JEPIN (Jurnal Edukasi dan Penelitian Informatika)
Not a member yet
363 research outputs found
Sort by
Implementasi Rekomendasi Content Based Filtering dan Apriori Berbasis Android
Full text linkProban Motoparts merupakan sebuah toko retail dan jasa yang bergerak dibidang otomotif dengan menjual beberapa produk suku cadang untuk sepeda motor. Banyaknya variasi produk yang ada di Proban Motoparts, membuat pelanggan merasa kesulitan saat memilih produk yang dibutuhkan. Solusi dari kendala tersebut adalah dengan implementasi sistem rekomendasi produk yang dapat memudahkan pelanggan mendapatkan produk yang mereka butuhkan. Sistem rekomendasi ini menggunakan data histori penjualan manual di salah satu toko Proban Motoparts, dengan total jumlah data transaksi sebanyak 5 transaksi. Implementasi sistem rekomendasi content-based filtering menggunakan algoritma apriori ini untuk menghasilkan produk dengan nilai support tertinggi yang akan direkomendasikan kepada pelanggan. Aplikasi rekomendasi ini memudahkan pelanggan dalam memesan berbagai kebutuhan suku cadang motor yang mereka butuhkan cukup menggunakan perangkat android, hasil persentase pilihan pelanggan diketahui hingga 50.79% memilih sangat setuju dan 35.19% memilih setujuberdasarkan hasil kuesioner dengan 42 responden yang bersedia, dan sebanyak 87.09% merasa puas dengan sistem rekomendasi produk ini
Klasterisasi Area Pemasaran untuk Rekomendasi Rute Perjalanan Pedagang Sayur Keliling Menggunakan Metode DBSCAN dan Visualisasi Heatmap
Full text linkDalam mengikuti perkembangan teknologi yang merambah hingga pedagang, dirancanglah sebuah aplikasi platform pemesanan pedagang sayur keliling. Aplikasi ini adalah platform yang dibangun dengan tujuan membantu pedagang sayur keliling dalam menjalankan aktivitasnya. Dalam membantu pedagang sayur keliling dalam beraktivitas dirancang sebuah sistem yang dapat mengolah data riwayat transaksi dari aplikasi tersebut sehingga dapat digunakan untuk dijadikan patokan bagi pedagang sebagai rute berkeliling. Pendekatan Data Mining digunakan untuk mencari pola data dari kumpulan data riwayat transaksi yang berbasis lokasi. Pengambilan data riwayat transaksi diolah menggunakan pendekatan Spatial Data Mining dengan menerapkan Algoritma DBSCAN untuk mengklasterisasi data riwayat transaksi. Untuk merepresentasikan hasil data mining digunakan heatmap. Heatmap dapat digunakan untuk memvisualisasikan data yang mudah ditarik informasinya bagi pengguna. Dalam penerapan lokasi rekomendasi digunakan GPS dari perangkat seluler pengguna yang terintegrasi dengan aplikasi untuk menerapkan LBS (Location Based Service) sendiri. Aplikasi platform pedagang sayur keliling ini terintegrasi dengan sistem yang dibangun berbasis Python menggunakan kerangka kerja Django untuk menerapkan Data Mining. Data riwayat transaksi yang diambil dan dilakukan klasterisasi untuk mengelompokkan data yang bertetangga dan mencari total transaksi dari data tersebut. Hasil dari pengolahan data tersebut digunakan sebagai pembobotan dalam penerapan Heatmap dari aplikasi ini. Penelitian ini menghasilkan sistem pendukung dari aplikasi mengolah data riwayat transaksi dan menghasilkan informasi dari kumpulan data riwayat transaksi
Analisis Perbandingan Efektivitas Arsitektur Restful dan Arsitektur Grpc pada Implementasi Web Service
Full text linkPT. Symmex Medical Indonesia beroperasi dalam sektor manufaktur peralatan medis, gigi, serta perangkat ortopedi dan prostetik, dengan kebutuhan mendesak akan layanan web yang sangat efisien dan efektif. Perusahaan dihadapkan pada tantangan kritis dalam memilih layanan web yang optimal berdasarkan parameter kinerja seperti waktu respons, ukuran respons, penggunaan CPU, throughput, dan waktu muat, dengan mempertimbangkan urgensi data real-time yang esensial. Penelitian ini mengadopsi pendekatan eksperimental dengan uji coba dan analisis komparatif performa antara RESTful API dan gRPC, yang dilaksanakan menggunakan Postman dan JMeter sebagai alat pengujian. Temuan dari penelitian ini menunjukkan bahwa gRPC menawarkan keunggulan signifikan dibandingkan RESTful API dalam metrik kinerja kunci. gRPC menunjukkan konsistensi yang lebih tinggi serta waktu respons yang lebih cepat, berkisar antara 20-22 detik untuk berbagai ukuran data, sementara RESTful API memperlihatkan variasi waktu respons yang lebih besar, yakni antara 30-90 detik. Selain itu, penggunaan CPU oleh gRPC cenderung lebih stabil dan tidak mengalami peningkatan signifikan seiring dengan bertambahnya volume data, berbeda dengan RESTful API yang memperlihatkan lonjakan signifikan dalam penggunaan CPU pada skala data yang lebih besar. Dalam konteks throughput untuk pengolahan 1000 data, gRPC juga menunjukkan kecepatan pemrosesan yang lebih tinggi, dengan waktu sekitar 10 detik, dibandingkan dengan RESTful API yang menunjukkan waktu yang lebih stabil di sekitar 20 detik. Waktu muat data dengan gRPC tetap konsisten dan efisien, yakni sekitar 20 detik, sementara RESTful API menunjukkan peningkatan yang substansial dalam waktu muat seiring dengan peningkatan ukuran data. Secara keseluruhan, hasil penelitian ini menegaskan bahwa gRPC menawarkan performa yang lebih andal dan efisien dibandingkan RESTful API. Berdasarkan temuan ini, penelitian merekomendasikan penggunaan gRPC sebagai solusi komunikasi yang lebih unggul untuk aplikasi yang membutuhkan performa tinggi, efisiensi data, dan skalabilitas yang optimal
Rancangan Aplikasi Flood Forecasting and Warning System Kota Pontianak Berbasis Android
Full text linkBanjir merupakan suatu bencana alam yang sering terjadi di berbagai wilayah di Indonesia, termasuk Kota Pontianak. Guna meminimalkan kerugian akibat adanya banjir, maka diperlukan suatu sistem informasi peramalan potensi terjadinya banjir dan dapat disebarluaskan kepada pihak yang berkepntingan khususnya pemerintah daerah, dan masyarakat. Tujuan penelitian adalah merancang aplikasi yang disebut sebagai aplikasi FFWS (peramalan dan peringatan banjir), untuk menyajikan informasi berupa peramalan dan peringatan dini terjadinya genangan dan banjir di wilayah Kota Pontianak. Penelitian ini menggunakan dua pendekatan yaitu metode pengumpulan data untuk mengumpulkan data berupa cuaca harian, curah hujan, pasang surut air laut, ketinggian muka air, dan riwayat lokasi genangan/banjir kota Pontianak. Pendekatan kedua adalah pengembangan perangkat lunak yang focus pada membuat aplikasi FFWS berbasis Android yang dapat meramalkan kawasan berpotensi tergenang akibat pasang dan hujan. Hasil penelitian ini menunjukkan bahwa Aplikasi FFWS menyajikan data dalam bentuk spasial, serta mampu memberikan informasi peringatan dini atas potensi terjadinya banjir, dengan input statis (peta topografi dan peta rawan banjir), input dinamis berdasarkan data peramalan ketinggian muka air (pasang surut), dan intensitas hujan. Kemudian dibuat peta keluaran wilayah banjir dengan batasan-batasan tertentu dalam menentukan wilayah yang berpotensi banjir. Hasil ini diharapkan berguna bagi pihak-pihak yang kepentingan dalam menangani potensi banjir di Kota Pontianak
Analisis Sentimen Pada Media Sosial Menggunakan Perbandingan Algoritma Data Mining
No full textTwitter atau yang sekarang telah berubah nama menjadi X adalah sebuah platform media sosial yang banyak digunakan dalam bersosialisasi, bertukar informasi dan memberi tanggapan terhadap kejadian, penomena yang terjadi baik secara personal maupun bersifat umum. Hal ini lah yang menjadikan twitter atau X sebagai sarana melihat sebuah reaksi atau sentimen tehadap kejadian atau penomena. Reakasi atau sentimen yang dapat diketahui yaitu sentimen positif, negatif, dan netral. Data sentimen diambil dari komentar pengguna twitter atau X, yang kemudian dilakukan pembersihan dengan metode text mining dalam Natural Language Processing (NLP). Dalam analisis sentimen pada penelitian ini menggunakan dataset Twitter US Airline dengan menggunakan dua vektorisasi yaitu Bag Of Word dan Tf-Idf sabagai pembanding dalam pengukuran akurasi data. Pada penelitian ini evaluasi data tweet menggunakan metode algoritma data mining seperti Naïve Bayes, Gradient Boosting, Random Forest, Support Vector Machine (SVM), Adaboost, dan ensemble voting untuk melihat konsistensi akurasinya. Hasil penghitungan pada masing-masing algoritma data mining, maka dapat diketahui nilai akurasi dataset Twitter US Airline dalam analisis sentimen memiliki nilai akurasi cukup tinggi yaitu sebesar 0.95 atau 95% dengan vektorisasi data menggunakan Tf-Idf serta penghitungan metode data mining dengan algoritma support vector machine. Sementara vektorisasi dataset Twitter US Airline dengan bag of word memiliki nilai akurasi tertinggi sebesar 0.92 atau 92% menggunakan metode data mining algoritma Multinominal Naïve Bayes dan Support vector Machine
Pengembangan Model Simulasi untuk Menentukan Waktu Operasional Terbaik Angkutan Kontainer
Full text linkKota Pontianak memegang peran strategis dalam perekonomian Kalimantan Barat. Kota Pontianak menjadi pusat bisnis dan perdagangan skala lokal, nasional, dan internasional. Tingginya arus lalu lintas komoditas perdagangan menimbulkan tingkat pengangkutan peti kemas yang signifikan dan berdampak pada kemacetan lalu lintas. Tingginya arus lalu lintas yang dilalui oleh angkutan berat kontainer terjadi pada Jalan Tanjungpura, Jalan Iman Bonjol, dan Jalan Adi sucipto. Penelitian ini memiliki urgensi dalam efisiensi biaya total operasional angkutan kontainer di dalam kota pontianak. Peningkatan biaya angkut akan secara signifikan meningkatkan inflasi. Penelitian ini mengkaji karakteristik jalan yang dilalui angkutan kontainer menggunakan model yang menghubungkan volume, kecepatan, dan kepadatan lalu lintas. Data pengamatan dan model simulasi digunakan untuk mengidentifikasi skenario simulasi berdasarkan waktu operasional terbaik. Melalui serangkaian tahap yang melibatkan pembuatan model konseptual, model simulasi oleh perangkat lunak Arena, verifikasi, dan validasi menggunakan analisis ANOVA. Pembuatan model simulasi didasari pada karakteristik lalu lintas yang direpresentasikan oleh persamaan distribusi probabilitas. Hasil simulasi menunjukkan bahwa waktu perjalanan minimum untuk angkutan kontainer terjadi pada cluster siang, yaitu pada pukul 11:00 hingga 14:00. Adapun waktu tempuh sejauh 7,8 km berdasarkan pengumpulan data dari segmen Utara ke Selatan atau dari Jalan Tanjungpura menuju Jalan Iman Bonjol adalah17,23 menit. Sedangkan untuk rute yang sama dengan arah yang berlawanan diperoleh waktu tempuhnya adalah 17,89 menit
Analisis Perbandingan Single Membership Function dan Double Membership Function pada Diagnosis Penyakit ISPA
Full text linkPenyakit ISPA (Infeksi Saluran Pernafasan Akut) merupakan penyakit yang dapat menular. Penyakit ini disebabkan karena terjadinya infeksi dari bakteri maupun virus yang sering terjadi setiap tahunnya. Dalam keseharian, terkadang kita tidak dapat menyatakan sesuatu sebagai benar atau salah, namun kita harus menyatakannya dalam pernyataan hampir benar, sedikit benar, atau semacamnya seperti sedikit pusing, sedikit sesak. Logika fuzzy merupakan logika samar yang dapat mengatasi sesuatu yang memiliki ketidakpastian tersebut. Pada dasarnya logika fuzzy ini hanya memiliki satu fungsi keanggotaan saja (single membership function). Dengan berkembangnya ilmu pengetahuan Logika fuzzy ini terus dikembangkan oleh para peneliti yang kemudian didapatkan sebuah gagasan mengenai double membership function yang dihitung menggunakan metode fuzzy certainty factor. Penelitian ini akan membahas mengenai analisis perbandingan single membership function yang menggunakan metode fuzzy mamdani dan double membership function yang menggunakan metode fuzzy certainty factor terhadap diagnosis penyakit ISPA. Gejala dari penyakit ISPA yang digunakan adalah batuk, demam, pilek, frekuensi nafas, dan ada tidaknya tarikan dinding dada. Analisis kedua metode ini menerapkan masukan dari gejala ISPA sebagai acuan mendiagnosis penyakit, kemudian dilanjutkan dengan proses komposisi aturan, implikasi, dan defuzzifikasi. Dari hasil pengujian terhadap 30 data uji yang didapatkan dari dokter berdasarkan hasil rekam medis, kedua metode ini sama-sama menghasilkan 100% tingkat keakuratan
Pengembangan Deteksi Jatuh pada Manusia Menggunakan Metode Threshold Berbasis Data Akselerometer pada Smartphone
Full text linkBanyak sistem deteksi jatuh dikembangkan menggunakan akselerometer, giroskop atau kombinasi kedua sensor pada smartphone. Deteksi hanya menggunakan akselerometer banyak digunakan karena hampir semua smartphone memiliki sensor akselerometer. Alasan lain menggunakan satu sensor dapat menghemat daya baterai. Metode yang banyak digunakan untuk deteksi jatuh yaitu threshold. Metode ini digunakan untuk menghindari komputasi yang komplek agar dapat juga menghemat daya baterai. Sayangnya, metode ini masih memiliki kelemahan yang menyebabkan sejumlah alarm palsu. Pada penelitian kami sebelumnya, akurasi yang dihasilkan mencapai 98,1%, namun masih terdapat kekurangan, yaitu kegagalan membedakan gerak jatuh dan berlari. Pada penelitian ini, kami mencoba memperbaiki metode deteksi jatuh agar dapat membedakan gerak jatuh dan berlari. Walaupun belum sempurna, namun akurasinya sudah meningkat menjadi 99,2%
Prediksi Jumlah Target dan Realisasi Wajib Pajak Atas PBB – P2 Menggunakan Multi Regression, Regression Lasso, dan PCR
Full text linkPerubahan besaran Pajak Bumi dan Bangunan memberikan dampak bagi beberapa sektor maupun masyarakat di Kota Bandung, karena perubahan yang cukup signifikan dalam besaran Pajak Bumi dan Bangunan ini memberikan pengaruh pada kesadaran dan juga kepedulian masyarakat dalam membayar pajak. Terdapat beberapa penggunaan machine learning dalam penentuan pajak ini dimana salah satunya adalah dengan memprediksikan sebuah besaran Target dan Realisasi pada Pajak Bumi Bangunan, sehingga dilakukan sebuah penelitian dengan membandingkan metode Multi Regression, Regression Lasso, dan PCR (Principle Component Regression) untuk menentukan jumlah prediksi terbaik pada Target dan Realisasi penerimaan Pajak Bumi dan Bangunan di Kota Bandung. Hasil pengujian yang telah dilakukan, didapatkan bahwa Regression Lasso memiliki nilai keakuratan prediksi terbaik sebesar 79.08%. Hasil tersebut diakibatkan karena Regression Lasso dapat mengestimasi parameter, mengatasi permasalah multicolinearity yang terjadi pada data yang digunakan dan menyeleksi variabel yang ada untuk mendapatkan nilai keakuratan prediksi terbaik. Sehingga dapat disimpulkan bahwa terdapat pengaruh positif pada variabel Ketetapan, Target, dan Realisasi yang saling berkaitan. Hal tersebut saling mempengaruhi besarannya, dimana ketetapan mempengaruhi jumlah target, dan jumlah target mempengaruhi jumlah realisasi pada model yang terbentuk, dan proses pre – processing membuat model Regression Lasso ini menjadi lebih baik
Automatic Wound Image Segmentation with U-Net Model for Smartphone Application
Full text linkPengenalan citra luka memiliki potensi yang sangat penting dalam analisis luka, termasuk klasifikasi jenis luka, identifikasi infeksi, estimasi penyembuhan, dan penentuan perawatan yang tepat. Salah satu perkembangan terbaru dalam bidang ini adalah segmentasi otomatis pada citra, yang memanfaatkan kemajuan dalam deep learning untuk melakukan ekstraksi citra luka dengan menghilangkan piksel yang tidak relevan dengan luka. Dalam penelitian ini, kami melakukan evaluasi terhadap kinerja arsitektur U-Net dasar dan membandingkannya dengan tiga model pre-trained yang terkenal, termasuk MobileNet, MobileNetV2, EfficientNetB0, dan NasNet mobile sebagai backbone untuk meningkatkan kualitas segmentasi citra luk