JEPIN (Jurnal Edukasi dan Penelitian Informatika)
Not a member yet
363 research outputs found
Sort by
Perbandingan Akurasi Analisis Sentimen Tweet terhadap Pemerintah Provinsi DKI Jakarta di Masa Pandemi
Get PDFPemerintah memanfaatkan media sosial seperti twitter sebagai salah satu kanal interaksi dengan masyarakat. Informasi hasil interaksi tersebut sebagai umpan balik untuk mengetahui opini masyarakat terhadap kebijakan publik. Analisis sentimen tweet dari masyarakat dapat dijadikan sebagai salah satu parameter penunjang bagi pemerintah dalam mengevaluasi kebijakan dan pengambilan keputusan mendatang. Penelitian ini bertujuan untuk mengetahui sentimen data tweet masyarakat terhadap akun twitter resmi Pemerintah Provinsi DKI Jakarta di masa pandemi COVID-19. Data yang diperoleh sebanyak 14208 baris dengan query pada tweet yang mengandung kata atau menyebut username @dkijakarta, dimana akan dikelompokkan berdasarkan kelas sentimen yaitu, negatif, netral, dan positif dengan menggunakan TF-IDF Vectorizer untuk pembobotan kata dan klasifikasi menggunakan beberapa metode yaitu, random forest classifier dengan hasil akurasi sebesar 75,81%, algoritma naive bayes dengan hasil akurasi 75,22%, dan algoritma support vector machine 77,58%. Dilakukan proses analisis sentimen pada tweet dengan presentase hasil negatif, netral, dan positif masing-masing yaitu, 8,8%, 83,6%, 7,6%
Prediksi Waktu Kedatangan Pelanggan Servis Kendaraan Bermotor Berdasarkan Data Historis menggunakan Support Vector Machine
Get PDFDealer kendaraan perlu menjaga hubungan baik dengan pelanggan sehingga inti bisnis dealer dapat berlanjut dan berkembang. Salah satu strategi yang digunakan adalah memprediksi kapan pelanggan akan berkunjung lagi untuk servis kendaraan (layanan perawatan atau perbaikan kendaraan) berdasarkan analisis data riwayat kunjungan pelanggan. Dengan hasil prediksi berupa hari kedatangan pelanggan dimasa depan maka dealer kendaraan dapat mengingatkan pelanggan tentang kapan waktunya servis kendaraan. Support vector machine (SVM) adalah sebuah model pembelajaran mesin (machine learning) yang menggunakan hyperplane dan support-vector untuk memisahkan kelas dalam suatu ruang dimensi secara optimal sehingga sesuai untuk digunakan dalam pemecahan masalah prediksi waktu kedatangan pelanggan. SVM diimplementasikan untuk memprediksi kapan pelanggan akan datang lagi dimasa depan untuk perbaikan atau perawatan kendaraan. Hasil menunjukkan bahwa, dengan pemilihan metode yang tepat, SVM dapat memprediksi waktu kedatangan pelanggan dengan tingkat akurasi mencapai 92.5% berdasarkan validasi K-Fold cross-validation pada data latih dan mencapai rata-rata 97.33% untuk pengukuran nilai presisi, akurasi dan recall pada data uj
Analisa Performa RStudio Server Berbasis Cloud Menggunakan Elastic Stack sebagai Sistem Manajemen Metrik
Get PDFReliabilitas atau keandalan merupakan salah satu sifat penting pada sebuah server dalam melayani pengguna. Salah satu cara mengukurnya ialah dengan melakukan uji perfoma. Penelitian ini bertujuan untuk mengetahui kemampuan RStudio Server pada infrastruktur cloud saat digunakan oleh multiuser dengan Elastic Stack sebagai sistem yang menangani pengumpulan, penyimpanan dan visualisasi data metriknya. Tahapan dimulai dengan mengumpulkan data berupa metrik sistem oleh Metricbeat, lalu diproses Logstash dan disimpan menjadi index dalam Elasticsearch, visualisasi data ditampilkan oleh Kibana. Pengujian kinerja server dilakukan dengan menjalankan script R berdurasi 2 menit dan 7 menit secara simultan. Hasil pengujian berupa catatan CPU Usage, Memory Usage dan durasi penyelesaian script selanjutnya di plotting pada R. Hasil analisa dari plotting data menunjukkan jumlah user yang dapat menggunakan Rstudio Server dengan spesifikasi 2 CPU dan RAM 4GB secara optimal ialah maksimal 2 user pada script dengan run time 2 menit dan 7 menit, lebih dari jumlah user itu akan mempengaruhi waktu proses penyelesaian script menjadi tingkat performa sedang hingga berat
Deep Neural Network untuk Prediksi Stroke
Get PDFPada Tahun 2019 Organisasi Kesehatan Dunia (WHO) mendudukkan stroke sebagai tujuh dari sepuluh penyebab utama kematian. Kementerian Kesehatan menggolongkan stroke sebagai penyakit katastropik karena dampaknya luas secara ekonomi dan sosial. Oleh karena itu, diperlukan peran dari teknologi informasi untuk memprediksi stroke guna pencegahan dan perawatan dini. Analisis data yang memiliki kelas tidak seimbang mengakibatkan ketidakakuratan dalam memprediksi stroke. Penelitian ini membandingkan tiga teknik oversampling untuk mendapatkan model prediksi yang lebih baik. Data kelas yang sudah diseimbangkan diuji menggunakan tiga model Arsitektur Deep Neural Network (DNN) dengan melakukan optimasi pada beberapa parameter yaitu optimizer, learning rate dan epoch. Hasil paling baik didapatkan teknik oversampling SMOTETomek dan Arsitektur DNN dengan lima hidden layer, optimasi Adam, learning rate 0.001 dan jumlah epoch 500. Skor akurasi, presisi, recall, dan f1-score masing-masing mendapatkan 0.96, 0.9614, 0.9608 dan 0.9611
Sistem Pendeteksi Masker pada Pengemudi Kendaraan Menggunakan Kecerdasan Artifisial
Get PDFDeteksi penggunaan masker pada pengemudi kendaraan termasuk tugas klasifikasi yang dapat diselesaikan secara otomatis oleh kecerdasaan artifisial. Untuk implementasi pada perangkat mobile, arsitektur neural network MobileNetV2 dipilih dengan pertimbangan akurasi yang baik. Penambahan teknik data augmentation dan pemilihan optimizer ADAM semakin meningkatkan akurasi klasifikasi dari MobileNetV2. Proses deteksi dilakukan pada 13 foto pengemudi dengan masker dan 13 pengemudi tanpa masker. Untuk pengemudi tanpa masker, sistem pendeteksi berhasil 100%, meskipun ada salah satu kondisi saat pengemudi memakai masker di dagu, tingkat akurasi hanya sebesar 65,59%. Sedangkan untuk pengemudi tanpa masker, ada 1 foto yang salah, disebabkan oleh warna gelap yang digunakan sebagai masker, sehingga sistem pendeteksi mengklasifikasikan sebagai pengemudi tanpa masker dengan tingkat akurasi hingga 97,76%. Hasil analisis lebih dalam menunjukkan bahwa aksesoris seperti jilbab dan kacamata mempengaruhi tingkat akurasi yang dihasilkan oleh sistem pendeteksi. Sementara itu, tingkat akurasi juga lebih dipengaruhi oleh warna dari masker yang dipakai ketimbang pemilihan masker medis ataupun masker kain
Strategi Konsep Gamifikasi dalam Aplikasi Teknologi Blockchain
Get PDFBlockchain adalah tren baru yang meningkat pesat dari komunitas dan dunia usaha. Sebagai teknologi infrastruktur, dan dapat menemukan jalannya ke berbagai ranah seperti keuangan, medis, pasar digital, farmasi, dan lembaga pemerintah. Meskipun teknologi blockchain pada dasarnya dianggap sebagai fondasi Bitcoin, ia telah berkembang pesat melampaui mata uang virtual. Ini menjanjikan pembangunan kepercayaan, transparansi, dan integritas yang lebih baik tanpa pihak ketiga dan risiko penyensoran. Namun, keuntungan luar biasa ini ada harganya. Ekosistem blockchain penuh dengan masalah manusia-sentris dan ekonomis bagi para pesertanya, yang mengarah pada konsekuensi yang tidak diinginkan dalam jaringan yang terdesentralisasi. Rekayasa perangkat lunak gamified adalah bidang yang berkembang yang secara khusus memanfaatkan teknologi gamifikasi, penerapan mekanisme game dalam konteks non-game, untuk mengatasi masalah yang berhubungan dengan manusia. Saat ini tidak ada studi seputar blockchain yang telah diidentifikasi memiliki pandangan yang jelas tentang penelitian dan solusi yang ada untuk memanfaatkan gamifikasi dalam sistem blockchain yang muncul. Sebagai langkah pertama untuk mengatasi masalah ini, makalah ini membahas dan mengidentifikasi dua masalah utama berbasis manusia dalam aplikasi dan pengembangan mengimplementasi blockchain. Untuk masalah tersebut, dalam penelitian ini menggunakan metode literature review. Dengan adanya penelitian ini diharapkan gamifikasi dalam sistem blockchain dapat berjalan dengan maksimal dalam pengembangan pengimplementasiny
Optimasi Deep Learning untuk Prediksi Saham di Masa Pandemi Covid-19
Get PDFPenelitian ini bertujuan untuk meningkatkan akurasi dengan menurunkan tingkat kesalahan prediksi dari 5 data saham blue chip di Indonesia. Dengan cara mengkombinasikan desain 4 hidden layer neural nework menggunakan Long Short Term Memory (LSTM) dan Gated Recurrent Unit (GRU). Dari tiap data saham akan dihasilkan grafik rmse-epoch yang dapat menunjukan kombinasi layer dengan akurasi terbaik, sebagai berikut; (a) BBCA dengan layer LSTM-GRU-LSTM-GRU (RMSE=1120,651, e=15), (b) BBRI dengan layer LSTM-GRU-LSTM-GRU (RMSE =110,331, e=25), (c) INDF dengan layer GRU-GRU-GRU-GRU (RMSE =156,297, e=35 ), (d) ASII dengan layer GRU-GRU-GRU-GRU (RMSE =134,551, e=20 ), (e) TLKM dengan layer GRU-LSTM-GRU-LSTM (RMSE =71,658, e=35 ). Tantangan dalam mengolah data Deep Learning (DL) adalah menentukan nilai parameter epoch untuk menghasilkan prediksi akurasi yang tinggi
Desain Jaringan Distribusi Bantuan Sosial Beras Sejahtera (Bansos Rastra) menggunakan Metode Distribution Requirement Planning
Get PDFDesain jaringan distribusi merupakan bagian Supply Chain Management (SCM) untuk mengoptimalkan jaringan distribusi agar terhindar dari kelebihan atau kekurangan inventory. Penelitian ini dilakukan pada Perum BULOG Divisi Regional Kalimantan Barat dengan mengadopsi konsep Distribution Requirement Planning (DRP) yang berfokus kepada inventory dan saluran distribusi. Tujuan penelitian ini adalah mendesain jaringan distribusi Bantuan Sosial Beras Sejahtera (Bansos Rastra) yang dapat digunakan sebagai pedoman untuk mengoptimalkan sistem distribusi sehingga memberikan layanan terbaik kepada masyarakat. Metodologi penelitian yang dilakukan yaitu pengumpulan data, menganalisis kebutuhan, perancangan dan implementasi. pengumpulan data melalui studi literatur, wawancara dan observasi. Analisis dan Perancangan dilakukan dengan pendekatan System Development Life Cycle (SDLC) yang diilustrasikan dalam bentuk Unified Modelling Language (UML) berupa class diagram. Pengujian dilakukan dengan cara User Acceptance Testing (UAT) dengan teknik in-depth interview. Hasil pengujian model jaringan distribusi Bansos Rastra dapat diterapkan pada Perum BULOG Divre Kalbar. Secara keseluruhan, desain jaringan distribusi dapat membantu mengoptimalkan jaringan distribusi agar lebih efisien
Truck Sharing App Ekspedisi Jalur Pontianak – Sandai dengan Metode Location Based Service Berbasis Progressive Web App
Get PDFEkspedisi merupakan jasa pengiriman yang sangat dibutuhkan dikalangan pengiriman barang ketempat yang jauh, karena ekspedisi merupakan jasa yang mengirimkan barang sampai ditujuan dengan bertanggung jawab. Permasalahan ekspedisi ini khususnya area jalur Pontianak - Sandai oleh orang yang ingin memakainya jasa ini, kesulitan mengetahui posisi truk ekspedisi yang beroperasi saat ini. Sehingga truk-truk yang melalui jalur Pontianak – Sandai dalam keadaan tidak bermuatan dan ini tidak efisien karena biaya perjalanan akan meningkat apabila barang yang mereka bawa sedikit. Tujuan penelitian ini untuk membangun aplikasi truck sharing pada jalur Pontianak - Sandai dengan metode location based service (LBS) yang berbasis progressive web app (PWA). Pengimplementasian aplikasi ini, toko dapat memilih sendiri truk-truk ekspedisi mulai dari jarak yang terdekat dan rating, yang diberikan pihak toko lain sebelumnya. Aplikasi dibangung dengan menggunakan metode LBS dapat menampilkan titik-titik lokasi supir di sekitarnya dengan memanfaatkan GPS yang ada pada perangkat pengguna berdasarkan radius yang ditentukan oleh toko. Sedangkan penerapan PWA, bertujuan memudahkan pihak toko dan supir untuk mengakses aplikasi melalui semua perangkat seperti smartphone, PC, laptop, atau tablet. Perancangan sistem dibangun dengan menggunakan Unified Modelling Language (UML), untuk pengujian aplikasi dilakukan dengan dua cara, yaitu pengujian dengan metode Black Box dan Skala Likert. Hasil yang didapatkan dari pengujian Black Box adalah sistem dapat bekerja dengan LBS dan PWA sesuai yang diharapkan
Analisis Optimasi Fungsi Pelatihan Machine Learning Neural Network dalam Peramalan Kemiskinan
Get PDFBanyak metode fungsi pelatihan dalam Machine Learning Neural Network yang digunakan dalam menyelesaikan masalah komputasi yang berkaitan dengan prediksi. Fungsi pelatihan yang digunakan pada Machine Learning metoda algoritma backpropagation dapat menghasilkan prediksi yang berbeda, yang dipengaruhi oleh parameter dan data yang digunakan. Tujuan dari penelitian dilakukan untuk menganalisa performance dan keakuratan algoritma backpropagation standard serta mengoptimalkan fungsi pelatihan dengan algoritma Bayesian Regulation, dan One Step Secant. Dalam proses analisis, penelitian ini menggunakan Dataset jumlah kemiskinan di Indonesia dalam jangka waktu 12 tahun (tahun 2009 - 2020) yang terdiri dari 34 provinsi. Data diperoleh dari website Badan Pusat Statistik (BPS) Indonesia https://www.bps.go.id/. Berdasarkan pelatihan, pengujian, dan analisa yang dilakukan diperoleh hasil dari penelitian, bahwa model jaringan 5-9-1 menggunakan fungsi pelatihan Bayesian Regulation mampu melakukan optimasi yang lebih baik dengan percepatan waktu pelatihan, MSE Pengujian, Performance lebih rendah dibandingkan denga 2 metode yang lain, dengan demikian disimpulkan bahwa model jaringan 5-9-1 menggunakan algoritma Bayesian Regulation dapat digunakan untuk prediksi kemiskinan di Indonesia