InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan
Not a member yet
304 research outputs found
Sort by
Sistem Pendukung Keputusan Pemilihan Jurusan Menggunakan Metode PROMETHEE (Studi Kasus: SMK Negeri 6 Medan)
Full text linkSekolah SMK NEGERI 6 MEDAN memiliki tiga jurusan pendidikan yaitu jurusan Administrasi Perkantoran, jurusan Akuntansi, dan jurusan Pemasaran. Siswa/siswi sering salah dalam memilih jurusan karena tidak sesuai dengan kemampuan yang mereka miliki, hal ini disebabkan karena mereka tidak mengetahui perbedaan dari ketiga jurusan tersebut dan tidak ada informasi yang lebih rinci mengenai tiga jurusan tersebut. Hal ini berdampak pada minat belajar siswa/siswi pada saat memasuki proses belajar dan siswa/siswi yang merasa salah memilih jurusan tidak dapat pindah ke jurusan yang lain apabila telah melewati satu semester karena data diri mereka telah terdaftar resmi pada dinas pendidikan. Sehingga dibutuhkan sebuah solusi yang dapat membantu calon siswa/siswi dalam pemilihan jurusan. Penelitian ini menggunakan sistem pendukung keputusan untuk dapat memberikan keputusan yang tepat berdasarkan kriteria pemilihan jurusan. Peneliti menggunakan metode PROMETHEE untuk mengelola data-data kriteria yang di pilih sehingga mendapatkan hasil keputusan yang tepat berdasarkan kriteria
Implementasi Forward Chaining dalam Penentuan Pola Kerusakan Infrastruktur Jalan
Full text linkPerkembangan pembangunan infrastruktur teknik sipil di Indonesia boleh dikatakan cukup pesat dalam beberapa tahun terakhir ini. Namun di sisi yang lain, kerusakan infrastruktur itu juga kian bertambah dari waktu ke waktu. Beberapa penelitian tentang kerusakan infrastruktur teknik sipil ini telah dilakukan sesuai dengan kaidah penelitian masing-masing infrastruktur tersebut. Sebagaimana diketahui, penggunaan/penerapan Artificial Intelligence dalam bidang teknik sipil juga terus berkembang di dalam negeri, mengingat beberapa keuntungan dalam penerapannya.Pada penelitian ini, telah dibangun sistem pakar berbasis web untuk mengetahui pola kerusakan infrastruktur jalan dengan menggunakan metode forward chaining. Terdapat 28 Ciri kerusakan jalan, 9 jenis kerusakan jalan, dan 9 aturan yang digunakan dalam sistem ini. Sistem memberikan informasi berupa jenis kerusakan jalan berdasarkan ciri yang diberikan pengguna, dan memberikan solusi untuk mengatasi kerusakan jalan tersebut
Analisis Sentimen Produk Permainan menggunakan Metode TF-IDF dan Algoritma K-Nearest Neighbor
Full text linkPada situs belanja online, terdapat kolom komentar atau rating dari pembeli yang telah melakukan transaksi pada produk tersebut. Dengan adanya fitur penilaian produk berdasarkan rating tersebut, pihak pembeli dapat mengetahui seberapa baik atau buruknya produk tersebut. Akan tetapi muncul permasalahan dimana ada beberapa pembeli memberikan komentar negatif dengan rating sebesar lima bintang ataupun sebaliknya, hal tersebut menyebabkan fitur penilaian produk berdasarkan rating menjadi kurang baik. Oleh karena itu untuk dapat mengetahui kualitas produk tersebut dilakukan analisis sentimen dengan metode TF-IDF dan K-Nearest Neighbor (KNN) berdasarkan ulasan dari pembeli. Data yang dikumpulkan adalah 1000 ulasan yang dibagi menjadi 700 data latih dan 300 data uji. Tahapan selanjutnya dilakukan teks preprocessing seperti case folding (mengubah huruf besar menjadi kecil), tokenizing (pemisahan kalimat menjadi kata tunggal), stopword (menghilangkan kata sambung hasil tokenizing yang tidak ada hubungannya dalam analisis sentimen), stemming (mengubah kata ke bentuk kata dasar) dan pembobotan kata dengan TF-IDF. Tahapan terakhir adalah melakukan klasifikasi dengan menggunakan metode K Nearest Neighbor (K-NN). Berdasarkan hasil klasifikasi diperoleh tingkat akurasi sebesar 79,3333%
Kombinasi K-Nearest Neighbor (KNN) dan Relief-F untuk Meningkatkan Akurasi Pada Klasifikasi Data
Full text linkDalam penelitian ini, penulis mengusulkan proses peningkatan akurasi pada K-Nearest Neighbor (KNN) dengan kombinasi seleksi fitur menggunakan metode Relief-F. Adapun penyebab kurang maksimalnya akurasi pada K-Nearest Neighbor dibandingkan dengan metode klasifikasi lainnya disebabkan oleh pengaruh atribut yang kurang signifikan dan persentase pengaruh yang cenderung rendah dari suatu data dalam menentukan kelas pada data baru. Metode Relief-F digunakan untuk melakukan seleksi pada atribut yang korelasinya kurang baik dari data yang diujikan. Pengujian dari metode yang diusulkan yaitu membandingkan akurasi yang diperoleh dari metode KNN tanpa menggunakan seleksi fitur dengan KNN menggunakan seleksi fitur Relief-F. Hasil pengujian yang diperoleh yaitu metode yang diusulkan mampu meningkatkan akurasi klasifikasi dari KNN dengan peningkatan yang diperoleh yaitu sebesar 10.32% setelah dibandingkan dengan pengujian KNN tanpa seleksi fitur
Implementasi Metode Topsis Dalam Menangani Masalah Pengalokasian Dosen Pembimbing Skripsi Dilingkungan Fakultas Ilmu Komputer Dan Teknologi Informasi Universitas Muhammadiyah Sumatera Utara
Full text linkDecision Support System (DSS) is a computerized system used to help policy makers to make a decision. This system is used as a second opinion to assist decision making by combining complex data, models and analytical tools. There are various algorithms or methods applied in this system, one of which is the Technique For Order Preference by Similarity to Ideal Solution (TOPSIS). This method focuses on calculating the smallest distance to the positive ideal solution and the largest distance from the negative ideal solution from a geometric point of view using Euclidean distance. The TOPSIS method will use several criteria such as the competence of the lecturer, the final education of the lecturer, functional position of the lecturer and the quota of students who are being trained. So that it will be more effective in selecting the thesis supervisor according to the field of knowledge controlled by the supervisor. The leader of the Faculty of Computer Science and Information Technology are facilitated by the support of a decision-making support system to allocate thesis supervisors for students by using the TOPSIS method. Sistem pendukung pembuat keputusan (SPPK) atau dalam referensi lain juga disebut dengan Decision Support System (DSS) adalah sebuah sistem yang dikomputerisasi digunakan untuk membantu pemangku kebijakan untuk membuat sebuah keputusan. Sistem ini digunakan sebagai second opinion untuk membantu pengambilan keputusan dengan menggabungkan data, model-model dan alat-alat analisis yang kompleks. Ada berbagai algoritma atau metode yang diterapkan dalam sistem ini, salah satunya adalah Technique For Order Preference by Similarity to Ideal Solution (TOPSIS). Metode ini menitik beratkan pada perhitungan jarak terkecil pada solusi ideal positif dan jarak terbesar dari solusi ideal negative dari sudut pandang geometris dengan menggunakan jarak Euclidean. Metode TOPSIS akan menggunakan beberapa kriteria seperti kompetensi dosen, pendidikan akhir dosen jabatan fungsional dosen dan kuota mahasiswa yang sedang diampuh. Sehingga akan lebih efektif dalam melakukan pemilihan dosen pembimbing skripsi sesuai bidang ilmu yang dikuasai dosen pembimbing. Pembuat kebijakan di lingkungan Fakultasi Ilmu Komputer dan Teknologi Informasi dimudahkan dengan adanya dukungan dari sistem pendukung pembuatan keputusan untuk mengalokasikan dosen pembimbing skripsi bagi mahasiswa dan mahasiswi dengan memanfaatkan metode TOPSIS
Analisis Kepuasan Pengguna Google Classroom Menggunakan Pieces Framework (Studi Kasus: Program Studi Sistem Informasi Uin Jakarta)
No full textThe use of online learning media is currently widely used by all students and students in Indonesia, this is due to the covid-19 pandemic that requires students to do online learning. Media Knowledge Management System (KMS) is a must in every online learning. Online learning media is very much an option, one of which is google classroom. Google classroom is one of the most popular and used learning media. This study aims to analyze and know the level of google classroom user satisfaction by students of UIN Syarif Hidayatullah Jakarta Information System in the learning process. Satisfaction of the use of an application was formed because of the service provided by a system that can be customized to the user's wishes. This research uses PIECES framework method consisting of Performance, Informations and data, Economics, Control and security, Efficiency and Service. The result of this study obtained the average value of each domain, namely performance domain gets a value of 4,188 (Satisfied), Informations and data get a value of 4,194 (Satisfied), Economics gets a value of 4.013 (Satisfied), Control and security gets a value of 4.074 (Satisfied), Efficiency gets a value of 4,457 (Very Satisfied) and Service gets a value of 4.3 (Very Satisfied). As for the total average satisfaction level of all domains, it gets a score of 4,204 (Very Satisfied)
Prediksi Lokasi Titik Panas Kebaran Hutan menggunakan Model Regresion SVM (Support Vector Machine) pada Data Kebakaran Hutan Daops Manggala Agni Oki Provinsi Sumatera Selatan Tahun 2019
Full text linkPeningkatan titik panas (hotspot) setiap tahunnya di Daops Manggala Agni OKI, dikhawatirkan akan terus terjadi jika tidak dilakukan upaya pengendalian titik panas. Salah satu upaya pengendalian titik panas yaitu dengan memperkirakan wilayah yang berpotensi menghasilkan titik panas kebakaran hutan dan lahan di Daops Manggala Agni OKI. Tujuan penelitian ini adalah untuk memprediksi lokasi hotspot kebakaran hutan pada masa depan berdasarkan data hotspot kebakaran hutan pada Daops Manggal Agni OKI pada tahun 2019. Metode predisi data menggunakan algoritma regresi SVM (Support Vector Machine) dengan data date, time, satellite, accuration, district, sub district, humadity dan temperature. Dari data jumlah hotspot yang muncul pada tahun 2019 dilakukan prediksi data untuk tahun 2020, kemudian untuk prediksi jumlah hotspot tahun 2021 diprediksi menggunakan data pada tahun 2019 dan 2020, demikian seterusnya. Berdasarkan hasil analisis didapatkan yang cukup baik, yaitu nilai RSME 2.1 dan nilai R2 0.83. Dimana hotspot terbanyak hasil dari proses pada tahun 2021 terdapat pada kecamatan Pematang Panggal dengan jumlah 448 lokasi hotspot untuk tahun 2021. Sedangkan data untuk tahun 2022, jumlah hotspot terbanyak terdapat pada kecamatan Cengal dengan jumlah hotspot 571 lokasi. Selanjutnya, untuk memberikan visualisasi data yang lebih baik, data hasil prediksi hotspot divisualisasikan dalam bentuk Heatmap
Pengujian Efektifitas Metode Multi Factor Evaluation Process dan Weight Product dalam Pengambilan Keputusan
Full text linkPenelitian ini membahas tentang pengujian efektifitas metode Multi Factor Evaluation Process dan Weight Product dalam menghasilkan keputusan. Pengujian dilakukan dengan cara melakukan perbandingan terhadap kedua metode tersebut, sehingga dapat diketahui metode yang paling baik dalam penentuan seleksi dosen tetap. Proses pengujian metode dilakukan dengan melakukan penerapan Multi Factor Evaluation Process dan Weight Product ke dalam sebuah permasalahan tentang seleksi penerimaan dosen tetap di STMIK Triguna Dharma. Diawali dengan menentukan alternatif yang akan diseleksi, kemudian melakukan perhitungan dari masing-masing metode. Dari hasil perhitungan tersebut maka akan diperoleh hasil keputusan tentang seleksi penerimaan dosen tetap. Dari hasil pengujian yang dilakukan dapat diketahui bahwa .nilai Weight Product pada seluruh alternatif tidak melebihi nilai 1, sementara itu untuk Multi Factor Evaluation Process mendapat nilai dengan range 70 sampai dengan 85. Kemudian untuk nilai rata-rata, Weight Product mendapatkan 0,11 dan Multi Factor Evaluation Process mendapatkan nilai 80,8. Dari hasil tersebut maka dapat disimpulkan bahwa Multi Factor Evaluation Process lebih baik dibandingkan Weight Product, hal ini dikarenakan nilai keputusan yang dihasilkan oleh Multi Factor Evaluation Process terlihat lebih pasti, yaitu range nilainya diatas nilai 0
Perancangan Aplikasi Otomatisasi Identifikasi Gaya Belajar Siswa Berbasis Web
Full text linkSetiap siswa memiliki kemampuan yang berbeda dalam memahami dan menjalankan proses belajar mengajar yang disebut dengan gaya belajar. Hal ini merupakan salah satu faktor penting dalam mengoptimalkan potensi dari setiap siswa untuk mendukung peningkatan prestasi baik akademik maupun non akademik. Cara identifikasi yang terbilang cukup sulit jika dilakukan secara manual melalui kuesioner menjadi salah satu kendala yang dihadapi di SIT Andalusia. Dengan tujuan untuk mempermudah dan mempercepat proses penghitungan serta identifikasi maka dirancanglah suatu aplikasi yang bertujuan untuk membantu proses pengidentifkasian gaya belajar tersebut. Penggabungan dari kuesioner manual yang dilakukan oleh penelitian penelitian sebelumnya diadopsi sebagai bahan pembuatan suatu sistem identifikasi ini yang kemudian diterapkan pada sebuah web aplikasi dengan tujuan untuk mempermudah akses dan pengisian kuesioner oleh siswa dan mengurangi penggunaan kertas yang berlebih serta menghemat waktu dalam proses analisis hasil kuesioer yang dilakukan. Pada aplikasi sistem ini kuesioner yang dimaksud merupakan ciri-ciri dari kondisi yang dialami siswa dalam menghadapi proses belajar mengajar sehari hari proses pengambilan data awal dilakukan kepada beberapa siswa dengan melakukan kuesioner gaya belajar untuk digunakan pada data latih. Yang kemudian dijadikan bahan identifikasi untuk menentukan gaya belajar yang dominan dilakukan oleh siswa tersebut menggunakan metode naïve bayes. Pada aplikasi ini ditampilkan saran cara belajar yang cocok untuk diterapkan dalam proses belajar siswa tersebut. Aplikasi ini memiliki akurasi 80% setelah melakukan uji menggunakan metode naïve bayes dengan aplikasi rapidminer
Rancang Bangun Monitoring Sirkulasi Air pada Kolam Ikan Nila Berbasis Arduino
Full text linkNila merupakan jenis ikan yang banyak dibudidayakan oleh petani di Indonesia untuk berbagai keperluan seperti dengan penjualan yang sangat menguntungkan. Ikan nila termasuk juga dalam ikan jenis air tawar yang memiliki nilai jual dan konsumsi yang tinggi. Sehingga dalam perawatannya banyak hal yang harus diperhatikan seperti kualitas air (pH), suhu air, ketinggian air. Penelitian ini menyajikan perancangan monitoring sirkulasi air pada ikan nila berbasis arduino dengan menggunakan smartphone sebagai alat untuk mengetahui kualitas air pada kolam ikan tersebut. Peralatan yang digunakan untuk penelitian ini seperti Arduino UNO, Sensor Ultrasonik SRF05 HY, Sensor Suhu Waterproof DS18B20, Sensor PH, kemudian ada software Arduino IDE sebagai pengolah program pada arduino dan aplikasi Blynk sebagai layanan pengontrol yang terhubung oleh internet dengan penggunaan smartphone untuk hasil monitoringnya. Proses kerja alat monitoring ini berguna mengetahui kondisi air. Ketika kualitas pH air 5pH maka akan memberikan n otif “pH air terlalu asam”, 9 pH maka akan memberikan notif “pH air terlalu basa”. Jika kondisi suhu air 38°C maka akan memberikan notif “Awas, air mulai panas”. Dan jika kondisi ketinggian air 5 cm dari permukaan kolam maka akan memberikan notif “Awas air meluap” pada aplikasi blynk. Hasil yang didapat pada setiap pengukuran dari sensor memiliki kekurangan dan kelebihan, pengujian sensor yang dilakukan dengan menggunakan alat pembanding menghasilkan pembacaan sensor ultrasonik yang belum baik, pembacaan sensor PH yang belum baik, dan pembacaan sensor suhu yang mendapatkan hasil hampir sesuai dengan termometer dalam tingkat keberhasilannya