JEPIN (Jurnal Edukasi dan Penelitian Informatika)
Not a member yet
363 research outputs found
Sort by
Analisis Quantum Perceptron Untuk Memprediksi Jumlah Pengunjung Ucok Kopi Pematangsiantar Pada Masa Pandemi Covid-19
Full text linkQuantum perceptron adalah merupakan metode jaringan saraf tiruan yang memadukan antara algoritma perceptron dengan komputasi quantum. Pada penelitian ini, peneliti melakukan analisis quantum perceptron untuk memprediksi jumlah pengunjung pada ucok kopi Pematangsiantar pada masa pandemi Covid-19. Dalam memprediksi jumlah pengunjung pada Ucok Kopi Pematangsiantar, peneliti menggunakan data pengunjung sebelumnya pada masa panedmi Covid-19. Variabel yang digunakan adalah 10 varibel dimulai dari x1 sampai dengan x10. Hasil dari penelitian ini adalah analisis quantum perceptron untuk memprediksi jumlah pengunjung ucok kopi Pematangsiantar
Analisis Sentimen pada Media Sosial Twitter Terhadap Kebijakan Pemberlakuan Pembatasan Kegiatan Masyarakat Berbasis Deep Learning
Full text linkKebijakan Pemberlakukan Pembatasan Kegiatan Masyarakat (PPKM) merupakan salah satu kebijakan pemerintah yang diambil untuk menekan laju persebaran Covid19. Tidak setiap kebijakan selalu berdampak positif untuk warga. Oleh sebab itu perlu adanya evaluasi terhadap setiap kebijakan. Saat ini banyak warga yang sering menanggapi kebijakan pemerintah melalui komentar-komentar di media sosial twitter. Komentar-komentar tersebut sebanarnya dapat dijadikan bahan evaluasi terhadap kebijakan yang telah diambil. Namun komentar-komentar tersebut perlu diklasifikasikan dahulu, komentar yang bersentimen positif, negative maupun netral. Proses pengklasifikasian secara manual tentunya akan menyita banyak waktu karena jumlah sangat banyak, bisa ribuah bahkan puluhan ribu. Perlu adanya otimatisasi pengklasifikasin sentimen dari twitter tersebut. Oleh sebab itu penelitian ini berfokus pada otomatisasi analisis sentimen komentar-komentar warga pada media sosial twitter terkait PPKM. Proses otomatisasi analisis sentimen terkait kebijakan PPKM ini berbasis deep learning. Semua data yang telah melalui preprocess dan pelabelan kemudian akan dimodelkan menggunakan algoritma Long Short Term Memory (LSTM). Model dibentuk berdasarkan uji coba paramater yang paling baik menggunakan algoritma grid search. Model yang terbentuk inilah yang digunakan untuk mengklasifikasikan sentimen tweet secara otomatis. Berdasarkan eksperimen yang dilakukan, metode yang diusulkan berhasil mengklasifikasikan 37750 tweet sesuai dengan sentimennya dengan akurasi 87%
Sistem Kendali Suhu dan Kelembapan pada Alat Penetas Telur Berbasis Fuzzy Logic Controller
Full text linkSeiring dengan permintaan daging ayam yang terus meningkat setiap tahun, perlu meningkatkan kapasitas produksi ayam. Akan tetapi alat penetas telur yang beredar di pasaran saat ini memiliki kapasitas yang kecil, sehingga kurang efektif. Selain itu, sebagian besar alat penetas telur yang beredar hanya menggunakan pengontrolan suhu saja, tanpa memperhatikan faktor lain seperti pengontrolan kelembapan, pemutaran telur dan sumber energi listrik. Oleh karena itu, penelitian ini bertujuan untuk membuat alat penetas telur kapasitas 100 butir dengan sistem kendali suhu dan kelembapan yang mampu menjaga kestabilan suhu dan kelembapan sesuai setpoint. Sistem ini juga dilengkapi dengan pemutar telur otomatis serta baterai sebagai back up energi. Penelitian ini menggunakan sistem fuzzy logic Mamdani karena dapat memanipulasi kebutuhan suhu dan kelembapan sesuai dengan batas maksimal dan minimal suhu dan kelembapan alat penetas telur berdasarkan aturan fuzzy yang telah dibuat. Komponen utama yang digunakan antara lain ESP32, sensor DHT22, RTC DS3231, dimmer, driver motor L289N, relay, motor AC sinkron, lampu dan kipas. Hasil dari penelitian ini berupa alat penetas telur dengan sistem kendali suhu dan kelembapan. Sistem fuzzy yang di desain mampu mempertahankan suhu dan kelembapan sesuai dengan setpoint. Untuk mencapai setpoint suhu dan kelembapan yang diinginkan, sistem membutuhkan waktu selama 17 menit. Pemutaran rak telur setiap 3 jam sekali lebih efektif daripada pemutaran rak telur setiap 4 jam sekali. Hasil dari penelitian ini memiliki persentase keberhasilan penetasan sebesar 88%
Sistem Pembangkitan E-Sertifikat Otomatis berbasis Qr Code untuk Verifikasi E-Sertifikat secara Online
Full text linkSalah satu teknologi yang cukup sederhana tetapi mempunyai dampak dalam mendukung perubahan adalah Quick Response Code (QR Code). QR Code merupakan sebuah gambar dua dimensi yang merepresentasikan data dalam bentuk teks. Salah satu penerapan QR Code di dalam lingkup Universitas Tanjungpura Pontianak adalah dalam sistem presensi online mahasiswa. Verifikasi sertifikat yang berlangsung saat ini di lingkungan Universitas Tanjungpura masih menggunakan cara yang umum digunakan yaitu dengan melihat nama yang tertera dalam sertifikat secara manual. Contohnya pada saat mahasiswa ingin mendaftar beasiswa, salah satu syarat dalam pemberkasan adalah sertifikat. Instansi yang menawarkan beasiswa masih memverifikasi sertifikat secara manual dan akan kesulitan untuk membuktikan keaslian sertifikat tersebut. Hal ini akan serupa pada saat sertifikat digunakan sebagai pendamping ijazah saat melamar pekerjaan. Mungkin saja verifikasi sertifikat yang dilakukan sama dengan yang dilakukan di dalam lingkungan Universitas Tanjungpura. Namun, bagaimana jika sertifikat tersebut diragukan keasliannya, tentunya harus melakukan verifikasi yang mendetail terhadap sertifikat tersebut. Untuk melakukan verifikasi mendetail bisa saja melakukan pencarian konten internet (website), namun belum tentu semua panitia penyelenggara kegiatan memiliki website. Metode Penelitian yang penulis lakukan yaitu perumusan masalah, studi literatur, gambaran umum, perancangan sistem, implementasi (Coding), pengujian (Testing) dan penarikan kesimpulan. Perancangan sistem dilakukan dengan Unified Modelling Language (UML) dimana di dalamnya terdapat use case, sequence diagram, activity diagram, dan class diagram. Bahasa Pemrograman yang digunakan adalah PHP dengan Framework Laravel. Sistem diuji dengan menggunakan metode Black Box dan pengujian skenario proses verifikasi serifikat. Penelitian yang dilakukan menghasilkan sistem yang dapat men-generate QR Code pada sertifikat dan memberikan identitas sertifikat tersebut pada sistem sehingga proses verifikasi dokumen sertifikat berjalan lancar
Basis Data Awan Non-Relasional Firestore untuk Penyimpanan Data Pesan
Full text linkPandemi Covid-19 mengubah cara komunikasi masyarakat di berbagai bidang yang semula melalui tatap muka secara langsung, berubah menggunakan media daring. Meningkatnya kebutuhan akan proses komunikasi yang dilakukan secara daring harus didukung dengan infrastruktur yang tepat agar proses pengiriman informasi dapat dilakukan lancar dan tanpa adanya hambatan. Salah satu faktor pendukung infrastruktur komunikasi adalah basis data yang digunakan untuk menyimpan data pesan. Salah satu jenis basis data yang banyak digunakan saat ini adalah basis data non-relasional, karena lebih fleksibel dan dinamis dibandingkan dengan basis data relasional. Terdapat banyak jenis basis data non-relasional, salah satunya berbasis dokumen. Penelitian ini mencoba mengimplementasikan basis data non-relasional Firestore untuk menyimpan berbagai jenis bentuk data pesan. Hasil pengujian menunjukkan bahwa basis data Firestore cukup andal digunakan untuk menyimpan data pesan teks dengan rata-rata waktu penyimpanan adalah 0.4 detik untuk jumlah kata maksimal 100 kata. Sedangkan untuk pesan berbentuk media seperti gambar, rata-rata waktu penyimpanan adalah 4 detik untuk ukuran media maksimal 5 MB, di mana angka tersebut masih dalam batas toleransi respons (10 detik) namun penggunaannya harus disertai dengan adanya feedback pada antarmuka
Pengembangan Sistem Dashboard untuk Mengevaluasi Platform E-Marketplace dengan Metode Scrum pada Startup GRAVIS
Full text linkDalam pengelolaan sebuah bisnis, penjual perlu mengetahui kinerja tokonya dengan mengolah dan menganalisis data transaksi dengan pembeli menjadi sebuah informasi menggunakan Dashboard. Penggunaan dashboard cukup penting sehingga butuh studi lanjutan terkait evaluasi penggunaannya. Penelitian sebelumnya lebih banyak membahas pembuatan dan pengembangan aplikasi dashboard berbasis website dan mendiskusikan operasionalisasi dashboard pada lembaga pendidikan. Oleh karena itu penelitian ini berupaya memfokuskan pada aspek perusahaan rintisan. Penelitian ini akan difokuskan pengembangan dashboard menggunakan framework Laravel dengan metode pengembangan Scrum. Penelitian ini menggunakan model konseptual dan sistematika penyelesaian masalah sehingga tercipta sebuah aplikasi yang membantu e-Marketplace. Tujuan penelitian ini adalah (1) memahami KPI evaluasi platform GRAVIS. (2) memahami konsep arsitektur aplikasi dashboard platform GRAVIS. (3) mengembangkan dashboard untuk menyajikan informasi dalam bentuk visualisasi data. Hasil penelitian ini menunjukkan (1) Key performance indicator (KPI) yang digunakan meliputi enam belas poin utama. (2) Dashboard akan menampilkan informasi dengan gauge chart, line chart dan bar chart. (3) Hasil dari enam scenario black-box testing yang diujikan mendapatkan total sukses sebanyak enam scenario dan nol scenario gagal, maka dari itu hasil dari pengujian black-box testing selesai pada iterasi pertama
Analisis Algoritma Klasifikasi untuk Memprediksi Karakteristik Mahasiswa pada Pembelajaran Daring
Full text linkKeberhasilan pelaksanaan pembelajaran secara daring di masa pandemi dari sisi mahasiswa dipengaruhi oleh faktor eksternal dan internal. Faktor eksternal antara lain ketersediaan sinyal atau jaringan yang baik, kuota internet, serta perangkat penunjang seperti smartphone dan laptop. Selain itu, aspek internal seperti motivasi belajar, budaya belajar, dan kondisi fisik serta psikologi yang baik juga berperan penting dalam keberhasilan proses belajar mahasiswa. Faktor-faktor ini menjadi input untuk membangun model prediksi karakteristik mahasiswa peserta daring. Pada proses pemodelan diawali dengan tahap pre-processing melalui seleksi fitur menggunakan uji independen Chi-Square untuk menentukan variabel yang berpengaruh pada proses prediksi variabel respon. Hasil seleksi variabel independen menghasilkan 16 variabel yang berpengaruh dari total 22 variabel awal. Adapun jenis label pada variabel respon terdiri dari 4 kelompok yaitu mahasiswa aktif dengan fasilitas terbatas, aktif dengan fasilitas baik, pasif dengan fasilitas baik dan pasif dengan fasilitas terbatas. Pada data penelitian ini, distribusi variabel respon termasuk dalam kategori tidak seimbang (imbalanced class) dengan proporsi kelas terkecil adalah 2,20%. Untuk melakukan balancing data digunakan teknik oversampling sebelum tahap pemodelan. Sementara algoritma klasifikasi yang diujicobakan terdiri dari 6 algoritma yaitu Naïve Bayes (NB), Support Vector Machine (SVM), Random Forest (RF), Regresi Logistik (LR), K-Nearest Neighbor (KNN), dan Decision Tree (DT). Hasil komparasi kinerja menunjukkan bahwa algoritma Support Vector Machine (SVM) lebih unggul dengan nilai F-1 Score 92,8% dan AUC sebesar 99,01%
Data Mining dengan Segmentasi Pengguna pada Keamanan Sistem File
Full text linkSalah satu sumber daya yang menjadi pertimbangan kritis adalah sistem file. Hampir semuanya terlibat dalam menghubungkan pengguna dengan sistem file. Manajemen pengguna, file dan konfigurasi akan menjadi fokus permasalahan jika dikaitkan dengan keamanan. Pengguna pada sistem file dianggap memiliki identitas ketika terhubung dengan sistem. Disamping itu, atribut izin dan hak yang ada pada pengguna sebagai pelengkap identitas. Saat ini terjadi peningkatan aktiftas dalam sistem file sehingga menjadi lebih kompleks . Sistem yang kompleks dan pengguna yang belum terkelola dengan baik maka berpotensi ancaman keamanan file. Dalam studi ini, telah dilakukan penelusuran dan investigasi pada aktivitas dengan log riwayat aktivitas pengguna dalam sistem file khususnya pendekatan data mining . Metode klustering ditujukan untuk menganalisis dengan menghasilkan luaran pengetahuan berupa kluster. Pembentukan kluster ditunjang dengan teknik K-Means. Hasil pengelompokan menjadi segmentasi terhadap pengguna pada sistem file. Hasil akhir merepresentasikan adanya 5 kluster pada teknik K-Means. Model dengan teknik K-Means terbukti menjadi model yang efektif dibuktikan dengan nilai akurasi pada metode Davies Bouldin Index (DBI). Tambahan pengukuran lain adalah dengan F- Measures untuk meninjau hasil akurasi penempatan kluster pada kasus dengan teknik K-Means. Dengan demikian, metode klustering dengan teknik K-Means merupakan metode yang dianggap handal ketika mensegmentasikan data pengguna terkait dengan aktivitas pada sistem file
Pemodelan Perkembangan New Cases Covid-19 di Indonesia Menggunakan Multi-Layer Perceptron dan Support Vector Machine
Full text linkMeningkatnya ketersediaan data historis dalam jumlah besar dan kebutuhan untuk membuat perkiraan yang akurat tentang perilaku masa depan menjadi perhatian khusus dalam mencari teknik yang dapat menarik kesimpulan dari mengamati hubungan antara data tertentu, antara data masa lalu dan data masa depan. Domain peramalan mengalami peningkatan sejak tahun 1960-an, dengan metode statistik linier, misalnya menggunakan model ARIMA. Baru-baru ini, model pembelajaran mesin telah menarik perhatian dan dapat digunakan sebagai teknik lain selain model statistik klasik untuk kasus peramalan. Penelitian ini memprediksi perubahan kasus baru positif Covid-19 per satu juta penduduk (new cases per million Covid-19) di Indonesia menggunakan pembelajaran mesin. Pemodelan perubahan new cases per million diperlukan karena penyakit ini merupakan penyakit baru, sehingga sampai saat ini belum ada pemodelan deret waktu yang cukup akurat untuk menggambarkan kasus tersebut. Teknik machine learning yang akan digunakan adalah Multi-Layer Perceptron (MLP) dan Support Vector Machine (SVM) dan dibandingkan kinerja dari kedua teknik tersebut. Dari hasil perhitungan kinerja, prediksi new cases per million Covid-19 yang dilakukan dengan menggunakan SVM(RMSE = 9,053) memiliki kinerja yang lebih baik dibandingkan dengan menggunakan MLP (RMSE = 10,284). Nilai RMSE yang lebih kecil menunjukkan kinerja yang lebih baik
Penilaian Kinerja Akurasi Metode Klasifikasi dalam Dataset Penerimaan Mahasiswa Baru Universitas XYZ
Full text linkUniversitas XYZ merupakan salah satu Perguruan Tinggi yang berlokasi di Kota Palembang yang melakukan kegiatan Penerimaan Mahasiswa Baru (PMB) untuk menjaring calon mahasiswa. Data PMB dari tahun ke tahun belum digunakan secara optimal dalam menghasilkan pengetahuan yang memberikan nilai manfaat bagi pengguna, sehingga diperlukan sebuah pemodelan data yang efisien dan tepat untuk menghasilkan akurasi data yang baik. Penelitian yang dilakukan bertujuan untuk menilai kinerja akurasi pemodelan yang terdapat dalam metode klasifikasi yang meliputi pemodelan k-NN, Decision Tree Classifier, Naive Bayes Classifier, Support Vector Machine (SVM) dan AdaBoost terhadap fitur dalam dataset Penerimaan Mahasiswa Baru (PMB) yang digunakan untuk memprediksi preferensi pemilihan program studi. 26 Fitur dalam dataset diamati hingga menghasilkan 6 fitur yang memiliki nilai korelasi yang tinggi untuk dilibatkan dalam penilaian kinerja akurasi, yang meliputi ‘Jurusan Sekolah’, ‘Penghasilan’, ‘Tahun Masuk’, ‘Tahun Lulus’, ‘Tipe Sekolah’ dan ‘Status Sekolah’ dengan data record sebanyak 2.704 data. Tahapan dilakukan menggunakan Data Life Cycle yang meliputi: (1) Business Understanding yang terdiri dari Penentuan Masalah, Tujuan Proyek, Solusi dari Perspektif Bisnis, dan Instrumen Pengukuran Keberhasilan; (2) Data Understanding dengan penelaahan data; (3) Data Preparation; (4) Modeling; (5) Evaluation. Hasil akhir menunjukkan bahwa k-NN classifier memiliki persentasi akurasi tertinggi sebesar 72.2% dan direkomendasikan dalam pemodelan preferensi program studi bagi calon mahasiswa baru di Universitas XYZ Kota Palembang