Jurnal Teknologi Informasi dan Ilmu Komputer
Not a member yet
1290 research outputs found
Sort by
Perancangan User Experience Aplikasi Penghemat Listrik Myeco Dengan Otomatisasi Dan Manajemen Listrik Untuk Rumah Tangga
Get PDFTingginya masalah pemborosan listrik di Indonesia yang menjadi budaya buruk masyarakat. Maka dapat dihadirkan suatu solusi yaitu aplikasi berbasis Internet of Things (IoT), Artificial Intelligence dan Machine Learning yang dapat menganalisis pemborosan dan memudahkan manajemen perangkat listrik. Dalam perancangan aplikasi myECO menggunakan metode Design Thinking dan Lean Startup yang setiap metodenya dibagi dalam beberapa tahapan diantaranya untuk metode Design Thinking untuk memahami kebutuhan pengguna, merangkum kebutuhan dari pengguna, dan untuk merancang ide solusi dari masalah. Selanjutnya untuk metode Lean Startup diantaranya terdapat Build Prototype dimana untuk membuat dan mengembangkan produk sederhana atau MVP (Minimum Viable Product), Test and Measure untuk mengamati dan mengukur feedback yang diberikan oleh pengguna saat mencoba menggunakan MVP guna melakukan validasi solusi. Dalam mengembangkan aplikasi yang memiliki pengalaman pengguna yang baik dan desain yang sesuai dengan kebutuhan user maka aplikasi myECO melakukan pengujian menggunakan 2 metode yaitu usability test dan UEQ test. Dimana pada metode usability test menggunakan alat ukur maze design dengan hasil menunjukan bahwa pada 42 responden, terdapat 38 responden direct success dan 4 responden indirect success. Selanjutnya, untuk UEQ test dilakukan melalui metode open source dan tools excel yang disediakan pada website resmi UEQ dengan hasil menunjukan bahwa pada scale stimulasi dan kebaruan memiliki perbandingan tolok ukur good, pada scale daya tarik, kejelasan, dan ketepatan memiliki perbandingan tolok ukur above average, serta yang terakhir pada scale ketepatan memiliki perbandingan tolok ukur below average. Dengan adanya aplikasi ini diharapkan dapat menekan angka pemborosan penggunaan listrik dan tingginya biaya tanggungan listrik yang harus dibayarkan.
Abstract
The high problem of wasting electricity in Indonesia has become a bad culture for society. Then a solution can be presented, namely an application based on the Internet of Things (IoT), Artificial Intelligence and Machine Learning that can analyze waste and facilitate the management of electrical devices. In designing the myECO application using the Design Thinking and Lean Startup methods, each method is divided into several stages including the Design Thinking method to understand user needs, summarize the needs of users, and to design ideas for solutions to problems. Furthermore, for the Lean Startup method, there is a Build Prototype where to create and develop a simple product or MVP (Minimum Viable Product), Test and Measure to observe and measure the feedback given by users when trying to use MVP to validate solutions. In developing applications that have good user experience and designs that suit user needs, the myECO application tests using 2 methods, namely the usability test and the UEQ test. Where in the usability test method using a maze design measuring instrument with the results showing that of the 42 respondents there were 38 direct success respondents and 4 indirect success respondents. Furthermore, the UEQ test was carried out using the open source method and excel tools provided on the official UEQ website with the results showing that on the stimulation and novelty scales it has a good comparison of benchmarks, on the scale of attractiveness, clarity and accuracy it has a comparison of the benchmarks above average, as well as the last on the precision scale having below average benchmark comparisons. With this application, it is hoped that it can reduce the waste of electricity usage and the high responsibility for electricity costs which must be limited.Tingginya masalah pemborosan listrik di Indonesia yang menjadi budaya buruk masyarakat. Maka dapat dihadirkan suatu solusi yaitu aplikasi berbasis Internet of Things (IoT), Artificial Intelligence dan Machine Learning yang dapat menganalisis pemborosan dan memudahkan manajemen perangkat listrik. Dalam perancangan aplikasi myECO menggunakan metode Design Thinking dan Lean Startup yang setiap metodenya dibagi dalam beberapa tahapan diantaranya untuk metode Design Thinking untuk memahami kebutuhan pengguna, merangkum kebutuhan dari pengguna, dan untuk merancang ide solusi dari masalah. Selanjutnya untuk metode Lean Startup diantaranya terdapat Build Prototype dimana untuk membuat dan mengembangkan produk sederhana atau MVP (Minimum Viable Product), Test and Measure untuk mengamati dan mengukur feedback yang diberikan oleh pengguna saat mencoba menggunakan MVP guna melakukan validasi solusi. Dalam mengembangkan aplikasi yang memiliki pengalaman pengguna yang baik dan desain yang sesuai dengan kebutuhan user maka aplikasi myECO melakukan pengujian menggunakan 2 metode yaitu usability test dan UEQ test. Dimana pada metode usability test menggunakan alat ukur maze design dengan hasil menunjukan bahwa pada 42 responden, terdapat 38 responden direct success dan 4 responden indirect success. Selanjutnya, untuk UEQ test dilakukan melalui metode open source dan tools excel yang disediakan pada website resmi UEQ dengan hasil menunjukan bahwa pada scale stimulasi dan kebaruan memiliki perbandingan tolok ukur good, pada scale daya tarik, kejelasan, dan ketepatan memiliki perbandingan tolok ukur above average, serta yang terakhir pada scale ketepatan memiliki perbandingan tolok ukur below average. Dengan adanya aplikasi ini diharapkan dapat menekan angka pemborosan penggunaan listrik dan tingginya biaya tanggungan listrik yang harus dibayarkan.
Abstract
The high problem of wasting electricity in Indonesia has become a bad culture for society. Then a solution can be presented, namely an application based on the Internet of Things (IoT), Artificial Intelligence and Machine Learning that can analyze waste and facilitate the management of electrical devices. In designing the myECO application using the Design Thinking and Lean Startup methods, each method is divided into several stages including the Design Thinking method to understand user needs, summarize the needs of users, and to design ideas for solutions to problems. Furthermore, for the Lean Startup method, there is a Build Prototype where to create and develop a simple product or MVP (Minimum Viable Product), Test and Measure to observe and measure the feedback given by users when trying to use MVP to validate solutions. In developing applications that have good user experience and designs that suit user needs, the myECO application tests using 2 methods, namely the usability test and the UEQ test. Where in the usability test method using a maze design measuring instrument with the results showing that of the 42 respondents there were 38 direct success respondents and 4 indirect success respondents. Furthermore, the UEQ test was carried out using the open source method and excel tools provided on the official UEQ website with the results showing that on the stimulation and novelty scales it has a good comparison of benchmarks, on the scale of attractiveness, clarity and accuracy it has a comparison of the benchmarks above average, as well as the last on the precision scale having below average benchmark comparisons. With this application, it is hoped that it can reduce the waste of electricity usage and the high responsibility for electricity costs which must be limited
Analisis Masalah Dan Solusi Live Streaming Shopping: Tinjauan Literatur Sistematis
Get PDFLive streaming shopping menjadi bentuk kegiatan jual beli secara online yang berkembang pesat bersamaan dengan meningkatnya pengguna e-commerce. Penelitian sebelumnya cenderung fokus pada faktor-faktor yang mempengaruhi niat pengguna untuk melakukan pembelian dalam konteks live streaming shopping. Namun, untuk memahami lebih baik tantangan dan solusi yang terkait dengan live streaming shopping, diperlukan tinjauan literatur yang komprehensif berdasarkan penelitian terdahulu. Penelitian ini bertujuan untuk mengidentifikasi masalah yang terkait dengan live streaming shopping dan mengusulkan solusi teknis dan non-teknis untuk mengatasi masalah tersebut. Data penelitian diperoleh dari 5 database, yaitu ACM, AIS eLibrary, IEEE, ProQuest, dan Scopus, yang mencakup periode publikasi dari tahun 2018 hingga 2023. Analisis data dilakukan dengan menggunakan pendekatan Kitchenham Systematic Literature Review. Hasil penelitian ini akan menampilkan tabel yang merangkum teori yang digunakan, dampak yang menjadi fokus penelitian, serta masalah dan solusi yang terkait dengan lima proses utama dalam live streaming shopping, yaitu product promotion, merchant’s proposition, platform features, purchase decision, dan policy development. Selain itu, penelitian ini juga akan mengusulkan strategi pemasaran yang dapat diadopsi oleh penjual berdasarkan temuan dari penelitian sebelumnya. Penelitian ini diharapkan dapat memberikan wawasan kepada peneliti dan praktisi di bidang e-commerce terkait dengan fenomena live streaming shopping sebagai pertimbangan untuk penelitian berikutnya.Live streaming shopping menjadi bentuk kegiatan jual beli secara online yang berkembang pesat bersamaan dengan meningkatnya pengguna e-commerce. Penelitian sebelumnya cenderung fokus pada faktor-faktor yang mempengaruhi niat pengguna untuk melakukan pembelian dalam konteks live streaming shopping. Namun, untuk memahami lebih baik tantangan dan solusi yang terkait dengan live streaming shopping, diperlukan tinjauan literatur yang komprehensif berdasarkan penelitian terdahulu. Penelitian ini bertujuan untuk mengidentifikasi masalah yang terkait dengan live streaming shopping dan mengusulkan solusi teknis dan non-teknis untuk mengatasi masalah tersebut. Data penelitian diperoleh dari 5 database, yaitu ACM, AIS eLibrary, IEEE, ProQuest, dan Scopus, yang mencakup periode publikasi dari tahun 2018 hingga 2023. Analisis data dilakukan dengan menggunakan pendekatan Kitchenham Systematic Literature Review. Hasil penelitian ini akan menampilkan tabel yang merangkum teori yang digunakan, dampak yang menjadi fokus penelitian, serta masalah dan solusi yang terkait dengan lima proses utama dalam live streaming shopping, yaitu product promotion, merchant’s proposition, platform features, purchase decision, dan policy development. Selain itu, penelitian ini juga akan mengusulkan strategi pemasaran yang dapat diadopsi oleh penjual berdasarkan temuan dari penelitian sebelumnya. Penelitian ini diharapkan dapat memberikan wawasan kepada peneliti dan praktisi di bidang e-commerce terkait dengan fenomena live streaming shopping sebagai pertimbangan untuk penelitian berikutnya.
Abstract
Live streaming shopping has emerged as a rapidly growing form of online buying and selling, evolving alongside the increase in e-commerce users. Previous research has tended to focus on the factors influencing users\u27 intentions to make purchases in the context of live streaming shopping. However, to better understand the challenges and solutions associated with live streaming shopping, a comprehensive literature review based on previous research is needed. This study aims to identify issues related to live streaming shopping and propose technical and non-technical solutions to address these issues. The research data were obtained from five databases: ACM, AIS eLibrary, IEEE, ProQuest, and Scopus, covering the publication period from 2018 to 2023. Data analysis was conducted using the Kitchenham Systematic Literature Review approach. The results of this study will present a table summarizing the theories used, the research focus impacts, and the problems and solutions associated with five key processes in live streaming shopping: product promotion, merchant\u27s proposition, platform features, purchase decision, and policy development. Additionally, this study will propose marketing strategies that sellers can adopt based on findings from previous research. This research is expected to provide insights for researchers and practitioners in the field of e-commerce regarding the phenomenon of live streaming shopping, serving as a consideration for future research.
Prediksi Mahasiswa Drop-Out Di Universitas XYZ
Get PDFAkreditasi dan reputasi merupakan faktor krusial bagi setiap perguruan tinggi, termasuk Universitas XYZ. Salah satu hal yang dapat memengaruhi akreditasi adalah jumlah mahasiswa yang mengalami drop-out (DO). Untuk mencegah penurunan akreditasi dan reputasi akibat masalah tersebut, penelitian ini berfokus pada pengembangan model prediksi mahasiswa DO. Algoritma Random Forest, Gradient Boosting, dan Decision Tree digunakan untuk mengevaluasi seberapa akurat model klasifikasi dalam memprediksi potensi mahasiswa DO berdasarkan data akademik. Sebelum membangun model, digunakan metode SMOTE untuk menangani masalah ketidakseimbangan data. Hasil penelitian menunjukkan bahwa model prediksi menggunakan algoritma Random Forest berhasil mencapai akurasi sebesar 99,67%. Algoritma Gradient Boosting menghasilkan akurasi 99,21%, sementara Decision Tree mencapai akurasi sebesar 98,67%. Selain mengukur akurasi model, penelitian ini juga mengidentifikasi faktor-faktor utama yang berkontribusi terhadap prediksi mahasiswa DO. Faktor-faktor tersebut meliputi adanya tunggakan pembayaran, IPK rata-rata di bawah 2, jumlah mata kuliah yang diulang lebih dari satu kali, dan kegagalan dalam melakukan KRS lebih dari dua kali. Penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam bidang prediksi akademik, khususnya dalam upaya mengurangi tingkat mahasiswa drop-out (DO) di perguruan tinggi.
Abstract
Accreditation and reputation are critical factors for higher education institutions, including XYZ University. One factor that can negatively impact accreditation is the number of students who drop out (DO). To prevent a decline in accreditation and reputation due to this issue, this study aims to develop a predictive model for student dropouts. The Random Forest, Gradient Boosting, and Decision Tree algorithms were utilized to evaluate the accuracy of classification models in predicting potential dropouts using academic baseline data. Prior to model building, the SMOTE method was applied to address the issue of imbalanced data. The results indicate that the predictive model using the Random Forest algorithm achieved an accuracy of 99.67%. The Gradient Boosting algorithm yielded an accuracy of 99.21%, while the Decision Tree algorithm achieved 98.67% accuracy. In addition to determining model accuracy, this study also identified key factors contributing to the prediction of student dropouts. These factors include outstanding payment history, a GPA below 2.0, repeating courses more than once, and failing to register for courses (KRS) more than twice. This research is expected to make a significant contribution to the field of academic prediction, particularly in efforts to reduce the dropout (DO) rate among university students.
Akreditasi dan reputasi merupakan faktor krusial bagi setiap perguruan tinggi, termasuk Universitas XYZ. Salah satu hal yang dapat memengaruhi akreditasi adalah jumlah mahasiswa yang mengalami drop-out (DO). Untuk mencegah penurunan akreditasi dan reputasi akibat masalah tersebut, penelitian ini berfokus pada pengembangan model prediksi mahasiswa DO. Algoritma Random Forest, Gradient Boosting, dan Decision Tree digunakan untuk mengevaluasi seberapa akurat model klasifikasi dalam memprediksi potensi mahasiswa DO berdasarkan data akademik. Sebelum membangun model, digunakan metode SMOTE untuk menangani masalah ketidakseimbangan data. Hasil penelitian menunjukkan bahwa model prediksi menggunakan algoritma Random Forest berhasil mencapai akurasi sebesar 99,67%. Algoritma Gradient Boosting menghasilkan akurasi 99,21%, sementara Decision Tree mencapai akurasi sebesar 98,67%. Selain mengukur akurasi model, penelitian ini juga mengidentifikasi faktor-faktor utama yang berkontribusi terhadap prediksi mahasiswa DO. Faktor-faktor tersebut meliputi adanya tunggakan pembayaran, IPK rata-rata di bawah 2, jumlah mata kuliah yang diulang lebih dari satu kali, dan kegagalan dalam melakukan KRS lebih dari dua kali. Penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam bidang prediksi akademik, khususnya dalam upaya mengurangi tingkat mahasiswa drop-out (DO) di perguruan tinggi.
Abstract
Accreditation and reputation are critical factors for higher education institutions, including XYZ University. One factor that can negatively impact accreditation is the number of students who drop out (DO). To prevent a decline in accreditation and reputation due to this issue, this study aims to develop a predictive model for student dropouts. The Random Forest, Gradient Boosting, and Decision Tree algorithms were utilized to evaluate the accuracy of classification models in predicting potential dropouts using academic baseline data. Prior to model building, the SMOTE method was applied to address the issue of imbalanced data. The results indicate that the predictive model using the Random Forest algorithm achieved an accuracy of 99.67%. The Gradient Boosting algorithm yielded an accuracy of 99.21%, while the Decision Tree algorithm achieved 98.67% accuracy. In addition to determining model accuracy, this study also identified key factors contributing to the prediction of student dropouts. These factors include outstanding payment history, a GPA below 2.0, repeating courses more than once, and failing to register for courses (KRS) more than twice. This research is expected to make a significant contribution to the field of academic prediction, particularly in efforts to reduce the dropout (DO) rate among university students.
Pengembangan Sistem Kombinasi Kerja Rem, Steer, DAN Traksi Berbasis Lidar 3D untuk Kendaraan Listrik Otonom Roda Tiga
Get PDFSelama beberapa waktu terakhir, pengembangan sistem deteksi objek berbasis LiDAR telah menjadi fokus utama bagi para pengembang kendaraan listrik otonom. Banyak upaya telah dilakukan untuk meningkatkan dan mengoptimalkan teknologi ini guna mencapai mobilitas otonom yang lebih canggih dan aman. Begitu pula yang dilakukan oleh BRIN, Pengembangan sistem deteksi objek berbasis LiDAR telah berhasil dilakukan hingga rekonstruksi dan posisi objek dapat ditemukan. Namun demikian pemanfaatannya belum mencakup sistem safety dan guidance dalam hal ini mengendalikan gerak laju kendaraan, rem, dan kemudi. Untuk memaksimalkan hasil sistem pendeteksian objek berbasis LiDAR yang telah diperoleh sebelumnya, maka pada penelitian tugas akhir ini akan di kembangkan sistem tersebut sehingga dapat digunakan untuk mengkombinasikan kerja laju kendaraan, rem, dan kemudi secara otomatis. Sistem safety dan guidance ini dilakukan dengan mengembangkan metoda maneuver untuk menghindari objek yang pendekatannya dapat dilakukan berdasarkan metoda fuzzy mamdani. Adapun algoritma di kembangkan dengan menggunakan python pada Jetson AGX Xavier, sedangkan untuk memproses gerak kendali maneuver yang dihasilkan dilakukan pada Mikrokontroller Teensy 4.1. Sistem safety dan guidance ini telah diterapakan pada kendaraan listrik roda tiga sederhana, dan dapat membantu kendaraan tersebut dapat ber manuver menghindari objek di depannya hingga 5 meter.Selama beberapa waktu terakhir, pengembangan sistem deteksi objek berbasis LiDAR telah menjadi fokus utama bagi para pengembang kendaraan listrik otonom. Banyak upaya telah dilakukan untuk meningkatkan dan mengoptimalkan teknologi ini guna mencapai mobilitas otonom yang lebih canggih dan aman. Begitu pula yang dilakukan oleh BRIN, Pengembangan sistem deteksi objek berbasis LiDAR telah berhasil dilakukan hingga rekonstruksi dan posisi objek dapat ditemukan. Namun demikian pemanfaatannya belum mencakup sistem safety dan guidance dalam hal ini mengendalikan gerak laju kendaraan, rem, dan kemudi. Untuk memaksimalkan hasil sistem pendeteksian objek berbasis LiDAR yang telah diperoleh sebelumnya, maka pada penelitian ini akan di kembangkan sistem tersebut sehingga dapat digunakan untuk mengkombinasikan kerja laju kendaraan, rem, dan kemudi secara otomatis. Sistem safety dan guidance ini dilakukan dengan mengembangkan metoda manuver untuk menghindari objek yang pendekatannya dapat dilakukan berdasarkan metoda fuzzy mamdani. Adapun algoritma di kembangkan dengan menggunakan python pada Jetson AGX Xavier, sedangkan untuk memproses gerak kendali manuver yang dihasilkan dilakukan pada Mikrokontroler Teensy 4.1. Sistem safety dan guidance ini telah diterapkan pada kendaraan listrik roda tiga sederhana, dan dapat membantu kendaraan tersebut dapat bermanuver menghindari objek di depannya hingga 5 meter.
Abstract
Recently, the development of LiDAR based object detection system has become mine focus of research on autonomous vehicle worked by many developers around the world. This development is not only carried out by the major industries, but also developed by the research and innovation agency in Indonesia (BRIN), the development being worked by the BRIN produce a system that provide reconstructed object and position data in 3D. However, they have not been used for safety and guidance system that collaborate wheel drive, braking, and steering mechanism. This research develops safety and guidance system that utilize of the 3D reconstructed object and the position data provided by the LiDAR. This system is purposed to avoid object in front of the autonomous vehicle by carrying a maneuver mechanism. The maneuver mechanism performs an acceleration / deceleration, breaking, and steering signals output simultaneously, and deliver them to the wheel drive, braking, and steering system on three-wheel electric vehicle. The algorithm of maneuver scenario is built based on Mamdani’s fuzzy methods, and it is developed using python on Jetson AGX Xavier. Whilst the output of the maneuver mechanism run on a microcontroller Teensy 4.1. This safety and guidance system has been applied on the three-wheel electric vehicle, and it helps the vehicle to maneuver avoiding a collision with objects five meter in front of the car
Implementasi Mask R-CNN pada Perhutungan Tinggi dan Lebar Karang untuk Memantau Pertumbuhan Transplantasi Karang
Get PDFIndonesia merupakan negara kepulauan dengan terumbu karang yang tinggi dan keanekaragaman hayati laut yang kompleks. Namun, setidaknya 45% dari terumbu karang di Indonesia dalam kondisi terancam disebabkan oleh beberapa faktor seperti ulah manusia, perubahan iklim, lingkungan sekitar, lambatnya laju pertumbuhan dan lain sebagainya. Transplantasi karang telah menjadi salah satu pendekatan yang dilakukan untuk konservasi. Penelitian ini mengimplementasikan algoritma Mask Region-based Convolutional Neural Network (Mask R-CNN) dengan Pustaka Detectron2 dalam deteksi dan segmentasi objek untuk menghitung tinggi dan lebar karang transplantasi melalui citra. Metode penelitian melibatkan pengumpulan dataset, pembagian dataset, anotasi dataset, implementasi model, evaluasi model, dan mengitung laju pertumbuhan karang. Implementasi model melibatkan 7 backbone segmentasi instance dengan jadwal laju pembelajaran sebesar 3 kali. Hasil penelitian menunjukkan bahwa dari ketujuh backbone yang diuji X101-FPN dan R101-DC5 menghasilkan presisi dan recall yang lebih baik. Selisih Average Presision (AP) antara kedua model terbaik tersebut untuk segmentasi mask pada Intersection over Union (IoU) maksimum sebesar 2,2% sedangkan untuk deteksi box sebesar 5,8%. Sedangkan selisih Average Recall (AR) untuk segmentasi mask sebesar 8,3% dan deteksi box sebesar 5,2%. Hasil segmentasi X101-FPN dipilih untuk mengukur tinggi dan lebar karang yang telah di transplantasi, sehingga dapat digunakan untuk memantau laju pertumbuhan dari transplantasi karang.Terumbu karang merupakan ekosistem yang berperan penting di laut serta sangat rentan terhadap kerusakan. Transplantasi karang telah menjadi salah satu pendekatan yang dilakukan untuk melestarikan terumbu karang. Pasca transplantasi, pemantauan perlu dilakukan untuk melihat pertumbuhan karang. Dalam upaya pemantauan, para penyelam harus membawa alat selam, penggaris dan buku untuk mengukur dan mencatat satu-satu karang yang telah ditransplantasi. Proses tersebut menghabiskan investasi finansial, waktu dan tenaga yang besar. Pemantauan dapat dioptimalkan dengan mengimplementasikan algoritma Mask Region Convolutional Neural Network (Mask R-CNN) melalui library Detectron2 pada citra transplantasi karang. Proses implementasi akan menghasilkan model yang dapat melakukan segmentasi pada objek karang. Segmentasi tersebut dapat dikalkulasikan untuk melihat tinggi dan lebar karang sebagai indikator pertumbuhan. Implementasi model melibatkan tujuh backbone segmentasi instance dengan jadwal laju pembelajaran sebesar tiga kali. Berdasarkan hasil penelitian, model yang dihasilkan telah berhasil diimplementasikan dalam mengukur tinggi dan lebar dari karang transplantasi. Perbandingan antara hasil pengukuran menggunakan model Mask R-CNN dan pengukuran langsung menunjukkan konsistensi yang baik. Dengan demikian para penyelam hanya perlu memaksimalkan sumberdaya yang dimiliki untuk mengambil citra karang dengan jarak yang telah ditentukan sehingga dapat meringkas waktu penyelaman.
Abstract
Coral reefs are ecosystems that play an important role in the sea and are very vulnerable to damage. Coral transplantation has become one of the approaches taken to preserve coral reefs. Post-transplant, monitoring needs to be done to see coral growth. In monitoring efforts, divers must carry diving equipment, rulers and books to measure and record the only corals that have been transplanted. The process consumes a huge investment of finance, time and effort. Monitoring can be optimized by implementing the Mask Region Convolutional Neural Network (Mask R-CNN) algorithm through the Detectron2 library on coral transplant images. The implementation process will produce a model that can segment coral objects. The segmentation can be calculated to see the height and width of corals as growth indicators. The model implementation involves seven backbone segmentation instances with a learning rate schedule of three times. Based on the results of the study, the resulting model has been successfully implemented in measuring the height and width of transplanted corals. Comparison between measurement results using the Mask R-CNN model and direct measurements showed good consistency. Thus, divers only need to maximize their resources to take images of corals with a predetermined distance so as to shorten dive time
Digitalisasi Model Sistem Akuntansi Terintegrasi Bagi Usaha Bersama Simpan Pinjam di Kota Kupang
Get PDFBanyak masyarakat di Provinsi Nusa Tenggara Timur (NTT) belum melek digitalisasi keuangan bahkan sistem akuntansi tradisional, sehingga rentan terkena penipuan rentenir, pinjaman online, dan kebangkrutan yang disebabkan oleh buruknya penatausahaan keuangan. Usaha Bersama Simpan Pinjam (UBSP) di Kota Kupang memiliki peran penting sebagai pemodal khususnya bagi ibu rumah tangga yang tidak memiliki penghasilan tetap. UBSP bergerak di bidang kredit simpan pinjam dan usaha dagang, namun belum memiliki sistem informasi akuntansi yang mampu mengintegrasikan semua bagian. Pengelola UBSP selama ini hanya menggunakan Microsoft Excel sederhana. UBSP memerlukan kebaruan sistem teknologi agar dapat bergerak maju secara transparan dan akuntabel. Tujuan dari penelitian ini adalah mendigitalkan model sistem akuntansi terintegrasi yang sesuai dengan kebutuhan UBSP. Metode pengembangan sistem yang digunakan adalah model System Development Life Cycle (SDLC), terdiri dari analisis sistem, desain konseptual, seleksi sistem, desain rinci, pengujian dan pemrograman, serta implementasi. Tahap desain menggunakan Data Flow Diagram (DFD) level 0 dan 1, desain database Entity Relationship Diagram (ERD), flowchart dan metode black box untuk menguji kesesuaian spesifikasi sistem dengan kebutuhan fungsional UBSP. Hasil pengujian menunjukkan bahwa setiap fungsi sistem memenuhi kebutuhan UBSP, sehingga dapat dijadikan website resmi bagi user. Beberapa menu terdiri dari tampilan login, tampilan halaman dashboard, tampilan pencatatan keanggotan, tampilan penyetoran simpanan, tampilan pengajuan kredit, tampilan pembayaran angsuran, dan tampilan dari sisi pengurus/admin sampai menghasilkan laporan keuangan. Keterbatasan temuan membuka kesempatan bagi peneliti berikut untuk dapat mengembangkan fitur-fitur yang dapat mempermudah user UBSP. Selain itu, penelitian berikut dapat mendesain teknik audit berbantu komputer dan mengintegrasikannya dengan sistem akuntansi.
Abtsract
Many people in East Nusa Tenggara (NTT) Province are not yet literate in financial digitalization or even traditional accounting systems, making them vulnerable to loan shark fraud, online loans, and bankruptcy caused by poor financial administration. Joint Savings and Loans Business (UBSP) has an important role as an investor, especially for housewives who do not have a fixed income. UBSP operates in the savings and loans, credit, and trading business sectors but does not yet have an accounting information system that is capable of integrating all parts. UBSP managers have only used simple Microsoft Excel. UBSP requires new technological systems to be able to move forward in a transparent and accountable manner. The aim of this research is to digitize an integrated accounting system model that suits UBSP\u27s needs. The system development method used is the System Development Life Cycle (SDLC) model, consisting of system analysis, conceptual design, system selection, detailed design, testing and programming, and implementation. The design stage uses Data Flow Diagrams (DFD) levels 0 and 1, Entity Relationship Diagram (ERD) database design, flowcharts, and black box methods to test the suitability of system specifications with UBSP functional requirements. The test results show that each system function meets UBSP\u27s needs so that it can be used as an official website for users. Several menus consist of a login display, dashboard page display, membership registration display, deposit display, credit application display, installment payment display, and a display from the management/admin side to produce financial reports. The limitations of the findings open up opportunities for the following researchers to develop features that can make things easier for UBSP users. In addition, the following research can design computer-assisted audit techniques and integrate them with accounting systemsBanyak masyarakat di Provinsi Nusa Tenggara Timur (NTT) belum melek digitalisasi keuangan bahkan sistem akuntansi tradisional, sehingga rentan terkena penipuan rentenir, pinjaman online, dan kebangkrutan yang disebabkan oleh buruknya penatausahaan keuangan. Usaha Bersama Simpan Pinjam (UBSP) di Kota Kupang memiliki peran penting sebagai pemodal khususnya bagi ibu rumah tangga yang tidak memiliki penghasilan tetap. UBSP bergerak di bidang kredit simpan pinjam dan usaha dagang, namun belum memiliki sistem informasi akuntansi yang mampu mengintegrasikan semua bagian. Pengelola UBSP selama ini hanya menggunakan Microsoft Excel sederhana. UBSP memerlukan kebaruan sistem teknologi agar dapat bergerak maju secara transparan dan akuntabel. Tujuan dari penelitian ini adalah mendigitalkan model sistem akuntansi terintegrasi yang sesuai dengan kebutuhan UBSP. Metode pengembangan sistem yang digunakan adalah model System Development Life Cycle (SDLC), terdiri dari analisis sistem, desain konseptual, seleksi sistem, desain rinci, pengujian dan pemrograman, serta implementasi. Tahap desain menggunakan Data Flow Diagram (DFD) level 0 dan 1, desain database Entity Relationship Diagram (ERD), flowchart dan metode black box untuk menguji kesesuaian spesifikasi sistem dengan kebutuhan fungsional UBSP. Hasil pengujian menunjukkan bahwa setiap fungsi sistem memenuhi kebutuhan UBSP, sehingga dapat dijadikan website resmi bagi user. Beberapa menu terdiri dari tampilan login, tampilan halaman dashboard, tampilan pencatatan keanggotan, tampilan penyetoran simpanan, tampilan pengajuan kredit, tampilan pembayaran angsuran, dan tampilan dari sisi pengurus/admin sampai menghasilkan laporan keuangan. Keterbatasan temuan membuka kesempatan bagi peneliti berikut untuk dapat mengembangkan fitur-fitur yang dapat mempermudah user UBSP. Selain itu, penelitian berikut dapat mendesain teknik audit berbantu komputer dan mengintegrasikannya dengan sistem akuntansi.
Abtsract
Many people in East Nusa Tenggara (NTT) Province are not yet literate in financial digitalization or even traditional accounting systems, making them vulnerable to loan shark fraud, online loans, and bankruptcy caused by poor financial administration. Joint Savings and Loans Business (UBSP) has an important role as an investor, especially for housewives who do not have a fixed income. UBSP operates in the savings and loans, credit, and trading business sectors but does not yet have an accounting information system that is capable of integrating all parts. UBSP managers have only used simple Microsoft Excel. UBSP requires new technological systems to be able to move forward in a transparent and accountable manner. The aim of this research is to digitize an integrated accounting system model that suits UBSP\u27s needs. The system development method used is the System Development Life Cycle (SDLC) model, consisting of system analysis, conceptual design, system selection, detailed design, testing and programming, and implementation. The design stage uses Data Flow Diagrams (DFD) levels 0 and 1, Entity Relationship Diagram (ERD) database design, flowcharts, and black box methods to test the suitability of system specifications with UBSP functional requirements. The test results show that each system function meets UBSP\u27s needs so that it can be used as an official website for users. Several menus consist of a login display, dashboard page display, membership registration display, deposit display, credit application display, installment payment display, and a display from the management/admin side to produce financial reports. The limitations of the findings open up opportunities for the following researchers to develop features that can make things easier for UBSP users. In addition, the following research can design computer-assisted audit techniques and integrate them with accounting system
Deteksi Tingkat Kematangan Buah Pepaya menggunakan Model Convolutional Neural Network
Get PDFPepaya merupakan buah yang memiliki banyak manfaat dengan nilai gizi yang tinggi. Setiap 100 gram pepaya mengandung 3,65 mg vitamin A dan 78 mg vitamin C. Salah satu keunggulan pepaya adalah kemampuannya untuk berbuah terus menerus, apapun musimnya. Kematangan buah pepaya dapat ditentukan oleh tekstur dan warna kulit buahnya. Deteksi tingkat kematangan buah pepaya memiliki signifikansi penting dalam industri pertanian dan pengelolaan persediaan makanan. Metode konvensional seringkali mengalami keterbatasan dalam akurasi dan efisiensi dalam pengidentifikasian kematangan buah pepaya. Dalam penelitian ini, diperkenalkan pendekatan inovatif dengan menggunakan Convolutional Neural Network (CNN) untuk mengatasi permasalahan tersebut. Dataset yang digunakan merupakan dataset gambar buah pepaya dalam berbagai tingkat kematangan. Dataset kemudian dilatih menggunakan model CNN untuk mengklasifikasikan buah pepaya berdasarkan warna kulit dan fitur visual lainnya. Hasil eksperimen menunjukkan bahwa model CNN yang digunakan mampu mengidentifikasi tingkat kematangan buah pepaya dengan tingkat akurasi yang tinggi, yaitu sebesar 96,63% sehingga dapat menghasilkan solusi yang andal dan efisien.Pepaya adalah buah bergizi tinggi dengan banyak manfaat. Per 100 gram pepaya mengandung 3,65 milligram vitamin A dan 78 milligram vitamin C. Apapun musimnya, buah pepaya dapat berbuah terus menerus, yang menjadi salah satu keunggulannya. Kematangan buah pepaya dapat ditentukan oleh tekstur dan warna kulit buahnya. Deteksi tingkat kematangan buah pepaya memiliki signifikansi penting dalam industri pertanian dan pengelolaan persediaan makanan. Metode konvensional seringkali mengalami keterbatasan dalam akurasi dan efisiensi dalam pengidentifikasian kematangan buah pepaya. Dalam penelitian ini, diperkenalkan pendekatan inovatif dengan menggunakan Convolutional Neural Network (CNN) untuk mengatasi permasalahan tersebut. Dataset yang digunakan merupakan dataset gambar buah pepaya dalam berbagai tingkat kematangan. Dataset kemudian dilatih menggunakan model CNN untuk mengklasifikasikan buah pepaya berdasarkan warna kulit dan fitur visual lainnya. Hasil eksperimen menunjukkan bahwa model CNN yang digunakan mampu mengidentifikasi tingkat kematangan buah pepaya dengan tingkat akurasi yang tinggi, yaitu sebesar 96,63% sehingga dapat menghasilkan solusi yang andal dan efisien. Hal ini memberikan dampak yang signifikan dalam industri pertanian dan pengelolaan persediaan makanan.
Abstract
Papaya is a fruit with many benefits and high nutritional value. 3,65 mg of vitamin A and 78 mg of vitamin C are found in every 100 grams of papaya. One of the advantages of papaya is its ability to bear fruit continuously, regardless of the season. The ripeness of papaya can be determined by the texture and color of its skin.The detection of papaya fruit ripeness levels holds significant importance in the agricultural industry and food inventory management. Conventional methods often face limitations in accuracy and efficiency when identifying the ripeness of papaya. In this research, an innovative approach is introduced using Convolutional Neural Network (CNN) to address this issue. The dataset used consists of images of papaya fruit at various ripeness levels. The dataset is then trained using the CNN model to classify papaya fruit based on skin color and other visual features. Experimental results show that the CNN model used can identify the ripeness level of papaya fruit with high accuracy, specifically 96,63%, thus providing a reliable and efficient solution. This has significant implications in the agricultural industry and food inventory management
Implementasi Algoritma Convolutional Neural Network untuk Klasifikasi Jenis Keris
Get PDFUNESCO telah menetapkan keris Indonesia sebagai Masterpiece of The Oral and Intangible Heritage of Humanity. Keris memiliki bilah yang terdiri dari pamor, dhapur, dan Tangguh yang merupakan istilah yang digunakan untuk menyebut nama bentuk dari bilah keris. Dhapur keris ada yang berbentuk lurus dan lengkok (Luk dalam bahasa jawa). Yang berbentuk luk, jumlahnya bermacam-macam, mulai dari luk 3 (tiga) sampai luk 29 (dua puluh Sembilan). Jenis keris berdasarkan dapur yang diakui secara baku sekitar 150 jenis. Namun, bentuk dhapur keris tidak mudah dikenali secara langsung. Selain karena jenisnya yang banyak, bentuk dhapur ini terkadang memiliki karakteristik yang mirip meskipun jenisnya berbeda. Hal ini menyebabkan tidak semua orang dapat mengenali keris dengan mudah. Penelitian ini akan mengimplementasikan metode deep learning dengan algoritma Convolutional Neural Network (CNN) yang dapat melakukan tugas klasifikasi secara langsung pada citra, untuk membangun sebuah model untuk klasifikasi jenis keris berdasarkan dhapur. Data yang digunakan adalah citra keris jawa yang diambil secara manual dan maupun dari buku. Data citra terdiri dari 67 citra keris yang terdiri dari dua kelas yaitu 19 keris Parung Sari dan 48 keris Tilam Upih. Akurasi proses training sebesar 75% dan nilai validasi sebesar 66,67%.UNESCO telah menetapkan Keris Indonesia sebagai Masterpiece of The Oral and Intangible Heritage of Humanity. Keris memiliki bilah yang terdiri dari Pamor, Dhapur, dan Tangguh yang merupakan istilah yang digunakan untuk menyebut nama bentuk dari bilah Keris. Dhapur Keris ada yang berbentuk lurus dan lengkok (Luk dalam bahasa jawa). Yang berbentuk luk, jumlahnya bermacam-macam, mulai dari luk 3 (tiga) sampai luk 29 (dua puluh Sembilan). Karena jenisnya yang banyak (sekitar 150 jenis yang diakui), bentuk Dhapur ini terkadang memiliki karakteristik yang mirip dan sulit dibedakan meskipun jenisnya berbeda. Untuk mengenali Dhapur Keris, perlu melakukan pengamatan pada Tabel ricikan Dhapur yang tentu saja sangat banyak dan harus memahami setiap detail Ricikan dengan benar. Hal ini menyebabkan tidak semua orang dapat mengenali Keris dengan mudah. Penelitian ini bertujuan membangun model pengenalan jenis Keris berdasarkan Dhapur dengan menggunakan citra Keris, sehingga tidak perlu mengamati Tabel Ricikan Dhapur. Metode Deep learning dengan algoritma Convolutional Neural Network (CNN) diimplementasikan untuk membangun model untuk klasifikasi jenis Keris berdasarkan Dhapur. Data Keris diambil secara manual dan maupun dari buku. Data citra terdiri dari 46 citra Keris yang terdiri dari dua kelas yaitu 10 Keris Parung Sari dan 36 Keris Tilam Upih. Validasi menggunakan 13 citra Tilam Upih dan 12 citra Parung Sari. Akurasi proses training sebesar 78,26% dan nilai validasi sebesar 52%. Hal ini menunjukkan bahwa masih perlu adanya peningkatan baik dalam teknik pengolahan maupun jumlah data.
Abstract
UNESCO designated Indonesian Keris as a Masterpiece of The Oral and Intangible Heritage of Humanity. Keris has blades consisting of Pamor, Dhapur, and Tangguh, which are terms used to name the shape of the Keris blade. There are straight and curved shape of Dhapur Keris (Luk in Javanese). The number of luk is varied, ranging from luk 3 (three) to luk 29 (twenty-nine). Because of its many types (around 150 recognized types), this form of Dhapur Keris sometimes has similar characteristics and is difficult to differentiate even though it is a different type. To recognize Dhapur Keris, it needs to observe Dhapur Ricikan table which of course consist of many types and must understand every detail of the ricikan correctly. This means that not everyone can recognize Keris easily. This research aims to build a model for recognizing Keris types based on Dhapur by using Keris images, so there is no need to observe the Dhapur Ricikan table. The Deep learning method with the Convolutional Neural Network (CNN) algorithm was implemented to build a model for classifying Keris types based on Dhapur. Keris data was taken manually and also from books. The image data consists of 46 Keris images consisting of two classes, namely 10 Parung Sari Keris and 36 Upih Tilam Keris. Validation used 13 images of Tilam Upih and 12 images of Parung Sari. The accuracy of the training process was 78.26% and the validation value was 52%. This shows that there is still a need to improve both processing techniques and the amount of data
Optimasi Jaringan 4G LTE pada Jalur Tol Cikopo Palimanan dengan Menggunakan Metode Physical Tuning
Get PDFKebutuhan para pengguna akan layanan komunikasi maupun informasi yang dibutuhkan meningkat dengan cepat sehingga menyebabkan penyedia jasa pada layanan telekomunikasi seluler dituntu untuk berkembang guna memenuhi kebutuhan pengguna atau konsumennya dan terus mengembangkan kemampuan dan teknologi terkini. Dengan memanfaatkan teknologi komunikasi generasi keempat yaitu tekonologi 4G mengharapkan kecepatan jaringan yang cepat. Namun, teknologi 4G ini memiliki beberapa kendala yang menyebabkan kecepatan jaringan menjadi optimasi jaringan untuk memperbaiki kualitas jaringan agar dapat dipakai dengan optimal. Pada penelitian ini dilakukan proses optimasi untuk memperbaiki kondisi level sinyal Reference Signals Received Power (RSRP) di Jalur Tol Cikopo-Palimanan (Cipali). Proses optimasi dilakukan dengan menganalisis kondisi level sinyal RSRP berdasarkan data yang didapatkan dari operator dan di simulasikan di Atoll Planning Software dengan menggunakan metode physical tuning. Berdasarkan hasil data yang didapatkan dari simulasi menggunakan Atoll Planning Software, terdapat beberapa area yang memiliki coverage yang kurang baik dengan level RSRP dibawah -90 dBm, dan area tersebut merupakan area jalur tol yang rawan kemacetan kendaraan karena arus mudik lebaran atau perbaikan jalan. Optimasi dilakukan di 4 spot yang mempunyai kondisi level sinyal yang buruk dan setelah dilakukan optimasi terdapat perbaikan level sinyal dengan warna ungu (sekitar -100 dBm) berubah menjadi warna kuning (sekitar -90 dBm). Hal ini juga mempengaruhi presentase Coverage sinyal di area jalan tol cipali, yaitu terjadi perbaikan dan kenaikan persentase untuk level sinyal diatas -90 dBm yaitu dari 88,73% menjadi 90,67% dan juga mengalami penurunan persentase untuk level sinyal dibawah -90 dBm yaitu dari 11,27 menjadi 9,33%.Kebutuhan akan layanan komunikasi dan informasi meningkat pesat. Teknologi 4G diharapkan memenuhi kebutuhan akan kecepatan jaringan yang optimal, tetapi menghadapi kendala yang mempengaruhi kualitas jaringan. Namun, teknologi 4G ini memiliki beberapa kendala yang menyebabkan kecepatan jaringan tidak optimal sehingga perlu dilakukan optimasi untuk memperbaiki hal tersebut. Penelitian ini mengoptimalkan kondisi level sinyal Reference Signal Received Power (RSRP) di Jalur Tol Cikopo-Palimanan (Cipali). RSRP adalah indikator penting untuk menilai kekuatan sinyal dari base station, dimana nilai rendah menunjukkan sinyal yang lemah atau terganggu. Proses optimasi dilakukan dengan menganalisis nilai RSRP berdasarkan data antenna beserta parameter dan disimulasikan di Atoll Planning Software dengan menggunakan metode physical tuning. Berdasarkan hasil data yang didapatkan terdapat beberapa 4 area spot yang memiliki coverage yang kurang baik dengan level RSRP dibawah -90 dBm. Optimasi dilakukan di 4 spot yang mempunyai kondisi level sinyal dibawah -90 dBm dengan menggunakan metode physical tuning, yaitu berupa pengaturan dan perubahan derajat tilting dan arah antenna agar mendapatkan level sinyal dan daya pancar yang lebih baik. Setelah dilakukan optimasi, terdapat perbaikan level sinyal RSRP dimana terjadi kenaikan persentase untuk level sinyal diatas -90 dBm dari 88,73% menjadi 90,67% dan penurunan persentase untuk level sinyal dibawah -90 dBm dari 11,27% menjadi 9,33%.
Abstract
The rising demand for communication and information services necessitates optimal network speeds, typically met by 4G technology. However, impediments often hinder network quality. This study focuses on optimizing the Reference Signals Received Power (RSRP) along the Cikopo-Palimanan (Cipali) Toll Road. Using data analysis and simulation in Atoll Planning Software, the physical tuning method is employed to enhance RSRP signal levels. Results reveal several areas with subpar coverage, indicated by RSRP levels below -90 dBm. Optimization efforts concentrate on these areas, adjusting antenna tilting and direction to improve signal strength. Post-optimization, signal levels improve, with a rise in levels above -90 dBm from 88.73% to 90.67%, and a corresponding drop in levels below -90 dBm from 11.27% to 9.33%. This optimization aims to ensure superior communication services for users
Komparasi Kinerja Algoritma Blocking pada Proses Indexing untuk Deteksi Duplikasi
Get PDFProses integrasi data dari heterogeneous data sources memerlukan kualitas data yang baik. Salah satu ciri kualitas data yang baik adalah terhindar dari terjadinya duplikasi data. Untuk melakukan deteksi duplikasi, langkah yang dapat dilakukan adalah membandingkan setiap record dalam sebuah dataset sehingga membentuk candidate record pair. Teknik blocking digunakan untuk proses indexing yang dapat mengurangi jumlah pasangan record dalam proses deteksi duplikasi. Penelitian ini bertujuan untuk melakukan perbandingan beberapa algoritma blocking sehingga diperoleh rekomendasi algoritma mana yang paling optimal digunakan. Penelitian ini melakukan investigasi terhadap 6 buah algoritma blocking, yaitu Soundex, NYSIIS, Metaphone, Double Metaphone, Jaro Winkler Similarity, dan Cosine Similarity. Dataset yang digunakan dalam penelitian ini adalah dataset restaurant yang berisi 112 record, yang di dalamnya terdapat beberapa record yang terindikasi duplikat. Hasil penelitian menunjukkan bahwa algoritma NYSIIS memberikan hasil record blocking paling optimal, yaitu sebesar 97 record. Sedangkan algoritma Soundex dan Cosine Similarity memberikan hasil yang paling optimal, yaitu sebesar 8 buah candidate record pair. Sedangkan dari sisi waktu eksekusi algoritma Soundex dan NYSIIS memberikan proses yang paling cepat dengan durasi 0,04 detik.
Abstract
The process of integrating data from heterogeneous data sources requires good data quality. One of the characteristics of good data quality is avoiding data duplication. To perform duplication detection, a step that can be done is to compare each record in a dataset to form a candidate record pair. The blocking algorithm is used for the indexing process which can reduce the number of record pairs in the duplication detection process. This research aims to compare several blocking algorithms so as to obtain recommendations on which algorithm is most optimally used. This research investigates 6 blocking algorithms, namely Soundex, NYSIIS, Metaphone, Double Metaphone, Jaro Winkler Similarity, and Cosine Similarity. The dataset used in this research is a restaurant dataset containing 112 records, in which there are several records that indicate duplicates. The results showed that the NYSIIS algorithm provided the most optimal record blocking results, which amounted to 97 records. While the Soundex and Cosine Similarity algorithms provide the most optimal results, which are 8 candidate record pairs. In terms of execution time, the Soundex and NYSIIS algorithms provide the fastest process with a duration of 0.04 seconds.Proses integrasi data dari heterogeneous data sources memerlukan kualitas data yang baik. Salah satu ciri kualitas data yang baik adalah terhindar dari terjadinya duplikasi data. Untuk melakukan deteksi duplikasi, langkah yang dapat dilakukan adalah membandingkan setiap record dalam sebuah dataset sehingga membentuk candidate record pair. Teknik blocking digunakan untuk proses indexing yang dapat mengurangi jumlah pasangan record dalam proses deteksi duplikasi. Penelitian ini bertujuan untuk melakukan perbandingan beberapa algoritma blocking sehingga diperoleh rekomendasi algoritma mana yang paling optimal digunakan. Penelitian ini melakukan investigasi terhadap 6 buah algoritma blocking, yaitu Soundex, NYSIIS, Metaphone, Double Metaphone, Jaro Winkler Similarity, dan Cosine Similarity. Dataset yang digunakan dalam penelitian ini adalah dataset restaurant yang berisi 112 record, yang di dalamnya terdapat beberapa record yang terindikasi duplikat. Hasil penelitian menunjukkan bahwa algoritma NYSIIS memberikan hasil record blocking paling optimal, yaitu sebesar 97 record. Sedangkan algoritma Soundex dan Cosine Similarity memberikan hasil yang paling optimal, yaitu sebesar 8 buah candidate record pair. Sedangkan dari sisi waktu eksekusi algoritma Soundex dan NYSIIS memberikan proses yang paling cepat dengan durasi 0,04 detik.
Abstract
The process of integrating data from heterogeneous data sources requires good data quality. One of the characteristics of good data quality is avoiding data duplication. To perform duplication detection, a step that can be done is to compare each record in a dataset to form a candidate record pair. The blocking algorithm is used for the indexing process which can reduce the number of record pairs in the duplication detection process. This research aims to compare several blocking algorithms so as to obtain recommendations on which algorithm is most optimally used. This research investigates 6 blocking algorithms, namely Soundex, NYSIIS, Metaphone, Double Metaphone, Jaro Winkler Similarity, and Cosine Similarity. The dataset used in this research is a restaurant dataset containing 112 records, in which there are several records that indicate duplicates. The results showed that the NYSIIS algorithm provided the most optimal record blocking results, which amounted to 97 records. While the Soundex and Cosine Similarity algorithms provide the most optimal results, which are 8 candidate record pairs. In terms of execution time, the Soundex and NYSIIS algorithms provide the fastest process with a duration of 0.04 seconds