Jurnal Teknologi Informasi dan Ilmu Komputer
Not a member yet
1290 research outputs found
Sort by
Identifikasi Gagal Ginjal Kronis dengan Mengimplementasikan Metode Support Vector Machine beserta K-Nearest Neighbour (SVM-KNN)
Get PDFGinjal merupakan bagian vital bagi manusia karena berfungsi untuk menyaring atau membersihkan cairan yang kita minum agar dapat dikonsumsi oleh tumbuh secara normal. Gagal ginjal adalah situasi dimana ginjal mengalami penurunan funsionalnya secara terus-menerus yang mana dapat mengakibatkan ketidakmampuan ginjal untuk berfungsi untuk semestinya. Untuk membantu pasien yang terjangkit penyakit gagal ginjal kronis hal yang terlebih dahulu dilakukan adalah mengindentifikasi penyakit tersebut. Indentifikasi gagal ginjal kronis dengan menggunakan dataset yang dibuat oleh L.Jerlin Rubini dkk. sudah dilakukan dengan berbagai metode klasifikasi, contohnya adalah implementasi metode klasifikasi Support Vector Machine (SVM) dan K-Nearest Neighbour (KNN). Salah satu kelemahan dari SVM adalah bila data terlalu dekat dengan hyperplane adanya potensi untuk salah mengklasifikasi. Lalu salah satu kelemahan dari KNN adalah berpotensi mengalami penuruan akurasi bila nilai k terlalu tinggi atau terlalu rendah yang mana masing-masing mengakibatkan banyaknya noise data atau terlalu kecil data yang digunakan sebagai pembanding. Untuk penelitian ini, kami mengimplementasikan penggabungan metode SVM dengan KNN yang dikenal dengan SVM-KNN yang menggunakan optimasi Simplified Sequential Minimal Optimization (Simplified SMO). Metode ini mencoba untuk menutupi kelemahan dari SVM dan KNN. Penelitian ini melakukan percobaan pada beberapa nilai parameter yang digunakan untuk mendapatkan akurasi pada metode klasifikasi SVM-KNN terbaik. Parameter yang diuji adalah cost, tolerance, gamma, dan bias pada metode SVM, parameter k pada metode KNN, serta parameter miu pada metode SVM-KNN. Nilai rata-rata akurasi terbaik didapatkan dengan menggunakan SVM-KNN dengan nilai 94,25% dan terbukti lebih baik dari pada SVM dengan 94,09% dan KNN dengan 91,73%. AbstractKidneys are a vital part for humans because they function to filter or clean the fluids we ingest so that they can be consumed safely. Kidney failure is a situation where the kidneys experience a continuous decline in function which can result in the inability of the kidneys to function properly. To help patients with chronic kidney failure, the first thing to do is to identify the disease. Identification of chronic kidney failure using the dataset created by L.Jerlin Rubini et. al. had been tested with various classification methods, for example the implementation of the Support Vector Machine (SVM) and K-Nearest Neighbor (KNN). One of the weaknesses of SVM is that if the data is too close to the hyperplane there is the potential for misclassification. Then one of the weaknesses of KNN is that it has the potential to experience a decrease in accuracy if the value of k is too high or too low which results in a lot of noise data or too little data used as a comparison respectively. For this research, we implemented a hybrid of SVM with KNN known as SVM-KNN which was optimized using Simplified Sequential Minimal Optimization (Simplified SMO). This study conducted experiments on several parameter values used to obtain the best accuracy in SVM-KNN. The parameters tested are cost, tolerance, gamma, bias on SVM, parameter k on KNN, and miu on SVM-KNN. The average value of accuracy was obtained using SVM-KNN with 94.25% and proved better than SVM with 94.09% and KNN with 91.73%
Sistem Identifikasi Penyakit Paru Obstruktif Kronik (PPOK) Berdasarkan Suara Paru-Paru Menggunakan Jaringan Saraf Tiruan Berbasis Raspberry Pi
Get PDFMenurut World Health Organization (WHO), Penyakit Paru Obstruktif Kronik (PPOK) merupakan penyakit yang menyebabkan kematian peringkat ketiga terbesar di seluruh dunia, dimana terdapat sebanyak 3.23 juta kasus kematian pada tahun 2019. Sebanyak 80% dari kasus kematian akibat PPOK terjadi pada negara-negara dengan pendapatan rendah hingga sedang. PPOK biasannya ditandai dengan kesulitan bernapas dan batuk yang disertai dengan dahak. PPOK ini merupakan penyakit progresif yang tidak dapat disembuhkan dan akan semakin memburuk seiring berjalannya waktu. Salah satu cara yang biasa digunakan oleh dokter untuk melakukan diagnosis kondisi paru-paru adalah menggunakan stetoskop. Cara ini biasa disebut dengan nama auskultasi. Teknik diagnosis menggunakan auskultasi ini memiliki kelemahan dimana hasil diagnosis bergantung pada kepekaan telinga dan jam terbang dari dokter yang melakukan diagnosis. Maka solusi yang diusulkan dari permasalahan ini adalah membuat sistem identifikasi PPOK untuk melakukan diagnosis sehingga PPOK dapat diketahui sejak dini dan dapat diberikan perawatan dini untuk menghambat memburuknya kondisi paru-paru. Sistem ini juga menggunakan sistem kecerdasan buatan sehingga proses diagnosis lebih cepat, tepat, dan konsisten sehingga tidak bergantung pada kepekaan telinga dan jam terbang dokter. Sistem ini bekerja dengan cara mendeteksi apakah suara paru-paru terindikasi PPOK atau Sehat. Keluaran dari sistem ini adalah visualisasi dari suara paru-paru yang ditangkap stetoskop dan hasil diagnosis dari kondisi paru-paru yang ditampilkan secara real-time. Berdasarkan pegujian yang telah dilakukan, tingkat akurasi yang didapatkan oleh sistem adalah sebesar 93.35% dengan waktu komputasi sebesar 3.116 s. AbstractAccording to the World Health Organization (WHO), Chronic Obstructive Pulmonary Disease (COPD) is the third-largest disease that causes death worldwide, with 3.23 million deaths in 2019. As many as 80% of these deaths from COPD occur in low- and middle-income countries. COPD is usually characterized by difficulty breathing and coughing accompanied by phlegm. COPD is a progressive disease that cannot be cured and will get worse over time. One way that is commonly used by doctors to diagnose lung conditions is to use a stethoscope. This method is commonly referred to by the name of auscultation. This technique of diagnosis using auscultation has disadvantages where the results of the diagnosis depend on the sensitivity of the ear and the expertise of the doctor who did the diagnosis. So, the proposed solution to this problem is to create a COPD identification system to diagnose COPD so that COPD can be known early and can be given early treatment to inhibit worsening of lung conditions. The system also uses an artificial intelligence system so that the diagnosis process is faster, precise, and consistent so that it does not depend on the sensitivity of the ear and the doctor\u27s expertise. This system works by detecting whether the sound of the lungs is COPD infected or healthy. The output of this system is a visualization of the sound of the lungs captured by the stethoscope and the diagnosis of the lung condition displayed in real-time. Based on the tests that have been done, the accuracy rate obtained by the system is 93.35% with a computational time of 3.116 s
Implementasi Algoritma Naïve Bayes untuk Mendeteksi Resiko Tinggi Diabetes Melitus Pada Ibu Hamil (Studi Kasus : Puskesmas Kabupaten Malang)
Get PDFDiabetes pada ibu hamil dapat meningkatkan berbagai risiko, baik maternal maupun neonatus. Terdapat gangguan homeostasis glukosa pada ibu hamil. Terjadinya malformasi kongenital, keguguran, risiko preeklampsia, CPD (Cepalo Pelvik Dispropotion), kelahiran prematur, kelainan letak, plasenta previa dan hipoglikemia neonatus. Oleh karena itu, Perhatian dan penanganan menyeluruh bagi ibu hamil yang mengalami diabetes. Data mining dapat digunakan untuk deteksi resiko tinggi diabetus mellitus pada ibu hamil. Data yang digunakan seperti nama, usia, umur kehamilan, gravida, para, riwayat kehamilan yang lalu, riwayat penyakit yang pernah diderita, faktor risiko, riwayat persalinan yang lalu untuk deteksi resiko tinggi diabetus mellitus pada ibu hamil. Tidak semua kehamilan dapat berjalan dengan normal atau fisiologis pada saat proses persalinannya ada faktor risiko yang dapat mempengaruhinya. Pada penelitian ini dapat mendeteksi resiko yang akan terjadi kepada ibu hamil dan bayi dalam kandungannya. Nilai akurasi tertinggi terdapat pada pengujian ke 4 sebesar 82.4324% dan terendah nilai akurasi pada pengujian ke 2 sebesar 75%. Nilai presisi tertinggi terdapat di uji coba ke 3 sebesar 79.2% dan nilai presisi terendah di uji coba ke 2 sebesar 76.3%. Nilai recall tertinggi terdapat di uji coba ke 4 sebesar 82.4% dan nilai recall terendah di uji coba ke 2 sebesar 75%. Nilai F-Measure tertinggi terdapat di uji coba ke 3 sebesar 79.2% dan nilai F-Measure terendah di uji coba ke 2 sebesar 74.8%. AbstractDiabetes in pregnant women can increase various risks, both maternal and neonatal. There is a disturbance of glucose homeostasis in pregnant women. Occurrence of congenital malformations, miscarriage, risk of preeclampsia, CPD (Cepalo Pelvic Disproportion), premature birth, position abnormalities, placenta previa and neonatal hypoglycemia. Therefore, attention and comprehensive treatment for pregnant women with diabetes. Data mining can be used to detect high risk of diabetes mellitus in pregnant women. The data used are name, age, gestational age, gravida, para, past pregnancy history, history of previous illness, risk factors, past delivery history to detect high risk of diabetes mellitus in pregnant women. Not all pregnancies can run normally or physiologically at the time of delivery there are risk factors that can affect it. In this study, it can detect the risks that will occur to pregnant women and their babies in the womb. In addition, recommendations from the system can support a midwife\u27s decision making in taking action to pregnant women. The highest accuracy value is found in the 4th test of 82,4324% and the lowest accuracy value in the 2nd test is 75%. The highest precision value was found in the 3rd trial of 79.2% and the lowest precision value in the 2nd trial of 76.3%. The highest recall value was found in the 4th trial of 82.4% and the lowest recall value in the 2nd trial of 75%. The highest F-Measure value was found in the 3rd trial of 79.2% and the lowest F-Measure value in the 2nd trial of 74.8%
Prediksi Rating Film IMDb Menggunakan Decision Tree
Get PDFIndustri Film bukan hanya industri atau pusat hiburan semata melainkan menjadi pusat bisnis global. Popularitas atau kesuksesan film box office selalu menjadi perhatian di seluruh dunia. Data kesuksesan atau popularitas film saat ini tersedia secara online. IMDb merupakan satu dari sekian situs daring penyedia informasi yang berkaitan dengan film, acara televisi, yang meliputi sinopsis, daftar pemain, ulasan penilaian, dan tentunya pemberian rating film. Keberhasilan film dapat ditandai dengan perolehan rating yang tinggi. Prediksi rating film menjadi topik menarik untuk menilai keberhasilan film baik yang telah diproduksi maupun yang belum diproduksi. Pada penelitian ini, dilakukan prediksi nilai rating film menggunakan metode decision tree. Hasil dari penelitian ini diperoleh kesimpulan bahwa atribut popularitas film dan nilai vote user pada laman IMDb berpengaruh terhadap nilai rating film. Nilai akurasi penggunaan model decision tree pada data training, validasi dan testing bertuturt – turut adalah 0,7529, 0,7237 dan 0,7079. AbstractThe film industry is not just an industry or entertainment but also a global business center. The popularity or success of box office movies has always been a concern around the world. Data on the success or popularity of a movie is currently available online. IMDb is one of the many online sites that provide information related to movies, television shows, which include synopsis, cast lists, rating reviews, and of course movie rating assignments. Prediction of movie ratings is an interesting topic to assess the success of films that have been produced and those that have not been produced. Prediction of movie ratings values can be modeled through machine learning using the decision tree model. From this research, it can be concluded that the popularity of the film and the value of user votes on the IMDb page have an effect on the film rating value. The accuracy values of using the descision tree model in training data, validation and testing are respectively 0.7529, 0.7237 and 0.7079
Pengelolaan Eling Sebagai Bentuk Inovasi Dalam Menunjang Pembelajaran Bagi Mahasiswa Pada Departemen Sistem Informasi Universitas Brawijaya (Studi Kasus: Program Studi Pendidikan Teknologi Informasi)
Get PDFEling merupakan produk inovasi yang digunakan di Fakultas Ilmu Komputer Universitas Brawijaya sejak 2020. Namun pemanfaatan Eling ini belum digunakan oleh semua tenaga pengajar di lingkungan FILKOM. Hal ini membuat mahasiswa tidak semuanya menggunakannya dalam belajar. Penelitian ini bertujuan untuk menemukan kendala dan pengalaman mahasiswa terkait pengelolaan Eling khususnya di lingkungan program studi Pendidikan Teknologi Informasi (PTI) Departemen Sistem Informasi pada Fakultas Ilmu Komputer. Hasil penelitian ini nantinya dapat dimanfaatkan dalam memperbaiki Eling dan juga melaksanakan pelatihan penggunaan Eling bagi tenaga pengajar. Metode penelitian yang digunakan dalam penelitian ini yaitu kuantitatif deskriptif. Instrumen penelitian yang digunakan adalah kuesioner yang telah divalidasi dan reliabel. Kuesioner tersebut dibagikan kepada mahasiswa secara online. Populasi dari penelitian ini sebanyak 390 mahasiswa yang berasal dari program studi PTI dan teknik sampling yang digunakan adalah purposive sampling menggunakan tabel Isaac and Michael sebanyak 186 mahasiswa. Namun hanya 79% atau 147 mahasiswa yang mengisi kuesioner tersebut dan menghasilkan persentase pada kriteria-kriteria: desain tampilan sebesar 81.29 yang termasuk kategori layak, desain pembelajaran sebesar 76.48 yang termasuk kategori layak, materi sebesar 75.51 yang termasuk kategori layak, media pendukung sebesar 81.73 yang termasuk kategori sangat layak, dan komunikasi sebesar 66.87 yang termasuk kategori layak. Pentingnya kriteria-kriteria tersebut terpenuhi dalam Eling dapat membuat dan memudahkan mahasiswa dalam belajar. AbstractEling was an innovative product that has been used at the Faculty of Computer Science, Universitas Brawijaya since 2020. However, the use of this Eling has not been used by all teaching staff in FILKOM. This made students not all use it in learning. This study aimed to find the constraints and experiences of students related to intelligence management, especially within the Information Technology Education (PTI), Information Systems department at the Faculty of Computer Science. The result of this research could be used to update Eling and held the workshop in the usage of Eling. The descriptive quantitative was used as research method. The research instrument used was a validated and reliable questionnaire. The questionnaire was given to PTI’s students. The population of this study was 390 students and the sampling technique used was purposive sampling using the Isaac and Michael tables of 186 students. However, only 79% or 147 students filled out the questionnaire and produced percentages on the criteria: display design of 81.29 which was included in the feasible category, learning design of 76.48 which was included in the feasible category, material 75.51 which was included in the feasible category, supporting media of 81.73 which included in the very feasible category, and communication of 66.87 which included the feasible category. The importance of these criteria being met in awareness can make and facilitate students in learning
Pengembangan Sistem Monitoring Pendataan Aplikasi Berbasis Web pada Kementerian Pekerjaan Umum dan Perumahan Rakyat
Get PDFKementerian Pekerjaan Umum dan Perumahan Rakyat adalah kementerian Indonesia yang mempunyai tugas menyelenggarakan kegiatan pemerintahan di bidang pekerjaan umum dan perumahan rakyat untuk membantu Presiden. Perangkat lunak yang dimiliki oleh Kementerian PUPR sangat banyak, sehingga membutuhkan monitoring pendataan aplikasi. Pada pemantauan aplikasi di kementerian PUPR masih menggunakan Google Workspace, proses tersebut menyebabkan harus melakukan pengecekan setiap aplikasi dan menjadi tidak efisien. Sehingga, membutuhkan adanya solusi dengan pengembangan sistem monitoring aplikasi. Aktivitas pada sistem monitoring dengan melacak status aplikasi, dan melakukan pengelolaan data perangkat lunak. Metode Rational Unified Process (RUP) digunakan untuk membuat aplikasi. Pendekatan dilakukan menggunakan pengembangan berorientasi objek dengan UML. Proses implementasi sistem menggunakan kerangka kerja Laravel. Hasil penelitian ini adalah sistem monitoring aplikasi berbasis website. Sistem yang berhasil dibangun, kemudian melalui proses pengujian sistem. Pengujian unit dilakukan dengan white box testing yang menghasilkan status uji valid berdasarkan pada semua path. Pengujian validasi dengan black box testing menunjukan bahwa semua fitur valid. User Acceptance Testing menghasilkan nilai akhir 94,67% sehingga sudah sesuai dengan kebutuhan pengguna. Kontribusi sistem terhadap organisasi dapat memperbaiki efisiensi pada monitoring aplikasi dan meningkatkan efektivitas, karena data tersimpan di dalam database. Abstract Assisting the President in managing government activities pertaining to public works and public housing is the responsibility of the Ministry of Public Works and Public Housing in Indonesia. The Ministry of PUPR owns a considerable amount of software, so it requires monitoring application data collection. In monitoring applications at the PUPR ministry, they still use Google Workspace. This process causes them to have to check each application, which becomes inefficient. Thus, it requires a solution through the development of an application monitoring system. Monitoring activities that can be carried out on this system can track the status of application and manage software data. This application is designed using the Rational Unified Process (RUP) method. The approach is carried out using object-oriented development with UML. The system implementation process uses the Laravel framework. The result of this research is a website-based application monitoring system. The system that is successfully built then goes through the system testing process. Unit testing is done by white box testing, which produces a valid test status based on all paths. Validation testing with black box testing shows that all features are valid. User Acceptance Testing produces a final value of 94.67% so that it is in accordance with user needs. The contribution of the system to the organization can improve efficiency in application monitoring and increase effectiveness because the data is stored in the database
Clustering Gempabumi di Wilayah Regional VII Menggunakan Pendekatan DBSCAN
Get PDFWilayah Regional VII meliputi Jawa Tengah, Yogyakarta, dan Jawa Timur merupakan wilayah tektonik yang aktif karena terletak di wilayah zona subduksi lempeng Indo-Australia dan Eurasia serta terdapat beberapa patahan aktif di daratan. Oleh karena itu, perlu dilakukan klasifikasi gempabumi untuk memetakan zona rawan gempabumi berdasarkan sumbernya di wilayah Regional VII berdasarkan kesamaan atribut salah satunya adalah berdasarkan karakteristik gempabumi dari sumber yang sama. Pada penelitian ini digunakan pendekatan algoritma Unsupervised Learning Clustering berbasis kepadatan yaitu, Density Based Spatial Clustering of Application with Noise atau DBSCAN, algoritma ini membutuhkan parameter input epsilon (ε) dan MinPts. Data yang digunakan pada penelitian ini adalah data gempabumi wilayah Regional VII tahun 2017 hingga 2021 yang diperoleh dari BMKG. Selanjutnya, proses clustering dilakukan dengan membagi data gempabumi berdasarkan periode yaitu periode tahunan dan periode lima tahun dengan tujuan untuk mengetahui pola cluster berdasarkan periode waktu. Hasil yang terbentuk selanjutnya dievaluasi menggunakan Silhouette Coefficient serta dibandingkan dengan peta Seismisitas Jawa yang telah ada dari katalog PuSGeN 2017. Hasil clustering menggunakan DBSCAN diperoleh jumlah cluster sebanyak 2 hingga 6 cluster dengan nilai Silhouette Coefficient terendah sebesar 0.270 untuk periode T5_2017-2021 dan tertinggi sebesar 0.499 untuk periode T1_2020. AbstractRegional VII area covering Central Java, Yogyakarta and East Java is an active tectonic region because it is located in the subduction zone of the Indo-Australian and Eurasian plates and there are several active faults on land. Therefore, it is necessary to classify earthquakes to map earthquake-prone zones based on their sources in Regional VII area based on the similarity of attibutes, based on the characteristics of earthquakes from the same source. In this study, a density-based Unsupervised Learning Clustering algorithm approach was used namely, Density Based Spatial Clustering of Application with Noise or DBSCAN, this algorithm requires the input parameters epsilon (ε) and MinPts. The data used in this study are earthquake data for Regional VII from 2017 to 2021 obtained from the BMKG. Then, the clustering process is carried out by dividing earthquake data based on the period, namely the annual period and the five-year period with the aim of knowing the pattern of cluster based on the time period. The results are then evaluated using the Sillhouette Coefficient and compared with the existing Java Seismicity map from the 2017 PuSGeN catalog. Clustering results using DBSCAN obtained a number of clusters of 2 to 6 clusters with the lowest Silhouette Coefficient value is 0.270 for the T5_2017-2021 period and the highest is 0.499 for the T1_2020 period.
Analisis Faktor Transformasi Digital Pelayanan Publik Pemerintah Di Era Pandemi
Get PDFBanyak perubahan yang terjadi dalam kehidupan masyarakat sebagai konsekuensi dari social distancing di era pandemi. Hal ini juga mempengaruhi cara pelayanan publik pemerintah kepada masyarakat yang ikut berubah akibat pembatasan sosial, di mana pelayanan tatap muka ditiadakan dan digantikan oleh layanan virtual dengan memanfaatkan teknologi informasi. Digital Government Transformation adalah teori yang digunakan dalam penelitian ini untuk melihat faktor pendorong dan penghambat proses transformasi digital khususnya pada pelayanan publik di masa pandemi. Penelitian ini bertujuan mengidentifikasi faktor-faktor yang mendukung dan menghambat serta tantangan yang dialami Indonesia selama pandemi dalam digitalisasi pelayanan publik. Penelitian ini dianalisa menggunakan Structural Equation Modelling dengan pengambilan data melalui cross sectional survey pada 208 responden. Hasil penelitian dapat disimpulkan bahwa faktor yang mendorong keberhasilan proses digitalisasi pelayanan publik di masa pandemi adalah profesionalisme dalam melayani yang tergambar dari inovasi pelayanan publik, kemampuan sumber daya manusia, dan pengalaman kerja. Sementara itu, faktor penghambat dari perspektif organisasi dan budaya seperti kurangnya panduan kepemimpinan, kurangnya koordinasi antar divisi, kurangnya dukungan operasional, budaya yang menolak perubahan, dan birokrasi yang rumit belum terbukti secara signifikan mempengaruhi proses transformasi karena hambatan tersebut tidak dapat membendung transformasi digital pelayanan masyarakat ketika dihadapkan pada kondisi pandemi Covid-19 yang membutuhkan perubahan.AbstractMany changes have occurred in people’s lives as a consequence of social distancing in pandemic era. This also affects the way government public services to the community have changed due to social restrictions, where face-to-face services are abolished and replaced by virtual services by utilizing information technology. Digital Government Transformation is the theory used in this research to see the driving and inhibiting factors of the digital transformation process. This research investigates the factors that support and hinder along with the challenges experienced in Indonesia during the pandemic in the digitalization of public services. This study used a questionnaire survey and managed to collect 208 respondents. The results of the study can be concluded that the factors that drive the successful practice of public service’s digitalization during the pandemic are professionalism in serving which is depicted from public service innovations, human resource capabilities, and work experience. Meanwhile, the inhibiting factors from the organizational and cultural perspective as lack of leadership guidance, lack of coordination between divisions, lack of operational support, a culture that resists change, and complicated bureaucracy have not proven to significantly affect the transformation process because these obstacles cannot stem the digital transformation of public services when faced with the Covid-19 pandemic condition that requires change
Efektifitas Metode Preference Selection Index (PSI) dalam Menentukan Penyaluran Dana Bantuan Sosial COVID-19 pada Kecamatan Mandau
Get PDFCOVID-19 merupakan pandemi global yang penyebarannya sangat cepat, termasuk di Indonesia. Untuk memulihkan perekonomian di tengah kondisi pandemi ini, pemerintah berupaya memberikan dana bantuan sosial (bansos) COVID-19 disetiap kecamatan di berbagai wilayah, termasuk Kecamatan Mandau di Kota Duri seperti bantuan bahan pokok makanan. Namun dalam pelaksanaannya terdapat kendala dalam penyaluran dana bantuan sosial tersebut karena data yang diterima oleh petugas kecamatan masih menggunakan sistem pencatatan manual sehingga pendataan penerima bantuan tidak akurat dan tidak memiliki acuan kriteria persyaratan sebagai penerima bantuan, yang menyebabkan penerima bantuan sosial tidak tepat sasaran. Dalam penelitian ini, untuk mengatasi masalah tersebut telah dirancang analisa perhitungan berbasis website dengan menggunakan metode Preference Selection Index (PSI) yang mampu mengklasifikasikan penerima bantuan sesuai kriteria yang diharapkan. Hasil dari penerapan metode PSI kedalam aplikasi berbasis web ini memberikan kemudahan bagi calon penerima bantuan untuk mendaftar secara online, dan untuk proses penyaluran bantuan sosial menjadi lebih mudah, transparan, dan tepat sasaran. dengan kriteria data yang akurat dengan skala prioritas pengurutan secara descending untuk nilai tertinggi yaitu 0.883, dan hasil nilai terendah atau non prioritas yaitu 0.322.
Abstract
COVID-19 is a global pandemic with rapid spread, including in Indonesia. To restore the economy amid this pandemic, the government is trying to provide COVID-19 social assistance funds in every sub-district in various regions, including Mandau District in Duri City, such as assistance with staple foods. However, in practice there are obstacles in the distribution of social assistance funds because the data received by sub-district officials still uses a manual recording system so that the data collection on beneficiaries is inaccurate and does not have a reference to the eligibility criteria as beneficiaries, which causes social assistance recipients to be not on target. In this study, to overcome this problem a website-based calculation analysis has been designed using the Preference Selection Index (PSI) method that can classify the beneficiaries according to the expected criteria, and after this calculation analysis is implemented in this sub-district, the social assistance distribution process becomes easier and on target with accurate criteria
Pengembangan Sistem Manajemen Pelatihan Kerja di Kota Surakarta
Get PDFProgram pelatihan kerja di Pemerintah Kota Surakarta yang ditawarkan oleh Dinas Tenaga Kerja, Dinas Pendidikan, Dinas Perdagangan, Dinas Pemberdayaan Perempuan, Perlindungan Anak dan Pemberdayaan Masyarakat dan Dinas UMKM Koperasi & Industri. Saat ini beberapa instansi pemerintah yang memiliki program pelatihan kerja yang sama masih menggunakan sistem konvensional. Data pengangguran diambil melalui dari Dinas Sosial Kota Surakarta dikirim melalui media sosial WhatshApp sehingga terjadinya tumpang tindih data pengangguran dan pelaksanaan pelatihan kerja. Instansi yang terlibat dalam program pelatihan kerja belum memiliki rencana strategis dan beberapa proses bisnis dilakukan secara manual. Melihat kondisi permasalahan tersebut maka dibutuhkan suatu perencanaan pengembangan sistem pada instansi pemerintah (dalam hal ini Dinas terkait) sistem informasi dianalisis dan dirancang dengan metode prototyping, merupakan bagian proses untuk membagikan program pelatihan kerja di setiap dinas terkait merealisasikan tujuannya. Untuk dapat menerapkan perencanaan yang mengintegrasikan dan menyinkronkan data menjadi sarana Pemerintah Kota Surakarta dapat mengelola sistem manajemen pelatihan kerja. Dari hasil penelitian ini melalui pengujian dengan metode black box untuk mengukur efisiensi, akurasi, validitas data dan kegunaan sistem manajemen pelatihan kerja untuk memastikan tidak terjadinya kembali tumpang tindih data. AbstractJob training programs in the Surakarta City Government are offered by the Department of Manpower, the Office of Education, the Office of Commerce, the Office for Women\u27s Empowerment, Child Protection and Community Empowerment, and the Office for MSME, Cooperatives, and Industry. Several government agencies with the same job training program are still using the conventional system. The response data was taken through the Surakarta City Social Service and sent via WhatsApp social media so that there was an overlapping of the response data and the implementation of job training. The agencies involved in the job training program do not yet have a strategic plan and some business processes are carried out manually. Seeing the condition of the problem, it is necessary to have a system development plan for government agencies (in this case the related Office). Information systems are analyzed and designed using the prototyping method, which is part of the process for distributing job training programs in each Service related to utilization. To be able to implement planning that integrates and synchronizes data becomes a means for the Surakarta City Government to manage a job training management system. the results of this study through testing with the black box method for efficiency, accuracy, data validity, and the use of job training management systems to ensure data overlap does not occur again