JEPIN (Jurnal Edukasi dan Penelitian Informatika)
Not a member yet
363 research outputs found
Sort by
Analisis Klasterisasi Kerawanan Gempa Bumi di Provinsi Papua Menggunakan Algoritma Invasive Weed Optimization (IWO)
Full text linkGempa bumi adalah fenomena alam yang sering terjadi di Indonesia, termasuk di Provinsi Papua. Untuk mengurangi risiko dampak gempa bumi, diperlukan analisis untuk mengidentifikasi daerah-daerah yang rawan terha dap gempa bumi. Penelitian ini bertujuan untuk menganalisis klasterisasi kerawanan gempa di Provinsi Papua menggunakan algoritma Invasive Weed Optimization (IWO). Metode ini dipilih karena dapat menghasilkan klaster yang lebih baik dibandingkan dengan algoritma klasterisasi lainnya. Data yang digunakan adalah data kejadian gempa di Provinsi Papua yang terdiri dari atribut latitude, longitude, magnitude, dan depth mulai tahun 2018 sampai Februari 2023 yang diperoleh dari website Badan Geologi Amerika Serikat yaitu United States Geological Survey (USGS). Tahapan penelitian meliputi normalisasi data, klasterisasi menggunakan algoritma IWO, dan evaluasi hasil klasterisasi menggunakan SSE dan F-Measure. Jumlah klaster terbaik yang dihasilkan oleh metode Elbow yaitu sebanyak enam klaster kerawanan gempa di Provinsi Papua, yang diberi label Sangat Tidak Rawan, Tidak Rawan, Kurang Rawan, Cukup Rawan, Rawan dan Sangat Rawan. Dengan nilai parameter sinitial sebesar 8, algoritma IWO menghasilkan nilai SSE dan F-Measure terkecil dibanding nilai parameter sinitial lainnya, yaitu masing-masing sebesar 19.1002 dan 0.5137. Evaluasi hasil klasterisasi menggunakan SSE menunjukkan nilai yang baik dari 30 kali percobaan, dengan rata-rata SSE sebesar 19.218, lebih kecil dibanding dengan rata-rata SSE hasil metode k-Means dan DBSCAN yaitu masing-masing sebesar 19.307 dan 59.910
Klasifikasi Indeks Kedalaman Kemiskinan Provinsi Sulawesi Selatan Berbasis Decision Tree, K-Nearest Neighbor, Naive Bayes, Neural Network, dan Random Forest
Full text linkPenelitian ini bertujuan untuk mendapatkan klasifikasi indeks kedalaman kemiskinan dengan metode terbaik untuk kabupaten/kota di Provinsi Sulawesi Selatan dengan membandingkan metode Decision Tree, K-Nearest Neighbor, Naïve Bayes, Neural Network, dan Random Forest. Penelitian ini menggunakan metode kuantitatif dengan menggunakan data sekunder yang diperoleh dari situs resmi Badan Pusat Statistik Provinsi Sulawesi Selatan. Pada penelitian ini digunakan 168 data latih yang bersumber dari data tahun 2014 sampai dengan data tahun 2021, kemudian untuk data uji yang digunakan yaitu 24 data yang bersumber dari data tahun 2022. Hasil dari penelitian ini menunjukkan bahwa metode K-NN dan Neural Network memperoleh performa paling tinggi dibandingkan dengan metode lain tingkat akurasi 79,17%, precission 85,71%, recall 80%. Namun pada penilaian parameter AUC, metode Neural Network lebih unggul dibandingkan metode K-NN dengan skor AUC 0,837. Sehingga dapat disimpulkan bahwa metode Neural Network ini dapat dijadikan sebagai metode untuk melakukan klasifikasi indeks kedalaman kemiskinan kabupaten/kota Provinsi Sulawesi Selatan
Optimalisasi Kecepatan Sistem Aliran Fluida Metoda Linear Quadratic Regulator
Full text linkPenelitian ini membahas penerapan metode Regulator Kuadratik Linier (LQR) pada sistem kendali optimal. LQR menggunakan kombinasi linier dari state plant untuk melakukan proses kontrol, sehingga memerlukan semua state dalam sistem yang tersedia untuk diukur atau diakses. Namun, jika beberapa state tidak dapat diukur, LQR dapat mengestimasi state-state tersebut berdasarkan model sistem dan keluaran sistem yang dapat diukur. Penelitian ini berfokus pada perancangan model pengendali optimal untuk meningkatkan kecepatan proses dalam sistem industri. Simulasi dilakukan menggunakan software Matlab R2020 untuk menunjukkan respons dari pengendalian kecepatan secara optimal. Hasil simulasi menunjukkan bahwa pemasangan kendali optimal dapat mempercepat waktu stabilisasi gambar-gambar, tergantung pada pemilihan matriks bobot Q dan R yang tepat
Perancangan Game Visual Novel sebagai Alat Ukur Tingkat Social Anxiety Disorder Remaja
Full text linkThe Indonesia National Adolescent Mental Health Survey (I-NAMHS) yang bekerja sama dengan Universitas Gadjah Mada Di Indonesia menyatakan 2,45 juta remaja didiagnosis mengalami gangguan jiwa gabungan sosial fobia dan kecemasan umum dalam 12 bulan terakhir. Social Anxiety Disorder atau fobia sosial dapat disebabkan oleh beberapa faktor eksternal dan internal. Kurangnya budaya dalam menormalisasi konseling bersama tenaga kesehatan menyebabkan gangguan ini sulit terdeteksi serta stigma masyarakat yang menyebabkan kegiatan ini semakin dihindari. Meskipun demikian, tak jarang dari mereka memiliki keinginan untuk berkonsultasi dengan profesional meskipun terbatas dalam berbagai hal. Penelitian ini bertujuan untuk mengidentifikasi kemungkinan gamifikasi pada dunia kesehatan mental terkhususnya pada bidang Social Anxiety Disorder. Dengan merancang sebuah game visual novel yang berupa game-based assessment dan diharapkan dapat digunakan sebagai alat ukur tingkat social anxiety pada remaja. Metodologi penelitian yang digunakan meliputi tahap perancangan game, pengujian game melalui Skala Likert, dan analisis data hasil pengujian. Hasil utama dari penelitian ini adalah pengembangan game visual novel sebagai alat ukur social anxiety pada remaja yang dapat diimplementasikan pada masa depan
Data Mining untuk Pengelompokan Saham pada Sektor Energi dengan Metode K-Means
Full text linkSaham adalah kepemilikan hak oleh perorangan (pemegang saham) pada suatu perusahaan berdasarkan pemberian modal sehingga dianggap memiliki kepemilikan dan pengawasan perusahaan tersebut berdasarkan bagian tertentu. Menurut data dari Indonesia Stock Exchange (IDX) pada tahun 2020, jumlah investor di Pasar Modal Indonesia yang terdiri dari investor saham, reksadana dan obligasi, mengalami kenaikan 56 persen yaitu 3,87 juta Single Investor Identification (SID) sampai pada tanggal 29 Desember 2020. Kenaikan ini menjadi 4 kali lipat lebih tinggi sejak 4 tahun terakhir. Investor saham juga mengalami kenaikan sebanyak 53 persen menjadi 1,68 juta SID. Hal tersebut menunjukkan besarnya minat masyarakat terhadap keikutsertaan pada kepemilikan saham. Namun dalam berinvestasi terdapat risiko. Risiko dalam berinvestasi di pasar modal sebenarnya dapat diminimalisir dengan pemilihan saham yang benar terutama dalam hal fundamendal perusahaan. Penelitian ini menggunakan metode K-Means untuk mengelompokan saham sesuai dengan karakteristiknya. Berdasarkan perhitungan, didapatkan sebanyak 5 kali Iterasi untuk 4 Kelas/Cluster yang telah didefinisikan diawal. Selain itu, didapatkan hasil bahwa Kelas/Cluster 1 dan 4 diisi oleh emiten-emiten yang memiliki fundamental buruk serta Kelas/Cluster 2 berisi emiten pemberi dividen yang tinggi. Secara keseluruhan, didapatkan kesimpulan bahwa algoritma K-Mean dapat digunakan untuk membantu para Investor dalam melakukan pencarian emiten yang sesuai dengan karakteristik yang diinginkan
Penerapan Seleksi Fitur Particle Swarm Optimization pada Klasifikasi Teks (Studi Kasus: Komentar Cyberbullying Instagram)
Full text linkDunia saat ini sedang berada di era Big Data, dimana sejumlah besar data berdimensi tinggi tersebar di berbagai domain, seperti media sosial, layanan kesehatan, bio-informatika, dan pendidikan online. Big Data adalah salah satu teknik pembelajaran mesin dan menjadi alat penting yang populer dalam bisnis, sehingga pengelolaan Big Data yang efektif menjadi hal yang sangat penting. Salah satu topik yang menarik untuk diteliti dalam kajian Big Data khususnya text mining ialah cyberbullying Instagram. Beberapa teknik yang dapat digunakan untuk memecahkan masalah text mining yaitu, clustering, klasifikasi, outlier, asosiasi, dan masih banyak lagi. Klasifikasi merupakan bentuk dasar dari analisis data yang banyak diterapkan diberbagai bidang. Penelitian ini membangun model klasifikasi menggunakan algoritma Logistic Regression dengan penambahan proses seleksi fitur menggunakan algoritma Particle Swarm Optimization sebagai tahapan yang berada sebelum proses pelatihan model regresi untuk mengklasifikasi komentar cyberbullying Instagram. Seleksi fitur dilakukan untuk mempertahankan kinerja model klasifikasi dengan menggunakan jumlah fitur pelatihan yang lebih sedikit. Hasil penelitian menunjukkan bahwa penambahan seleksi fitur dapat mereduksi fitur kata sebanyak 40% yang diikuti penurunan akurasi, presisi, dan AUC masing-masing sebesar 1,25%, 4,25%, 1,09% serta peningkatan nilai recall dan f1-score secara berurut sebesar 5,36% dan 0,57%. Penambahan Particle Swarm Optimization sebagai seleksi fitur pada kasus disimpulkan efektif mempertahankan kinerja pembelajaran model dilihat dari nilai AUC yang tetap berada pada kategori Good Classification saat dilatih dengan fitur kata yang lebih sedikit
Predicting Student Academic Performance Based on Psychological Test using Machine Learning
Full text linkIt is essential to consider the psychological aspect of selecting new students to determine the success of prospective students. The psychological aspect is measured by a psychological test that shows the level of prospective students' abilities in social, emotional, personality, and potential to live at university. This paper proposes an approach to predicting student performance based on their psychological test scores using the Decision Tree and Random Forest algorithms. The dataset used in this study was taken from the student academic record at Institut Teknologi Del, which includes years of psychological test scores and the Grade Point Average (GPA) from studying at the Institute. More specifically, the dataset used includes the 2019, 2020, and 2021 class years. However, there are gaps in the dataset used, including missing values and psychological test attributes such as TIU, TIU Category, Work Achievement, Work Tempo, Accuracy, and Consistency, which are unavailable in other datasets. This is shown in the correlation heatmap, which shows the level of correlation for each attribute, which is still classified as a very weak correlation. Therefore, we came up with two approaches. The first approach is to use as many records as possible (Analysis on records), and the opposite of the second is to take advantage of more features (Analysis based on features). The two approaches are compared to determine which performs better for the classification model. Our results show that studies that emphasize the use of records produce slightly better performance than analyses that emphasize features. In more detail, the random forest algorithm produces the best performance compared to the decision tree algorithm in each Analysis, the RMSE value is 0.4552, and the MAE value is 0.3514. Moreover, none of the psychological test attributes strongly correlate to GPA and hence do not guarantee student performance
Perancangan Model Pergerakan Mobile Robot dengan Metode Deep Q Learning
Full text linkPath Planning merupakan salah satu permasalahan yang sering terjadi pada mobile robot. Tujuan utama dalam path planning adalah untuk mendapatkan path/jalur yang paling optimal sehingga bisa meminimalisir waktu komputasi. Kelemahan yang umum terjadi pada path planning adalah waktu komputasi yang besar pada suatu environment. Dengan adanya permasalahan ini maka akan diterapkan metode deep Q learning untuk meningkatkan kecepatan waktu komputasi. Metode deep q learning menyimpan hasil pembelajaran dalam bentuk neural network. Mobile robot dilatih agar dapat menemukan jalur pada environment yang belum dikenali sama sekali. Melalui beberapa tahapan dalam proses training dan proses running maka mobile robot dapat menemukan jalur dengan cepat. Keseimbangan proses eksplorasi dan eksploitasi akan mempengaruhi proses training. Pada penelitan ini ditentukan nilai untuk proses eksplorasi adalah 80 episode pertama. Pada proses training telah didapatkan nilai parameter gamma yang optimal adalah 0.9. Setelah mendapatkan pengetahuan dari proses training maka mobile robot dapat menemukan path yang paling optimal dengan waktu tempuh ± 1.92s
Perancangan Arsitektur Node Nirkabel dalam Efisiensi Bandwidth Smart Greenhouse Berbasis Protokol MQTT
Full text linkPertanian Greenhouse merupakan salah satu sistem dan media pertanian di dalam ruangan. Dalam hal ini, tanaman yang dipantau pertumbuhannya adalah tanaman anggur di Greenhouse di Pondok Pesantren Darul Fikri, Kabupaten Kubu Raya. Greenhouse ini menggunakan node-node nirkabel yang terhubung ke sensor-sensor pembacaan kondisi tanaman seperti suhu udara, kelembapan udara dan kelembapan tanah pada pot anggur untuk disimpan dan diolah web server menjadi sistem informasi. Akan tetapi, makin banyak node nirkabel yang digunakan, maka penggunaan bandwidth dan latency semakin meningkat. Penelitian ini memanfaatkan protokol MQTT (Queuing Telemetry Transport) untuk jalur komunikasi dengan perangkat IoT. Selain itu, protokol MQTT juga dibandingkan dengan protokol HTTP untuk melihat efisiensi dari kecepatan respon time dan latency saat pengiriman data ke server. Perbandingan waktu respon antara MQTT dengan HTTP untuk pengiriman data ke server setiap 1 jam adalah 0.08 detik (MQTT) dan 0.4 detik (HTTP). Kemudian, perbandingan antara pengiriman data ke server setiap 10 menit adalah 0.04 detik (MQTT) dan 0.5 detik (HTTP). Selanjutnya, perbandingan antara pengiriman data ke server setiap detik adalah 0.08 detik (MQTT) dan 1.12 detik (HTTP). Hasilnya, pengiriman data menggunakan protokol MQTT lebih stabil dan waktu responnya lebih cepat dibandingkan dengan HTTP
Prediksi Harga Saham Jakarta Islamic Index Menggunakan Metode Long Short-Term Memory
Full text linkSaat ini investasi sudah sangat menyebar luas dan banyak dari kita sedang melakukannya. Investasi ini berguna untuk mengatasi kebutuhan hidup dimasa mendatang yang tidak menentu. Salah satu penyebab tidak menentunya kebutuhan dimasa mendatang adalah inflasi. Salah satu contoh investasi adalah saham. Di dalam jual beli saham di Indonesia terdapat Jakarta Islamic Index (JII). JII adalah salah satu index yang ada di pasar modal Indonesia yang mengelompokkan beberapa saham yang masuk dalam kriteria syariah dan dihitung rata-rata dari harga saham – saham tersebut. Dalam berinvestasi saham, kita tidak bisa melakukan pergerakan yang sembarangan karena saham yang relatif berubah-ubah menjadi penyebab kegagalan dalam berinvestasi saham. Dengan demikian ketika melakukan investasi saham harus dilakukan analisa yang tepat. Perkembangan teknologi saat ini sangat maju dan juga dapat membantu kita dalam melakukan analisa dalam berinvestasi dengan melakukan prediksi harga. Pada penelitian ini, akan dimanfaatkan kemajuan teknologi tersebut dengan melakukan penelitian prediksi, penelitian ini dilakukan menggunakan metode Long short Term-Memory (LSTM). Model LSTM yang diusulkan dapat memperoleh performa yang cukup baik dengan hasil RMSE mencapai 5.20877667554, dan MAPE 0.08658576985