Jurnal Informatika dan Teknik Elektro Terapan
Not a member yet
1765 research outputs found
Sort by
STUDI KOMPARASI ALGORITMA RANDOM FOREST CLASSIFIER DAN SUPPORT VECTOR MACHINE DALAM PREDIKSI PENYAKIT JANTUNG
Get PDFHeart disease is a non-communicable disease with a high mortality rate both globally and in Indonesia. According to WHO, around 17.9 million deaths occur each year due to cardiovascular diseases. Early prediction is crucial to reducing mortality and improving life expectancy. This study compares the performance of machine learning algorithms Random Forest Classifier and Support Vector Machine in predicting heart disease. The dataset consists of 5432 medical records from cardiac outpatients at RSUD Kabupaten Bekasi in 2024, with two classes (labeled 1 (heart disease) = 3068 and labeled 0 (non-heart disease) = 2364). Models were developed using the Knowledge Discovery in Databases (KDD) approach. Evaluation results show that the Support Vector Machine model achieved the best performance compared to Random Forest Classifier with 65% accuracy, 70% precision, 68% recall, and 64% f-measure. Cross-validation and ROC analysis also indicated that Support Vector Machine obtained the highest AUC score, ranging from 0.67 to 0.68, which is categorized as poor classification
PENGEMBANGAN PROTOTYPE APLIKASI PENCEGAHAN PREEKLAMPSIA TERHADAP IBU HAMIL MENGGUNAKAN METODE RAPID PROTOTYPING
Get PDFPreeklampsia merupakan salah satu komplikasi serius yang menjadi penyebab utama kematian pada ibu hamil. Kondisi ini dipicu oleh beberapa faktor, seperti hipertensi, obesitas, dan pola makan yang kurang sehat. Sayangnya, preeklampsia sering tidak terdeteksi sejak dini akibat kurangnya pengetahuan serta keterbatasan akses informasi yang mudah dipahami mengenai gejala dan langkah pencegahannya bagi ibu hamil. Oleh karena itu, diperlukan sebuah aplikasi yang dapat menyediakan informasi edukatif terkait pencegahan preeklampsia. Penelitian ini mengusulkan sebuah prototype aplikasi yang diberi nama Pregnantcare. Pengembangan prototype ini menggunakan metode Rapid Prototyping yang dipilih karena mampu mendukung siklus pengembangan yang cepat, pendek, dan berulang, sehingga memungkinkan dilakukannya iterasi desain dan pengujian secara efisien. Untuk menguji aspek usability dari prototype, penelitian ini menggunakan pendekatan kuantitatif dengan instrumen System Usability Scale (SUS). Hasil evaluasi menunjukkan bahwa prototype memperoleh skor SUS sebesar 81, yang mengindikasikan tingkat kegunaan yang baik dan sesuai dengan kebutuhan pengguna. Berdasarkan hasil ini, implementasi aplikasi Pregnantcare dalam platform mobile secara nyata perlu dilakukan agar manfaatnya dapat dirasakan oleh lebih banyak pengguna
EVALUASI POTENSI PENERIMAAN APLIKASI EDUKASI BERBASIS MOBILE: NUSALEARN DALAM PEMBELAJARAN BUDAYA NUSANTARA MELALUI PENDEKATAN TECHNOLOGY ACCEPTANCE MODEL (TAM)
Get PDFPembelajaran budaya Nusantara menghadapi tantangan dalam menarik minat generasi muda, terutama di era digital. Aplikasi edukasi berbasis mobile berpotensi menjadi solusi inovatif dalam menyampaikan materi budaya dengan cara yang lebih interaktif. Penelitian ini bertujuan untuk menguji penerimaan aplikasi Nusalearn dalam pembelajaran budaya Nusantara menggunakan pendekatan Technology Acceptance Model (TAM). Penelitian ini menggunakan metode kuantitatif dengan desain survey research. Responden penelitian terdiri dari siswa dan mahasiswa yang memiliki pengalaman dalam menggunakan aplikasi pembelajaran digital. Data dikumpulkan melalui kuesioner yang telah diuji validitas dan reliabilitasnya, kemudian dianalisis menggunakan Structural Equation Modeling - Partial Least Squares (SEM-PLS) untuk menguji hubungan antar variabel dalam model TAM. Hasil penelitian menunjukkan bahwa persepsi kemudahan penggunaan berpengaruh signifikan terhadap manfaat yang dirasakan, yang pada gilirannya membentuk sikap positif dan meningkatkan niat pengguna untuk dapat terus menggunakan aplikasi ini dalam pembelajaran budaya Nusantara. Penelitian ini mengonfirmasi bahwa aplikasi edukasi berbasis mobile dapat diterima dengan baik apabila dirancang dengan mempertimbangkan usability dan manfaat nyata bagi pengguna. Implikasi dari penelitian ini menegaskan pentingnya pengembangan teknologi pembelajaran yang adaptif terhadap kebutuhan generasi digital guna meningkatkan pelestarian budaya secara efektif. Penelitian selanjutnya disarankan untuk mengeksplorasi faktor eksternal yang dapat memengaruhi penerimaan aplikasi serta mengembangkan fitur inovatif guna meningkatkan keterlibatan pengguna
IMPLEMENTASI REGRESI LINEAR BERGANDA UNTUK PREDIKSI PENJUALAN PADA PT TRIMANDIRI SARANA PROPETINDO BANJARMASIN
Get PDFOptimalisasi manajemen persediaan merupakan faktor kunci dalam meningkatkan daya saing bisnis pada pasar yang semakin kompetitif. PT. Trimandiri Sarana Propetindo Banjarmasin yang masih mengandalkan pencatatan penjualan harian menggunakan Microsoft Excel, yang membatasi kemampuan dalam meramalkan penjualan secara akurat. Penelitian ini bertujuan mengembangkan model prediksi penjualan berbasis data stok barang tahun 2023, yang mencakup Stok Awal, Pembelian, Penjualan, Stok Akhir, Retur Penjualan, dan Barang Rusak. Data diolah dan dianalisis secara mingguan berdasarkan jenis bumbu untuk mengidentifikasi pola pergerakan stok. Hasil penelitian menunjukkan model prediktif yang dikembangkan mampu menjelaskan 76% variasi penjualan (R² = 0,76) dengan Root Mean Square Error (RMSE) sebesar 6.707,06, yang tergolong rendah dibandingkan rata-rata penjualan mingguan sebesar 2.920,07. Walaupun model menunjukkan performa baik, tantangan masih ada dalam menangani data dengan tingkat variabilitas yang tinggi. Implementasi model ini diharapkan membantu perusahaan beralih dari sistem manual ke pendekatan berbasis analisis prediktif dalam pengelolaan persediaan, meningkatkan efisiensi operasional, serta ketepatan pemenuhan permintaan pelanggan secara lebih optimal
RANCANG BANGUN SISTEM INFORMASI ADUAN DIGITAL DESA GADINGAN MENGGUNAKAN METODE INCREMENTAL
Get PDFDigitalisasi pelayanan publik desa menjadi kebutuhan mendesak untuk meningkatkan transparansi dan efisiensi, termasuk dalam pengelolaan aduan masyarakat. Namun, di Desa Gadingan, mekanisme pelaporan masih dilakukan secara manual dan informal, sehingga menghambat dokumentasi serta tindak lanjut aduan secara optimal. Penelitian ini bertujuan merancang sistem informasi aduan digital berbasis web untuk memfasilitasi pelaporan dan pengelolaan aduan secara terstruktur. Metode pengembangan yang digunakan adalah incremental, dengan tahapan yang dilaksanakan mencakup communication, planning, dan modelling. Hasil penelitian berupa rancangan wireframe sistem: antarmuka pelaporan masyarakat melalui formulir digital berbasis smartphone, dan dashboard admin desa untuk verifikasi dan pengelolaan aduan. Sistem ini diharapkan mampu menjadi solusi awal dalam pengembangan layanan publik digital di tingkat desa yang adaptif dan responsif terhadap kebutuhan masyarakat
PENGELOMPOKAN UMKM BERDASARKAN KATEGORI USAHA DAN SEBARAN WILAYAH DI JAWA BARAT DENGAN CLUSTERING K-MEANS
Get PDFUsaha Mikro, Kecil, dan Menengah (UMKM) merupakan sektor strategis dalam perekonomian daerah, termasuk di Provinsi Jawa Barat. Pada tahun 2023, jumlah UMKM di Indonesia mencapai 66 juta unit dan menyumbang 61% terhadap Produk Domestik Bruto (PDB) nasional. Pada penelitian ini bertujuan mengelompokkan kabupaten/kota di Jawa Barat berdasarkan kategori usaha dan proyeksi jumlah UMKM menggunakan metode K-Means Clustering, dengan bantuan Principal Component Analysis (PCA) untuk reduksi dimensi. Data bersumber dari portal Open Data Jabar dan mencakup proyeksi jumlah UMKM per kabupaten/kota dari tahun 2018 hingga 2023. Setiap baris data merepresentasikan satu kabupaten/kota per tahun, dengan sepuluh kategori usaha sebagai fitur utama. Hasil klasterisasi membentuk tiga cluster: Cluster 0 (wilayah dengan rata-rata jumlah UMKM tertinggi), Cluster 1 (terendah), dan Cluster 2 (moderat). Komposisi jumlah anggota tiap cluster yang terbentuk adalah sebagai berikut: Cluster 0 sebanyak 30 anggota, Cluster 1 sebanyak 65 anggota, dan Cluster 2 sebanyak 67 anggota. Evaluasi dengan silhouette coefficient menunjukkan nilai 0,58 yang menandakan pemisahan cluster cukup baik. Hasil ini diharapkan dapat menjadi referensi dalam merumuskan kebijakan pengembangan UMKM di tingkat daerah
KLASIFIKASI BAHAN BAKAR MINYAK OPLOSAN (PERTALITE, PERTAMAX, PERTAMAX TURBO)
Get PDFAbstrak. Kebutuhan akan Bahan Bakar Minyak (BBM) di Indonesia terus meningkat seiring dengan pertumbuhan jumlah penduduk dan tingginya tingkat mobilitas transportasi. Jenis-jenis BBM seperti Pertalite, Pertamax, dan Pertamax Turbo menjadi komoditas utama yang mendukung aktivitas sehari-hari masyarakat. Namun, perbedaan harga antar jenis BBM ini menyebabkan beberapa konsumen memilih BBM yang lebih murah, yang pada gilirannya membuka peluang bagi praktik ilegal berupa pengoplosan BBM. Pengoplosan ini melibatkan pencampuran antara BBM berkualitas tinggi dan rendah, yang tidak hanya merugikan konsumen dari sisi ekonomi, tetapi juga dapat menurunkan performa kendaraan, merusak mesin, dan mencemari lingkungan. Deteksi BBM oplosan secara konvensional, seperti dengan menggunakan sensor warna, memiliki keterbatasan dalam hal akurasi dan keandalan. Oleh karena itu, penelitian ini mengusulkan penggunaan metode deep learning untuk klasifikasi BBM dengan model DenseNet121. DenseNet121 adalah arsitektur jaringan saraf konvolusional yang dapat mengekstraksi fitur visual dengan sangat efisien berkat koneksi antar lapisan yang padat, yang memungkinkan model untuk membedakan perbedaan visual yang sangat halus antara berbagai jenis BBM dan campuran-campurannya. Model ini dilatih menggunakan citra digital BBM untuk secara otomatis mengidentifikasi jenis BBM dan mendeteksi adanya campuran. Diharapkan, penelitian ini dapat menyediakan solusi yang praktis dan akurat dalam mendeteksi BBM oplosan, serta berkontribusi pada pengawasan distribusi BBM, meningkatkan kesadaran konsumen, dan mencegah penyalahgunaan BBM di masyarakat
ANALISIS PENERIMAAN DAN PENGGUNAAN FITUR AI PADA APLIKASI GOOGLE di KEHIDUPAN SEHARI-HARI MENGGUNAKAN MODEL UTAUT
Get PDFKemajuan teknologi Artificial Intelligence (AI) telah mendorong integrasi fitur canggih seperti Google Assistant, Google Lens, dan Google Voice ke dalam ekosistem aplikasi Google guna menyederhanakan aktivitas digital harian. Meski demikian, adopsi dan apresiasi terhadap fitur tersebut masih beragam, terutama di kalangan mahasiswa. Studi ini bertujuan untuk mengevaluasi faktor-faktor yang memengaruhi penerimaan dan penggunaan fitur AI Google dengan pendekatan model Unified Theory of Acceptance and Use of Technology (UTAUT), yang menitikberatkan pada empat konstruk: ekspektasi kinerja, ekspektasi usaha, pengaruh sosial, serta kondisi yang mendukung. Melalui pendekatan kuantitatif dan metode survei terhadap 127 mahasiswa aktif di Jawa Timur, analisis dilakukan menggunakan perangkat lunak SmartPLS dengan teknik Partial Least Squares-Structural Equation Modeling (PLS-SEM). Hasil penelitian mengindikasikan bahwa ekspektasi kinerja dan kondisi pendukung secara signifikan memengaruhi perilaku penggunaan fitur AI. Sebaliknya, ekspektasi usaha dan pengaruh sosial tidak menunjukkan pengaruh berarti terhadap niat perilaku. Temuan ini menegaskan bahwa persepsi manfaat serta ketersediaan sarana pendukung merupakan pendorong utama dalam penggunaan AI, dan hasilnya dapat menjadi dasar untuk strategi adopsi teknologi yang lebih tepat sasaran di lingkungan pendidikan tinggi. 
ANALISIS KEPUASAN PENGGUNA TERHADAP PERAN AI DALAM LAYANAN VIRA CHATBOT BCA DENGAN MODEL ECM
Get PDFPenelitian ini bertujuan untuk menganalisis kepuasan pengguna terhadap peran kecerdasan buatan (AI) dalam layanan chatbot VIRA pada mobile banking MyBCA, dengan menggunakan pendekatan Expectation Confirmation Model (ECM) yang dimodifikasi. Metode yang digunakan adalah pendekatan kuantitatif deskriptif melalui penyebaran kuesioner daring kepada 116 responden yang pernah menggunakan layanan VIRA dalam enam bulan terakhir. Hasil penelitian menunjukkan bahwa variabel konfirmasi (confirmation) dan kualitas informasi (information quality) memiliki pengaruh signifikan terhadap kepuasan pengguna, yang pada akhirnya mendorong niat pengguna untuk terus menggunakan layanan tersebut. Selain itu, demografi responden menunjukkan bahwa mayoritas pengguna adalah perempuan berusia 17–25 tahun dan berstatus sebagai pelajar/mahasiswa, mencerminkan segmentasi pengguna yang aktif dan adaptif terhadap teknologi. Penelitian ini memberikan kontribusi praktis bagi pengembangan layanan chatbot perbankan yang lebih interaktif, cerdas, dan sesuai ekspektasi pengguna
VISUALISASI DAN STATISTIK DESKRIPTIF BESERTA ANALISIS DATASET STATUS GIZI BALITA TAHUN 2022 PER PROVINSI DI INDONESIA MENGGUNAKAN PEMROGRAMAN R
Get PDFDengan penekanan pada analisis statistik deskriptif dan visualisasi data menggunakan pemrograman R, penelitian ini mengkaji kesehatan gizi balita Indonesia pada tahun 2022. Perkembangan dan kualitas hidup generasi mendatang sangat dipengaruhi oleh masalah gizi balita, seperti stunting dan wasting, yang terus menjadi perhatian utama. Tujuan dari penelitian ini adalah untuk menggunakan statistik deskriptif dan visualisasi data untuk menyediakan data gizi balita dari 34 provinsi dengan cara yang lebih jelas. Metodologi penelitian ini mencakup pengumpulan informasi dari publikasi resmi Badan Pusat Statistik, seperti proporsi anak dalam kategori status gizi baik, buruk, rendah, dan gizi lebih. Perangkat lunak RStudio dengan paket ggplot2, dplyr, dan cluster digunakan untuk melakukan analisis. Histogram, boxplot, scatter plot, analisis korelasi, dan pengelompokan provinsi berdasarkan karakteristik data gizi merupakan beberapa metode yang digunakan. Temuan-temuan yang diperoleh menunjukkan adanya variasi regional yang mencolok dalam distribusi status gizi, dengan daerah-daerah seperti Papua dan Nusa Tenggara Timur memiliki tingkat gizi kurang dan gizi buruk tertinggi. Menurut analisis korelasi, gizi kurang dan gizi buruk berkorelasi negatif dengan kategori gizi baik. Menemukan pola tersembunyi dan pencilan yang sulit dikenali dalam tabel numerik dimungkinkan oleh visualisasi data. Studi ini menyoroti betapa pentingnya mendukung pengambilan keputusan berbasis bukti dengan statistik deskriptif dan visualisasi data. Temuan dari penelitian ini dapat digunakan sebagai panduan untuk membuat strategi berbasis data yang lebih efisien yang akan meningkatkan gizi balita