ini antena yang digunakan menggunakan patch lingkaran (circular) dan menggunakan metode Defected Ground Structure (DGS). Metode DGS diterapkan dengan tujuan untuk memperlebar bandwith. Hasil perancangan menunjukan bahwa parameter antena seperti VSWR, gain dan return loss mengalami perbaikan antara sebelum menggunakan metode DGS dan menggunakan metode DGS. Nilai parameter antena sebelum metode DGS pada frekuensi tengah 586 MHz menunjukkan nilai return loss -14,56 dB, VSWR 3,32, dan gain -5,45 dBi. Pada perancangan menggunakan metode DGS, menunjukkan nilai return loss -39,32 dB, VSWR 0,19, dan gain sebesar 5,49 dBi. Sedangkan nilai bandwidth mengalami perubahan, yaitu sebesar 11 MHz pada perancangan tanpa metode DGS, dan bandwidth sebesar 365 MHz dengan menggunakan metode DGS.Perkembangan era digital ini tidak lepas juga pada televisi, dimana televisi mengalami perubahan dari analog ke digital yang tertuang pada peraturan kominfo. Penyiaran televisi digital di indonesia mengunakan setandar Digital Video Broadcasting – Second Generation Terestrial (DVB-T2) yang berkerja pada range frekuensi. Proses peralihan dari televisi analog ke digital akan membutuhkan antena yang sesuai, yang dapat menangkap sinyal tersebut. Antena mikrostrip memiliki kelebihan bentuknya yang compact dan mudah untuk difabrikasi, namun memiliki kelemahan di antaranya bandwith yang dihasilkan sempit, oleh karena itu pada penelitian ini antena yang digunakan menggunakan patch lingkaran (circular) dan menggunakan metode Defected Ground Structure (DGS). Metode DGS diterapkandengan tujuan untuk memperlebarbandwith. Hasil perancangan menunjukan bahwa parameter antena seperti VSWR, gain dan return loss mengalami perbaikan antara sebelum menggunakan metode DGS dan menggunakan metode DGS. Nilai parameter antena sebelum metode DGS pada frekuensi tengah 586 MHz menunjukkan nilai return loss, VSWR , dan gain . Pada perancangan menggunakan metode DGS, menunjukkan nilai return loss, VSWR , dan gain sebesar . Sedangkan nilai bandwidth mengalami perubahan, yaitu sebesar pada perancangan tanpa metode DGS, dan bandwidth sebesar dengan menggunakan metode DGS
Desain Antarmuka Untuk Meningkatkan Efisiensi Aplikasi Layanan Darurat Bagi Lansia
Get PDFSemakin bertambahnya usia kemampuan fisik serta kognitif manusia semakin menurun, hal tersebut dapat menyebabkan kecelakaan terhadap lansia, seperti terjatuh pada saat melakukan aktivitas sehari – hari. Seiring berkembangnya zaman penggunaan smartphone oleh lansia juga semakin meningkat berdasarkan hal tersebut maka dibuatlah aplikasi Layanan Darurat untuk smartphone. Penelitian ini menggunakan metode User Centered Design yang mana menempatkan pengguna sebagai poros dalam proses pembuatan aplikasi seperti tampilan, konteks, dan sistem, metode ini digunakan karena pengguna yang dipilih memiliki karakter khusus yaitu adalah lansia. Responden yang dipilih untuk penelitian ini berjumlah 25 lansia yang berada di wilayah kota Surakarta atau Yogyakarta. Wawancara dilakukan 2 kali dengan total responden berjumlah 15 lansia, selain itu dilakukan studi literatur guna mengetahui karakteristik dari lansia, hasil dari dua hal tersebut dijadikan acuan dalam membuat desain, sistem, dan konteks penggunaan pada aplikasi Layanan Darurat. Pengujian task scenario dilakukan guna mendapatkan hasil usability testing (effectiveness, efficiency, dan satisfaction), hasil usability testing yang didapat diuji menggunakan combine metric agar mendapatkan hasil akhir yang lebih akurat. Pengujian combine metric mendapatkan hasil 89% yang mana dapat diartikan bahwa pengguna puas dan dapat menggunakan aplikasi Layanan Darurat dengan baik
Analisis Sentimen Terhadap Dampak Inflasi di Indonesia Menggunakan Metode Multinomial Naïve Bayes
Get PDFInflasi yang terjadi di seluruh dunia termasuk negara Indonesia mengakibatkan masalah bagi masyarakat maupun negara, terjadinya ketidakstabilan ekonomi negara dan meningkatnya pengangguran dikarenakan banyaknya pengurangan karyawan kerja, selain itu dengan kelangkaan minyak terutama bahan bakar kendaraan salah satu faktor yang mendorong kenaikan inflasi sehingga mengakibatkan harga-harga barang dan sandang mengalami kenaikan yang signifikan, dari persoalan tersebut menimbulkan opini-opini masyarakat pada jejaring sosial khususnya twitter dari timbulnya masalah inflasi. Maka dibuatkan sistem untuk melakukan analisis sentimen dari masalah kondisi Inflasi Indonesia. Proses sistem memerlukan data tweet dengan jumlah 1725 tweet hasil dari proses crawling data twitter menggunakan bantuan library python yaitu tweepy pada masing-masing kata kunci inflasi. Algoritma naïve bayes clasiffier dengan model multinomialnb sebagai metode untuk melakukan klasifikasi. Hasil klasifikasi dari search key inflasi indonesia mengandung beberapa kelas yaitu positif, negatif dan netral. Proses penelitian diuji menggunakan beberapa skenario pembagian data yaitu 90:10, 80:20, 70:30, untuk tingkat akurasi terbaik dihasilkan menggunakan skenario 90% data train dan 10% data test mendapatkan hasil akurasi 75,5%, precision 75%, f1-score 75% dan recall 74%
Bidirectional GRU dengan Attention Mechanism pada Analisis Sentimen PLN Mobile
Get PDFPLN Mobile adalah aplikasi ponsel customer self-service yang terintegrasi dengan Aplikasi Pengaduan dan Keluhan Pelanggan (APKT) dan Aplikasi Pelayanan Pelanggan Terpusat (AP2T). Mulai awal tahun 2021 sampai sekarang PLN menggencarkan sosialisasi PLN Mobile pada masyarakat sehingga jumlah ulasan PLN Mobile pada google playstore meningkat drastis. Untuk mengetahui kepuasan pelanggan tidak bisa hanya dengan melihat dan menganalisis dari kolom ulasan PLN Mobile di google playstore, hal ini dikarenakan data ulasan berbentuk tidak terstruktur. Untuk mengatasi masalah ini dibutuhkan teknik khusus yaitu analisis sentimen. Penelitian ini bertujuan untuk mengusulkan arsitektur analisis sentimen untuk mengatasi ketidakmampuan algoritma deep learning seperti LSTM dan GRU dalam menangkap informasi penting. Arsitektur yang diusulkan yaitu mengkombinasikan Bidirectional GRU (BiGRU) dengan attention mechanism menggunakan word2vec sebagai word embedding. Attention mechanism digunakan untuk menangkap kata yang penting sehingga arsitektur tersebut dapat memahami informasi yang penting. Kemudian, arsitektur yang diusulkan dilakukan perbandingan dengan metode CNN, CNN-GRU, CNN-LSTM, CNN-BiGRU, CNN-BiLSTM dengan menggunakan data ulasan PLN Mobile. Hasil eksperimen menunjukkan bahwa arsitektur analisis sentimen yang diusulkan memiliki akurasi dan f1-score yang lebih tinggi
Implementasi Metode Content-Based Filtering dan Collaborative Filtering pada Sistem Rekomendasi Wisata di Bali
Get PDFSektor pariwisata memiliki peran penting dalam perekonomian Bali. Pada bulan April 2023, kunjungan wisatawan ke Bali mencapai 411.510, meningkat 11,01% dari bulan Maret 2023 (sumber: Badan Pusat Statistik Bali). Untuk memperkenalkan destinasi wisata yang ada, Bali perlu menggunakan teknologi yang sedang berkembang seperti sistem rekomendasi. Dalam hal ini, digunakan metode Content-based filtering (CBF) dan Collaborative Filtering (CF). CBF memberikan rekomendasi berdasarkan preferensi pengguna terhadap kategori destinasi wisata, sementara CF menggunakan data histori rating dari pengguna lain untuk merekomendasikan destinasi yang disukai. Dataset terdiri dari 75 data detail destinasi wisata dan 3000 histori rating dari 100 pengguna. Pengujian dilakukan dengan membagi dataset menjadi 80% data training (2400 data) dan 20% data validasi (600 data), menggunakan 15 epoch dan batch size yang sesuai. Hasil terbaik menunjukkan performa loss sebesar 0.0589 dan RMSE sebesar 0.2427