JEPIN (Jurnal Edukasi dan Penelitian Informatika)
Not a member yet
363 research outputs found
Sort by
Algoritma Pendeteksi Kerusakan Struktur Bangunan Berbasis Korelasi Jarak dan Metode Kuadrat Terkecil Parsial
Get PDFSering kali, sebuah kerusakan struktur yang masif terjadi karena pengabaian terhadap kerusakan kecil. Kejadian malang ini kemudian menimbulkan berbagai kerugiaan, baik secara material maupun korban jiwa. Oleh karena itu, dirasa penting untuk dapat mendeteksi kerusakan dari sebuah struktur sedini mungkin untuk mencegah terjadinya hal yang tidak diinginkan. Penelitian ini menggagas sebuah algoritma pendektesi kerusakan struktur bangunan berbasiskan pada metode korelasi jarak dan kuadrat terkecil parsial. algoritma ini berfokuskan pada pemilihan sekelompok sensor yang dapat bekerja secara optimal berdasarkan pada perhitungan korelasi jarak. Berdasarkan pada percobaan pada data experimental dari sebuah struktur jembatan, algoritma yang digagas dapat mengurangi jumlah akselerometer yang diperlukan hingga 80% untuk menyusun model prediktif tanpa mengurangi atau bahkan meningkatkan akurasi dari model prediktif akselerometer sebesar 1 hingga 1,3%. Lebih lanjut, algoritma yang digagas dapat mendekteksi keberadaan kerusakan struktur dengan baik, serta mampu mengkarakterisasi tingkat kerusakan dari struktur berdasarkan pada perubahan standar deviasi dari residu kuadrat
Klasterisasi Kesesuaian Lahan Kayu Putih Kabupaten Cilacap dengan Metode K-Means
Get PDFBanyaknya lahan kayu putih yang belum dimanfaatkan secara maksimal seperti penanaman dengan sistem tumpang sari, kurangnya pemahaman mengenai faktor penghambat dalam pertumbuhan tanaman kayu putih, dan kurangnya pengetahuan mengenai pemanfaatan potensi lahan yang optimal merupakan penyebab rendahnya produktifitas kayu putih di Indonesia. Klasterisasi menggunakan algoritma K-Means dalam pengelompokan lahan ke dalam cluster yang potensial berdasar faktor pendukung pertumbuhan hama rayap tanah merupakan tujuan dalam penelitian yang dilakukan. Proses cluster dilakukan menggunakan parameter tanaman tumpang sari, tipe tanah, suhu, kelembaban, dan curah hujan. Dalam metode K-Means, data yang memiliki karakteristik yang sama dalam satu kelompok dan memiliki karakteristik yang berbeda dengan kelompok lain akan dikelompokan dalam satu cluster. Clustering akan mengupayakan untuk mencapai tingkat minimal variasi antar data yang ada dalam suatu cluster. Pada penelitian yang dilakukan menggunakan 2 cluster dan didapatkan hasil sebanyak 13,56% (16 lahan) yang sangat berpotensi dan 86,44% (112 lahan) yang tidak berpotensi adanya hama rayap. Hasil pengujian terhadap cluster K-Means menggunakan indeks Davies Bouldin dan didapat nilai sebesar 0,055. Dari penelitian ini diharapkan sebagai bahan masukan dengan harapan secara ekologis dapat meningkatkan tingkat keberhasilan yang lebih baik saat melakukan budidaya tanaman kayuputih
Aplikasi Pemantauan Pengobatan Pasien Tuberkulosis (Studi Kasus Puskesmas Karya Mulia)
Get PDFKeberhasilan dari program pengobatan Tuberkulosis (TBC) dapat dilihat dari hasil pengobatan. Keterlambatan diagnonis/deteksi kasus TBC serta kelalaian pengobatan akibat ketidakpatuhan menjadi salah satu faktor utama dari terhambatnya keberhasilan pengobatan. Puskesmas Karya Mulia sebagai instansi pelayanan kesehatan, aktif dalam mengobati dan memantau pengobatan pasien TBC. Puskesmas Karya Mulia melakukan berbagai program pemantauan pengobatan dalam mendukung keberhasilan pengobatan pasien TBC. Dalam penelitian ini, dibangun sebuah aplikasi pemantauan yang digunakan oleh petugas kesehatan Puskesmas Karya Mulia untuk memantau aktivitas pengobatan pasien TBC dan pasien TBC dapat melaporkan aktivitas pengobatannya. Aplikasi diuji menggunakan metode blackbox dan UAT (User Acceptance Testing). Berdasarkan hasil pengujian blackbox yang telah dilakukan, aplikasi dapat berjalan sesuai dengan rancangan pembangunan. Pada pengujian UAT dengan menggunakan teknik Pada pengujian UAT setiap pengguna aplikasi dengan menggunakan teknik perhitungan penskalaan Likert’s Summated Rating, didapat nilai akhir sebesar 86,75% dengan kriteria dinilai berhasil
Analisis Rules Intrusion Detection Prevention System (IDPS) Suricata untuk Mendeteksi dan Menangkal Aktivitas Crypto Mining pada Jaringan
Get PDFPerkembangan teknologi informasi sangat pesat khususnya perkembangan pada sektor finansial dalam hal ini adalah mata uang kripto. Salah satu cara untuk mendapatkan aset mata uang kripto adalah dengan melakukan penambangan mata uang kripto. Hal tersebut dapat memicu penyerang untuk membuat suatu aplikasi berbahaya yang disisipkan pada server perusahaan atau instansi, dan membuat aplikasi tersebut melakukan aktivitas penambangan mata uang kripto. Oleh karena itu sistem keamanan jaringan pada suatu instansi atau perusahaan harus menerapkan pengamanan tambahan dalam hal ini adalah Intrusion Detection Prevention System (IDPS) yang digunakan sebagai sistem pendeteksi serta penangkalan aktivitas berbahaya pada jaringan, salah satunya adalah penambangan mata uang kripto. Adapun aplikasi IDPS yang dapat diimplementasikan pada jaringan instansi atau perusahaan adalah Suricata. Penelitian ini melakukan analisis rules IDPS Suricata dalam mendeteksi dan menangkal aktivitas penambangan mata uang kripto pada jaringan. Terdapat 2 jenis simulasi yang dilakukan yaitu dengan membandingkan default rules dengan custom rules yang dibuat untuk mendeteksi dan menangkal aktivitas penambangan 10 jenis mata uang kripto diantaranya Ethereum (ETH), Conflux (CFX), Bitcoin Gold (BTG), Ethereum Classic (ETC), Monero (XMR), TON, AION, Zcash (ZEC), FLUX dan Raven (RVN). Analisis yang dilakukan meliputi perhitungan nilai accuracy, precision, recall, dan f-measure. Hasil yang didapat menunjukkan bahwa custom rules yang dibuat dan diimplementasikan untuk mendeteksi dan menangkal aktivitas penambangan mata uang kripto memiliki peningkatan nilai accuracy sebesar 0,2%, nilai recall sebesar 48,94%, dan nilai f-measure sebesar 32,39% dari default rules Suricata
Penerapan Convolutional Neural Network (CNN) pada Pengenalan Aksara Lampung Berbasis Optical Character Recognition (OCR)
Get PDFProvinsi Lampung memiliki bahasa dan aksara daerah yang disebut juga dengan Had Lampung atau KaGaNga yang merupakan aksara asli lampung. Melihat bagaimana pentingnya nilai akan eksistensi sebuah budaya dan pentingnya pelestarian aksara lampung maka dibutuhkan teknologi yang membantu dalam mengenalkan aksara lampung, salah satunya dengan teknologi optical character recognition (OCR) yang digunakan untuk merubah citra kedalam teks. Untuk mengenali pola citra Aksara Lampung dan klasifikasi model maka digunakan Convolutional Neural Network (CNN). CNN memiliki lapisan convolution yang terbentuk dari beberapa gabungan lapisan konvolusi, lapisan pooling dan lapisan fully connected. Pada peneilitian yang dilakukan dataset dikembangkan dengan pengumpulan hasil tulis tangan dari sampel responden yang telah ditentukan, kemudian dilakukan scanning gambar. Selanjutnya, dilakukan proses pelabelan dan disimpan dengan format YOLO yaitu TXT. Dari asitektur CNN yang dibangun berdasarkan hasil evaluasi menunjukan loss, accuracy menghasilkan nilai training accuracy mendapatkan nilai sebesar 0.57 dan precision mendapatkan nilai sebesar 0.87. Dari hasil nilai accuracy dan precision menunjukkan bahwa model training sudah baik karena mendekati angka 1
Data Mining Menggunakan Algoritma Apriori dalam Rekomendasi Produk Restoran
Get PDFPemanfaatan teknologi Data mining kini telah banyak diterapkan di perusahaan besar di berbagai aspek. Namun sayangnya, masih banyak usaha-usaha di Indonesia yang belum memanfaatkan teknologi data mining dalam meningkatkan rencana strategis usaha kedepan, data-data yang masuk ke perusahaan hanya menjadi data history, masuk ke arsip perusahaan dan akhirnya dibiarkan tersimpan. Perusahaan dituntut memberikan layanan yang mudah dan cepat kepada customer serta menentukan strategi bisnis kedepannya, khususnya pada Restoran Bahari Bangka Belitung dalam melayani wisatawan mendapatkan fakta bahwa wisatawan sangat sulit menentukan produk yang ingin dipesan dan meminta rekomendasi kepada pelayan. Berdasarkan masalah yang dihadapi ini dapat diselesaikan dengan memanfaatkan data transaksi yang diolah dalam memberikan rekomendasi produk atau menu unggulan yang terkait untuk kepentingan pemasaran. Data mining melakukan penggalian data yang sudah tersimpan dalam jangka waktu tertentu untuk dijadikan refrensi didalam memberikan rekomendasi. Algoritma dalam penelitian ini adalah algoritma apriori berbasis website dan android dengan menggunakan metode prototype. Hasil dari penelitian ini yaitu rekomendasi apriori terhadap produk dalam bentuk aturan asosiatif atau pola transaksi customer dengan cara mengumpulkan data transaksi lalu dengan eksperimen dataset sejumlah 274 transaksi dihitung menggunakan algoritma Apriori dengan nilai support minimal 50 dan nilai confidence minimal 75%. Pengujian User Acceptance Testing dari 6 variabel dengan detail 10 pertanyaan mengenai effort expectancy, social influence, performance expectancy, use behavior, supporting facilitating dan behavioral intention menghasilkan indeks rata-rata sebesar 90.4%
Klasifikasi Tutupan Lahan Melalui Citra Satelit SPOT-6 dengan Metode Convolutional Neural Network (CNN)
Get PDFLahan merupakan suatu wilayah dimana seluruh bagian biosfer dianggap tetap atau siklis yang terdapat di atas maupun di bawah permukaan bumi. Klasifikasi lahan dilakukan dengan tujuan untuk memudahkan pemantauan penggunaan serta pengaturan tata letak lahan pada suatu wilayah. Pada penelitian ini dilakukan klasifikasi terhadap citra lahan yang diperoleh dari satelit SPOT-6 dengan menggunakan Metode Convolutional Neural Network (CNN). Jenis lahan yang dilakukan klasifikasi berupa sawah, hutan, pemukiman, sungai dan bukit gundul dengan jumlah data yang digunakan adalah 350 data citra lahan. Dari total data, sebanyak 75% data digunakan sebagai data latih dan 25% digunakan sebagai data uji. Model CNN yang digunakan pada penelitian ini yaitu basic CNN dengan arsitektur yang terdiri dari 3 hidden convolutional layer, 1 fully connected layer dan 2 stride. Hasil performansi sistem yang diperoleh pada penelitian ini diantaranya adalah akurasi 95,45%, loss 0,2457, serta rata-rata dari masing-masing nilai precision, recall dan f1-score sebesar 0,92. Dapat disimpulkan bahwa metode CNN dapat digunakan secara optimal dalam mengklasifikasikan 5 jenis tutupan lahan
Sistem Deteksi Kelainan Neuromuscular Menggunakan Adaptive Neuro Fuzzy Inference System dan Dekomposisi Wavelet Elektromyogram
Get PDFSistem neuromuscular terdiri dari saraf motorik dan otot rangka yang menghasilkan aktivitas kelistrikan pada otot dan menyebabkan otot dapat berkontraksi dan menghasilkan gerak tubuh. Gangguan neuromuscular dapat terjadi pada sel saraf yang dinamakan Neuropathy dan pada sel otot yang dinamakan Myopathy. Aktivitas kelistrikan pada otot direkam melalui suatu alat yang dinamakan Electromiography (EMG). Pada penelitian ini dilakukan identifikasi sinyal EMG pasien sehat, myopathy dan neuropathy. Neuropathy merupakan gangguan yang disebabkan oleh kerusakan sel saraf. Myopathy merupakan gangguan yang disebabkan oleh kerusakan sel otot. Penanganan dan pengobatan myopathy dan neuropathy berbeda, sehingga diperlukan suatu metode yang dapat mendiagnosis dengan tepat jenis gangguan yang dialami. Analisis karakteristik sinyal EMG dilakukan menggunakan metode dekomposisi Wavelet Discrete Dyadic dan variasi fitur Root Mean Square (RMS), approximate entropy, spectral entropy dan Singular Value Decompotition (SVD) entropy. Sinyal karakteristik yang diperoleh di identifikasi menggunakan metode klasifikasi Adaptive Neuro Fuzzy Inference System (ANFIS). Performa ANFIS dalam mengidentifikasi karakteristik sinyal EMG pada masing-masing koefisien dekomposisi, menghasilkan performa terbaik pada koefisien aproksimasi ke-5 (cA5), dengan akurasi 100%, sensitivitas 100% dan spesivitas 100%
Rancangan Sistem Informasi Pengelolaan Audit Mutu Internal (AMI) Perguruan Tinggi
Get PDFTujuan penelitian adalah merancang sebuah sistem informasi untuk pengelolaan audit mutu internal (AMI) yang menjadi bagian dari siklus Sistem Penjaminan Mutu Internal (SPMI) Pendidikan Tinggi (Dikti), yaitu evaluasi pelaksanaan standar Dikti. AMI berperan dalam proses pemeriksaan pemenuhan Standar Dikti pada tahap pelaksanaan standar. Banyaknya proses dalam sistem AMI mulai dari mulai desk-evaluation, visitasi, permintaan tindakan koreksi, dan dokumentasi. Ditambah lagi kegiatan AMI yang idealnya dilaksanakan setiap tahun untuk setiap program studi, dan jumlah auditor yang terbatas menuntut dibangunnya sebuah sistem informasi agar proses monitoring dan pengambilan keputusan dapat dilakukan dengan mudah, sehingga pengelolaan dapat berjalan efisien dan berkelanjutan. Sistem informasi diperlukan, sistem ini dikembangkan dengan pendekatan System Development Life Cycle (SDLC), dimana dalam proses pengembangannya terdapat empat tahapan besar yaitu perencanaan, analisis, perancangan, dan implementasi. Sistem AMI yang dirancang untuk dapat digunakan secara umum pada proses AMI di perguruan tinggi, terutama di Universitas Tanjungpura (Untan). Beberapa kendala yang dihadapi sebelum menggunakan sistem informasi, misalnya sulitnya mengetahui dengan cepat informasi terkait perbaikan mutu untuk setiap program studi secara periodik. Penelitian ini menghasilkan sebuah rancangan sistem informasi yang mengelola kebutuhan AMI secara terintegrasi mulai dari proses penjadwalan, self-assessment (desk-evaluation) oleh program studi, visitasi, tindakan koreksi, dan pelaporan
Kinerja Algoritma Optimasi Root-Mean-Square Propagation dan Stochastic Gradient Descent pada Klasifikasi Pneumonia Covid-19 Menggunakan CNN
Get PDFPenelitian ini berkaitan dengan proses klasifikasi Pneumonia Covid-19 (radang paru-paru atau pneumonia yang disebabkan oleh virus corona SARS-CoV-2) dari citra hasil foto rontgen / x-ray paru-paru dengan menggunakan pendekatan pembelajaran mesin. Klasifikasi dilakukan untuk menentukan apakah kondisi paru-paru seseorang mengalami Pneumonia Covid-19, Pneumonia biasa, atau Normal / Sehat. Untuk menghasilkan kinerja klasifikasi yang lebih baik, proses optimasi seringkali digunakan pada tahap pelatihan data. Banyak teknik yang digunakan untuk melakukan optimasi tersebut, diantaranya adalah algoritma Root-Mean-Square Propagation (RMSprop) dan Stochastic Gradient Descent (SGD). Pada penelitian ini, pengujian dilakukan terhadap kedua metode tersebut untuk mengetahui kinerjanya pada klasifikasi Pneumonia Covid-19. Metode klasifikasi menggunakan Convolutional Neural Network (CNN) yang menerapkan 5 layer konvolusi dengan nilai filter 16, 32, 64, 128, dan 256. Proses pelatihan menggunakan 3.900 citra yang terdiri atas 1.300 citra pneumonia covid-19, 1.300 citra pneumonia, dan 1.300 citra normal. Sedangkan proses validasi menggunakan 450 citra dan proses pengujian mengunakan 225 citra. Berdasarkan uji coba yang telah dilakukan, implementasi algoritma optimasi RMSprop menghasilkan akurasi 87,99%, presisi 0,88, recall 0,86, dan f1 score 0,87. Sedangkan implementasi algoritma optimasi SGD menghasilkan akurasi 66,22%, presisi 0,69, recall 0,64, dan f1 score 0,67. Hasil ini memberikan informasi penting bahwa algoritma optimasi RMSprop menghasilkan kinerja yang jauh lebih baik daripada SGD pada klasifikasi Pneumonia Covid-19