Jurnal Teknologi Informasi dan Ilmu Komputer
Not a member yet
1290 research outputs found
Sort by
Pemanfaatan Aplikasi Pengiriman Makanan Pasca Penurunan Level Pembatasan Kegiatan Masyarakat Akibat Covid-19 Di Indonesia
Get PDFPenggunaan aplikasi pengiriman makanan meningkat sangat cepat, terlebih saat terjadinya Pandemi COVID-19, dimana pergerakan orang dibatasi, membuat setiap orang berupaya menggunakan aplikasi pengiriman makanan atau Food Delivery Application (FDA) dalam memenuhi kebutuhan pangan. Penurunan jumlah kasus COVID-19 menyebabkan pemerintah Indonesia menurunkan level Pemberlakuan Pembatasan Kegiatan Masyarakat (PPKM) sehingga masyarakat dapat beraktivitas sosial kembali. Tujuan penelitian ini adalah untuk menilai instrumen yang memengaruhi Continuance Intention FDA pasca penurunan level PPKM COVID-19 menjadi level 1 di Indonesia. Sebanyak 166 responden telah dikumpulkan. Kuesioner terdari dari 17 pertanyaan demografi dan 38 pertanyaan indikator. Skala Likert dengan lima tingkat penilaian digunakan untuk mengevaluasi pertanyaan indikator. Model yang digunakan adalah Unified Theory of Acceptance and Use of Technology 2 (UTAUT2). Data dianalisis dengan menggunakan Structural Equation Modeling (SEM) berbasis Partial Least Square (PLS), meliputi analisis faktor, analisis jalur, dan regresi. Penelitian menunjukkan Performance Expectancy, Social Influence, Habit, dan Rasa Solidaritas berdampak signifikan pada Continuance Intention FDA. Effort Expectancy, Facilitating Condition, Hedonic Motivation, Price Value, dan Risk Perception menunjukkan pengaruh yang tidak signifikan terhadap Continuance Intention. Pengembang FDA dapat menggunakan data ini untuk meningkatkan layanan mereka dan menambah pemahaman tentang FDA, loyalitas pengguna, peluang bisnis dan strategi pemasaran. Restoran dapat menggunakan kajian ini untuk melihat pergeseran pola pembelian makanan. AbstractThe use of food delivery applications is increasing very quickly, especially during the COVID-19 Pandemic, when people\u27s movements were restricted, making everyone try to use Food Delivery Applications (FDA) to meet their meal needs. The decrease in the number of COVID-19 cases has caused the Indonesian government to lower the level of Enforcement of Restrictions on Community Activities (PPKM) so that people can return to common social activities. The purpose of this study was to assess the instruments that influence the FDA\u27s Continuance Intention after the reduction in the level of PPKM COVID-19 to level 1 in Indonesia. A total of 166 respondents have been collected. The questionnaire consists of 17 demographic questions and 38 indicator questions. A Likert scale with five rating levels was used to evaluate the indicator questions. The model used is the Unified Theory of Acceptance and Use of Technology 2 (UTAUT2). Data were analyzed using Partial Least Square (PLS) based Structural Equation Modeling (SEM), including factor analysis, path analysis, and regression. Research shows Performance Expectancy, Social Influence, Habit, and Sense of Solidarity have a significant impact on FDA Continuance Intention. Effort Expectancy, Facilitating Condition, Hedonic Motivation, Price Value, and Risk Perception show no significant effect on Continuance Intention. FDA developers can use this data to improve their services and increase their understanding of the FDA, user loyalty, and identify marketing opportunities and strategies. Restaurants can use this assessment to see shifts in food purchasing patterns.
Klasifikasi Masyarakat Penerima Bantuan Langsung Tunai Dana Desa Menggunakan Naïve Bayes dan SMOTE
Get PDFPemerintah menyelenggarakan program Bantuan Langsung Tunai Dana Desa (BLT DD), program ini memberikan (subsidi) kepada keluarga miskin yang memenuhi syarat. Program ini dapat membantu mengurangi beban pengeluaran serta meningkatkan pendapatan keluarga miskin. Masyarakat yang berhak menerima BLT DD terkadang melebihi kuota yang tersedia, kemudian proses penentuan penerima dilakukan secara musyawarah. Hasil penetapan tersebut terkadang menimbulkan kecemburuan sosial di masyarakat, sehingga diperlukan klasifikasi yang dapat membantu menentukan keluarga yang layak menerima program bantuan ini. Penelitian ini bertujuan untuk menerapkan metode Naïve Bayes untuk mengklasifikasikan data keluarga layak dan tidak layak menerima BLT DD karena masih banyak keluarga miskin berpenghasilan rendah lainnya yang belum berkesempatan untuk memperoleh program bantuan ini. Metode penelitian yang digunakan yaitu Cross-Industry Standard Process For Data Mining (CRISP-DM). Data yang digunakan merupakan data penerima BLT DD tahun 2021 dan 2022 di Desa Kersamenak dengan jumlah data yang digunakan sebanyak 375, meliputi class layak 205 record dan tidak layak 170 record. Data yang terkumpul menunjukkan adanya ketidakseimbangan kelas pada jumlah masyarakat yang layak dan tidak layak, sehingga diperlukan teknik Synthetic Minority Over-sampling Technique (SMOTE) untuk menangani kelas yang tidak seimbang pada data. Hasil pemodelan Naïve Bayes menggunakan teknik SMOTE menghasilkan model performansi terbaik dengan nilai akurasi 97,80% dan nilai AUC 0,99 yang termasuk dalam kategori Excellent Classification. Berdasarkan hasil model kinerja klasifikasi yang diperoleh, model yang dihasilkan dapat diimplementasikan ke dalam sistem aplikasi pendukung keputusan untuk membantu Desa dalam menentukan penerima BLT DD agar lebih cepat dan mudah. Abstract The government organizes the Bantuan Langsung Tunai Dana Desa (BLT DD) program, which provides (subsidies) to low-income families who meet the requirements. This program can help reduce the burden of spending and increase the income of low-income families. Communities who deserve to receive BLT DD sometimes exceed the available quota, then the process of determining the recipient is carried out utilizing deliberation. The results of these determinations sometimes cause social jealousy in the community, so a classification is needed that can help determine eligible families to receive this assistance program. This study aims to apply the Naïve Bayes method to classify family data as eligible and not eligible to receive BLT DD because there are still many other low-income families who have not had the opportunity to acquire this assistance program. The research method used is Cross-Industry Standard Process for Data Mining (CRISP-DM). The data used is the data of the 2021 and 2022 Village Fund Direct Cash Aid recipients in Kersamenak Village, with the amount of data used as much as 375, including 205 eligible class records and 170 inappropriate records. The data collected shows an imbalanced class in the number of eligible and ineligible people, and it is necessary to use the Synthetic Minority Over-sampling Technique (SMOTE) technique to handle the imbalanced class in the data. The results of modeling the Naïve Bayes using SMOTE technique produce the best performance model with an accuracy value of 97.80% and an AUC value of 0.99, which is included in the Excellent Classification category. Based on the results of the classification performance model obtained, we can implement the resulting model into a decision support application system to assist the Village in determining the recipient of the BLT DD to make it faster and easier
Implementasi Algoritma AES 256 CBC, BASE 64, Dan SHA 256 dalam Pengamanan dan Validasi Data Ujian Online
Get PDFTerdapat berbagai macam cara untuk melaksanakan ujian di tingkat perguruan tinggi, selama masa pandemi Covid-19 metode ujian online menjadi banyak digunakan. Meskipun ujian online dapat dilaksanakan di mana saja dan kapan saja, sayangnya masih banyak terjadi kecurangan seperti bocornya soal ujian, tersebarnya kunci jawaban secara ilegal, dan pengubahan pada data hasil ujian. Salah satu solusi dalam menjaga integritas hasil ujian berbasis online adalah mengenkripsi data ujian dengan metode kriptografi. Penelitian ini mengusulkan menerapkan beberapa metode kriptografi sebagai upaya dalam mengamankan dan memastikan keaslian data ujian online menggunakan algoritma AES 256 CBC, Base 64, dan SHA 256. Penelitian ini menghasilkan aplikasi ujian online berbasis website yang dibangun menggunakan teknologi MERN Stack. Hasil pengujian dalam memvalidasi data ujian online yang telah dienkripsi menggunakan sistem dan OpenSSL menunjukkan nilai hash yang sama. Hal ini menunjukkan sistem telah mampu mengenkripsi, mendekripsi, dan memvalidasi data ujian online dengan efektif.
Abstract
There are various ways to organize exams at the higher education level. During the Covid-19 pandemic, the online examination method has become widely used. Although online exams can be held anywhere and anytime, unfortunately, many violations and fraud exist, such as leaking exam questions, spreading answer keys illegally, and changing exam result data. One solution for maintaining the integrity of online-based exam results is to encrypt exam data with cryptographic methods. This study proposes applying several cryptographic methods to secure and ensure the authenticity of online exam data using AES 256 CBC, Base 64, and SHA 256 algorithms. This research resulted in a website-based online exam application built using MERN Stack technology. The test results in validating online exam data that has been encrypted using the system and OpenSSL show the same hash value. This shows that the system has been able to encrypt, decrypt, and validate online exam data effectively
Penerapan Metode Extreme Programming pada Rancang Bangun Sistem Analisis Sentimen Portal Berita
Get PDFBerita dalam bentuk portal online di era globalisasi menjadi suatu wadah yang dapat digunakan oleh setiap individu untuk menyampaikan informasi tentang seorang individu ataupun organisasi, yang didalamnya terdapat penyampaian nilai emosional pribadi, baik itu bersifat negatif, netral, ataupun positif (atau lebih dikenal dengan sentimen). Keberadaan berita tersebut menciptakan suatu peluang untuk pengembangan sistem analisis sentimen terdapat informasi yang telah disampaikan dalam portal berita. Sistem analisis sentimen tersebut dapat dikembangan dengan dengan berbagai teknik dan layanan, salah satunya adalah dengan mengintegrasikan antara sistem dan layanan Google NLP, yang telah memiliki service untuk menentukan score sentimen dari setiap kalimat yang diberikan, serta penerapan teknik web scrapping sebagai metode untuk pengambilan data. Sistem dikembangan dengan framework Laravel dengan metode pengembangan Extreme Programming yang mendukung pengembangan sistem dalam waktu singkat. Pemilihan website sebagai base sistem dengan tujuan agar sistem bisa diakses dari berbagai device baik itu mobile maupun desktop. Keberadaan sistem analisis sentimen bisa dijadikan sebagai alternatif solusi bagi individu dan organisasi untuk melakukan analisis sentimen, sehingga mampu membantu dalam proses pengambilan keputusan maupun evaluasi kinerja.
Abstract
News of online portals in the era of globalization has become a forum can be used by every individual to convey information about individual or organization, in which there’s the delivery of personal emotional value, negative, neutral or positive (or better known as sentiment). The existence of news creates an opportunity for development of a sentiment analysis system based on information that has been submitted in the news portal. The sentiment analysis system can be developed using various techniques and services, one of which’s by integrating the Google NLP system and service, which already has a service to determine the sentiment score of each given sentence, as well as the application of a web scrapping techniques as a method for data collection. The system was developed using the Laravel framework with the Extreme Programming development method which supports system development in short time. Selection of the website as the base system with aim that can be accessed from various devices, both mobile and desktop. The existence of a sentiment analysis system can be used as an alternative solution for individuals and organizations to carry out sentiment analysis, so that it can assist in the decision-making a process and performance evaluation
Sistem Kontrol Perangkat Inframerah Menggunakan Speech Recognition dengan Spectrogram dan Convolutional Neural Network Berbasis Mikrokontroler
No full textMenurut data dari Biro Pusat Statistik (BPS), terdapat sebanyak 22,5 juta dari penduduk Indonesia merupakan penyandang disabilitas. Angka ini berjumlah sekitar lima persen dari keseluruhan penduduk Indonesia. Di zaman sekarang, kemajuan teknologi di seluruh dunia berkembang dengan pesat, sehingga muncul banyak hal yang dapat membantu menyederhanakan kehidupan semua orang, terutama penyandang disabilitas. Salah satu hal yang membantu penyandang disabilitas adalah munculnya perangkat pintar yang dapat dikendalikan menggunakan indra selain tangan, seperti suara. Penelitian ini bertujuan untuk mengembangkan sistem yang dapat mengendalikan perangkat inframerah dengan menggunakan suara sebagai input. Sistem tersebut akan dikembangkan menggunakan mikrokontroler dan metode speech recognition yang terdiri dari spectrogram dan CNN. Penelitian ini direncanakan untuk tujuan untuk membantu penyandang disabilitas dalam mengendalikan perangkat-perangkat di sekitar rumah. Hasil pengujian menunjukkan bahwa akurasi model CNN sebesar 93% dan akurasi percobaan terhadap pengguna sebesar 74,25%. Sistem ini juga dapat menjalankan proses speech recognition dengan waktu rata-rata 0,105 detik. Jarak optimal yang diperlukan antara pengguna dengan mikrofon adalah 30 cm dan jarak optimal yang diperlukan antara transmitter inframerah dengan perangkat yang dikendalikan adalah 30 cm.
Abstract
According to data from the Central Bureau of Statistics (BPS), around 22.5 million of Indonesia\u27s population are people with disabilities. This number amounts to about five percent of Indonesia\u27s total population. In the present day, where technology advances are rapidly developing all around the world, there have been many things that can help simplify the lives of everyone in the world, especially people with disabilities. One thing that helps people with disabilities is the emergence of smart devices that do not need to be controlled using hands but can use other senses such as sound. This research aims to develop a system that can control infrared devices using sound as input. The system will be developed using microcontrollers and speech recognition methods consisting of spectrogram and CNN. This research is conducted with the goal of helping people with disabilities in controlling devices around the house. Testing results show that the accuracy of the CNN model is 93% and the accuracy of trials on users is 74.25%. The system can also run the speech recognition process with an average time of 0.105 seconds. The optimal distance required between the user and microphone is 30 cm and the optimal distance required between the infrared transmitter and the controlled device is 30 cm
Analisis Sentimen Kebijakan Penerapan Kurikulum Merdeka Sekolah Dasar dan Sekolah Menengah pada Media Sosial Twitter dengan Menggunakan Metode Word Embedding dan Long Short Term Memory Networks (LSTM)
Get PDFPandemi COVID-19 memberikan banyak kendala terhadap seluruh aspek kehidupan manusia tidak terlepas aspek Pendidikan. Merujuk kondisi selama COVID-19 kegiatan pendidikan mengalami learning loss yang membuat Kemendikbudristek mengeluarkan sebuah kebijakan baru yaitu implementasi kurikulum merdeka. Kebijakan baru ini tentu mendatangkan banyak opini dari berbagai pihak salah satunya siswa yang terkena dampak langsung dari kurikulum ini. Salah satu media sosial yang sering digunakan untuk menyampaikan opini oleh masyarakat Indonesia adalah Twitter. Analisis sentimen dilakukan pada opini siswa yang diutarakan di media sosial Twitter dengan menggunakan pendekatan machine learning. Arsitektur yang digunakan adalah Long Short-Term Memory Networks (LSTM). Metode yang digunakan untuk mempersiapkan data adalah word embedding dengan menggunakan layers embedding dari library TensorFlow. Dataset dkumpulkan dengan teknik text mining yang menggunakan bahasa pemrograman Python dan Twitter API. Hasil pengumpulan data sebanyak 455 opini terbagi dalam tiga kelas sentimen yaitu Negatif, Netral, dan Positif. Model dievaluasi menggunakan classification report yang menghasilkan empat nilai metrics yaitu, accuracy, recall, precision, dan f1-score. Hasil dari metrics tersebut didapatkan sebesar 81%, 81%, 80%, dan 79%. Selain itu, hasil dari penelitian ini ditujukan kepada pihak sekolah dan dinas pendidikan kota batu yang mana dari hasil wawancaranya pihak sekolah dan dinas menyetujui output penelitian ini adalah sebuah visualisasi dashboard hasil analisis sentimen. Hasil dashboard tersebut juga diuji menggunakan kuisioner System Usability Scale (SUS) yang dilakukan oleh perwakilan dari dinas dan sekolah sebanyak 6 orang, hasil dari kuesioner tersebut adalah SUS Score sebesar 62,5 yang menunjukkan hasil cukup baik namun dapat dikembangkan lebih lanjut. Visualisasi Dashboard juga digunakan pihak sekolah dan dinas pendidikan kota batu sebagai ukuran manfaat dan refleksi dari penerapan kurikulum merdeka dan juga melakukan evaluasi untuk lebih baik kedepannya. AbstractThe COVID-19 pandemic has created many obstacles to all aspects of human life, including education. Referring to the conditions during COVID-19, educational activities experienced a learning loss which prompted the Ministry of Education and Culture to issue a new policy, namely the implementation of an independent curriculum. This new policy certainly brings in many opinions from various parties, one of which is students who are directly affected by this curriculum. One of the social media that is often used to convey opinions by the people of Indonesia is Twitter. Sentiment analysis was carried out on student opinions expressed on social media Twitter using a machine learning approach. The architecture used is Long Short-Term Memory Networks (LSTM). The method used to prepare the data is word embedding using layers embedding from the TensorFlow library. The dataset was collected using text mining techniques using the Python programming language and the Twitter API. The results of data collection were 455 opinions divided into three sentiment classes, namely Negative, Neutral and Positive. The model is evaluated using a classification report which produces four metrics values, namely, accuracy, recall, precision, and f1-score. The results of these metrics were 81%, 81%, 80%, and 79%. In addition, the results of this study were addressed to the Batu City school and education office where, from the results of interviews, the school and service agreed that the output of this research was a dashboard visualization of sentiment analysis results. The results of the dashboard were also tested using the System Usability Scale (SUS) questionnaire which was carried out by representatives from offices and schools as many as 6 people, the result of the questionnaire was a SUS Score of 62.5 which showed quite good results but could be developed further. Dashboard visualization is also used by schools and the Batu City Education Office as a measure of the benefits and reflections of implementing the Independent Curriculum and also conducting evaluations to make it better in the future
Penerapan Text Augmentation untuk Mengatasi Data yang Tidak Seimbang pada Klasifikasi Teks Berbahasa Indonesia
Get PDFKlasifikasi teks merupakan salah satu tugas yang fundamental dalam natural language processing (NLP). Dalam dunia nyata, data dan sumber daya yang tersedia untuk pengklasifikasian teks terbatas. Salah satu kendala pada data berlabel yang digunakan yaitu imbalanced data atau data yang tidak seimbang. Permasalahan data yang tidak seimbang memengaruhi kinerja dan keakuratan model karena model hanya terfokus pada data dengan label mayoritas. Sementara itu, data berlabel minoritas cenderung diklasifikasikan tidak tepat oleh model, padahal untuk beberapa kasus kemampuan model untuk memprediksi data dengan label minoritas lebih penting. Untuk mengatasinya, penelitian ini melakukan pendekatan oversampling yaitu menambah data untuk menyeimbangkan dataset. Penerapan oversampling pada data teks dikenal dengan text augmentation. Pada penelitian ini dilakukan dua teknik text augmentation yaitu synonym replacement dan back translation pada beberapa kondisi ketidakseimbangan dan skenario augmentasi terhadap dua dataset. Berdasarkan hasil eksperimen, augmentasi mampu meningkatkan skor F1 label minoritas. Augmentasi lebih signifikan dalam dataset kecil dan kondisi ketidakeimbangan yang parah. Hasil dari teknik back translation lebih baik dibandingkan dengan teknik synonym replacement. Selain itu, hasil penelitian menunjukkan bahwa skenario jumlah augmentasi juga berpengaruh terhadap kenaikan skor F1. Semakin banyak jumlah data augmentasi belum tentu memberikan hasil yang semakin baik karena terindikasi overfitting pada data latih. Kata-kata yang tidak normal atau tidak baku pada dataset teks informal memengaruhi proses augmentasi sehingga hasil teks sintetis yang diperoleh tidak sebaik pada dataset teks formal.
Abstract
Text classification is one of the fundamental tasks in natural language processing (NLP). However, data and resources for text classification are limited in actual application. One of the constraints on the dataset for text classification is imbalanced data, or the condition when one label has more data than the others. Imbalanced data affects the performance and accuracy of the model because the model only focuses on the majority label data. Meanwhile, the minority label data tends to be classified incorrectly by the model, even though, in some cases, the model\u27s ability to predict data with minority labels is more important. To solve this problem, this research uses an oversampling approach to augment data and balance the dataset. The application of oversampling text data is known as text augmentation. This research uses two text augmentation techniques, synonym replacement and back translation, applied to several imbalance conditions and augmentation scenarios for two datasets. Based on experimental results, augmentation can increase the F1 score of the minority class. Augmentation is more significant in small datasets and severe imbalance conditions. The results of the back translation technique are better than synonym replacement. In addition, this study\u27s results show that the number of augmentation scenarios affects an increase in F1-score. However, increasing the augmentation data cannot ensure the results are getting better. Furthermore, words that are not normal in informal text datasets affect the augmentation process, so the results of synthetic text are better than the formal text dataset
Kontrol Level Kecepatan Kipas Melalui Deteksi Gestur Jari Tangan Menggunakan MediaPipe dan Faster-RCNN
Get PDFInteraksi antara manusia dan komputer saat ini lebih interaktif, responsif dan intuitif, di masa lalu proses interaksi tersebut diperlukan kontak secara fisik atau menggunakan sensor-sensor elektronik. Pada penelitian ini interaksi antara manusia dan komputer atau peralatan elektronik tidak diperlukan kontak fisik maupun melalui sensor karena dilakukan secara computer vision hanya menggunakan webcam sehingga proses interaksinya lebih natural. Penerapan mikrokontroler sebagai backbone utama teknologi berbasis Internet of Things di era Industry 4.0, bertujuan untuk mempermudah pekerjaan manusia terutama dukungan layanan di dunia industri. Pada era Society 5.0 semua penerapan teknologi yang ada tujuan utamanya tidak hanya mempermudah pekerjaan manusia tetapi bagaimana teknologi tersebut bisa lebih mengerti dan memahami manusianya maka disitulah diterapkan Artificial Itelligence. Dalam penelitian ini diterapkan sistem kontrol interaksi antara pengguna dan komputer untuk pengaturan level kecepatan putaran kipas angin secara otomatis dan realtime berbasis teknologi computer vision for deep learning melalui deteksi bentuk gestur jari tangan kanan dan gestur jari tangan kiri menggunakan webcam. Mikrokontroler yang digunakan pada penelitian ini adalah Arduino Uno, sedangkan penerapan computer vision for deep learning menggunakan framework MediaPipe dan Faster-RCNN. MediaPipe berfungsi untuk mendeteksi bentuk gestur fitur jari kedua tangan dan Faster-RCNN digunakan untuk proses klasifikasi empat bentuk gestur jari tangan untuk mematikan kipas angin atau menghidupkan kipas angin dengan kecepatan putarannya pada level 1, level 2 atau level 3. Hasil pengujian akurasi rata-rata deteksi gestur jari tangan menggunakan MediaPipe pada jarak 10 cm (41,6%), jarak 50 cm (85,35%), jarak 100 cm (71,68%), dan jarak 175 cm (69,33%). Sedangkan hasil pengujian Faster-RCNN mempunyai akurasi klasifikasi rata-rata pada jarak 10 cm (36%), jarak 50 cm (30,75%), jarak 100 cm (18,68 %), dan jarak 175 cm (14.83%).
Abstract
Interaction between humans and computers is now more interactive, responsive and intuitive, in the past the interaction process required physical contact or using electronic sensors. In this study, the interaction between humans and computers or electronic equipment does not require physical contact or through sensors because it is done in computer vision using only a webcam so that the interaction process is more natural. The application of microcontrollers as the main backbone of Internet of Things-based technology in the Industry 4.0 era, aims to facilitate human work, especially service support in the industrial world. In the era of Society 5.0, all applications of technology that have the main goal are not only to facilitate human work but how technology can better understand and understand humans, so that\u27s where Artificial Intelligence is applied. In this study, an interaction control system was applied between the user and the computer to adjust the fan speed level automatically and in real time based on computer vision technology for deep learning through the detection of the shape of the right hand finger gesture and the left hand finger gesture using a webcam. The microcontroller used in this study is Arduino Uno, while the application of computer vision for deep learning uses the MediaPipe and Faster-RCNN frameworks. MediaPipe serves to detect the shape of the finger feature gestures of both hands and Faster-RCNN is used to process the classification of four finger gestures to turn off the fan or turn on the fan with its rotational speed at level 1, level 2 or level 3. The results of the average accuracy test detection of finger gestures using the MediaPipe at a distance of 10 cm (37%), a distance of 50 cm (70%), a distance of 100 cm (54.7%), and a distance of 175 cm (63.3%). While the Faster-RCNN test results have an average classification accuracy at a distance of 10 cm (34%), a distance of 50 cm (24%), a distance of 100 cm (8.7%), and a distance of 175 cm (4.7%)
Pendekatan Bayes-HDSS dalam Menentukan Status Pantauan Gizi Balita
Get PDFTeknologi dan perkembangan komputer saat ini sangat membantu banyak kebutuhan dalam kehidupan, termasuk dalam hal menggantikan kemampuan seorang ahli dalam mengerjakan dan menentukan sebuah keputusan dalam permasalahan yang terjadi pada banyak orang. Dalam perkembangan sistem pakar dan sistem pendukung keputusan juga dapat menggantikan dan menjadi solusi dari seorang ahli pakar. Bayes digunakan untuk mendiagnosis penyakit serta AHP dan TOPSIS akan digunakan untuk melakukan perangkingan penyakit pada manusia, termasuk gizi pada anak dimana sampai saat ini masalah terbesar dunia adalah bagaimana mengatasi gizi buruk yang dialami. Dengan menggunakan Sistem Pakar dan HDSS diharap Mampu menghitung kriteria yang merupakan gejala pada anak guna menghasilkan urutan anak yang menjadi fokus pantauan dimana nilai terbesar dari output sistem memberikan kepastian bahwa anak membutuhkan fokus dalam mengatasi masalah gizi yang dialaminya. Didalam Penelitian ini, Bayes, AHP dan TOPSIS mampu menghitung nilai dengan memberikan diagnosis gejala serta menempilkan nilai persentase kebutuhan pantauan pada data sampel balita yang di peroleh dari Pusat Kesehatan Masyarakat (Puskesmas) XYZ terhadap masalah gizi balita yang ada di Pusat Kesehatan Masyarakat tersebut. Dari 5 Gejala Yang di implementasikan kedalam sistem pakar (bayes) yaitu; STUNTING, GIZI LEBIH, GIZI KURANG, KWASHIORKOR, dan MARASMUS, tidak ditemukan status STUNTING. Selanjutnya pada HDSS Menghasilkan persentase 95,49% yang mana balita ini merupakan pemilik kriteria terburuk diantara balita lainnya.
Abstract
Technology and the development of computers are very helpful for many people in life, including in terms of replacing the ability of an expert to do and determine a decision in problems that occur to many people. In the development of expert systems and support systems, decisions can also replace and be a solution to the scarcity of an expert. Bayes is used to diagnose disease and AHP and TOPSIS will be used to rank diseases in humans, including nutrition in children where until now the world\u27s biggest problem is how to overcome malnutrition experienced by toddlers including stunting problems, where toddler growth is not optimal. By using an Expert System and HDSS (namely AHP and TOPSIS) it is forbidden to calculate criteria that are symptoms in children, to produce a sequence of children who are the focus of monitoring. The greatest value of the output system provides certainty that children need focus in overcoming the problem of malnutrition. Deepened by this research, Bayes, AHP and TOPSIS were able to calculate the value by providing a diagnosis of symptoms and displaying the percentage value of the need for monitoring on the toddler sample data obtained from the XYZ Community Health Center (Puskesmas) for toddler nutrition problems in the Community Health Center. Of the 5 Symptoms implemented in the expert system (bayes) namely STUNTING, OVER NUTRITION, MALNUTRITION, KWASHIORKOR, and MARASMUS, no STUNTING status was found. Next on HDSS Produces a percentage of 95.49% of which this toddler is the owner of the worst criteria among other toddlers
Seleksi Fitur Menggunakan Hybrid Binary Grey Wolf Optimizer untuk Klasifikasi Hadist Teks Arab
Get PDFSeleksi fitur pada teks Arab merupakan tugas yang menantang karena sifat Bahasa Arab yang kompleks dan kaya. Dala klasifikasi hadist teks Arab membutuhkan seleksi fitur, karena hadist teks Arab berbeda dengan dokumen teks arab. Hadist teks Arab memiliki sanat dan matan yang menjadi pertimbangan dalam klasifikasi hadist teks arab. Penelitian ini mengusulkan metode seleksi fitur menggunakan Hybrid Binary Grey Wolf Optimizer untuk klasifikasi hadist teks arab. Metode HBGWO mengkombinasikan kemampuan pencarian lokal atau eksplorasi pyg dimiliki BGWO, dan kemampuan pencarian di sekitar solusi terbaik atau eksploitasi yang dimiliki PSO. Data set yang digunakan berupa teks Arab diambil dari islambook.com. yang terdiri dari lima kitab yaitu Shahih Bukhari, Shahih Muslim, Sunan Ibnu Majah, Sunan Abu Dawud dan Suann at-Tirmidzi. Pada kumpulan kitab tersebut diambil 5 kelas yaitu Tuhid, Sholat, Zakat, Puasa dan Haji berjumlah 844. Hasil penelitian menunjukkan bahwa pemilihan fitur BGWOPSO dengan mencari fungsi fitnes dan klasifikasi menggunakan SVM mendapatkan 84%, dapat mengungkapkan kinerja yang unggul dibandingkan dengan menggunakan klasifikasi KNN 76% dalam soal mengklasifikasikan teks hadits Arab dengan data yang tidak seimbang.
Abstract
Feature selection in Arabic text is a challenging task due to the complex and rich nature of Arabic. In the classification of Arabic text hadith requires feature selection, because Arabic text hadith is different from Arabic text documents. Arabic text hadith has sanat and matan which are considered in the classification of Arabic text hadith. This study proposes a feature selection method using the Hybrid Binary Gray Wolf Optimizer for Arabic text hadith classification. The HBGWO method combines the local search or pyg exploration capabilities of the BGWO, and the search capabilities around the best solutions or exploits that PSO has. The data set used in the form of Arabic text is taken from islambook.com. which consists of five books, namely Sahih Bukhari, Sahih Muslim, Sunan Ibn Majah, Sunan Abu Dawud and Suann at-Tirmidhi. In this collection of books, 5 classes were taken, namely Tuhid, Prayer, Zakat, Fasting and Hajj totaling 844. The results showed that the selection of BGWOPSO features by looking for fitness functions and classification using SVM obtained 84%, can reveal superior performance compared to using KNN classification 76% in terms of classifying Arabic hadith texts with unbalanced data