Jurnal Teknologi Informasi dan Ilmu Komputer
Not a member yet
1290 research outputs found
Sort by
Model Klasifikasi dengan Logistic Regression dan Recursive Feature Elimination pada Data Tidak Seimbang
Get PDFLogistic Regression merupakan metode pengklasifikasi yang sangat populer dan digunakan secara luas pada berbagai penelitian. Logistic Regression dapat memberikan hasil yang baik pada masalah klasifikasi maupun prediksi. Fitur dataset yang besar mengakibatkan beban komputasi, dan menurunkan kinerja klasifikasi. Terdapat tiga dataset yang digunakan pada penelitian ini yaitu Bank marketing, Glass, dan Musk II. Dataset tersebut bersumber dari UCI Repository dan memiliki karakteristik yang berbeda. Ada dua tantangan penggunaan dataset tersebut, yaitu ketidakseimbangan kelas, dan jumlah fitur yang besar. Ada dua tahapan utama pada penelitian ini, yaitu pemrosesan awal dan klasifikasi. Tahapan pemrosesan awal menerapkan seleksi fitur melalui recursive feature elimination, dan penyeimbangan data menggunakan teknik SMOTE. Tahapan klasifikasi menerapkan Logistic Regression. Teknik ridge regression (L2-regularization) diterapkan untuk menghindari overfitting pada tahap validasi model LR. Evaluasi kinerja model didasarkan pada matrik konfusi dan grafik ROC. Hasil penelitian menunjukkan bahwa seleksi fitur dan peyeimbangan kelas memiliki dampak yang baik. Melalui ROC, model LR+RFE+SMOTE memiliki luas sebesar 93%. Hasil ini lebih baik dibanding dengan empat model klasifikasi lainnya, yaitu Naïve Bayes, Decision Tree, K-NN, dan Random Forest.
Abstract
Logistic regression is a widely popular classification method extensively used in various studies. Logistic regression can yield good results in classification and prediction problems. The extensive features of the dataset can lead to computational burdens and reduced classification performance. Three datasets were utilized in this research: Bank Marketing, Glass, and Musk II. The dataset is sourced from the UCI Repository and contains various characteristics. There are two challenges associated with using this dataset: class imbalance and a large number of features. There are two main stages in this research: initial processing and classification. At the initial processing stage, feature selection is conducted through recursive feature elimination, and data balancing is achieved using the SMOTE technique. The classification stage applies logistic regression. The ridge regression technique (L2-regularization) is applied to prevent overfitting during the validation stage of the linear regression model. The model performance evaluation is based on confusion matrices and ROC graphs. The research results show that feature selection and class balancing have a positive impact. Through the Receiver Operating Characteristics (ROC) analysis, the LR+RFE+SMOTE model achieved an area under the curve of 93%. These results are better than those of four other classification models, namely Naïve Bayes, Decision Tree, K-NN, and Random Forest.Logistic Regression merupakan metode pengklasifikasi yang sangat populer dan digunakan secara luas pada berbagai penelitian. Logistic Regression dapat memberikan hasil yang baik pada masalah klasifikasi maupun prediksi. Fitur dataset yang besar mengakibatkan beban komputasi, dan menurunkan kinerja klasifikasi. Terdapat tiga dataset yang digunakan pada penelitian ini yaitu Bank marketing, Glass, dan Musk II. Dataset tersebut bersumber dari UCI Repository dan memiliki karakteristik yang berbeda. Ada dua tantangan penggunaan dataset tersebut, yaitu ketidakseimbangan kelas, dan jumlah fitur yang besar. Ada dua tahapan utama pada penelitian ini, yaitu pemrosesan awal dan klasifikasi. Tahapan pemrosesan awal menerapkan seleksi fitur melalui recursive feature elimination, dan penyeimbangan data menggunakan teknik SMOTE. Tahapan klasifikasi menerapkan Logistic Regression. Teknik ridge regression (L2-regularization) diterapkan untuk menghindari overfitting pada tahap validasi model LR. Evaluasi kinerja model didasarkan pada matrik konfusi dan grafik ROC. Hasil penelitian menunjukkan bahwa seleksi fitur dan peyeimbangan kelas memiliki dampak yang baik. Melalui ROC, model LR+RFE+SMOTE memiliki luas sebesar 93%. Hasil ini lebih baik dibanding dengan empat model klasifikasi lainnya, yaitu Naïve Bayes, Decision Tree, K-NN, dan Random Forest.
Abstract
Logistic regression is a widely popular classification method extensively used in various studies. Logistic regression can yield good results in classification and prediction problems. The extensive features of the dataset can lead to computational burdens and reduced classification performance. Three datasets were utilized in this research: Bank Marketing, Glass, and Musk II. The dataset is sourced from the UCI Repository and contains various characteristics. There are two challenges associated with using this dataset: class imbalance and a large number of features. There are two main stages in this research: initial processing and classification. At the initial processing stage, feature selection is conducted through recursive feature elimination, and data balancing is achieved using the SMOTE technique. The classification stage applies logistic regression. The ridge regression technique (L2-regularization) is applied to prevent overfitting during the validation stage of the linear regression model. The model performance evaluation is based on confusion matrices and ROC graphs. The research results show that feature selection and class balancing have a positive impact. Through the Receiver Operating Characteristics (ROC) analysis, the LR+RFE+SMOTE model achieved an area under the curve of 93%. These results are better than those of four other classification models, namely Naïve Bayes, Decision Tree, K-NN, and Random Forest
Pengembangan Perangkat Lunak Berbasis Website Menggunakan Kombinasi Metode Scrum Dan V-Model
Get PDFPenelitian membahas software engineering berbasis website dengan hybrid model integrasi pada universitas terkait. Rumusan masalah penelitian menghasilkan software engineering berbasis website mudah digunakan serta diakses mahasiwa berstatus aktif, menghasilkan software engineering layanan berbasis website mampu melacak status aduan, dan efektivitas serta efisiensi hybrid model integrasi antara metode Agile Scrum dan V-Model dalam development software engineering. Hasil penelitian untuk menyelesaikan masalah menggunakan metode deskriptif kualitatif dengan dukungan hybrid model integrasi Scrum dan V-model sehingga mengusulkan integrasi Scrum V-Plus berbasis website, hybrid model integrasi memanfaatkan kelemahan masing masing metode agar saling melengkapi, sehingga peranan Scrum sebagai tahapan awal perancangan lalu dikembangkan V-model secara terstruktur dan tersistematik kedalam modul development proses software engineering. Dengan adanya Model Integrasi Scrum V-Plus yang berjalan maka dilakukan rancangan prototype model, design dan pengujian website sebagai media validasi pembuktian bahwa dokumentasi proses bisnis secara terstruktur memiliki dampak signifikan terhadap kolaborasi metode dalam menghasilkan produk. Penelitian mengusulkan Model Scrum V-Plus Hybrid yang diadopsi dari kolaborasi kedua metode untuk berperan penting terhadap tahapan perancangan engineering terstruktur, fleksibel secara keseluruhan dalam mengintegrasikan beberapa tahapan, sehingga rancangan software terlaksana dengan baik dibuktikan model integrasi website bagi mahasiswa berstatus aktif menggunakan open data base connectivity restfulAPI pada deployment diagram berdasarkan model class diagram yang dilengkapi dengan boundary, entity dan conrol. Hybrid model integrasi memiliki dampak signifikan dibandingkan penggunaan secara terpisah dengan dibuktikan integrasi testing.Penelitian membahas software engineering berbasis website dengan hybrid model integrasi pada universitas terkait. Rumusan masalah penelitian menghasilkan software engineering berbasis website mudah digunakan serta diakses mahasiwa berstatus aktif, menghasilkan software engineering layanan berbasis website mampu melacak status aduan, dan efektivitas serta efisiensi hybrid model integrasi antara metode Agile Scrum dan V-Model dalam development software engineering. Hasil penelitian untuk menyelesaikan masalah menggunakan metode deskriptif kualitatif dengan dukungan hybrid model integrasi Scrum dan V-model sehingga mengusulkan integrasi Scrum V-Plus berbasis website, hybrid model integrasi memanfaatkan kelemahan masing masing metode agar saling melengkapi, sehingga peranan Scrum sebagai tahapan awal perancangan lalu dikembangkan V-model secara terstruktur dan tersistematik kedalam modul development proses software engineering. Dengan adanya Model Integrasi Scrum V-Plus yang berjalan maka dilakukan rancangan prototype model, design dan pengujian website sebagai media validasi pembuktian bahwa dokumentasi proses bisnis secara terstruktur memiliki dampak signifikan terhadap kolaborasi metode dalam menghasilkan produk. Penelitian mengusulkan Model Scrum V-Plus Hybrid yang diadopsi dari kolaborasi kedua metode untuk berperan penting terhadap tahapan perancangan engineering terstruktur, fleksibel secara keseluruhan dalam mengintegrasikan beberapa tahapan, sehingga rancangan software terlaksana dengan baik dibuktikan model integrasi website bagi mahasiswa berstatus aktif menggunakan open data base connectivity restfulAPI pada deployment diagram berdasarkan model class diagram yang dilengkapi dengan boundary, entity dan conrol. Hybrid model integrasi memiliki dampak signifikan dibandingkan penggunaan secara terpisah dengan dibuktikan integrasi testing
Optimalisasi Prediksi Harga Ihsg Menggunakan Hybrid Weighted Fuzzy Time Series Hidden Markov Model dengan Algoritma Evolusi Differensial
Get PDFPerdagangan saham berdasarkan Indeks Harga Saham Gabungan (IHSG) di Indonesia adalah area dinamis dan kompleks. Prediksi pergerakan harga IHSG memiliki volatilitas pasar saham yang tinggi. Penggunaan Hybrid Weighted Fuzzy Time series Hidden Markov Model (WFTS-HMM) dengan Algoritma Evolusi Diferensial (DE) menjanjikan solusi dengan pendekatan terbaru. Penelitian ini bertujuan untuk meningkatkan akurasi prediksi harga IHSG melalui optimasi model hybrid.. Penelitian menggunakan data IHSG tiap bulan dari Januari hingga Desember 2023 dari situs www.yahoo.finance.com. Prediksi yang dihasilkan dari Model Hybrid WFTS-HMM dioptimasi dengan Algoritma ED memiliki tingkat kesalahan prediksi yang lebih rendah (1.45%) dibandingkan dengan model tanpa DE (1.49%).
Abstract
Stock trading based on IHSG in Indonesia is a dynamic and complex area. Predicting IHSG price movements entails high stock market volatility. Utilizing the Hybrid WFTS-HMM Model with the DE Algorithm promises a cutting-edge approach. This research aims to enhance the prediction of IHSG price through hybrid model optimization and performance evaluation. The study employs IHSG monthly data from January to December 2023 from www.yahoo.finance.com. Forecasting from the Hybrid WFTS-HMM Model with the DE Algorithm has lower prediction error (1.45%) compared to the model without DE (1.49%).Perdagangan saham berdasarkan Indeks Harga Saham Gabungan (IHSG) di Indonesia adalah area dinamis dan kompleks. Prediksi pergerakan harga IHSG memiliki volatilitas pasar saham yang tinggi. Penggunaan Hybrid Weighted Fuzzy Time series Hidden Markov Model (WFTS-HMM) dengan Algoritma Evolusi Diferensial (DE) menjanjikan solusi dengan pendekatan terbaru. Penelitian ini bertujuan untuk meningkatkan akurasi prediksi harga IHSG melalui optimasi model hybrid.. Penelitian menggunakan data IHSG tiap bulan dari Januari hingga Desember 2023 dari situs www.yahoo.finance.com. Prediksi yang dihasilkan dari Model Hybrid WFTS-HMM dioptimasi dengan Algoritma ED memiliki tingkat kesalahan prediksi yang lebih rendah (1.45%) dibandingkan dengan model tanpa DE (1.49%).
Abstract
Stock trading based on IHSG in Indonesia is a dynamic and complex area. Predicting IHSG price movements entails high stock market volatility. Utilizing the Hybrid WFTS-HMM Model with the DE Algorithm promises a cutting-edge approach. This research aims to enhance the prediction of IHSG price through hybrid model optimization and performance evaluation. The study employs IHSG monthly data from January to December 2023 from www.yahoo.finance.com. Forecasting from the Hybrid WFTS-HMM Model with the DE Algorithm has lower prediction error (1.45%) compared to the model without DE (1.49%)
Optimalisasi Hyper Parameter Convolutional Neural Networks Menggunakan Ant Colony Optimization
Get PDFBerbagai bidang, termasuk pertanian dan kesehatan, mengalami masalah klasifikasi citra yang dapat diatasi melalui beberapa metode. Salah satu metode tersebut menggabungkan convolutional neural networks (CNN) dengan deep learning, tetapi hyperparameter, seperti fungsi loss, fungsi aktivasi, dan optimizers, memengaruhi kinerjanya. Hyperparameter ini memerlukan pengoptimalan, dan metode yang ada, seperti algoritma genetika dan pengoptimalan ant colony, dapat digunakan untuk tujuan ini. Pengoptimalan ant colony terbukti efektif dalam mengoptimalkan deep learning, dan penelitian ini berkontribusi pada penyetelan otomatis berbagai hyperparameter menggunakan ant colony untuk klasifikasi gambar. Pada penelitian ini menggunakan dataset MNIST yang bertujuan untuk mengidentifikasi digit pada citra. Dataset yang digunakan terbagi menjadi 2, dataset pelatihan dan dataset validasi. Dataset pelatihan terdiri dari 33.600 gambar, dan dataset validasi terdiri dari 8.400 gambar. Hasil menunjukkan bahwa optimasi ant colony mencapai akurasi 97,46% dengan data validasi dan 99,69% dengan data pelatihan, yang mengungguli algoritma genetika dengan akurasi masing-masing 94,60% dan 97,59% dengan data validasi dan pelatihan. Selain itu, pengoptimalan ant colony membutuhkan waktu 27,94 detik untuk dilatih, sedangkan algoritme genetika membutuhkan 22,25 detik.Berbagai bidang, termasuk pertanian dan kesehatan, mengalami masalah klasifikasi citra yang dapat diatasi melalui beberapa metode. Salah satu metode tersebut menggabungkan convolutional neural networks (CNN) dengan deep learning, tetapi hyperparameter, seperti fungsi loss, fungsi aktivasi, dan optimizers, memengaruhi kinerjanya. Hyperparameter ini memerlukan pengoptimalan, dan metode yang ada, seperti algoritma genetika dan pengoptimalan ant colony, dapat digunakan untuk tujuan ini. Pengoptimalan ant colony terbukti efektif dalam mengoptimalkan deep learning, dan penelitian ini berkontribusi pada penyetelan otomatis berbagai hyperparameter menggunakan ant colony untuk klasifikasi gambar. Pada penelitian ini menggunakan dataset MNIST yang bertujuan untuk mengidentifikasi digit pada citra. Dataset yang digunakan terbagi menjadi 2, dataset pelatihan dan dataset validasi. Dataset pelatihan terdiri dari 33.600 gambar, dan dataset validasi terdiri dari 8.400 gambar. Hasil menunjukkan bahwa optimasi ant colony mencapai akurasi 97,46% dengan data validasi dan 99,69% dengan data pelatihan, yang mengungguli algoritma genetika dengan akurasi masing-masing 94,60% dan 97,59% dengan data validasi dan pelatihan. Selain itu, pengoptimalan ant colony membutuhkan waktu 27,94 detik untuk dilatih, sedangkan algoritme genetika membutuhkan 22,25 detik.
Abstract
Various fields, including agriculture and health, have encountered image classification problems that can be addressed through several methods. One such method combines convolutional neural networks (CNN) with deep learning, but hyperparameters, such as loss functions, activation functions, and optimizers, influence its performance. These hyperparameters require optimization, and existing methods, such as genetic algorithms and ant colony optimization, can be utilized for this purpose. Ant colony optimization has shown to be effective in optimizing deep learning, and this research contributes to automatic tuning of various hyperparameters using ant colonies for image classification. In this study using the MNIST dataset, which aims to identify the digits in the image. The dataset used is divided into 2, training dataset and validation dataset. The training dataset consists of 33,600 images, and the validation dataset consists of 8,400 images. The results indicate that ant colony optimization achieves an accuracy of 97.46% with validation data and 99.69% with training data, which outperforms genetic algorithms with an accuracy of 94.60% and 97.59% with validation and training data, respectively. Additionally, ant colony optimization takes 27.94 seconds to train, while the genetic algorithm requires 22.25 seconds
Pengaman Teks dengan Kombinasi Metode Electronic Code Book (ECB) dan Kode Seven Segment Display
Get PDFLayanan media sosial merupakan salah satu contoh perkembangan teknologi di bidang informasi. Salah satu cara meningkatkan sistem keamanan yaitu digunakannya ilmu kriptografi. Sudah banyak penelitian yang menghasilkan algoritma kriptografi, mulai dari algoritma yang baru, modifikasi algoritma bahkan kombinasi dari beberapa algoritma. Berdasarkan kebiasaan algoritma tersebut hacker tentu akan mencari celah untuk melakukan dekripsi dengan cara mencari algoritma dasar dari proses enkripsi untuk kemudian melakukan hack. Untuk mengantisipasi hal tersebut peneliti ingin melakukan modifikasi bukan pada algoritma pembentuknya melainkan modifikasi dari konversi system bilangan basis 2 berdasarkan Seven Segment Display. Salah satu metode yang sering digunakan untuk proses enkripsi yaitu metode Electronic Code Book (ECB). Seven Segment Display merupakan sebuah tampilan yang terbentuk dari tujuh kelompok segmen LED (Light Emitting Diode) yang dirangkai sedemikian sehingga membentuk angka–angka dari 0 hingga 9. Segmen LED dinotasikan dengan 1 jika menyala dan 0 jika mati, pola tersebut dapat digunakan untuk memanipulasi bit biner 7 bit khususnya karakter angka 0 hingga 9. Modifikasi terletak pada proses pembentukan bit kunci yang dibangkitkan berdasarkan aturan Seven Segment Display. Aturan ini digunakan untuk mengganti nilai bit, bila pada umumnya nilai bit didapat dari sistem bilangan basis 2 maka disini nilai bit didapat dari aturan seven segment display dan inilah yang merupakan state of the art dari penelitian ini karena belum pernah digunakan sebelumnya. Hasil penerapannya menunjukkan bahwa data yang dienkripsi menghasilkan chiperteks acak berupa karakter printable pada ASCII dan chiperteks dapat dikembalikan secara utuh tanpa ada informasi yang hilang. Layanan media sosial merupakan salah satu contoh perkembangan teknologi di bidang informasi. Salah satu cara meningkatkan sistem keamanan yaitu digunakannya ilmu kriptografi. Sudah banyak penelitian yang menghasilkan algoritma kriptografi, mulai dari algoritma yang baru, modifikasi algoritma bahkan kombinasi dari beberapa algoritma. Berdasarkan kebiasaan algoritma tersebut hacker tentu akan mencari celah untuk melakukan dekripsi dengan cara mencari algoritma dasar dari proses enkripsi untuk kemudian melakukan hack. Untuk mengantisipasi hal tersebut peneliti ingin melakukan modifikasi bukan pada algoritma pembentuknya melainkan modifikasi dari konversi system bilangan basis 2 berdasarkan Seven Segment Display. Salah satu metode yang sering digunakan untuk proses enkripsi yaitu metode Electronic Code Book (ECB). Seven Segment Display merupakan sebuah tampilan yang terbentuk dari tujuh kelompok segmen LED (Light Emitting Diode) yang dirangkai sedemikian sehingga membentuk angka–angka dari 0 hingga 9. Segmen LED dinotasikan dengan 1 jika menyala dan 0 jika mati, pola tersebut dapat digunakan untuk memanipulasi bit biner 7 bit khususnya karakter angka 0 hingga 9. Modifikasi terletak pada proses pembentukan bit kunci yang dibangkitkan berdasarkan aturan Seven Segment Display. Aturan ini digunakan untuk mengganti nilai bit, bila pada umumnya nilai bit didapat dari sistem bilangan basis 2 maka disini nilai bit didapat dari aturan seven segment display dan inilah yang merupakan state of the art dari penelitian ini karena belum pernah digunakan sebelumnya. Hasil penerapannya menunjukkan bahwa data yang dienkripsi menghasilkan chiperteks acak berupa karakter printable pada ASCII dan chiperteks dapat dikembalikan secara utuh tanpa ada informasi yang hilang.
Peningkatan Peforma Deteksi Serangan menggunakan Metode PCA dan Forest
Get PDFKeamanan jaringan menjadi hal yang sangat penting dalam menghadapi ancaman serangan yang semakin kompleks dan canggih. Deteksi serangan dalam jaringan dapat membantu mengidentifikasi aktivitas mencurigakan yang mengindikasikan upaya penetrasi atau serangan oleh pihak yang tidak berwenang. Dalam upaya untuk meningkatkan performa deteksi serangan perlu adanaya penerapan sebuah metode untuk mendeteksi sebuah ancaman . Metode Random Forest adalah algoritma pembelajaran mesin yang memanfaatkan ansambel pohon keputusan. Ansambel tersebut terdiri dari beberapa pohon keputusan independen yang digunakan untuk mengklasifikasikan data. Salah satu karakteristik dari metode Random Forest adalah kemampuannya dalam mengatasi masalah overfitting dan kualitas prediksi yang baik. Principal Component Analysis (PCA) adalah teknik statistik yang digunakan untuk mengurangi dimensi data dengan memproyeksikannya ke ruang fitur yang lebih rendah. Hal ini membantu menghilangkan korelasi antar fitur dan mengidentifikasi fitur-fitur penting yang dapat meningkatkan pemisahan antara serangan dan lalu lintas normal. Dalam penelitian ini akan diujikan dengan dataset CIC IOT 2023 yang terdiri dari beberapa tipe serangan. Pengujian model terdiri dari 4 fitur yaitu 5,8,10 dan 47. Hasil deteksi menunjukkan hasil yang memuaskan dengan meningkatkan kinerja dalam mendeteksi serangan hingga mencapai 99,2%Keamanan jaringan menjadi hal yang sangat penting dalam menghadapi ancaman serangan yang semakin kompleks dan canggih. Deteksi serangan dalam jaringan dapat membantu mengidentifikasi aktivitas mencurigakan yang mengindikasikan upaya penetrasi atau serangan oleh pihak yang tidak berwenang. Dalam upaya untuk meningkatkan performa deteksi serangan pada jaringan IoT perlu adanaya penerapan sebuah metode untuk mendeteksi sebuah ancaman . Metode Random Forest adalah algoritma pembelajaran mesin yang memanfaatkan ansambel pohon keputusan. Ansambel tersebut terdiri dari beberapa pohon keputusan independen yang digunakan untuk mengklasifikasikan data. Salah satu karakteristik dari metode Random Forest adalah kemampuannya dalam mengatasi masalah overfitting dan kualitas prediksi yang baik. Principal Component Analysis (PCA) adalah teknik statistik yang digunakan untuk mengurangi dimensi data dengan memproyeksikannya ke ruang fitur yang lebih rendah. Hal ini membantu menghilangkan korelasi antar fitur dan mengidentifikasi fitur-fitur penting yang dapat meningkatkan pemisahan antara serangan dan lalu lintas normal. Dalam penelitian ini akan diujikan dengan dataset CIC IOT 2023 yang terdiri dari beberapa tipe serangan yaitu DDoS, DoS, Recon, Web-based, Brute Force, Spoofing, dan Mirai. Pengujian model terdiri dari 4 fitur yaitu 5,8,10 dan 47. Hasil deteksi menunjukkan hasil yang memuaskan dengan meningkatkan kinerja dalam mendeteksi serangan hingga mencapai 99,2%
Abstract
Network security has become increasingly critical in the face of complex and sophisticated threat attacks. Detecting intrusions within a network can aid in identifying suspicious activities indicative of unauthorized penetration attempts or attacks. To enhance intrusion detection performance, the implementation of a method for threat detection is necessary. The Random Forest method, an ensemble machine learning algorithm that leverages multiple independent decision trees, is employed in this study. This method effectively addresses overfitting issues and demonstrates good predictive quality. Principal Component Analysis (PCA), a statistical technique for dimensionality reduction, is utilized to project data into a lower-dimensional feature space. By eliminating correlations between features and identifying important ones, PCA enhances the separation between attacks and normal traffic. This research utilizes the CIC IOT 2023 dataset, encompassing various types of attacks such as DDoS, DoS, Recon, Web-based, Brute Force, Spoofing, dan Mirai. The model testing phase incorporates 4 features: 5, 8, 10, and 47. The detection results indicate a remarkable performance improvement in identifying attacks, achieving an accuracy rate of 99.2%
Pengembangan GIM Online Multiplayer Matematika 24 Berbasis Web
Get PDFPenelitian ini bertujuan untuk mengembangkan gim online multiplayer berbasis web yang fokus pada pemahamanmatematika dengan tujuan meningkatkan minat belajar siswa terhadap matematika. Bermain gim atau video gametelah menjadi aktivitas yang digemari oleh banyak kalangan sebagai media rekreasi dan sarana untuk bersosialisasi.Selain itu, video game juga memiliki potensi sebagai alat pembelajaran yang efektif. Salah satu permainan kartuyang telah terbukti efektif dalam melatih kemampuan perhitungan matematika dan meningkatkan minat belajarsiswa terhadap matematika adalah permainan “24”. Dalam konteks permainan kartu “24”, masih terdapat kendalaseperti kesulitan aksesibilitas dan peraturan permainan yang tidak konsisten. Oleh karena itu, dikembangkanlahgim kartu “24” berbasis web dengan fitur multiplayer. Gim ini dirancang untuk meningkatkan kemampuanberhitung matematika dasar pada siswa dan memberikan pengalaman bermain yang menarik serta menyenangkanyang diharapkan dapat meningkatkan minat siswa terhadap pembelajaran matematika.Penelitian ini bertujuan untuk mengembangkan gim online multiplayer berbasis web yang fokus pada pemahaman matematika dengan tujuan meningkatkan minat belajar siswa terhadap matematika. Bermain gim atau video game telah menjadi aktivitas yang digemari oleh banyak kalangan sebagai media rekreasi dan sarana untuk bersosialisasi. Selain itu, video game juga memiliki potensi sebagai alat pembelajaran yang efektif. Salah satu permainan kartu yang telah terbukti efektif dalam melatih kemampuan perhitungan matematika dan meningkatkan minat belajar siswa terhadap matematika adalah permainan “24”. Dalam konteks permainan kartu “24”, masih terdapat kendala seperti kesulitan aksesibilitas dan peraturan permainan yang tidak konsisten. Oleh karena itu, dikembangkanlah gim kartu “24” berbasis web dengan fitur multiplayer. Gim ini dirancang untuk meningkatkan kemampuan berhitung matematika dasar pada siswa dan memberikan pengalaman bermain yang menarik serta menyenangkan yang diharapkan dapat meningkatkan minat siswa terhadap pembelajaran matematika.
Abstract
The purpose of this study is to develop an online multiplayer game based on the web that emphasizes mathematical understanding to raise student interest in studying mathematics. Playing video games or board games has become a pastime that many value as a creative outlet and means of socialization in the increasingly digital age. In addition, video games have the potential to be effective teaching tools. “24” is the single most effective card game for lowering math proficiency requirements and raising student proficiency levels in math instruction. In the context of “24” gameplay, certain issues remain, such as limited accessibility and inconsistent game rules. Due to this, a web-based “24” game with multiplayer feature is developed. The game in this sentence is intended to improve a student’s aptitude for fundamental mathematics
Penerapan Human Centered Design dan Usability melalui User Experience Questionnaire pada Aplikasi Petani Aceh Smart
Get PDFSekitar 34% penduduk Aceh dari jumlah total angkatan kerja sebanyak 2.487.426 merupakan para pekerja pada sektor pertanian terutama pada sektor tanaman dan bahan makanan. Pada tahun 2022 produksi sayur-sayuran di Aceh sering mengalami fluktuasi yang mencapai 6,97% sehingga berdampak besar pada tingkat inflasi dan membebani daya beli masyarakat. Perkembangan Teknologi Informasi berbasis aplikasi dapat menjadi satu solusi mengatasi masalah inflasi dan fluktuasi harga sayur-sayuran. Aplikasi Petani Aceh Smart (PAS) dirancang bertujuan untuk memberikan kemudahan dan membantu petani dalam mendapatkan data dan informasi dalam pengambilan keputusan tentang waktu tanam yang tepat, jenis tanaman yang cocok berdasarkan prediksi cuaca dan harga lokal. Analisis user experience dan user interface (UI/UX) merupakan tahapan awal yang perlu didapatkan dari pengguna sebelum aplikasi dikembangkan. Penelitian ini menggunakan pendekatan mix method yang merupakan kombinasi kualitatif dan kuantitatif. Sampel penelitian sebanyak 30 orang yang terdiri dari 10 orang penyuluh, 5 orang pemerintah dan 15 orang petani dari jumlah populasi masyarakat yang berprofesi petani dan pemerintah yang bekerja di dinas pangan Aceh. Metode Human Centered Design (HCD) digunakan untuk memenuhi kebutuhan pengguna berdasarkan analisis UI/UX. Prototype yang telah dihasilkan kemudian dilakukan pengukuran tingkat usability menggunakan user experience questionnaire (UEQ). Hasil analisis data dalam skala nilai, pengukuran usability prototype aplikasi PAS didapatkan hasil dengan baik dilihat dari kebutuhan pengguna. Pada aspek analisis usability didapatkan nilai attractiveness 1,88 (excellent), perspicuity 1.59 (above average), efficiency 1,85 (good), dependability 1,68 (good), stimulation 1,73 (excellent) dan novelty 1.58 (good). Berdasarkan hasil penelitian, penggunaan metode HCD pada rancangan UI/UX dan pengukuran tingkat usability dapat menjadi acuan bagi para desainer dan pengembang aplikasi untuk melihat kebutuhan pengguna aplikasi PASSekitar 34% penduduk Aceh dari jumlah total angkatan kerja sebanyak 2.487.426 merupakan para pekerja pada sektor pertanian terutama pada sektor tanaman dan bahan makanan. Tahun 2022 produksi sayur-sayuran di Aceh sering mengalami fluktuasi yang mencapai 6,97%, kondisi ini berdampak besar pada tingkat inflasi dan membebani daya beli masyarakat. Perkembangan Teknologi Informasi berbasis aplikasi dapat menjadi satu solusi mengatasi permasalahan tersebut. Aplikasi Petani Aceh Smart (PAS) dirancang untuk membantu petani dalam mendapatkan data dan informasi dalam pengambilan keputusan tentang waktu tanam yang tepat dan jenis tanaman yang cocok berdasarkan prediksi cuaca dan harga lokal. Analisis user experience dan user interface (UI/UX) merupakan tahapan awal yang perlu didapatkan dari pengguna sebelum aplikasi dikembangkan. Penelitian ini menggunakan pendekatan mix method. Sampel penelitian sebanyak 30 orang yang terdiri dari 10 orang penyuluh, 5 orang pemerintahan dan 15 orang petani dari jumlah populasi masyarakat yang berprofesi petani dan pemerintah yang bekerja di dinas pangan Aceh. Metode Human Centered Design (HCD) digunakan untuk memenuhi kebutuhan pengguna berdasarkan analisis UI/UX. Prototype yang telah dihasilkan kemudian dilakukan pengukuran tingkat usability menggunakan user experience questionnaire (UEQ). Hasil analisis didapatkan skala nilai attractiveness 1,88 (excellent), perspicuity 1.59 (above average), efficiency 1,85 (good), dependability 1,68 (good), stimulation 1,73 (excellent) dan novelty 1.58 (good). Hasil penelitian menunjukkan, kombinasi metode HCD dan UEQ menghasilkan protoype aplikasi PAS yang diterima sangat baik dan sangat sesuai dengan kebutuhan petani dalam mendapatkan data dan informasi untuk pengambilan keputusan tentang waktu tanam dan jenis tanaman sesuai prediksi cuaca dan harga lokal.
Abstract
Around 34% of Aceh\u27s population of the total workforce of 2,487,426 are workers in the agricultural sector, especially in the crops and foodstuffs sector. In 2022, vegetable production in Aceh will often experience fluctuations reaching 6.97%, this condition has a major impact on the inflation rate and burdens people\u27s purchasing. The development of application-based information technology can be a solution to overcome these problems. The Aceh Smart Farmer Application (PAS) is designed to help farmers obtain data and information in making decisions about the right planting time and suitable types of crops based on weather predictions and local prices. Analysis of user experience and user interface (UI/UX) is an initial stage that needs to be obtained from users before the application is developed. This research uses a mix method approach. The research sample was 30 people consisting of 10 extension workers, 5 government people and 15 farmers from the total population of people who work as farmers and the government who work in the Aceh food service. The Human Centered Design (HCD) method is used to meet user needs based on UI/UX analysis. The resulting prototype was then measured for the level of usability using a user experience questionnaire (UEQ). The results of the analysis showed that the value scale for attractiveness was 1.88 (excellent), perspicuity 1.59 (above average), efficiency 1.85 (good), dependability 1.68 (good), stimulation 1.73 (excellent) and novelty 1.58 (good). The research results show that the combination of the HCD and UEQ methods produces a PAS application prototype that is very well received and is very suitable for farmers\u27 needs in obtaining data and information for making decisions about planting times and types of crops according to weather predictions and local prices.
Rancang Bangun Alat Pengenal Finger Vein Menggunakan Raspberry Pi dengan Metode Convolutional Neural Network (CNN)
Get PDFTerobosan teknologi sistem pengenalan biometrik saat ini berkembang dengan pesat dan sangat mempermudah urusan seperti pengenalan identitas atau validasi identitas, serta tidak jarang perusahaan dan institusi lain yang umum menerapkan sistem pengenalan berbasis biometrik manusia seperti sidik jari, pola telapak tangan, wajah, ataupun iris mata. Sebuah sistem pengenalan biometrik memiliki kelebihan dan tentunya beberapa keterbatasan dalam hal performa dan kenyamanan. Pengenalan sidik jari dan telapak tangan mengharuskan pengguna untuk menyentuh permukaan sensor. Dengan cara ini, pengguna dapat merasa tidak nyaman dan risiko penyebaran virus atau bakteri sangat tinggi, juga akurasi pendeteksian dapat dipengaruhi oleh faktor-faktor seperti kulit berkeringat dan kering serta distorsi kulit. Oleh karena itu pada penelitian ini akan mengusung judul Rancang Bangun Alat Pengenal Finger Vein Menggunakan Raspberry Pi Dengan Metode Convolutional Neural Network (CNN). Penelitian ini menggunakan sistem berbasis Raspberry Pi 4 dengan bantuan IR LED dan webcam untuk proses akusisi data citra pembuluh darah jari, yang diharapkan mampu melakukan proses pengenalan Finger Vein lebih cepat, dan penggunaan metode Convolutional Neural Network yang sudah teruji untuk menghasilkan akurasi yang lebih baik dengan proses Deep Learning. Dari 30 data yang digunakan sebagai penguji sistem bersama perangkat lunak dan perangkat keras tertanam, akurasinya mencapai 96,66%.
Abstract
Breakthrough in biometric recognition system technology is currently growing rapidly and greatly facilitates matters such as identity recognition or identity validation, and it is not uncommon for companies and other institutions to implement human biometric-based recognition systems such as fingerprints, palm patterns, faces, or irises. A biometric recognition system has advantages and certainly some limitations in terms of performance and convenience. Fingerprint and palm recognition requires the user to touch the surface of the sensor. In this way, users can feel uncomfortable and the risk of spreading viruses or bacteria is very high, also the detection accuracy can be affected by factors such as sweaty and dry skin and skin distortion. Therefore, this study will carry the title Design a Finger Vein Recognition Tool Using Raspberry Pi with the Convolutional Neural Network (CNN) Method. This research uses a Raspberry Pi 4-based system with the help of IR LEDs and webcams for the acquisition process of finger blood vessel image data, which is expected to be able to carry out the Finger Vein recognition process faster, and the use of the proven Convolutional Neural Network method to produce better accuracy with the Deep Learning process. Of the 30 data used as system testers alongside embedded software and hardware, the accuracy reached 96.66%.Terobosan teknologi sistem pengenalan biometrik saat ini berkembang dengan pesat dan sangat mempermudah urusan seperti pengenalan identitas atau validasi identitas, serta tidak jarang perusahaan dan institusi lain yang umum menerapkan sistem pengenalan berbasis biometrik manusia seperti sidik jari, pola telapak tangan, wajah, ataupun iris mata. Sebuah sistem pengenalan biometrik memiliki kelebihan dan tentunya beberapa keterbatasan dalam hal performa dan kenyamanan. Pengenalan sidik jari dan telapak tangan mengharuskan pengguna untuk menyentuh permukaan sensor. Dengan cara ini, pengguna dapat merasa tidak nyaman dan risiko penyebaran virus atau bakteri sangat tinggi, juga akurasi pendeteksian dapat dipengaruhi oleh faktor-faktor seperti kulit berkeringat dan kering serta distorsi kulit. Oleh karena itu pada penelitian ini akan mengusung judul Rancang Bangun Alat Pengenal Finger Vein Menggunakan Raspberry Pi Dengan Metode Convolutional Neural Network (CNN). Penelitian ini menggunakan sistem berbasis Raspberry Pi 4 dengan bantuan IR LED dan webcam untuk proses akusisi data citra pembuluh darah jari, yang diharapkan mampu melakukan proses pengenalan Finger Vein lebih cepat, dan penggunaan metode Convolutional Neural Network yang sudah teruji untuk menghasilkan akurasi yang lebih baik dengan proses Deep Learning. Dari 30 data yang digunakan sebagai penguji sistem bersama perangkat lunak dan perangkat keras tertanam, akurasinya mencapai 96,66%.
Abstract
Breakthrough in biometric recognition system technology is currently growing rapidly and greatly facilitates matters such as identity recognition or identity validation, and it is not uncommon for companies and other institutions to implement human biometric-based recognition systems such as fingerprints, palm patterns, faces, or irises. A biometric recognition system has advantages and certainly some limitations in terms of performance and convenience. Fingerprint and palm recognition requires the user to touch the surface of the sensor. In this way, users can feel uncomfortable and the risk of spreading viruses or bacteria is very high, also the detection accuracy can be affected by factors such as sweaty and dry skin and skin distortion. Therefore, this study will carry the title Design a Finger Vein Recognition Tool Using Raspberry Pi with the Convolutional Neural Network (CNN) Method. This research uses a Raspberry Pi 4-based system with the help of IR LEDs and webcams for the acquisition process of finger blood vessel image data, which is expected to be able to carry out the Finger Vein recognition process faster, and the use of the proven Convolutional Neural Network method to produce better accuracy with the Deep Learning process. Of the 30 data used as system testers alongside embedded software and hardware, the accuracy reached 96.66%
Sistem Monitoring Tekanan Darah Berbasis Maximum Amplitude Algorithm Menggunakan Android Secara Realtime
No full textTekanan darah merupakan tekanan yang ditimbulkan pada pembuluh nadi atau arteri ketika darah dipompa dari jantung ke seluruh tubuh. Nilai dari tekanan darah dapat digunakan untuk dijadikan sebagai acuan dalam menetukan kondisi kesehatan tubuh. Untuk melakukan pengecekan terhadap nilai tekanan darah dapat dilakukan dengan menggunakan metode invasive dan non-invasive. Pengecekan tekanan darah perlu dilakukan secara langsung oleh tenaga medis dan pasien. Dengan perkembangan teknologi yang semakin pesat pengecekan ini dapat dilakukan oleh tenaga medis tanpa perlu bertemu langsung dengan pasien.Untuk melakukan monitoring ini dapat memanfaatkan smartphone untuk menampilkan informasi monitoring terhadap tekanan darah dari orang lain tanpa perlu melakukan pengecekan langsung menggunakan alat terhadap orang lain. Pada penelitian ini digunakan metode non-invasive dengan memanfaatkan pembacaan sinyal osilometrik dari perubahan tekanan pada cuff yang terbaca oleh sensor tekanan MPX5500DP untuk melakukan pembacaan tekanan darah yang kemudian ditampilkan pada perangkat android. Dengan menggunakan pendekatan menggunakan sinyal osilometrik ini akan diproses pada mikrokontroler Arduino UNO R3 untuk mencari nilai Mean Arterial Pressure, systole dan diastole menggunakan metode Maximum Amplitude Algorithm (MAA). Pada alat yang dikembangkan nilai hasil pemprosesan menggunakan metode MAA akan dikirimkan menggunakan modul bluetooth HC-05 untuk ditampilkan pada perangkat android. Pada pengujian sistem, didapatkan tingkat akurasi pembacaan nilai systole sebesar 78.23% dan tingkat akurasi pembacaan diastole sebesar 88.39% yang dibandingkan dengan pembacaan menggunakan tensimeter manual.
Abstract
Blood pressure is the pressure that exerted on the veins or arteries when blood is pumped from the heart to the rest of the body. The value of blood pressure can be used as a reference in determining the health condition of the body. To check the blood pressure values can be done using invasive and non-invasive methods. Checking blood pressure needs to be done directly by medical personnel and patients. With the rapid development of technology, this medical check can be done by medical personnel without the need to meet directly with patients. To do this medical monitoring, a smartphone can be used to display monitoring information on blood pressure from others without the need to check directly using the tool against others. In this study writer used a non-invasive method by utilizing oscillometric value readings of pressure changes in the cuff are read by the MPX5500DP pressure sensor to perform blood pressure readings are then displayed on the android device. By using this oscillometric value approach will be processed on the Arduino UNO R3 microcontroller to find the value of Mean Arterial Pressure, systole and diastole using the Maximum Amplitude Algorithm(MAA). In the developed tool, the result value of the processing using the MAA method will be sent using the bluetooth module HC-05 to be displayed on the android device. In testing the system, obtained the reading accuracy rate of systole value of 78.23% and diastole reading accuracy rate of 88.39% compared with readings using a manual tensimeter.Tekanan darah merupakan tekanan yang ditimbulkan pada pembuluh nadi atau arteri ketika darah dipompa dari jantung ke seluruh tubuh. Nilai dari tekanan darah dapat digunakan untuk dijadikan sebagai acuan dalam menetukan kondisi kesehatan tubuh. Untuk melakukan pengecekan terhadap nilai tekanan darah dapat dilakukan dengan menggunakan metode invasive dan non-invasive. Pengecekan tekanan darah perlu dilakukan secara langsung oleh tenaga medis dan pasien. Dengan perkembangan teknologi yang semakin pesat pengecekan ini dapat dilakukan oleh tenaga medis tanpa perlu bertemu langsung dengan pasien.Untuk melakukan monitoring ini dapat memanfaatkan smartphone untuk menampilkan informasi monitoring terhadap tekanan darah dari orang lain tanpa perlu melakukan pengecekan langsung menggunakan alat terhadap orang lain. Pada penelitian ini digunakan metode non-invasive dengan memanfaatkan pembacaan sinyal osilometrik dari perubahan tekanan pada cuff yang terbaca oleh sensor tekanan MPX5500DP untuk melakukan pembacaan tekanan darah yang kemudian ditampilkan pada perangkat android. Dengan menggunakan pendekatan menggunakan sinyal osilometrik ini akan diproses pada mikrokontroler Arduino UNO R3 untuk mencari nilai Mean Arterial Pressure, systole dan diastole menggunakan metode Maximum Amplitude Algorithm (MAA). Pada alat yang dikembangkan nilai hasil pemprosesan menggunakan metode MAA akan dikirimkan menggunakan modul bluetooth HC-05 untuk ditampilkan pada perangkat android. Pada pengujian sistem, didapatkan tingkat akurasi pembacaan nilai systole sebesar 78.23% dan tingkat akurasi pembacaan diastole sebesar 88.39% yang dibandingkan dengan pembacaan menggunakan tensimeter manual.
Abstract
Blood pressure is the pressure that exerted on the veins or arteries when blood is pumped from the heart to the rest of the body. The value of blood pressure can be used as a reference in determining the health condition of the body. To check the blood pressure values can be done using invasive and non-invasive methods. Checking blood pressure needs to be done directly by medical personnel and patients. With the rapid development of technology, this medical check can be done by medical personnel without the need to meet directly with patients. To do this medical monitoring, a smartphone can be used to display monitoring information on blood pressure from others without the need to check directly using the tool against others. In this study writer used a non-invasive method by utilizing oscillometric value readings of pressure changes in the cuff are read by the MPX5500DP pressure sensor to perform blood pressure readings are then displayed on the android device. By using this oscillometric value approach will be processed on the Arduino UNO R3 microcontroller to find the value of Mean Arterial Pressure, systole and diastole using the Maximum Amplitude Algorithm(MAA). In the developed tool, the result value of the processing using the MAA method will be sent using the bluetooth module HC-05 to be displayed on the android device. In testing the system, obtained the reading accuracy rate of systole value of 78.23% and diastole reading accuracy rate of 88.39% compared with readings using a manual tensimeter