JEPIN (Jurnal Edukasi dan Penelitian Informatika)
Not a member yet
363 research outputs found
Sort by
Kajian Ilmiah dan Deteksi Adiksi Internet dan Media Sosial di Indonesia Menggunakan XGBoost
Get PDFInternet dan media sosial telah menjadi kebutuhan pokok manusia untuk mengakses informasi, terutama di masa pandemi COVID-19 saat ini. Hal ini penting untuk dikaji karena berdampak pada perilaku dan kesehatan psikologi seseorang. Berdasarkan sudut pandang filsafat sains, adiksi internet dan media sosial di Indonesia merupakan kenyataan saintifik karena telah memenuhi kriteria falsifikasi dan bisa diuji (testable) secara empiris. Hasil survei terhadap 1980 responden, diperoleh 25,56% responden teradiksi internet dan 20,2% teradiksi media sosial. Penelitian ini juga berhasil membangun model untuk mendeteksi adiksi internet dan media sosial menggunakan XGBoost, dengan F-Measure sebesar 69,23% untuk adiksi internet dan 67,66% untuk adiksi media sosial. Oleh karena itu, fenomena adiksi internet dan media sosial ini perlu mendapatkan perhatian khusus agar dapat diantisipasi sejak dini
Perbandingan Klasifikasi dengan Pendekatan Pembelajaran Mesin untuk Mengidentifikasi Tweet Hoaks di Media Sosial Twitter
Get PDFPerkembangan teknologi tidak luput dari dampak negatif, salah satunya hoaks. Twitter menjadi salah satu media sosial yang paling aktif digunakan sebagai pertukaran informasi, komunikasi, dan hiburan. Oleh karena itu pengguna Twitter dapat menyebarkan berita atau hoaks dengan mudah. Penelitian ini bertujuan mengidentifikasi tweet yang berisi informasi hoaks maupun valid menggunakan pembelajaran mesin. Algoritma yang digunakan adalah Stochastic Gradient Descent, Naïve Bayes, Random Forest, dan Rocchio. Keempat algoritma tersebut dibandingkan untuk kemudian dicari hasil terbaik dalam mengidentifikasi dan memverifikasi tweet di Twitter yang berisi hoaks atau informasi valid secara otomatis. Kata kunci yang digunakan adalah Corona, Mutasi Corona, PSBB, Dana Bansos, Dana Otsus, Utang Pemerintah, dan Sekolah Tatap Muka sebanyak 898 tweet. Data dikelompokkan berdasarkan kelas hoaks dan valid lalu diolah menjadi dataset dengan melewati tahap pra-proses hingga pembobotan kata dengan TF-IDF. Hasil pengujian menunjukkan algoritma Stochastic Gradient Descent merupakan algoritma terbaik dengan hasil akurasi rata-rata sebesar 84.92%. Pengujian lanjutan dilakukan dengan menghitung nilai presisi, recall, dan F-1. Hasil presisi terbaik sebesar 82.95% pada algoritma Naïve Bayes, sedangkan hasil recall dan F-1 terbaik didapat dari algoritma Stochastic Gradient Descent sebesar 85.05% dan 82.42%
Penerapan Framework COBIT 2019 pada Audit Teknologi Informasi di Politeknik Sambas
Get PDFTeknologi informasi di suatu organisasi yang sudah berjalan harus diaudit agar diketahui kelebihan-kelebihan maupun kekurangannya. Politeknik Sambas (Poltesa) merupakan salah satu politeknik di Kalimantan Barat yang telah menerapkan teknologi dalam proses administrasi maupun akademik sebagai penunjang kegiatannye. Audit yang dilakukan pada Poltesa menggunakan frame work COBIT 2019. Metode yang kami pergunakan pada penelitian ini terdiri dari bebrapa langkah, yaitu perencanaan, tindakan, pengamatan, pengolahan dan analisis data, serta pemberian rekomendasi. Berdasarkan hasil dari audit yang dilakukan pada teknologi informasi Poltesa, didapatkan rata-rata nilai sebesar 3,21 dengan nilai maturity level pada domain antara nilai 2 sampai dengan 4, yang berarti sistem telah dioperasikan dengan baik, akan tetapi belum secara maksimal. Manajemen teknologi informasi yang diharapkan di Poltesa dapat dipenuhi dan telah dilakukan dengan baik, karena nilai antara rata-rata level saat penelitian dilakukan dibandingkan dengan rekomendasi level menunjukkan gap yang tidak terlalu besar
Aplikasi Pencarian Pekerja Jasa Rumah Tangga di Sekitar dengan Metode Radius dan Rating Berbasis Android
Get PDFBerkurangnya lapangan pekerjaan akibat penurunan beberapa sektor usaha dikarenakan masa krisis akibat pandemi, membuat banyak pekerja memilih beralih menjadi pekerja rumah tangga untuk memperoleh penghasilan. Penelitian ini bertujuan untuk membuat aplikasi yang dapat mempertemukan pencari kerja dengan pemberi kerja. Digunakan Metode Radius yang memanfaatkan Google Maps API dalam mengakses lokasi pemberi kerja dan pencari kerja sehingga pencari kerja dapat dengan mudah mencari pekerjaan yang berada disekitarnya. Pekerjaan yang telah diselesaikan akan diberikan rating oleh pemberi kerja sesuai tingkat kepuasan terhadap hasil pekerjaan pencari kerja. Aplikasi yang dibangun sudah memiliki peningkatan keamanan seperti enkripsi koneksi web service ke server Backend, verifikasi OTP nomor telepon, dan verifikasi data pengguna dengan foto kartu identitas. Menggunakan metode black box testing, semua fitur dapat berjalan secara optimal. Pengujian dilakukan terhadap 20 pengguna dengan menggunakan mobile phone berbasis android dengan beragam versi. Hasil ujicoba menunjukkan bahwa semua fitur dapat berjalan secara optimal pada Android versi 7 hingga 11 dengan akurasi 95% namun 1 dari 20 pengguna tersebut tidak dapat menjalankan aplikasi karena android yang digunakan berada di bawah versi 7
Pemodelan Site pada Heterogen Network 5G Menggunakan Optimized Network Enggineering Tools
Get PDFPenelitian ini melakukan analisis desain Pemodelan Site Pada Heterogen Network 5G (HetNet 5G) Menggunakan Optimized Network Enggineering Tools. Pemodelan menggunakan perhitungan dan simulasi untuk menganalisis traffic dan coverage generasi sebelumnya yaitu 4G LTE yang diterapkan pada jaringan seluler existing pada site HetNet 5G, untuk memenuhi kebutuhan penempatan site 5G. Hasil penelitian ini diharapkan dapat digunakan sebagai rekomendasi bagi operator seluler. Data yang digunakan simulasi diperoleh dari salah satu operator seluler Indonesia di wilayah Kecamatan Lowokwaru Malang yaitu sebanyak 40 site. Berdasarkan perhitungan dan simulasi dari ke 40 site tersebut diperoleh 6 site yang potensi diterapkan site teknologi 5G. Tahapan penelitian ini diawali dengan penentuan lokasi wilayah yang potensi diterapkan site 5G, data lokasi koordinat dan parameter site untuk perhitungan prediksi kenaikan jumlah penduduk selama 5 tahun yang akan datang, analisis morfologi dan wilayah point of interes (POI), serta kapasitas penduduk sedangkan perhitungan troughput menjadi kriteria di masing-masing kelurahan. Selanjutnya, hasil perhitungan dan simulasi di plotkan pada Map Info untuk menampilkan persebaran site di masing-masing kelurahan. Site yang memenuhi potensi 5G di plot dengan diagram voronoi aplikasi dalam Map Info sesuai radius 4G dan 5G. Diagram voronoi menampilkan coverage berbeda teknologi 4G dan 5G
Analisis Perbandingan Nilai Akurasi Mekanisme Attention Bahdanau dan Luong pada Neural Machine Translation Bahasa Indonesia ke Bahasa Melayu Ketapang dengan Arsitektur Recurrent Neural Network
Get PDFDi Indonesia, penerapan mesin penerjemah masih banyak dilakukan dengan berbasis statistik khususnya dalam eksperimen penerjemahan bahasa daerah. Dalam beberapa tahun terakhir, mesin penerjemah jaringan saraf tiruan telah mencapai kesuksesan yang luar biasa dan menjadi metode pilihan baru dalam praktik mesin penerjemah. pada penelitian ini menggunakan mekanisme attention dari Bahdanau dan Luong dalam bahasa Indonesia ke bahasa Melayu Ketapang dengan data korpus paralel sejumlah 5000 baris kalimat. Hasil pengujian berdasarkan metode penambahan secara konsisten dengan jumlah epoch didapatkan nilai skor BLEU yaitu pada attention Bahdanau menghasilkan akurasi 35,96% tanpa out-of-vocabulary (OOV) dengan menggunakan jumlah epoch 40, sedangkan pada attention Luong menghasilkan akurasi 26,19% tanpa OOV menggunakan jumlah 30 epoch. Hasil pengujian berdasarkan k-fold cross validation didapatkan nilai rata-rata akurasi tertinggi sebesar 40,25% tanpa OOV untuk attention Bahdanau dan 30,38% tanpa OOV untuk attention Luong, sedangkan pengujian manual oleh dua orang ahli bahasa memperoleh nilai akurasi sebesar 78,17% dan 72,53%.
Optimasi Algoritma K-Means Clustering dengan Parallel Processing menggunakan Framework R
Get PDFParallel processing sering digunakan untuk melakukan optimasi execution time terhadap algoritma data mining. Pada penelitian ini, parallel processing digunakan untuk melakukan optimasi pada algoritma clustering K-Means. Implementasi algoritma K-means dilakukan dengan memanfaatkan package yang tersedia pada framework R. Algoritma K-Means dijalankan secara serial dan parallel. Untuk mendapatkan persentase optimasi, maka dilakukan perbandingan antara execution time pada parallel processing dan execution time pada serial processing. Penelitian ini menggunakan dataset Boston Housing yang umum digunakan pada data mining. Skenario pengujian dibedakan berdasarkan jumlah core dan jumlah centroid. Hasil pengujian menunjukkan bahwa parallel processing untuk tiap skenario memiliki execution time yang lebih kecil daripada serial processing. Optimasi yang dihasilkan cukup signifikan, yakni bernilai 20% hingga 52%. Optimasi tertinggi didapatkan pada jumlah core terbanyak dan jumlah centroid terbesar
Implementasi Metode TwoStep Clustering untuk Klasterisasi Karakteristik Akademik Mahasiswa
Get PDFSalah satu algoritma clustering yang paling banyak dipakai adalah K-Means dimana algoritma ini membutuhkan masukan jumlah klaster yang ingin dibentuk. Pada kenyataannya jumlah klaster yang tepat tidak bisa diketahui sehingga pemilihan nilai k bergantung pada subyektifitas peneliti. Kemudian algoritma K-Means hanya bisa menangani atribut dalam bentuk numerik kontinyu padahal ada atribut dalam bentuk kategorikal atau campuran keduanya. Pada penelitian ini dilakukan pengelompokkan data akademik mahasiswa dengan menggunakan algoritma twostep clustering yang dapat menentukan jumlah klaster secara otomatis dan dapat menangani atribut dalam bentuk kategorikal, numerik kontinyu atau campuran keduanya. Metode twostep clustering diterapkan pada data mahasiswa angkatan 2008-2019 dengan analisis diterapkan pada setiap angkatannya. Penelitian ini menghasilkan klaster-klaster yang mencerminkan tingkat heterogenitas setiap angkatan mahasiswa. Klaster-klaster yang didapat merupakan klaster yang optimal setelah diukur menggunakan Bayesian Information Criterion dan Ratio Distance Measure
Tata Kelola Teknologi Informasi Menggunakan Framework COBIT 2019 (Studi Kasus: UPT TIK Universitas Tanjungpura Pontianak)
Get PDFUPT TIK UNTAN merupakan suatu lembaga yang melakukan pengelolaan TI. Tata kelola TI mencakup kepemimpinan, struktur serta proses organisasi yang memastikan bahwa TI dimanfaatkan seoptimal mungkin dan berkonsentrasi pada kinerja dan transformasi TI untuk memenuhi kebutuhan saat ini dan yang akan datang, baik dari sudut internal maupun eksternal. COBIT 2019 adalah kerangka kerja untuk tata kelola dan manajemen informasi dan teknologi perusahaan. Sedangkan COBIT Performance Management merupakan model yang berisi kerangka dasar dalam memberikan panduan untuk menilai dan mengukur tingkat kapabilitas dan tingkat kematangan yang berkaitan dengan proses tata kelola dan manajemen TI. Hasil pengukuran tata kelola TI pada UPT TIK UNTAN dinyatakan bahwa tingkat kapabilitas proses APO08 (Managed Relationships) yang dicapai berada pada tingkat 5. Tingkat kapabilitas proses APO09 (Managed Service Agreements) yang dicapai berada pada tingkat 1. Sedangkan tingkat kapabilitas proses APO11 (Managed Quality) yang dicapai berada pada tingkat 2. Kesenjangan antara tingkat kapabilitas proses saat ini dan tingkat kapabilitas harapan pada objektif proses APO08 bernilai 0, sedangkan pada objektif proses APO09 dan APO11 bernilai -1. Pada objektif proses APO09 kesenjangannya 2%, sedangkan pada objektif proses APO11 kesenjangannya 8%. Berdasarkan hasil analisis, maka diberikan rekomendasi perbaikan yang mengacu pada COBIT 2019 untuk meningkatkan tingkat kapabilitas harapan
Komparasi Support Vector Machine, Logistic Regression Dan Artificial Neural Network Dalam Prediksi Penyakit Jantung
Get PDFPenyakit jantung adalah salah satu penyakit yang menyebabkan resiko kematian cukup tinggi di dunia. Kolesterol, diabetes, tekanan darah tinggi merupakan faktor-faktor pemicu terjadinya penyakit jantung. Perlu deteksi sejak ini mengenai prediksi penyakit jantung pada setiap individu agar pencegahan dan pengobatan dapat segera dilakukan demi tingkat Kesehatan yang lebih baik. Berbagai metode dapat dilakukan untuk melakukan deteksi penyakit jantung, baik dengan metode tradisional dan metode yang memanfaatkan teknologi. Saat ini mulai banyak bermunculan system pendeteksi penyakit jantung dengan memanfaatkan algoritma machine learning. Algoritma machine learning dianggap mudah untuk diaplikasikan untuk mengklasifikasikan apakah seseorang terkena penyakit jantung. Penelitian ini mencoba melakukan klasifikasi penyakit jantung menggunakan dataset public dari UCI menggunakan tiga algorima machine learning, yaitu Support Vector Machine (SVM), Logistic Regression (LR) dan Artifiacial Neural Network (ANN). Ketiga algorima tersebut diuji menggunakan empat skenario pembagian data training dan testing yang berbeda, yaitu 90:10, 80:20, 70:40 dan 60:40. Dari hasil eksperimen didapatkan hasil akurasi tertinggi pada metode Logistic Regression sebesar 86% menggunakan skenario pembagian data 80:20