Jurnal Teknologi Informasi dan Ilmu Komputer
Not a member yet
1290 research outputs found
Sort by
Analisis Performa Algoritma Decision Tree, Naive Bayes, K-Nearest Neighbor untuk Klasifikasi Zona Daerah Risiko Covid-19 di Indonesia
Get PDFPandemi Covid-19 terjadi di Indonesia. Pemerintah berupaya melakukan penanganan Covid-19, salah satunya dengan pembuatan peta risiko Covid-19. Peta risiko Covid-19 membagi zona berdasarkan Kabupaten/Kota. Zona risiko Covid-19 menjadi patokan pemerintah dalam mengambil kebijakan setiap daerah. Pemerintah menggunakan pembobotan dari 15 indikator untuk menentukan zona. Beberapa kali perubahan zona risiko Covid-19 pada website mengalami keterlambatan. Klasifikasi dapat menjadi alternatif penentuan zona risiko Covid-19, sehingga perubahan zona dapat dilakukan secara cepat dan efisien. Klasifikasi memiliki berbagai algoritma, setiap algoritma memiliki keunggulan dan kelemahan. Algoritma klasifikasi yang memiliki akurasi yang baik dengan waktu relatif cepat yaitu Decision Tree, Naïve Bayes dan K-Nearest Neighbor. Tujuan penelitian ini menghitung performa setiap algoritma, mendapatkan algoritma terbaik dan mendapatkan pola klasifikasi dari algoritma terbaik. Metode penelitian menggunakan 10-fold cross validation untuk pembagian data dan confusion matrix untuk menilai performa. Software yang digunakan yaitu Rapidminer dan WEKA. Hasil dari pengolahan data menunjukan semua algoritma mempunyai nilai performa yang baik yaitu diatas 70%. Semua algoritma tidak memerlukan waktu yang lama dalam pembuatan model. Nilai performa terbaik didapatkan dengan menggunakan algoritma decision tree dengan software WEKA dengan nilai performa 88% dan waktu 0,32 detik. Pola klasifikasi dari algoritma terbaik menghasilkan 77 aturan yang membagi 3 zona klasifikasi yaitu rendah, sedang, dan tinggi. Atribut yang berpengaruh dalam klasifikasi zona risiko Covid-19 yaitu aktif, CR, CFR, laju insidensi, positif, dan meninggal. AbstractThe Covid-19 pandemic occurred in Indonesia. The government is trying to handle Covid-19, one of which is by making a Covid-19 risk map. The Covid-19 risk map divides zones based on Regency/City. The Covid-19 risk zone is the government\u27s benchmark policy for each region. The government uses a weighting of 15 indicators to determine the zone. Several times the Covid-19 risk zone change on the website has been delayed. Classification can be an alternative to determining the Covid-19 risk zone, that zone changes can be quickly and efficiently. Many algorithms can be used for classification. Several classification algorithms have good accuracy with relatively fast time are Decision Tree, K-Nearest Neighbor, and Naïve Bayes. The purpose of this study is to calculate the performance of each algorithm, get the best algorithm, and get the classification pattern from the best algorithm. The research method uses 10-fold cross validation for data sharing and confusion matrix to assess performance. The software used is Rapidminer. The results show that all algorithms have good performance values, which are above 70%. All algorithms do not require a long time in modeling. The best performance value using a Decision Tree algorithm. The classification pattern of the best algorithm produces 20 rules that divide 3 classification zones, namely low, medium, and high. Attributes that influence the classification of the Covid-19 risk zone are active, CR, CFR, incidence rate, positive, and death.
Implementasi Fuzzy C-Means untuk Pengelompokan Daerah berdasarkan Persebaran Penularan Covid-19
Get PDFPeningkatan kasus Covid-19 di Indonesia memberikan rasa khawatir bagi hampir seluruh masyarakat, Dilihat dari persebaran tiap provinsi untuk kasus positif, sembuh, dan meninggal tidak menunjukkan sebuah grafik yang linier. Seperti pada data harian kasus per provinsi di akhir bulan April 2021 dimana kasus positif dan sembuh terbanyak terdapat pada Provinsi DKI Jakarta, untuk kasus meninggal Provinsi Jawa Timur berada di posisi pertama, dan di posisi empat untuk kasus positif dan meninggal. Data persebaran yang abstrak ini membuat pengelompokan persebaran Covid-19 di Indonesia menjadi sukar untuk dilakukan. Penelitian ini mengelompokkan provinsi-provinsi berdasarkan persebaran Covid-19 di Indonesia dengan cara mengimplementasikan metode Fuzzy C-means serta metode Elbow. Fuzzy C-means adalah metode pengelompokan berbasis fuzzy yang dapat melakukan persebaran data pada seluruh cluster berdasarkan derajat keanggotaan yang dimilikinya. Sedangkan untuk menentukan jumlah cluster terbaik akan diimplementasikan metode Elbow. Metode Elbow membandingkan perbandingan hasil sum square error (SSE) dari setiap cluster dan mendapatkan jumlah cluster terbaik dari perubahan nilai SSE yang signifikan atau membentuk siku (elbow). Penggunaan Fuzzy c-means sebagai metode pengelompokan untuk mencari tahu seberapa besar pengaruh yang dimiliki setiap data terhadap masing-masing cluster. Karera metode-metode sebelumnya yang digunakan pada objek yang sama hanya melakukan pengelompokan saja secara tegas, tanpa memperhatikan besarnya pengaruh sebuah data terhadap seluruh cluster. Pengelompokan dilakukan menjadi tiga buah cluster atau kelompok berdasarkan parameter kasus positif, sembuh, dan meninggal Covid-19 per 27 April 2021. Cluster 1 hanya terdiri tiga provinsi yaitu Jawa Barat, Jawa Tengah, dan Jawa Timur. Cluster 2 DKI Jakarta, dan sisanya masuk ke cluster 3. AbstractThe increase in Covid-19 cases in Indonesia raises concerns for all parties, When viewed for the distribution of each province, positive, recovered and dead cases do not show a linear graph. As in the daily data of cases per province at the end of April 2021 where the most positive and recovered cases were in DKI Jakarta Province, while for dead cases, East Java Province was in first position, and in fourth position for positive and dead cases. This abstract distribution data makes it difficult to classify the distribution of Covid-19 in Indonesia. This study will group provinces based on the spread of Covid-19 in Indonesia using the Fuzzy C-means method and the Elbow method. Fuzzy C-means is a fuzzy-based grouping method that allows all data to be members of all clusters formed with their respective degrees of membership. Meanwhile, to determine the best number of clusters, the Elbow method will be implemented. The Elbow method compares the sum square error (SSE) results from each cluster and gets the best number of clusters from a significant change in the SSE value or forms an elbow. The use of Fuzzy c-means as a grouping method to find out how much influence each data has on each cluster. Because the previous methods used on the same object only grouped it explicitly, without paying attention to the effect of one data on the entire cluster. The grouping was carried out into three clusters or groups based on the parameters of positive cases, recovered, and died of Covid-19 as of 27 April 2021. Cluster 1 only consisted of three provinces, namely West Java, Central Java, and East Java. Cluster 2 DKI Jakarta, and the rest go to cluster 3. It takes a grouping test to determine how accurate the results are
Pengaruh Faktor Emosional Pengguna Terhadap Kesesuaian User Interface pada Sistem Informasi Benih Induk Jeruk di Balitjestro Menggunakan Kansei Engineering
Get PDFDalam mendukung produktivitas benih berkualitas diperlukan suatu sistem informasi manajemen untuk mengontrol data yang keluar-masuk. Namun, desain tampilan antarmuka yang sering digunakan cenderung tidak sesuai dengan keinginan penggunanya secara emosional. Penelitian ini bertujuan untuk menentukan faktor-faktor yang mempengaruhi desain antarmuka pengguna pada sistem informasi benih induk jeruk menggunakan metode Kansei Engineering untuk menghasilkan tampilan antarmuka pengguna sesuai dengan keinginan pengguna secara psikologis. Tahapan penelitian ini terdiri dari dua tahapan, yaitu merancang sistem informasi manajemen benih jeruk dan merancang tiga contoh desain tampilan menggunakan kuesioner ke 34 konsumen yang tersebar di beberapa daerah di Indonesia (petani atau penangkar dan kantor dinas) dan 14 pegawai di Balitjestro kemudian dianalisis menggunakan statistik multivariat yaitu Coefficient Correlation Analysis, Cronbach’s Alpha, Principal Component Analysis dan Factor Analysis. Hasil pengujian nilai Cronbach’s Alpha dan Factor Analysis telah memenuhi syarat minilam >0,7 dengan nilai sebesar 0.981 dan 0,8 untuk emotion “Mewah”. Dan menghasilkan dua konsep desain yang direkomendasikan yaitu “Konsep Keindahan” dan Konsep Kreatifitas”. “Konsep Keindahan” yang terdiri dari emotion “Mewah”, “Passion”, dan “Fun”. Sedangkan “Konsep Kreatifitas” terdiri dari emotion “Modern”, “Alami” dan “Kreatif” Abstrak In supporting the productivity of quality seeds, a management information system is needed to control incoming and outgoing data. However, the interface design that is often used tends to be not in accordance with the emotional desires of its users. This study aims to determine the factors that influence the user interface design on the parent citrus seed information system using the Kansei Engineering method to produce a user interface display according to the user\u27s psychological wishes. The stages of this research consisted of two stages, namely designing a citrus seed management information system and designing three examples of display designs using a questionnaire to 34 consumers spread across several regions in Indonesia (farmers or breeders and official offices) and 14 employees at Balitjestro then analyzed using statistics. multivariate, namely Coefficient Correlation Analysis, Cronbach\u27s Alpha, Principal Component Analysis and Factor Analysis. The results of testing the value of Cronbach\u27s Alpha and Factor Analysis have met the minimum requirements > 0.7 with a value of 0.981 and 0.8 for the “Fancy” emotion. And produce two recommended design concepts, namely the "Concept of Beauty" and the “Concept of Creativity ". “Beauty Concept” which consists of “Luxury”, “Passion”, and “Fun” emotions. While the "Concept of Creativity" consists of emotion "Modern", "Natural" and "Creative
Komparasi Machine Learning Berbasis Pso Untuk Prediksi Tingkat Keberhasilan Belajar Berbasis E-Learning
Get PDFPerkembangan bidang teknologi memiliki aspek perkermbangan yang begitu cepat. penelitian kami memiliki tujuan untuk mentransmisikan sebuah pengetahuan tentang machine learning yang telah menjadi begitu popular digunakan hingga saat ini, pada penelitian ini bagaimana mendapatkan fitur seleksi atribut dan mendapatkan hasil prediksi dari pembelajaran pada Universitas atau lembaga Pendidikan yang menerapkan belajar dengan metode pembelajaran jarak jauh ataupun e-learning di era pandemic ini. Permasalahan pada penelitian ini yaitu jumlah atribut pada data dapat mengurangi akurasi, maka dari percobaan dengan beberapa algoritma pada machine learning kami mencoba menerapkan Particle Swarm Optimizatio(PSO) untuk meningkatkan akurasi yang lebih tinggi. Maka dari itu dapat disimpulkan penerapan menggunakan algoritma Naïve Bayes(NB) berbasis PSO mendapatkan hasil kenerja dengan bobot sebesar 94.40% dan angka AUC sebesar 94.50%, berikutnya Algoritma Support Vectore Machine(SVM) Berbasis PSO dengan hasil kinerja akurasi sebesar 88.20 dan nilai AUC seberar 91.10%, dan Artificial Neural Network(NN) berbasis Particle Swarm Optimizatio(PSO) menghasilkan skor hasil kinerja akurasi dengan bobot 99.20% dan nilai akurasi sebesar 98.50%, maka Artificial Neural Network(NN) berbasis PSO memiliki keunggulan lebih besar dari pada algoritma naïve bayer berbasis PSO dan Support Vector Machine(SVM) dengan PSO. Sedangkan atribut yang mempunyai pengaruh menentukan dari algoritma tersebut pada tingkat akurasi adalah Practice Questions, Quizzes, Midterm exams, dan Final exams. terbukti dari penelitian-penelitian kami yang sebelumnya maka algoritma neural network berbasis PSO memang memiliki keunggulan yang begitu baik. Karena ANN merupakan metode yang memiliki perhitungan yang membangun beberapa unit pada saat pemrosesan berdasarkan koneksitas yang saling berhubungan, metode ANN dengan akurasi prediksi dapat menjadi sebuah alat yang efisien dan baik untuk penelitian estimasi dan klasifikasi dalam bidang pendidikan. Abstract The development of the field of technology has a very fast development aspect. our research has the aim of transmitting knowledge about machine learning which has become so popularly used until now, in this study how to get attribute selection features and get predictive results from learning at universities or educational institutions that apply learning by distance learning methods or e-learning. -Learning in this pandemic era. The problem in this study is that the number of attributes in the data can reduce accuracy, so from experiments with several yahoos on machine learning, we tried to apply Particle Swarm Optimizatio (PSO) to increase higher accuracy. Then the application key using the PSO-based Naïve Bayes (NB) algorithm can get performance results with a weight of 94.40% and an-AUC number of 94.50%, then the PSO-based Support Vectore Machine (SVM) Algorithm with a performance result of 88.20 and an AUC value of 91.10%, and Artificial Neural Network-(NN) based on Particle Swarm Optimizatio (PSO) produces an accuracy performance score with a weight of 99.20% and an accuracy value of 98.50%. Support Vector Machine (SVM) with PSO. While the attributes that have an influence to determine the algorithm on the level of accuracy are Practice Questions, Quizzes, Mid-Semester Exams, and Final Exams. it is evident from our previous studies that the PSO-based neural network algorithm does have a very good advantage. based on ANN is a method that has calculations that build several units of interconnected connectivity, the ANN method with predictive accuracy can be an efficient and good tool for forecasting and classification research in the field of education
Analisis Kualitas Website HSP Academy (PT. Hanosen Pratama) Menggunakan Metode Webqual 4.0 dan Importance and Performance Analysis (IPA)
Get PDFHSP Academy merupakan perusahaan lembaga training yang terletak di Tangerang dan bertujuan untuk membantu dalam mengembangkan sumber daya manusia. HSP Academy sudah terdaftar oleh badan sertifikasi baik nasional maupun internasional. HSP Academy memanfaatkan website perusahaan dalam menunjang pelayanan dan kebutuhan informasi pelanggannya. Untuk menciptakan layanan yang dapat memberikan nilai bagi pelanggan mereka dan juga sebagai pengelolaan jaminan mutu berdasarkan ISO 9001:2015, perlu dilakukan penilaian kualitas layanan website dengan menggunakan metode WebQual 4.0 dan IPA untuk meningkatkan dan mempertahankan kualitas layanan berdasarkan asumsi penggunanya. Metode WebQual 4.0 menilai dengan cakupan masalah Usability, Information Quality dan Service Interaction, metode ini menilai apakah kinerja website sudah sesuai dengan harapan penggunanya. Sedangkan metode IPA digunakan untuk melihat permasalahan mana yang harus dilakukan perbaikan berdasarkan prioritas pada kuadran IPA. Berdasarkan hasil penyebaran kuesioner kepada 118 responden yang merupakan pengguna dari website HSP Academy, hasil penelitian menunjukkan terdapat 4 atribut pernyataan yang masuk kedalam prioritas utama yaitu tata letak informasi, pembaharuan informasi, informasi yang detail dan informasi yang akurat. Sedangkan terdapat 4 atribut pernyataan yang masuk kedalam prioritas rendah yaitu tampilan website, domain website, informasi dengan format bahasa serta penyampaian kritik dan saran terhadap website. Untuk atribut pernyataan lainnya tidak masuk kedalam prioritas perbaikan karena dinilai memiliki kinerja yang baik untuk dipertahankan. Rekomendasi perbaikan tampilan website pada prioritas utama dan prioritas rendah dibuat berdasarkan pedoman yang ada. AbstractHSP Academy is a training company located in Tangerang and aims to assist in developing human resources. HSP Academy has been registered by both national and international certification bodies. HSP Academy utilizes the company\u27s website to support its customer service and information needs. To create services that can provide value for their customers and also as quality assurance management based on ISO 9001:2015, it is necessary to assess the quality of website services using WebQual 4.0 and IPA methods to improve and maintain service quality based on user assumptions. The WebQual 4.0 method assesses the coverage of Usability, Information Quality and Service Interaction problems. This method assesses whether the website\u27s Performance is in accordance with the expectations of its users. Meanwhile, the IPA method is used to see which problems need improvement based on priority in the quadrant of IPA. Based on the results of distributing questionnaires to 118 respondents who are the users of the HSP Academy website, the results show that there are 4 attributes included in the high priority for improvement, those are information layout, updating of information, detailed information and accurate information. Meanwhile, there are 4 attributes included in low priority for improvement, those are website appearance, website domain, information in language format and the delivery of criticism and suggestions toward the website. The other attributes are not included in the priority for improvement because they are considered to have good Performance and sufficient enough to be maintained. Recommendations for the website’s interface are made based on the existing guidelines
Perancangan User Interface dan User Experience Aplikasi E-Commerce Kain Batik pada UMKM Rezti’s Batik Menggunakan Pendekatan Design Thinking
Get PDFRezti’s Batik merupakan UMKM yang bergerak pada produksi dan penjualan kain batik serta sebagai tempat edukasi batik yang berada di Kecamatan Ambulu, Kabupaten Jember yang melakukan secara konvensional dan melakukan penjualan online melalui media sosial instagram dan whatsapp. Namun, penjualan yang dilakukan secara online dirasa masih kurang berjalan secara efektif dan efisien. Sehingga dibutuhkan solusi untuk mengatasi permasalahan yang dialami yaitu aplikasi penjualan kain batik. Dalam merancang aplikasi, diperlukan penerapan User Interface (UI) dan User Experience (UX) yang terstruktur agar sesuai dengan kebutuhan dari pengguna dan memberikan kenyamanan bagi pengguna. Pendekatan design thinking digunakan dalam merancang UI/UX aplikasi penjualan karena mempunyai proses yang berkesinambungan untuk dapat menciptakan solusi yang sesuai dengan kebutuhan pengguna. Dari perancangan dan solusi yang telah dihasilkan, akan dievaluasi dan validasi menggunakan penilaian dari ketentuan ISO 9241-11 dengan menerapkan pengujian usability System Usability Scale (SUS) dan User Experience Questionnaire (UEQ). Berdasarkan hasil pengujian yang telah didapatkan, dapat diketahui bahwa aplikasi penjualan kain batik yang dirancang mempunyai tingkat usability yang tinggi dan baik dari masing-masing nilai aspek User Experience (UX) Attribute. AbstractRezti\u27s Batik is an MSME engaged in the production and fabric sale of batik as well as a place for batik education located in Ambulu District, Jember Regency, which conducts conventional sales and sells online through Instagram and WhatsApp social media. However, online sales are currently not effective and efficient. A solution is needed to solve the problems experienced by batik fabric sales applications. When designing applications, it is necessary to implement a structured User Interface (UI) and User Experience (UX) to suit the needs of the user and provide comfort for the user. The design thinking approach is used in designing UI/UX sales applications because it has an irrational process to be able to create solutions that suit user needs. The designs and solutions that have been produced, will be evaluated and validated using an assessment of the provisions of ISO 9241-11 by implementing the System Usability Scale (SUS) and User Experience Questionnaire (UEQ) usability tests. Based on the test results that have been obtained, it can be seen that the designed batik cloth sales application has a high and good level of usability from each aspect of the User Experience (UX) Attribute value
Pendekatan Ensemble untuk Analisis Sentimen Covid19 Menggunakan Pengklasifikasi Soft Voting
Get PDFCovid19 berdampak pada sektor kehidupan, mulai dari sektor ekonomi, pendidikan, kesehatan, invertasi, pariwisata hingga menimbulkan krisis lain yaitu fenomena ketakutan dan kepanikan masyarakat yang dipicu oleh informasi yang tidak lengkap dan akurat. Ketakutan dan kepanikan massa menyebabkan publik mempublikasikan sentimen di media sosial untuk memberikan tanggapan atau kritik terhadap keputusan yang dibuat oleh negara. Pandangan masyarakat terhadap Covid19 perlu dijadikan landasan sebagai pendukung keputusan untuk menyusun kebijakan pemerintah dalam menangani Covid19 di Indonesia. Penelitian ini bertujuan untuk membandingkan dan menerapkan algoritma Logistic Regression, Naïve Bayes, dan Support Vector Machine menggunakan pengklasifikasi dari ensemble, yaitu Soft Voting untuk analisis sentimen perihal Covid19 pada media sosial Twitter. Implementasi Soft Voting untuk analisis sentiment masyarakat Indonesia terhadap Covid19 menjadi kebaruan pada penelitian ini. Soft Voting akan menentukan prediksi baru berdasarkan rekomendasi maksimum dari berbagai model yang diperlukan untuk analisis sentimen. Pada penelitian ini, semua algoritma mendapatkan akurasi yang sama untuk analisis sentimen, yaitu sebesar 89%. Penerapan metode ensemble meningkatkan akurasi model untuk prediksi sentimen menjadi 91%.Abstract Covid-19 has impacted all sectors of life, ranging from the economic sector, education, health, investment, tourism to causing another crisis, i.e., the phenomenon of public fear and panic triggered by incomplete and accurate information. Fear and panic cause the public to publish sentiments on social media to provide feedback or criticism of decisions made by the state. The public\u27s view of Covid-19 needs to be used as a basis for decision support to formulate government policies in dealing with Covid-19 in Indonesia. This study aims to compare and apply the Logistic Regression, Naïve Bayes, and Support Vector Machine algorithms using the classifier from ensemble, i.e., Soft Voting for sentiment analysis related to Covid19 on Twitter social media. The application of Soft Voting for the analysis of Indonesian public\u27s sentiments towards Covid19 is a novelty in this research. Soft Voting will determine new predictions based on maximum recommendations from various models needed for sentiment analysis. In this study, all algorithms get the same accuracy for sentiment analysis, which is 89%. The application of the ensemble method increases the accuracy of the model for sentiment prediction by up to 91%
Mapreduce dalam Layanan Transcoding
Get PDFPenyediaan file video dengan bitrate bervariasi menjadi syarat utama bagi layanan Video On Demand yang menerapkan adaptive streaming. Hal tersebut dilakukan dengan transcoding yang menghasilkan video dengan multi-bitrate. Proses multi-bitrate transcoding membutuhkan waktu yang tidak singkat. Lama durasi waktunya sebanding dengan besarnya bitrate, frame size dan frame rate. Untuk mempersingkat durasi transcoding, dibuat sebuah prototipe layanan transcoding dengan menerapkan Mapreduce. Layanan transcoding dengan Mapreduce terdiri dari satu komputer master dan beberapa komputer worker yang terhubung dalam satu LAN. Dengan dikoordinir oleh komputer master, komputer-komputer worker mengerjakan proses Map dan Reduce. Di dalam proses Map dilakukan transcoding terhadap segmented videos. Di dalam proses Reduce dilakukan penggabungan segmen-segmen video yang telah di-transcode dengan parameter/key (bitrate, frame size, dan frame rate) yang sama menjadi satu video yang utuh. Prototipe layanan transcoding dibuat menggunakan Library FFMPEG untuk transcoding, SCP untuk transfer file, RPC untuk komunikasi antar komputer. Di dalam pengujian prototipe, jumlah komputer worker ditentukan sebanyak 7 buah. Kinerja layanan transcoding sangat memuaskan dengan rata-rata efektifitas transcoding sebesar 71,3% dibandingkan dengan transcoding menggunakan satu komputer. AbstractThe provision of video files with varying bitrates is the main requirement for Video On Demand services that implement adaptive streaming. Transcoding that produces multiple bitrates achieves that. Multi-bitrate transcoding can take a longer time. That duration is comparable with the large of the video\u27s bitrates, frame sizes, and frame rates. A transcoding service prototype was created based on Mapreduce to shorten the duration. Transcoding service using Mapreduce consists of several computers connected to a LAN, one as master and the other as worker computers. The master coordinates the workers to do the Map and Reduce process. In the Map process, workers transcode the segmented videos. In the Reduce process, workers merge all transcoded video segments with the same key or parameters (bitrate, frame size, and frame rate) into a single video. The transcoding service prototype was created using the FFMPEG library for transcoding, SCP for file transfer, and RPC for communication between computers. In the testing stage, the number of workers is 7 computers. Service performance is very satisfactory, with average transcoding effectiveness of 71,3% compared to transcoding using a single computer.