Jurnal Teknologi Informasi dan Ilmu Komputer
Not a member yet
1290 research outputs found
Sort by
Analisis Sentimen Berbasis Aspek Pada Ulasan Pelanggan Restoran Menggunakan Algoritma Support Vector Machine (Studi Kasus: Depot Bamara)
Get PDFUlasan pelanggan berperan penting dalam evaluasi produk dan layanan restoran. Ulasan pelanggan membantu restoran mengidentifikasi kekuatan dan kelemahannya. Depot Bamara adalah rumah makan yang belum efektif dalam memanfaatkan ulasan pelanggan karena kurangnya teknologi dan sumber daya manusia yang ahli dalam menerapkannya. Salah satu solusi yang dapat diimplementasikan adalah menggunakan analisis sentimen berbasis aspek dengan bantuan pembelajaran mesin. Analisis sentimen berbasis aspek memberikan pengetahuan yang lebih berfokus pada setiap aspek restoran, dan penggunaan pembelajaran mesin memungkinkan pemanfaatan ulasan dengan sumber daya manusia minimal. Penelitian menggunakan data ulasan pelanggan tahun 2021-2022 sebanyak 1029 ulasan melalui web scraping di situs Google Review. Kata-kata dalam ulasan diberi bobot menggunakan teknik pembobotan frequency inverse document frequency (TF-IDF) dan diklasifikasi menggunakan algoritma support vector machine (SVM). Model klasifikasi diuji dengan teknik k-fold cross validation, menghasilkan rata-rata accuracy sebesar 92%, menunjukkan performa yang baik. Pengujian juga dilakukan pada masing-masing aspek, menujukkan hasil klasifikasi pada aspek harga memiliki rata-rata accuracy tertinggi, sebesar 96%. Data ulasan dianalisis menggunakan root cause analysis (RCA). Hasil RCA menunjukkan bahwa akar masalah ulasan negatif adalah tidak adanya opsi kepedasan, SOP yang belum ada, pelatihan staf yang belum rutin, dan kurangnya ruang parkir dan penataan tempat duduk saat makan siang. Hasil RCA digunakan untuk membuat rekomendasi setelah berdiskusi dengan stakeholder.
Abstract
Customer reviews play an important role in the evaluation of restaurant products and services. Customer reviews can help restaurants identify their strengths and weaknesses. Depot Bamara is a restaurant that has not been effective in utilizing customer reviews due to the lack of technology and human resources who are experts in implementing it. One solution that can be implemented is using aspect-based sentiment analysis with the help of machine learning. Aspect-based sentiment analysis provides more focused knowledge on each aspect of the restaurant, and the use of machine learning allows the utilization of reviews with minimal human resources. The research used customer review data in the years 2021-2022 as many as 1029 reviews through web scraping on the Google Review site. Terms found in the reviews were weighted using the frequency inverse document frequency (TF-IDF) weighting technique and classified using the support vector machine (SVM) algorithm. The classification model was tested with k-fold cross validation, resulting in an average accuracy of 92%, indicating good performance. Tests were also carried out on each aspect, showing the classification results on the price aspect had the highest average accuracy, at 96%. The review data was analyzed using root cause analysis (RCA). The RCA results showed that the root causes of negative reviews were the absence of spiciness options, the lack of SOPs, the lack of regular staff training, and the lack of parking spaces and seating arrangements during lunch. The RCA results were used to make recommendations after discussions with stakeholders.
Ulasan pelanggan berperan penting dalam evaluasi produk dan layanan restoran. Ulasan pelanggan membantu restoran mengidentifikasi kekuatan dan kelemahannya. Depot Bamara adalah rumah makan yang belum efektif dalam memanfaatkan ulasan pelanggan karena kurangnya teknologi dan sumber daya manusia yang ahli dalam menerapkannya. Salah satu solusi yang dapat diimplementasikan adalah menggunakan analisis sentimen berbasis aspek dengan bantuan pembelajaran mesin. Analisis sentimen berbasis aspek memberikan pengetahuan yang lebih berfokus pada setiap aspek restoran, dan penggunaan pembelajaran mesin memungkinkan pemanfaatan ulasan dengan sumber daya manusia minimal. Penelitian menggunakan data ulasan pelanggan tahun 2021-2022 sebanyak 1029 ulasan melalui web scraping di situs Google Review. Kata-kata dalam ulasan diberi bobot menggunakan teknik pembobotan frequency inverse document frequency (TF-IDF) dan diklasifikasi menggunakan algoritma support vector machine (SVM). Model klasifikasi diuji dengan teknik k-fold cross validation, menghasilkan rata-rata accuracy sebesar 92%, menunjukkan performa yang baik. Pengujian juga dilakukan pada masing-masing aspek, menujukkan hasil klasifikasi pada aspek harga memiliki rata-rata accuracy tertinggi, sebesar 96%. Data ulasan dianalisis menggunakan root cause analysis (RCA). Hasil RCA menunjukkan bahwa akar masalah ulasan negatif adalah tidak adanya opsi kepedasan, SOP yang belum ada, pelatihan staf yang belum rutin, dan kurangnya ruang parkir dan penataan tempat duduk saat makan siang. Hasil RCA digunakan untuk membuat rekomendasi setelah berdiskusi dengan stakeholder.
Abstract
Customer reviews play an important role in the evaluation of restaurant products and services. Customer reviews can help restaurants identify their strengths and weaknesses. Depot Bamara is a restaurant that has not been effective in utilizing customer reviews due to the lack of technology and human resources who are experts in implementing it. One solution that can be implemented is using aspect-based sentiment analysis with the help of machine learning. Aspect-based sentiment analysis provides more focused knowledge on each aspect of the restaurant, and the use of machine learning allows the utilization of reviews with minimal human resources. The research used customer review data in the years 2021-2022 as many as 1029 reviews through web scraping on the Google Review site. Terms found in the reviews were weighted using the frequency inverse document frequency (TF-IDF) weighting technique and classified using the support vector machine (SVM) algorithm. The classification model was tested with k-fold cross validation, resulting in an average accuracy of 92%, indicating good performance. Tests were also carried out on each aspect, showing the classification results on the price aspect had the highest average accuracy, at 96%. The review data was analyzed using root cause analysis (RCA). The RCA results showed that the root causes of negative reviews were the absence of spiciness options, the lack of SOPs, the lack of regular staff training, and the lack of parking spaces and seating arrangements during lunch. The RCA results were used to make recommendations after discussions with stakeholders.
Analisis Sentimen Pada Sosial Media Twitter Terhadap Kualitas Jaringan Internet Telkomsel Menggunakan Ensemble K-Nearest Neighbour -Support Vector Machine
Get PDFDi Indonesia, PT Telekomunikasi Seluler, yang mengoperasikan layanan jaringan internet seluler melalui Telkomsel, merupakan salah satu perusahaan penyedia layanan internet. Opini pengguna Telkomsel mengenai kualitas layanan jaringan internet sering dijadikan representasi kepuasan pengguna, yang menjadi indikator penilaian dan evaluasi bagi perusahaan. Analisis sentimen, dengan melakukan klasifikasi opini pengguna ke dalam kelas positif, negatif, atau netral, dapat digunakan sebagai metode untuk mengukur kepuasan pengguna terhadap layanan tersebut. Dalam penelitian analisis sentimen ini menggunakan model algoritma machine learning yaitu K-Nearest Neighbour, Support Vector Machine, dan Ensemble KNN-SVM yang berbasis majority vote dan berbasis average. Dalam penelitian ini data yang diambil berasal dari Twitter dengan rentang waktu 7 Juli 2020 hingga 31 Desember 2022 dengan total jumlah data sebesar 30004 data dan diambil sampel yang diberi label sebesar 3900 data. Dari penggunaan data sampel tersebut, nilai akurasi pada model KNN pada K=15 memberikan hasil akurasi sebesar 83.21%, model SVM pada C=100 memberikan hasil akurasi sebesar 84.33%, model Ensemble KNN-SVM Majority Vote atau Hard Vote memberikan hasil akurasi sebesar 83.26%, dan model Ensemble KNN-SVM Average atau Soft Vote memberikan hasil akurasi sebesar 84.79%. Selain itu keempat model tersebut melakukan prediksi sentimen terhadap data yang belum dilabel dan keempat model tersebut memprediksi mayoritas sentimennya yaitu negatif. Sehingga dapat disimpulkan bahwa opini masyarakat terhadap kualitas layanan jaringan internet telkomsel adalah negatif. Secara keseluruhan, penggunaan model klasifikasi KNN, SVM, dan Ensemble KNN-SVM dalam melakukan analisis sentimen dapat dikatakan baik dan mampu untuk memprediksi sentimen pada sebuah data yang belum berlabel dan yang berlabel.
Abstract
In Indonesia, PT Telekomunikasi Cellular, which operates cellular internet network services through Telkomsel, is one of the internet service provider companies. Telkomsel users\u27 opinions regarding the quality of internet network services are often used as a representation of user satisfaction, which is an indicator of assessment and evaluation for the company. Sentiment analysis, by classifying user opinions into positive, negative, or neutral classes, can be used as a method to measure user satisfaction with the service. This sentiment analysis research uses machine learning algorithm models, namely K-Nearest Neighbor, Support Vector Machine, and KNN-SVM Ensemble which are majority vote-based and average-based. In this study, the data taken came from Twitter with a period of July 7, 2020, to December 31, 2022, with a total amount of data of 30004 data and a labeled sample of 3900 data was taken. From the use of the sample data, the accuracy value of the KNN model at K = 15 gave an accuracy result of 83.21%, the SVM model at C = 100 gave an accuracy result of 84.33%, the KNN-SVM Majority Vote or Hard Vote Ensemble model gave an accuracy result of 83.26%, and the KNN-SVM Average or Soft Vote Ensemble model gave an accuracy result of 84.79%. In addition, the four models predict sentiment against unlabeled data and all four models predict the majority of sentiment is negative. So it can be concluded that public opinion on the quality of Telkomsel\u27s internet network services is negative. Overall, the use of KNN, SVM, and Ensemble KNN-SVM classification models in conducting sentiment analysis can be said to be good and able to predict sentiment on unlabeled and labeled data.
Di Indonesia, PT Telekomunikasi Seluler, yang mengoperasikan layanan jaringan internet seluler melalui Telkomsel, merupakan salah satu perusahaan penyedia layanan internet. Opini pengguna Telkomsel mengenai kualitas layanan jaringan internet sering dijadikan representasi kepuasan pengguna, yang menjadi indikator penilaian dan evaluasi bagi perusahaan. Analisis sentimen, dengan melakukan klasifikasi opini pengguna ke dalam kelas positif, negatif, atau netral, dapat digunakan sebagai metode untuk mengukur kepuasan pengguna terhadap layanan tersebut. Dalam penelitian analisis sentimen ini menggunakan model algoritma machine learning yaitu K-Nearest Neighbour, Support Vector Machine, dan Ensemble KNN-SVM yang berbasis majority vote dan berbasis average. Dalam penelitian ini data yang diambil berasal dari Twitter dengan rentang waktu 7 Juli 2020 hingga 31 Desember 2022 dengan total jumlah data sebesar 30004 data dan diambil sampel yang diberi label sebesar 3900 data. Dari penggunaan data sampel tersebut, nilai akurasi pada model KNN pada K=15 memberikan hasil akurasi sebesar 83.21%, model SVM pada C=100 memberikan hasil akurasi sebesar 84.33%, model Ensemble KNN-SVM Majority Vote atau Hard Vote memberikan hasil akurasi sebesar 83.26%, dan model Ensemble KNN-SVM Average atau Soft Vote memberikan hasil akurasi sebesar 84.79%. Selain itu keempat model tersebut melakukan prediksi sentimen terhadap data yang belum dilabel dan keempat model tersebut memprediksi mayoritas sentimennya yaitu negatif. Sehingga dapat disimpulkan bahwa opini masyarakat terhadap kualitas layanan jaringan internet telkomsel adalah negatif. Secara keseluruhan, penggunaan model klasifikasi KNN, SVM, dan Ensemble KNN-SVM dalam melakukan analisis sentimen dapat dikatakan baik dan mampu untuk memprediksi sentimen pada sebuah data yang belum berlabel dan yang berlabel.
Abstract
In Indonesia, PT Telekomunikasi Cellular, which operates cellular internet network services through Telkomsel, is one of the internet service provider companies. Telkomsel users\u27 opinions regarding the quality of internet network services are often used as a representation of user satisfaction, which is an indicator of assessment and evaluation for the company. Sentiment analysis, by classifying user opinions into positive, negative, or neutral classes, can be used as a method to measure user satisfaction with the service. This sentiment analysis research uses machine learning algorithm models, namely K-Nearest Neighbor, Support Vector Machine, and KNN-SVM Ensemble which are majority vote-based and average-based. In this study, the data taken came from Twitter with a period of July 7, 2020, to December 31, 2022, with a total amount of data of 30004 data and a labeled sample of 3900 data was taken. From the use of the sample data, the accuracy value of the KNN model at K = 15 gave an accuracy result of 83.21%, the SVM model at C = 100 gave an accuracy result of 84.33%, the KNN-SVM Majority Vote or Hard Vote Ensemble model gave an accuracy result of 83.26%, and the KNN-SVM Average or Soft Vote Ensemble model gave an accuracy result of 84.79%. In addition, the four models predict sentiment against unlabeled data and all four models predict the majority of sentiment is negative. So it can be concluded that public opinion on the quality of Telkomsel\u27s internet network services is negative. Overall, the use of KNN, SVM, and Ensemble KNN-SVM classification models in conducting sentiment analysis can be said to be good and able to predict sentiment on unlabeled and labeled data.
Prediksi Kelulusan Tepat Waktu Berdasarkan Riwayat Akademik Menggunakan Metode K-Nearest Neighbor
Get PDFLulus tepat waktu adalah pencapaian paripurna ingin dicapai oleh semua mahasiswa atau calon mahasiswa. Kelulusan memiliki 2 klasifikasi seperti lulus tidak tepat waktu dan lulus tepat waktu. Kelulusan menjadi suatu penilaian akreditasi universitas dan penilaian oleh masyarakat secara luas. Perguruan tinggi meluluskan mahasiswa-mahasiwa dengan beberapa kriteria standar yang harus dimiliki. Diharapkan mahasiswa lulus memenuhi syarat standar kelulusan dalam waktu maksimal 4 tahun masa studi. Evaluasi dan pemantauan kelulusan sangat penting dilakukan, salah satunya dengan mempelajari data history mahasiswa yang telah lulus sebagai upaya mahasiswa lulus tidak melebihi waktu standar yang telah ditetapkan. Prediksi kelulusan yang dilakukan pada riset menggunakan kaidah klasifikasi K-Nearest Neighbor dengan objek penelitian yaitu mahasiswa. Atribut yang dipakai dalam penelitian metode klasifikasi yaitu nama, asal SMA/SMK, wilayah asal SMA/SMK, nilai rata-rata matematika dan lama studi. Tahapan penelitian diawali dengan pengumpulan data, pemilihan atribut, pembersihan data, transformasi data, pemilihan data testing dan data training. Pengujian akurasi yang didapatkan pada penelitian metode klasifikasi dengan klaster data k=1, k=2, k=3, k=4, k=5, k=6 dan k=7 menghasilkan klaster dengan nilai k=3 paling tinggi. Hasil pengujian akurasi prediksi penelitian menggunakan confusion matrix menghasilkan akurasi paling besar sesuai target yaitu mencapai 78% menggunakan objek penelitian sebanyak 93 data mahasiswa terdiri dari 78 training dan 12 data testing. Hasil pengujian point k=1 sampai point k=7, k=3 merupakan nilai akurasi prediksi yang paling tinggi sehingga hasil penelitian menjadi sumber pengetahuan untuk fakultas dalam prediksi kelulusan mahasiswa.AbstractGraduating on time is a plenary achievement to be achieved by all students or prospective students. Graduation has 2 classifications such as graduating not on time and graduating on time. Graduation becomes an assessment of university accreditation and an assessment by the wider community. Universities graduate students with several standard criteria that must be possessed. It is expected that graduating students meet the graduation standard requirements within a maximum of 4 years of study period. Evaluation and monitoring of graduation is very important to do, one of which is by studying the history data of students who have graduated as an effort for students to graduate not to exceed the standard time that has been set. The graduation predictions carried out in research use the K-Nearest Neighbor classification rules with the research object being students. The attributes used in the research classification method are name, high school/vocational high school origin, high school/vocational high school origin, average grade in mathematics and length of study. The research phase begins with data collection, attribute selection, data cleaning, data transformation, selection of testing data and training data. The accuracy test obtained in the classification method research with data clusters k = 1, k = 2, k = 3, k = 4, k = 5, k = 6 and k = 7 produces a cluster with the highest k = 3 value. The results of testing the accuracy of research predictions using the confusion matrix produced the greatest accuracy according to the target, reaching 78% using a research object of 93 student data consisting of 78 training and 12 testing data. The test results point k=1 to point k=7, k=3 is the highest prediction accuracy value so that the research results become a source of knowledge for the faculty in predicting student graduation.Abstract
Graduating on time is a plenary achievement to be achieved by all students or prospective students. Graduation has 2 classifications such as graduating not on time and graduating on time. Graduation becomes an assessment of university accreditation and an assessment by the wider community. Universities graduate students with several standard criteria that must be possessed. It is expected that graduating students meet the graduation standard requirements within a maximum of 4 years of study period. Evaluation and monitoring of graduation is very important to do, one of which is by studying the history data of students who have graduated as an effort for students to graduate not to exceed the standard time that has been set. The graduation predictions carried out in research use the K-Nearest Neighbor classification rules with the research object being students. The attributes used in the research classification method are name, high school/vocational high school origin, high school/vocational high school origin, average grade in mathematics and length of study. The research phase begins with data collection, attribute selection, data cleaning, data transformation, selection of testing data and training data. The accuracy test obtained in the classification method research with data clusters k = 1, k = 2, k = 3, k = 4, k = 5, k = 6 and k = 7 produces a cluster with the highest k = 3 value. The results of testing the accuracy of research predictions using the confusion matrix produced the greatest accuracy according to the target, reaching 78% using a research object of 93 student data consisting of 78 training and 12 testing data. The test results point k=1 to point k=7, k=3 is the highest prediction accuracy value so that the research results become a source of knowledge for the faculty in predicting student graduation.
Abstrak
Lulus tepat waktu adalah pencapaian paripurna ingin dicapai oleh semua mahasiswa atau calon mahasiswa. Kelulusan memiliki 2 klasifikasi seperti lulus tidak tepat waktu dan lulus tepat waktu. Kelulusan menjadi suatu penilaian akreditasi universitas dan penilaian oleh masyarakat secara luas. Perguruan tinggi meluluskan mahasiswa-mahasiwa dengan beberapa kriteria standar yang harus dimiliki. Diharapkan mahasiswa lulus memenuhi syarat standar kelulusan dalam waktu maksimal 4 tahun masa studi. Evaluasi dan pemantauan kelulusan sangat penting dilakukan, salah satunya dengan mempelajari data history mahasiswa yang telah lulus sebagai upaya mahasiswa lulus tidak melebihi waktu standar yang telah ditetapkan. Prediksi kelulusan yang dilakukan pada riset menggunakan kaidah klasifikasi K-Nearest Neighbor dengan objek penelitian yaitu mahasiswa. Atribut yang dipakai dalam penelitian metode klasifikasi yaitu nama, asal SMA/SMK, wilayah asal SMA/SMK, nilai rata-rata matematika dan lama studi. Tahapan penelitian diawali dengan pengumpulan data, pemilihan atribut, pembersihan data, transformasi data, pemilihan data testing dan data training. Pengujian akurasi yang didapatkan pada penelitian metode klasifikasi dengan klaster data k=1, k=2, k=3, k=4, k=5, k=6 dan k=7 menghasilkan klaster dengan nilai k=3 paling tinggi. Hasil pengujian akurasi prediksi penelitian menggunakan confusion matrix menghasilkan akurasi paling besar sesuai target yaitu mencapai 78% menggunakan objek penelitian sebanyak 93 data mahasiswa terdiri dari 78 training dan 12 data testing. Hasil pengujian point k=1 sampai point k=7, k=3 merupakan nilai akurasi prediksi yang paling tinggi sehingga hasil penelitian menjadi sumber pengetahuan untuk fakultas dalam prediksi kelulusan mahasiswa
Mediasi Literasi Digital Dalam Meningkatkan Kinerja Bisnis Industri Mikro Dan Kecil Kota Balikpapan
Get PDFPerpindahan ibukota ke Kalimantan Timur menjadi momentum pelaku industri mikro kecil untuk mendorong pertumbuhan produktivitas ekonomi kawasan penyangga Ibu Kota Nusantara (IKN). Unit bisnis yang mampu mengadopsi teknologi memungkinkan memperoleh banyak manfaat. Kesenjangan produktivitas antara perusahaan besar dan industri mikro kecil disebabkan kesenjangan adopsi teknologi, akses pendanaan, dan praktik manajerial. Pengembangan klaster berbasis masyarakat dapat meminimalkan kelemahan, terutama di bidang penggunaan teknologi dan sistem informasi. Penelitian ini melihat pengaruh pengalaman digital terhadap kinerja bisnis dengan literasi digital sebagai variabel mediasi. Penelitian mengambil sampel industri mikro dan kecil di Kota Balikpapan sebagai salah satu kota penyangga IKN. Subyek penelitian adalah pelaku industri pengolahan pangan di kawasan Sentra Industri Kecil Somber. Penelitian kuantitatif menggunakan pemodelan SEM-PLS menggunakan alat analisis WarpPLS 8.0. Hasil uji hipotesis menunjukkan bahwa pengalaman digital dan literasi digital secara parsial berpengaruh langsung dan siginifikan terhadap kinerja bisnis. Literasi digital signifikan memediasi hubungan pengalaman digital dan kinerja bisnis pelaku usaha mikro dan kecil Kota Balikapapan.Perpindahan ibukota ke Kalimantan Timur menjadi momentum pelaku industri mikro kecil untuk mendorong kinerja bisnis di kawasan penyangga Ibu Kota Nusantara (IKN). Kesenjangan kinerja operasional, kinerja manajemen dan kinerja pendukung antara perusahaan besar dan IMK disebabkan kesenjangan adopsi teknologi, literasi digital dan pengalaman digital pelaku usaha. Pengembangan klaster berbasis masyarakat dapat meminimalkan kelemahan, terutama di bidang penggunaan teknologi dan sistem informasi. Penelitian ini melihat pengaruh pengalaman digital terhadap kinerja bisnis dengan literasi digital sebagai variabel mediasi. Penelitian mengambil sampel industri mikro dan kecil di Kota Balikpapan sebagai salah satu kota penyangga IKN. Penelitian ini dilakukan dengan analisis multivariat Structural Equation Model (SEM) pendekatan WarpPLS. Subjek penelitian dilakukan terhadap pemilik usaha di Sentra Industri Kecil Somber. Orisinalitas penelitian ini terletak pada penambahan variabel baru literasi digital sebagai mediator, pengaruhnya terhadap kinerja bisnis. Hasil uji hipotesis menunjukkan bahwa pengalaman digital dan literasi digital secara parsial berpengaruh langsung dan siginifikan terhadap kinerja bisnis. Literasi digital signifikan memediasi hubungan pengalaman digital dan kinerja bisnis pelaku usaha mikro dan kecil Kota Balikapapan. Implikasi dari penelitian ini menunjukkan bahwa pelaku industri mikro dan kecil yang mampu memberikan layanan digital dan memiliki kemampuan berinteraksi sosial di dunia digital dengan baik dapat meningkatkan literasi informasi dan kolaborasi dengan pelanggan di layanan digital. Interaksi dan kolaborasi online meningkatkan kinerja bisnis seperti memudahkan pekerjaan tim dalam hal pemenuhan pesanan pelanggan, meningkatkan layanan pelanggan dan pengelolaan pekerjaan.
Abstract
Moving the capital to East Kalimantan is a momentum for small micro industry players to boost business performance in the buffer zone of the Capital City of the Archipelago (IKN). The operational performance, management performance and support performance gaps between large enterprises and small micro industry are due to gaps in technology adoption, digital literacy and digital experience of business actors. Community-based cluster development can minimize weaknesses, especially in the area of technology use and information systems. This study looks at the effect of digital experience on business performance with digital literacy as a mediating variable. The study takes the sample of micro and small industries in Balikpapan City as one of the buffer cities of IKN. This study was conducted with a multivariate analysis of the Structural Equation Model (SEM) WarpPLS approach. Research subjects were 80 business owners in the Somber Small Industry Center. Originality of this research lies in the addition of new variables of digital literacy as a mediator, its influence on business performance. Hypothesis testing results show that digital experience and digital literacy partially have a direct and significant effect on business performance. Digital literacy significantly mediates the relationship between digital experience and business performance of micro and small businesses in Balikapapan City. Implications of this research show that micro and small industry players who are able to provide digital services and have good social interaction skills in the digital world can improve information literacy and collaboration with customers in digital services. Online interaction and collaboration improve business performance such as facilitating teamwork in terms of customer order fulfillment, improving customer service and work management
Estimasi Gender Berbasis Sidik Jari dengan Wavelet dan Support Vector Machine
Get PDFEstimasi gender berbasis sidik jari sering diperlukan untuk identifikasi jenazah tanpa identitas, sebelum dipastikan dengan tes DNA. Untuk kepentingan tersebut sidik jari jenazah diambil secara digital dan selanjutnya diidentifikasi. Kesulitan yang dihadapi dalam memproses sidik jari secara digital adalah menentukan fitur yang handal dan tidak dipengaruhi oleh kwalitas citra dan masalah translasi dan rotasi. Selain itu untuk mendapatkan akurasi yang tinggi diperlukan sejumlah preprocessing pada dataset. Penelitian ini bertujuan untuk mengestimasi gender berbasis sidik jari dengan fitur yang dibangkitkan dari transformasi wavelet. Fitur diambil dari nilai Energy yang dihasilkan melalui transformasi Haar wavelet sebanyak enam level. Selanjutnya fitur tersebut dipakai sebagai data latih bagi Support Vector Machines (SVM) untuk diestimasi. Penelitian ini menggunakan dataset dari NIST (National Institute of Standart and Technology) sebanyak 1000 sampel terdiri dari 500 sidik jari pria dan 500 sidik jari wanita. Berdasarkan hasil percobaan yang dilakukan, metode ini menghasilkan akurasi sampai 70.3% dengan tingkat TPR (True Positive Rate) sebesar 80.6% untuk sidik jari wanita dan 60.0% untuk sidik jari pria. Metode ini menunjukkan waktu komputasi yang cepat karena tidak memerlukan preprocessing, komputasinya sederhana dan dengan jumlah sampel data yang tidak banyak.
Abstract
Gender estimation based on fingerprints is often required to identify unidentified corpses before being confirmed by DNA testing. For this purpose, fingerprints of the body are taken digitally and subsequently identified. The difficulty in digital fingerprint examination is determining reliable features unaffected by translation or rotation. In addition, some preprocessing is required on the dataset to obtain high accuracy. This study aims to estimate gender based on fingerprints using wavelet transform and Support Vector Machines (SVM). The features are the Energy values generated by the Haar wavelet transform of six-level. The features are then used as training data for the SVM to be classified. This study used datasets from NIST (National Institute of Standards and Technology), as many as 1000 samples consisting of 500 male fingerprints and 500 female fingerprints. Based on the experiments\u27 results, this method produces an accuracy of up to 70.3% with a TPR (True Positive Rate) of 80.6% for female fingerprints and 60.0% for male fingerprints. This method shows a fast computational time because it does not require preprocessing; the computation is simple and with a small amount of sample data.Estimasi gender berbasis sidik jari sering diperlukan untuk identifikasi jenazah tanpa identitas, sebelum dipastikan dengan tes DNA. Untuk kepentingan tersebut sidik jari jenazah diambil secara digital dan selanjutnya diidentifikasi. Kesulitan yang dihadapi dalam memproses sidik jari secara digital adalah menentukan fitur yang handal dan tidak dipengaruhi oleh kwalitas citra dan masalah translasi dan rotasi. Selain itu untuk mendapatkan akurasi yang tinggi diperlukan sejumlah preprocessing pada dataset. Penelitian ini bertujuan untuk mengestimasi gender berbasis sidik jari dengan fitur yang dibangkitkan dari transformasi wavelet. Fitur diambil dari nilai Energy yang dihasilkan melalui transformasi Haar wavelet sebanyak enam level. Selanjutnya fitur tersebut dipakai sebagai data latih bagi Support Vector Machines (SVM) untuk diestimasi. Penelitian ini menggunakan dataset dari NIST (National Institute of Standart and Technology) sebanyak 1000 sampel terdiri dari 500 sidik jari pria dan 500 sidik jari wanita. Berdasarkan hasil percobaan yang dilakukan, metode ini menghasilkan akurasi sampai 70.3% dengan tingkat TPR (True Positive Rate) sebesar 80.6% untuk sidik jari wanita dan 60.0% untuk sidik jari pria. Metode ini menunjukkan waktu komputasi yang cepat karena tidak memerlukan preprocessing, komputasinya sederhana dan dengan jumlah sampel data yang tidak banyak.
Abstract
Gender estimation based on fingerprints is often required to identify unidentified corpses before being confirmed by DNA testing. For this purpose, fingerprints of the body are taken digitally and subsequently identified. The difficulty in digital fingerprint examination is determining reliable features unaffected by translation or rotation. In addition, some preprocessing is required on the dataset to obtain high accuracy. This study aims to estimate gender based on fingerprints using wavelet transform and Support Vector Machines (SVM). The features are the Energy values generated by the Haar wavelet transform of six-level. The features are then used as training data for the SVM to be classified. This study used datasets from NIST (National Institute of Standards and Technology), as many as 1000 samples consisting of 500 male fingerprints and 500 female fingerprints. Based on the experiments\u27 results, this method produces an accuracy of up to 70.3% with a TPR (True Positive Rate) of 80.6% for female fingerprints and 60.0% for male fingerprints. This method shows a fast computational time because it does not require preprocessing; the computation is simple and with a small amount of sample data
Implementasi Algoritma Fuzzi Mamdani pada Sistem Pakar Menggunakan Software Aplikasi Matlab R2007B, Studi Kasus: Tanaman Hidroponik Selada Air
Get PDFHidroponik merupakan teknik bertanam dengan media tanam selain tanah. Jenis tanaman yang ditanam dengan teknik hidroponik, salah satunya menggunakan media tanam berupa air (hidro). Tanaman yang dapat tumbuh dengan menggunakan media tanam air yaitu Selada Air (Nasturtium Officinale). Berdasarkan hasil observasi dengan petani perkebunan selada air, bahwa tanaman tersebut dipengaruhi oleh beberapa faktor yaitu kadar nutrisi, tingkat keasaman dan suhu pada media air. Faktor tersebut dijadikan sebagai variabel data masukan sistem pakar untuk memprediksi tingkat nilai pertumbuhan dan perkembangan tanaman. Proses kerja sistem pakar dengan menerapkan algoritma fuzzy mamdani. Sistem pakar dibangun menggunakan fungsi dari Sistem Inferensi Fuzzy (Fuzzy Inference System/FIS) yang terdapat pada Fuzzy Logic Toolbox (FLT) dalam software aplikasi MATLAB R2007b. Selain itu untuk mengetahui pengaruh dari variabel masukan terhadap pertumbuhan dan perkembangan tanaman selada air dapat divisualisasikan dengan fungsi diagram keluaran surface FIS yang berbentuk tiga dimensi. Hasil analisis dari diagram keluaran surface FIS bahwa menunjukkan tanaman hidroponik selada air dapat tumbuh dan berkembang dalam kondisi: (1) tingkat kadar nutrisi 1000 sampai 1800 PPM; (2) tingkat keasaman 3 sampai 6 H+/liter; dan (3) tingkat suhu air 24o sampai 29o C.
Abstract
Hydroponics is a planting technique using growing media other than soil. Types of plants that are grown using hydroponic techniques, one of which uses a planting medium in the form of water (hydro). Plants that can grow using water growing media are Watercress (Nasturtium Officinale). Based on the results of observations with watercress plantation farmers, that the plant is influenced by several factors, namely nutrient levels, acidity levels and temperature in the water medium. These factors are used as masukan data variables for expert systems to predict the level of plant growth and development values. Expert system work process by applying the fuzzy mamdani algorithm. The expert system was built using the functions of the Fuzzy Inference System (FIS) contained in the Fuzzy Logic Toolbox (FLT) in the MATLAB R2007b application software. In addition, to determine the effect of the masukan variables on the growth and development of watercress plants, it can be visualized using the three-dimensional FIS keluaran surface diagram function. The results of the analysis of the FIS keluaran surface diagram show that watercress hydroponic plants can grow and develop under the following conditions: (1) nutrient levels of 1000 to 1800 PPM; (2) acidity level 3 to 6 H+/liter; and (3) temperature water level of 24o to 29o C.Hidroponik merupakan teknik bertanam dengan media tanam selain tanah. Jenis tanaman yang ditanam dengan teknik hidroponik, salah satunya menggunakan media tanam berupa air (hidro). Tanaman yang dapat tumbuh dengan menggunakan media tanam air yaitu Selada Air (Nasturtium Officinale). Berdasarkan hasil observasi dengan petani perkebunan selada air, bahwa tanaman tersebut dipengaruhi oleh beberapa faktor yaitu kadar nutrisi, tingkat keasaman dan suhu pada media air. Faktor tersebut dijadikan sebagai variabel data masukan sistem pakar untuk memprediksi tingkat nilai pertumbuhan dan perkembangan tanaman. Proses kerja sistem pakar dengan menerapkan algoritma fuzzy mamdani. Sistem pakar dibangun menggunakan fungsi dari Sistem Inferensi Fuzzy (Fuzzy Inference System/FIS) yang terdapat pada Fuzzy Logic Toolbox (FLT) dalam software aplikasi MATLAB R2007b. Selain itu untuk mengetahui pengaruh dari variabel masukan terhadap pertumbuhan dan perkembangan tanaman selada air dapat divisualisasikan dengan fungsi diagram keluaran surface FIS yang berbentuk tiga dimensi. Hasil analisis dari diagram keluaran surface FIS bahwa menunjukkan tanaman hidroponik selada air dapat tumbuh dan berkembang dalam kondisi: (1) tingkat kadar nutrisi 1000 sampai 1800 PPM; (2) tingkat keasaman 3 sampai 6 H+/liter; dan (3) tingkat suhu air 24o sampai 29o C.
Abstract
Hydroponics is a planting technique using growing media other than soil. Types of plants that are grown using hydroponic techniques, one of which uses a planting medium in the form of water (hydro). Plants that can grow using water growing media are Watercress (Nasturtium Officinale). Based on the results of observations with watercress plantation farmers, that the plant is influenced by several factors, namely nutrient levels, acidity levels and temperature in the water medium. These factors are used as masukan data variables for expert systems to predict the level of plant growth and development values. Expert system work process by applying the fuzzy mamdani algorithm. The expert system was built using the functions of the Fuzzy Inference System (FIS) contained in the Fuzzy Logic Toolbox (FLT) in the MATLAB R2007b application software. In addition, to determine the effect of the masukan variables on the growth and development of watercress plants, it can be visualized using the three-dimensional FIS keluaran surface diagram function. The results of the analysis of the FIS keluaran surface diagram show that watercress hydroponic plants can grow and develop under the following conditions: (1) nutrient levels of 1000 to 1800 PPM; (2) acidity level 3 to 6 H+/liter; and (3) temperature water level of 24o to 29o C
Optimasi Weight AHP Menggunakan Genetic Algorithm untuk Rekomendasi Platform Media Sosial Sebagai Sarana Promosi Digital
Get PDFTim pemasar suatu perusahaan dapat memanfaatkan media sosial untuk memperluas jangkauan pemasaran dan berinteraksi secara lebih intens dengan para pelanggan. Salah satu tantangan utama yang dihadapi tim pemasar untuk promosi digital adalah bagaimana memilih platform sosial media yang paling tepat agar dapat mencapai tujuan promosi yang optimal. Keputusan untuk memilih platform sosial media ini melibatkan sejumlah kriteria seperti content, impression, cost, look and feel, dan audience fit. Urutan rekomendasi platform media sosial sebagai sarana promosi yang dihasilkan penelitian ini adalah Facebook, Instagram, YouTube, Twitter, Pinterest, TikTok, dan LinkedIn. Urutan rekomendasi tersebut berhasil didapatkan dengan pendekatan optimasi weight Analytical Hierarchy Process (AHP) menggunakan Genetic Algorithm (GA) untuk rekomendasi platform media sosial sebagai sarana promosi digital. Optimasi yang dilakukan terbukti dapat meningkatkan keakurasian peringkat dari 95% ke 97% yang dihasilkan melalui perhitungan fitness yang menggunakan rumus Spearman Correlation. Penelitian ini juga berhasil menarik kesimpulan terkait bidang AHP-GA yang menyatakan bahwa popsize mempengaruhi nilai fitness. Semakin tinggi popsize, maka semakin besar potensi nilai fitness yang dihasilkan, namun peningkatan popsize itu sendiri tidak menjamin perolehan nilai fitness yang lebih baik sehingga perlu memikirkan faktor lainnya pula. Selain itu, semakin banyaknya jumlah generasi maka proses evolusi akan semakin sering terjadi. Tiap generasinya akan melakukan crossover dan mutasi, sehingga hal ini berpengaruh pada semakin beragamnya individu yang dihasilkan dan pada akhirnya dapat membantu menemukan solusi yang lebih baik.
Abstract
A company\u27s marketing team can use social media to expand marketing reach and interact more intensely with customers. One of the main challenges faced by marketers for digital promotion is how to choose the most appropriate social media platforms to achieve optimal promotional goals. The decision to choose a social media platform involves several criteria such as content, impression, cost, look and feel, and audience fit. The order of recommendations for social media platforms as a means of promotion resulting from this research are Facebook, Instagram, YouTube, Twitter, Pinterest, TikTok, and LinkedIn. The sequence of recommendations was successfully obtained using the weight Analytical Hierarchy Process (AHP) optimization approach using Genetic Algorithm (GA) for social media platform recommendations as a means of digital promotion. The optimization carried out was proven to increase ranking accuracy from 95% to 97% which was produced through fitness calculations using the Spearman Correlation formula. This study also succeeded in drawing conclusions related to the AHP-GA field which stated that popsize affects fitness values. The higher the popsize, the greater the potential fitness value generated, however increasing the popsize itself does not guarantee obtaining a better fitness value so you need to think about other factors as well. In addition, the greater the number of generations, the more frequently the evolutionary process will occur. Each generation will carry out crossover and mutation, so this influences the resulting more diverse individuals and can ultimately help find better solutions.Tim pemasar suatu perusahaan dapat memanfaatkan media sosial untuk memperluas jangkauan pemasaran dan berinteraksi secara lebih intens dengan para pelanggan. Salah satu tantangan utama yang dihadapi tim pemasar untuk promosi digital adalah bagaimana memilih platform sosial media yang paling tepat agar dapat mencapai tujuan promosi yang optimal. Keputusan untuk memilih platform sosial media ini melibatkan sejumlah kriteria seperti content, impression, cost, look and feel, dan audience fit. Urutan rekomendasi platform media sosial sebagai sarana promosi yang dihasilkan penelitian ini adalah Facebook, Instagram, YouTube, Twitter, Pinterest, TikTok, dan LinkedIn. Urutan rekomendasi tersebut berhasil didapatkan dengan pendekatan optimasi weight Analytical Hierarchy Process (AHP) menggunakan Genetic Algorithm (GA) untuk rekomendasi platform media sosial sebagai sarana promosi digital. Optimasi yang dilakukan terbukti dapat meningkatkan keakurasian peringkat dari 95% ke 97% yang dihasilkan melalui perhitungan fitness yang menggunakan rumus Spearman Correlation. Penelitian ini juga berhasil menarik kesimpulan terkait bidang AHP-GA yang menyatakan bahwa popsize mempengaruhi nilai fitness. Semakin tinggi popsize, maka semakin besar potensi nilai fitness yang dihasilkan, namun peningkatan popsize itu sendiri tidak menjamin perolehan nilai fitness yang lebih baik sehingga perlu memikirkan faktor lainnya pula. Selain itu, semakin banyaknya jumlah generasi maka proses evolusi akan semakin sering terjadi. Tiap generasinya akan melakukan crossover dan mutasi, sehingga hal ini berpengaruh pada semakin beragamnya individu yang dihasilkan dan pada akhirnya dapat membantu menemukan solusi yang lebih baik.
Abstract
A company\u27s marketing team can use social media to expand marketing reach and interact more intensely with customers. One of the main challenges faced by marketers for digital promotion is how to choose the most appropriate social media platforms to achieve optimal promotional goals. The decision to choose a social media platform involves several criteria such as content, impression, cost, look and feel, and audience fit. The order of recommendations for social media platforms as a means of promotion resulting from this research are Facebook, Instagram, YouTube, Twitter, Pinterest, TikTok, and LinkedIn. The sequence of recommendations was successfully obtained using the weight Analytical Hierarchy Process (AHP) optimization approach using Genetic Algorithm (GA) for social media platform recommendations as a means of digital promotion. The optimization carried out was proven to increase ranking accuracy from 95% to 97% which was produced through fitness calculations using the Spearman Correlation formula. This study also succeeded in drawing conclusions related to the AHP-GA field which stated that popsize affects fitness values. The higher the popsize, the greater the potential fitness value generated, however increasing the popsize itself does not guarantee obtaining a better fitness value so you need to think about other factors as well. In addition, the greater the number of generations, the more frequently the evolutionary process will occur. Each generation will carry out crossover and mutation, so this influences the resulting more diverse individuals and can ultimately help find better solutions
Sistem Klasifikasi Jenis Sampah Berdasarkan Kombinasi Fitur Warnac Tekstur Menggunakan Artifical Neural Network Berbasis Pengolahan Citra Digital
Get PDFPengelolaan sampah merupakan isu multisektor yang memiliki dampak dalam berbagai aspek kehidupan manusia. Sampah sangat penting untuk dikelola dengan baik untuk meminimalisir dampak negated dan memaksimalkan dampak positifnya pada masyarakat. Dalam pengelolaan sampah, sampah dibagi ke dalam dua jenis yaitu sampah organik dan anorganik. Agar dapat dikelola dengan mudah dan efektif, sampah harus dikelompokkan berdasarkan jenisnya. Namun, diberbagai tempat pembuangan sampah, dua jenis sampah tersebut masih tercampur antara satu sama lain. Oleh karena itu, pada penelitian ini dilakukan implementasi teknologi pengolahan citra digital untuk pemilahan sampah menggunakan metode Artifical Neural Network. Adapun metode yang diusulkan terdiri atas enam tahap yaitu, tahap akuisisi citra, preprocessing, segmentasi, morfologi, ekstraksi fitur, dan klasifikasi berdasarkan model jaringan syaraf tiruan yang telah dilatih. Pada penelitian ini juga, dilakukan beberapa skenario pengujian untuk menentukan kombinasi fitur yang memiliki tingkat akurasi terbaik. Hasil pengujian menunjukkan 2 kombinasi fitur terbaik yaitu fitur warna HSV, LAB dan fitur tekstur. Berdasarkan hasil pengujian terhadap 210 citra uji, diperoleh rata-rata precision 84,11%, recall 84.16%, F1-Score 84,08% dan akurasi keseluruhan mencapai 84%. Hasil tersebut menunjukkan bahwa pengelompokan jenis sampah telah dilakukan dengan cukup akurat.Pengelolaan sampah merupakan isu multisektor yang memiliki dampak dalam berbagai aspek kehidupan manusia. Dalam pengelolaan sampah yang efektif bukan hanya tentang membersihkan lingkungan, tetapi juga tentang melindungi kesehatan masyarakat dan mendorong pembangunan berkelanjutan. Sampah harus dikelola dengan cermat untuk mengurangi dampak negatifnya dan memaksimalkan manfaatnya bagi masyarakat. Namun, di berbagai lokasi pembuangan sampah, kecenderungan campuran antara sampah organik dan anorganik masih menjadi tantangan yang signifikan. Hal ini tidak hanya menghambat efisiensi proses pengelolaan sampah, tetapi juga meningkatkan risiko pencemaran lingkungan yang berpotensi merugikan. Oleh karena itu, dalam penelitian ini, penggunaan teknologi pengolahan citra digital dengan metode Artificial Neural Network (ANN) menjadi krusial. Metode ini tidak hanya dapat memilah sampah dengan lebih efisien, tetapi juga memberikan kemungkinan untuk meminimalkan kesalahan dalam pengelompokan sampah. Adapun metode yang disarankan terdiri dari enam tahap yaitu, tahap akuisisi citra, preprocessing, segmentasi, morfologi, ekstraksi fitur, dan klasifikasi berdasarkan model jaringan syaraf tiruan yang telah dilatih. Pada penelitian ini juga, dilakukan beberapa skenario pengujian untuk menentukan kombinasi fitur yang memiliki tingkat akurasi terbaik. Hasil pengujian menunjukkan 2 kombinasi fitur terbaik yaitu fitur warna HSV, LAB dan fitur tekstur. Berdasarkan hasil pengujian terhadap 210 citra uji, diperoleh rata-rata precision 84,11%, recall 84.16%, F1-Score 84,08% dan akurasi keseluruhan mencapai 84%. Hasil tersebut menunjukkan bahwa pengelompokan jenis sampah telah dilakukan dengan cukup akurat.
Abstract
Waste management is a multisector issue that has an impact on various aspects of human life. Effective waste management is not only about cleaning the environment, but also about protecting public health and promoting sustainable development. Waste must be managed carefully to reduce its negative impacts and maximize its benefits for society. However, in various waste disposal locations, the tendency for mixing organic and inorganic waste is still a significant challenge. This not only hampers the efficiency of the waste management process, but also increases the risk of potentially detrimental environmental pollution. Therefore, in this research, the use of digital image processing technology using the Artificial Neural Network (ANN) method is crucial. This method can not only sort waste more efficiently, but also provides the possibility to minimize errors in waste grouping. The proposed method consists of six stages, namely, image acquisition, preprocessing, segmentation, morphology, feature extraction and classification based on a drilled artificial neural network model. In this research, several test scenarios were also carried out to determine the combination of features that had the best level of accuracy. The test results show the 2 best feature combinations, namely HSV color features, LAB and texture features. Based on test results on 210 test images, an average precision of 84.11%, recall of 84.16%, F1-Score of 84.08% and overall accuracy of 84% were obtained. These results indicate that the classification of waste types has been carried out quite accurately
E-Monitoring Instalasi Pengolahan Air Limbah Pelabuhan Perikanan Nusantara Kejawanan Menggunakan Metode Agile Scrum
Get PDFAktivitas industri perikanan di PPN Kejawanan menghasilkan limbah cair, sehingga dapat menimbulkan permasalahan lingkungan apabila tidak diolah dengan baik. Proses monitoring kualitas air IPAL PPN Kejawanan masih menggunakan sistem manual. Agile Scrum diterapkan dalam penelitian ini karena alasan waktu pengerjaan yang memerlukan sistem yang cepat dalam pengembangan. Oleh karena itu, dalam penelitian ini akan merancang suatu e-monitoring untuk Instalasi Pengolahan Air Limbah (IPAL) PPN Kejawanan untuk monitoring hasil uji IPAL PPN Kejawanan Cirebon. Metode yang digunakan dalam pengembangan sistem yaitu menggunakan metode Agile dengan kerangka kerja Scrum serta menggunakan pengujian sistem functional suitability dan usability yang mengacu ISO 25010. Hasil dari penelitian ini yaitu aplikasi e-monitoring dapat digunakan untuk proses monitoring IPAL dengan proses pengerjaan proyek berlangsung selama 4 minggu dengan total durasi yaitu 280 jam yang dibagi menjadi 4 sprint. Berdasarkan aspek functional suitability, sistem yang dibuat memiliki fitur yang berfungsi 100% yang artinya sistem dapat berjalan dengan baik. Berdasarkan aspek usability, sistem ini mendapat 90,67% dari hasil kuesioner. Berdasarkan hasil pengujian menyatakan bahwa e-monitoring sangat layak untuk digunakan dalam proses monitoring IPAL PPN Kejawanan Cirebon serta selanjutnya diharapkan dapat mengintegrasikan website dengan alat yang dapat membantu untuk mendapatkan data secara real time.
Abstract
The activities of the fishing industry in Kejawanan VAT produce liquid waste, which can cause environmental problems if not treated properly. The process of monitoring the water quality of PPN Kejawanan WWTP still uses a manual system. Agile Scrum is applied in this research due to the reason that the processing time requires a fast system development. Therefore, this research will design an e-monitoring for the Kejawanan PPN Wastewater Treatment Plant (WWTP) to monitor the test results of the Cirebon PPN Kejawanan WWTP. The method used in system development is using the Agile method with the Scrum framework and using functional suitability and usability system testing that refers to ISO 25010. The results of this study are that the e-monitoring application can be used for the WWTP monitoring process with the project work process lasting 4 weeks with a total duration of 280 hours divided into 4 sprints. Based on the functional suitability aspect, the system created has 100% working features which means the system can run well. Based on the usability aspect, this system gets 90.67% of the questionnaire results, which means that users state that this e-monitoring system is very feasible to use. Future researchers are expected to integrate websites and tools that can help to get data in real time.Aktivitas industri perikanan di PPN Kejawanan menghasilkan limbah cair, sehingga dapat menimbulkan permasalahan lingkungan apabila tidak diolah dengan baik. Proses monitoring kualitas air IPAL PPN Kejawanan masih menggunakan sistem manual. Agile Scrum diterapkan dalam penelitian ini karena alasan waktu pengerjaan yang memerlukan sistem yang cepat dalam pengembangan. Oleh karena itu, dalam penelitian ini akan merancang suatu e-monitoring untuk Instalasi Pengolahan Air Limbah (IPAL) PPN Kejawanan untuk monitoring hasil uji IPAL PPN Kejawanan Cirebon. Metode yang digunakan dalam pengembangan sistem yaitu menggunakan metode Agile dengan kerangka kerja Scrum serta menggunakan pengujian sistem functional suitability dan usability yang mengacu ISO 25010. Hasil dari penelitian ini yaitu aplikasi e-monitoring dapat digunakan untuk proses monitoring IPAL dengan proses pengerjaan proyek berlangsung selama 4 minggu dengan total durasi yaitu 280 jam yang dibagi menjadi 4 sprint. Berdasarkan aspek functional suitability, sistem yang dibuat memiliki fitur yang berfungsi 100% yang artinya sistem dapat berjalan dengan baik. Berdasarkan aspek usability, sistem ini mendapat 90,67% dari hasil kuesioner. Berdasarkan hasil pengujian menyatakan bahwa e-monitoring sangat layak untuk digunakan dalam proses monitoring IPAL PPN Kejawanan Cirebon serta selanjutnya diharapkan dapat mengintegrasikan website dengan alat yang dapat membantu untuk mendapatkan data secara real time.
Abstract
The activities of the fishing industry in Kejawanan VAT produce liquid waste, which can cause environmental problems if not treated properly. The process of monitoring the water quality of PPN Kejawanan WWTP still uses a manual system. Agile Scrum is applied in this research due to the reason that the processing time requires a fast system development. Therefore, this research will design an e-monitoring for the Kejawanan PPN Wastewater Treatment Plant (WWTP) to monitor the test results of the Cirebon PPN Kejawanan WWTP. The method used in system development is using the Agile method with the Scrum framework and using functional suitability and usability system testing that refers to ISO 25010. The results of this study are that the e-monitoring application can be used for the WWTP monitoring process with the project work process lasting 4 weeks with a total duration of 280 hours divided into 4 sprints. Based on the functional suitability aspect, the system created has 100% working features which means the system can run well. Based on the usability aspect, this system gets 90.67% of the questionnaire results, which means that users state that this e-monitoring system is very feasible to use. Future researchers are expected to integrate websites and tools that can help to get data in real time
Pengembangan Popup Storybook berbasis Augmented Reality sebagai Media Alternatif Pembelajaran Bercerita
Get PDFPembelajaran bercerita merupakan salah satu metode pembelajaran untuk pengembangan karakter anak. Pada TKIT Thoybah Batu, Media yang digunakan dalam pembelajaran bercerita pada TKIT Thoybah menggunakan media buku cerita yang berisikan gambar dan teks bacaan cerita. Namun, dari hasil wawancara kepada siswa menunjukkan bahwa media ajar buku sudah kurang diminati. Media ajar buku cerita bergambar hanya dipilih sebesar 23% oleh total siswa yang diwawancarai. Penelitian ini dilakukan untuk membuat sebuah media ajar baru yang dapat membantu siswa meningkatkan minat belajar dengan menggabungkan buku cerita dan media smartphone berbasis Augmented Reality yang biasa disebut ARBook. Penelitian ini menggunakan model pengembangan ADDIE sebagai metode pengembangan ARBook dikarenakan tahapan yang terstruktur dan felksibel dalam pengembangan media ajar. Media pembelajaran ARBook yang telah dibuat divalidasi kelayakan oleh beberapa para ahli yaitu ahli media dan ahli materi. Hasil validasi oleh ahli media mendapatkan rata-rata 94% dengan katagori sangat layak dan ahli materi mendapatkan rata-rata 91,6% dengan katagori sangat layak. Setelah validasi kelayakan oleh para ahli, media ARBook di ujikan kepada guru selaku pengguna untuk memvalidasi kesesuaian media dengan kebutuhan pengguna. Dari hasil tersebut didapatkan rata-rata 95,89% dengan kategori sangat layak sehingga media ARBook dinilai sudah memenuhi kebutuhan pengguna dan layak untuk bisa implementasikan pada siswa TK.Pembelajaran bercerita merupakan salah satu metode pembelajaran untuk pengembangan karakter anak. Pada TKIT Thoybah Batu, Media yang digunakan dalam pembelajaran bercerita pada TKIT Thoybah adalah media buku cerita yang berisikan gambar dan teks bacaan cerita. Namun, dari hasil wawancara kepada guru pengajar dan siswa menunjukkan bahwa media ajar buku sudah kurang diminati sehingga hasil evaluasi belajar siswa dinilai tidak maksimal. Penelitian ini dilakukan untuk membuat sebuah media ajar baru yang dapat membantu siswa meningkatkan minat belajar dengan menggabungkan buku cerita dan media smartphone berbasis Augmented Reality yang biasa disebut ARBook. Penelitian ini menggunakan model pengembangan ADDIE sebagai metode pengembangan ARBook dikarenakan tahapan yang terstruktur dan felksibel dalam pengembangan media ajar. Media pembelajaran ARBook yang telah dibuat divalidasi kelayakan oleh beberapa para ahli yaitu ahli media dan ahli materi. Hasil validasi oleh ahli media mendapatkan rata-rata 94% dan ahli materi mendapatkan rata-rata 91,6% yang menunjukkan bahawa hasil validasi kelayakan oleh ahli mendapatkan katagori sangat layak. Setelah validasi kelayakan oleh para ahli, media ARBook di ujikan kepada guru selaku pengguna untuk memvalidasi kesesuaian media dengan kebutuhan pengguna dan mendapatkan rata-rata 95,89% dengan kategori sangat layak. Dari hasil uji kelayakan oleh ahli media, ahli materi, dan guru pengajar, media ARBook dinilai sudah memenuhi kebutuhan pengguna dan dinilai layak untuk bisa diimplementasikan pada siswa TK guna meningkatkan minat belajar siswa.
Abstract
Storytelling learning is one of the learning methods for children\u27s character development. At TKIT Thoybah Batu, the media that used in learning storytelling was storybook that containing illustrated pictures and text. However, based on student and teacher interviews result show that storybook is less popular that the results of student learning evaluations are considered not optimal. This research was conducted to create a new teaching media that can help students increase their interest in learning by combining storybooks and Augmented Reality-based smartphone media commonly called ARBook. This research uses the ADDIE development model as a method of developing ARBook due to the structured and flexible stages in the development of teaching media. The ARBook learning media that has been made is validated for feasibility by several experts, namely media experts and material experts. The validation results by media experts got an average of 94% and material experts got an average of 91.6%, which shows that the results of the feasibility validation by experts got a very feasible category. After validation of feasibility by experts, the ARBook media was tested on teachers as users to validate the suitability of the media to user needs and obtained an average of 95.89% in the very feasible category From the results of the feasibility test by media experts, material experts and teaching teachers, ARBook media was deemed to have met user needs and was considered suitable to be implemented with kindergarten students to increase students\u27 interest in learning