SATIN - Sains dan Teknologi Informasi
Not a member yet
333 research outputs found
Sort by
Sentimen Pengguna Aplikasi BRImo: Kinerja Algoritma Support Vector Machine, Naive Bayes, dan Adaboost
No full textDalam konteks perkembangan industri perbankan yang semakin maju, pemanfaatan teknologi modern menjadi faktor kunci untuk meningkatkan kualitas layanan dan memenangkan persaingan di era digital. Bank Rakyat Indonesia (BRI) memikat perhatian masyarakat melalui peluncuran aplikasi perbankan seluler, BRImo. Namun Bank ini perlu meraih pandangan dan pengalaman nasabah terhadap aplikasi mobile banking untuk meningkatkan kualitas pelayanan. Penelitian ini memiliki tujuan untuk menganalisis ulasan pengguna BRImo sebagai objek penelitian. Komparasi dilakukan antara algoritma Support Vector Machine (SVM), Naive Bayes (NB), dan Adaboost dalam mengolah data teks. Evaluasi dilakukan berdasarkan tingkat akurasi, presisi, recall, dan nilai F1-score. Hasil penelitian menunjukkan bahwa algoritma SVM memberikan kinerja terbaik dalam mengklasifikasikan tanggapan masyarakat terhadap aplikasi BRImo, dengan tingkat akurasi sebesar 90,4%, presisi 90,8%, recall 90%, dan nilai F1-score 90,3%. Sebagai perbandingan, algoritma Adaboost memberikan nilai terendah dengan tingkat akurasi sebesar 87%, presisi 87,2%, recall 86,8%, dan nilai F1-score 86,9%
Penerapan Metode Profile Matching untuk Sistem Penunjang Keputusan Pemilihan Karyawan Terbaik
No full textKaryawan memberikan kontribusi berupa kemampuan, keahlian dan keterampilan yang dimiliki, sedangkan organisasi diharapkan memberikan imbalan dan penghargaan kepada karyawan secara adil sehingga dapat memberikan motivasi kerja. Pada Sekretariat Jendral Biro Umum Kementrian Agama, pemilihan karyawan terbaik masih dilakukan dengan cara menunjuk langsung oleh manajemen dan tidak dengan cara penilaian secara subjektif. Karyawan yang memiliki kriteria untuk memenuhi syarat yang telah ditentukan untuk menerima perhargaan sebagai karyawan terbaik di perusahaanya. Salah satu metode yang dapat diterapkan dalam sistem penunjang keputusan yang penulis ambil adalah dengan menggunakan metode Profile Matching yang digunakan dalam membantu dan menguji untuk memecahkan masalah yang terkait dengan hal pengambilan keputusan. Metode profile matching menggunakan beberapa tahapan perumusan dalam perhitungan yang meliputi Pemetaan Gap, Pembobotan, Perhitungan dan Pengelompokan Core Factor dan Secondary Factor, Perhitungan Nilai Total, Perhitungan Penentuan Ranking. Ada pula beberapa kriteria penilaian dalam karyawan terbaik yaitu: produktivitas (Produktivity), Kualitas (Quality Internal Control), Kerjasama (Teamwork), Inisiatif (Initiative), dan kehadiran (Absence). Dengan menggunakan sampel penelitian sebanyak 83 karyawan, penelitian ini menghasilkan informasi bahwa karyawan atas nama Hapidin menmpunyai nilai rata-rata paling tinggi yaitu 4.7083.  
Implementasi Metode Simple Additive Weighting Dalam Penentuan Perawat Terbaik
No full textGuna meningkatkan kualitas kinerja perawat, pimpinan Klinik membuat suatu program pemilihan perawat terbaik dengan memberikan reward berupa penambahan gaji bagi perawat terbaik. Program seleksi perawat terbaik ini dilaksanakan setiap akhir tahun. Pada sistem lama proses seleksi saat ini menggunakan satu kriteria yaitu berdasarkan kedisiplinan dan mengabaikan kriteria lain. Hal ini menyebabkan ketidakpuasan bagi para perawat. Untuk mengatasi permasalahan tersebut dibutuhkan suatu sistem pendukung keputusan pemilihan perawat terbaik dengan Metode Simple Additive Weighting (SAW). Tujuan dari Penelitian ini adalah mengembangkan sistem pendukung keputusan untuk pemilihan perawat terbaik dengan menggunakan kriteria kinerja, kedisiplinan, pendidikan, sikap. Menggunakan metode SAW karena metode tersebut mampu menentukan alternative terbaik dan dapat melakukan proses perangkingan. Pengumpulan data melalui wawancara, observasi, dan studi pustaka. Pengembangan sistem menggunakan Model Waterfall, perancangan sistem menggunakan pendekatan terstruktur, bahasa pemrograman dengan PHP, sedangkan untuk pengambilan keputusan menggunakan Metode Simple Additive Weighting. Berdasarkan pengujian sistem baru dengan sistem lama menjukan bahwa sistem baru lebih baik kerena memiliki akurasi 80%
Implementasi Machine Learning Sebagai Pengenal Nominal Uang Rupiah dengan Metode YOLOv3
No full textJumlah disabilitas kesulitan melihat (Tunanetra) di atas 10 tahun sebanyak 6,36% dari total penduduk yang mengalami disabilitas yaitu 8,56% pada tahun 2015. Permasalahan yang dihadapi penyandang tunanetra dalam kehidupan sehari-hari salah satunya mengenali nominal uang rupiah. Walaupun pemerintah sudah membuat uang dengan emboss pada emisi 2016, tetapi masih kurang efektif karena uang yang beredar kadang dalam kondisi tidak rapih. Untuk mengatasi hal tersebut dapat dibantu dengan menggunakan teknologi Machine learning berbasis Yolov3 dalam mengenali nominal uang Rupiah. Metode YOLOv3 mempunyai keunggulan dalam kecepatan pelatihan model dan nilai akurasinya yang tinggi, dan memang dirancang untuk mengolah gambar. Dataset yang digunakan untuk membuat model machine learning dikumpulkan dari berbagai gambar uang rupiah nominal 1000, 2000, 5000, 10000, 20000, 50000, 10000 sebanyak 4200 gambar. Model yang sudah dibuat selanjutnya diimplementasikan kedalam bentuk aplikasi android. Aplikasi dijalankan seperti melakukan scan uang dan memberikan hasil berupa suara yang menyebutkan nominal uang tersebut secara otomatis. Model ini dievaluasi dengan Confusion Matrix menghasilkan nilai accuracy, precision dan recall sebesar 0.98. Berdasarkan Nilai akurasi tersebut, model yang dibuat dapat membantu penyandang tunanetra dalam mengenali nominal uang rupiah
Penerapan Metode Collaborative Filtering Dan Knowledge Item Based Terhadap Sistem Rekomendasi Kamera DSLR
No full textSistem rekomendasi adalah sistem yang dibuat dengan tujuan untuk membantu pengguna dalam mengetahui item yang diminati oleh mereka. Sistem rekomendasi banyak diimplementasikan di marketplace, sosial media dan untuk tujuan lainnya. Salah satu proses yang membutuhkan sistem rekomendasi adalah pada proses pemilihan kamera. Pemilihan kamera untuk fotografer yang belum berpengalaman menggunakan kamera menjadi salah satu permasalahan yang cukup penting dikarenakan banyaknya kamera yang bermunculan hingga saat ini. Proses pemilihan kamera biasanya dilakukan dengan bertanya kepada fotografer senior yang sudah terjun lama dalam bidang fotografi agar diberikan rekomendasi terkait kamera yang sesuai dengan kriteria. Proses konvensional tersebut tentunya akan memakan waktu yang sangat lama. Oleh karena permasalahan tersebut, maka perlu dilakukan penelitian untuk sebuah sistem informasi rekomendasi pada proses pemilihan kamera. Pada penelitian ini akan diterapkan 2 metode rekomendasi yaitu metode Collaborative Filtering dan Knowledge Item Based. Hasil penelitian menunjukkan bahwa sistem informasi rekomendasi kamera DSLR yang dibangun menerapkan metode Collaborative Filtering dan Knowledge Item Based dalam memberikan rekomendasi prediksi pilihan kamera berdasarkan pola rating dari user lainnya
Penerapan Algoritma Apriori Terhadap Perancangan Sistem Informasi Dalam Analisis Penjualan Bahan Bangunan
No full textPerusahaan yang bergerak di bidang distributor bahan bangunan dengan bahan utama besi, seperti toko bangunan. Perusahaan melakukan pencatatan data transaksi penjualan produk yang dilakukan oleh pelanggan melalui software pengolah kata. Perusahaaan tentunya membutuhkan sebuah sistem analisis yang dapat digunakan dalam menunjang proses pengambilan keputusan. Data-data perusahaan yang tercatat setiap bulannya tentunya sangat banyak dan akan menjadi data yang tidak berguna apabila tidak diolah dan dianalisis dengan baik. Salah satu cara untuk melakukan analisis terhadap sekumpulan data menjadi pengetahuan adalah melalui teknik data mining. Algoritma Apriori adalah salah satu algoritma data mining yang dapat digunakan pada penerapan market basket analysis (analisis keranjang belanja) untuk mencari aturan-aturan asosiasi yang memenuhi batas support dan confidence. Dengan itemset, seperti: Hollow Nill 20 x 20 x 0,55 total transaksi 2, Nako 10.7 x 10.7 Polos x 2,75M total transaksi 5 dan Nako 10.7 x 10.7 x 2.75M Ulir total transaksi 3, maka hasil analisis data penjualan Toko Bangunan dengan total data penjualan sebanyak 292 invoice mendapatkan nilai minimum support tertinggi yaitu 5% dan menghasilkan rule berjumlah 2. Minimum confidence tertinggi yaitu 100% dan menghasilkan rule berjumlah 3. Panjang itemset yang terbentuk yaitu 2-itemset dan 3-itemset
Penerapan Penerapan Data Mining Untuk Klasifikasi Kelulusan Mahasiswa Tepat Waktu Menggunakan Metode Random Forest
No full textSalah satu faktor yang meningkatkan prestasi perguruan tinggi adalah kemampuan mahasiswa untuk menyelesaikan studi tepat waktu. Beberapa faktor dapat dilihat dari Indeks Prestasi Kumulatif (IPK) yang mencerminkan seluruh nilai yang diperoleh mahasiswa setiap semester yang sedang berjalan, dan jumlah SKS yang telah ditempuh mahasiswa. STMIK Amik Riau selalu berupaya untuk meningkatkan jumlah mahasiswa lulus tepat waktu secara terus menerus. Berdasarkan hal tersebut, maka dilakukan penelitian pada STMIK Amik Riau yang bertujuan untuk mengatasi masalah mahasiswa yang tidak lulus tepat waktu. Untuk mencapai tujuan tersebut, pada penelitian ini digunakan metode klasifikasi untuk mengklasifikasi kelulusan mahasiswa berdasarkan beberapa kategori yang telah ditentukan. Proses klasifikasi ini menggunakan algoritma Random Forest. Dengan menggunakan algoritma random forest ini dalam mengklasifikasi kelulusan mahasiswa, diperoleh tingkat akurasi sebesar 98%. Nilai akurasi yang diperoleh ini menunjukkan bahwa proses klasifikasi yang dilakukan sangat akurat
Sistem Pakar Rekomendasi Tanaman Herbal Berdasarkan Faktor Lingkungan Menggunakan Metode Certainty Factor
No full textTren bertani dikala pandemi saat ini digemari oleh masyarakat, terlebih tanaman herbal. Sehingga masyarakat banyak mengikuti tren tersebut. Akan tetapi, masyarakat perlu ilmu dalam bertani tersebut. Dalam pembibitannya, tanaman herbal memiliki karakteristik dan perlakuan lingkungan yang berbeda-beda. Sehingga diperlukan pengetahuan yang baik terkait proses pembibitan tanaman tersebut. Konsultan pertanian dibutuhkan untuk memberikan rekomendasi tanaman herbal apa yang cocok sesuai dengan faktor lingkungan. Melalui sistem pakar, masyarakat dapat mengetahui informasi yang baik dan benar seperti dari pakar langsung. Dalam penelitian ini, sistem pakar rekomendasi tanaman herbal dibangun untuk membantu memberikan rekomendasi tanaman herbal yang cocok ditanam berdasarkan faktor lingkungan. Faktor-faktor lingkungan yang digunakan untuk dasar rekomendasi adalah ketinggian wilayah, suhu, kelembapan udara, curah hujan, dan jenis tanah. Pada penelitian ini sampel akuisisi pengetahuan tanaman herbal yang digunakan adalah 12 jenis. Metode yang digunakan pada sistem pakar ini adalah metode certainty factor. Melalui metode certainty factor akan membantu menangani ketidakmampuan pakar dalam mendefinisikan antara sebuah aspek lingkungan dengan tanaman yang cocok ditanam secara pasti. Dengan memilih faktor lingkungan yang dilihat maka sistem dapat merekomendasi tanaman herbal dengan nilai certainty factor terbesar. Hasil dari penelitian ini dapat memberikan masyarakat informasi rekomendasi tanaman yang cocok untuk lokasi daerah mereka serta memberikan tingkat keyakinannya
Penerapan Metode Design Sprint Dalam Perancangan UI/UX Aplikasi Pengingat Sarapan
No full textSarapan adalah kegiatan mengkonsumsi makanan dan minuman yang dilakukan pada pagi hari mulai dari bangun tidur sampai dengan pukul 09.00 pagi untuk memenuhi nutrisi harian tubuh. Kesibukan harian membuat kebiasaan sarapan di pagi hari mulai menghilang. Berdasarkan data yang diperoleh melalui kuesioner, terdapat beberapa faktor, yaitu kebiasaan malas, lupa dan kesulitan bangun tidur di pagi hari (60%), tidak tersedianya menu untuk sarapan (36,4%), dan juga kurangnya pengetahuan mengenai pentingnya sarapan di pagi hari bagi kesehatan tubuh (3,6%). Aplikasi Pengingat Sarapan yang dirancang sesuai dengan kebutuhan pengguna untuk memperoleh informasi mengenai sarapan pagi, referensi menu, resep menu, pemesanan online menu sarapan, dan pengingat jadwal sarapan yang membantu pengguna menerapkan pola hidup sehat dan teratur. Metode yang digunakan dalam pembuatan aplikasi ini adalah metode Design Sprint. Hasil pengujian pada prototipe UI/UX aplikasi kepada 25 pengguna menggunakan System Usability Scale (SUS) untuk menentukan kelayakan rancangan aplikasi diperoleh angka (89%) dan merupakan kategori Excellent berdasarkan Adjective Rating yang menunjukkan bahwa rancangan aplikasi layak dan dapat diterima dengan baik oleh pengguna
Sistem Pakar Diagnosa Penyakit dan Hama Tanaman Kakao Dengan Metode Certainty Factor
No full textKakao (Theobroma cacao. L) merupakan tanaman perkebunan yang memiliki nilai ekonomi yang tinggi. Biji kakao mulai dihasilkan pada saat berumur 18 bulan yang nantinya akan diproses menjadi coklat dalam bentuk bubuk. Beberapa tahun terakhir terjadi penurunan produksi tanaman kakao, yang disebabkan adanya serangan hama dan penyakit. Kurangnya pengetahuan petani tentang penyakit dan hama yang memiliki beberapa gejala yang sama, serta jumlah dan waktu kerja penyuluh terbatas mengakibatkan penanganannya menjadi terhambat. Untuk mengatasi persoalan ini dibangun sebuah sistem dengan mengimplementasikan metode Certainty Factor (CF) untuk mendiagnosis penyakit atau hama yang dialami oleh tanaman kakao. Penelitian ini menghasilkan suatu sistem pakar diagnosis tanaman kakao terdiri dari 6 penyakit dan 4 hama dengan 68 gejala. Hasil diagnosis menyatakan sistem memiliki kecocokan dengan pakar sebesar 93,33% pada 30 data uji. Ini membuktikan sistem mampu mendiagnosa penyakit dan hama tanaman kakao dengan baik. Dengan dibangunnya sistem ini diharapkan dapat dimanfaatkan oleh petani dalam mendiagnosis penyakit dan hama tanaman kakao, sehingga dapat melakukan penanganan lebih awal sehingga produktivitas tanaman kakao dapat meningkat