Akakom Repository
Not a member yet
9766 research outputs found
Sort by
MAGANG BERSERTIFIKAT KAMPUS MERDEKA IMPLEMENTASI PEGA SYSTEM PADA APLIKASI BOOKING HOTEL
No full textHOTEL, RESERVASI, PEGA SYSTE
MAGANG BERSERTIFIKAT KAMPUS MERDEKA PEMBUATAN LANDING PAGE APLIKASI WEB TES PSIKOLOGI IQ DENGAN TEKNOLOGI REACTJS DAN TAILWINDCSS
No full textDi era teknologi ini, sangat penting bagi para siswa untuk memahami
potensi mereka melalui tes psikologis iq. Namun, pengujian manual memiliki
keterbatasan dalam hal sumber daya, rentan terhadap kesalahan manusia, dan
jangkauan terbatas. Penelitian ini bertujuan untuk mengembangkan platform tes iq
daring menggunakan ReactJS dan TailwindCSS untuk pengujian skala besar yang
efisien, dengan mengatasi keterbatasan-keterbatasan ini.
Platform aplikasi tes psikologis iq berbasis web dibangun menggunakan
ReactJS dan TailwindCSS pada sisi frontend, dengan menerapkan metodologi
pengembangan waterfall. Fokus utama dari penelitian ini adalah membantu para
siswa dalam memilih alternatif karir, memperbaiki kinerja akademik, dan
pengembangan pribadi.
Pengembangan teknologi frontend dengan menggunakan ReactJS dan
TailwindCSS menghasilkan platform dengan antarmuka yang modern dan
responsif. Platform tes psikologis iq daring berhasil diciptakan melalui desain dan
pengembangan yang cermat, dengan penekanan pada antarmuka pengguna yang
nyaman dan intuitif. Keunggulan pengalaman pengguna terbukti dari partisipasi
aktif dan pengurangan hambatan teknis. Platform ini juga menunjukkan
skalabilitas yang sangat baik untuk pengujian yang luas, menjaga kualitas
pengalaman dan kinerja yang mulus.
Kata Kunci : ReactJs, TailwindCss, Waterfall, Tes Psikologi I
PROGRAM MERDEKA BELAJAR KAMPUS MERDEKA PENGEMBANGAN DAN PENINGKATAN FITUR TIME OFF DALAM ERP ODOO UNTUK MANAJEMEN CUTI KARYAWAN (Study Kasus PT. Dua Empat Tujuh)
No full textDalam era dinamika bisnis modern, kesuksesan perusahaan tidak hanya
bergantung pada produk atau layanan yang ditawarkan, melainkan juga pada
efektivitas manajemen sumber daya manusia. Untuk meningkatkan efisiensi dan
akurasi manajemen cuti, banyak perusahaan mengadopsi sistem Enterprise
Resource Planning (ERP). Odoo, sebagai platform ERP terkemuka, menyediakan
modul-manajemen sumber daya manusia yang mendukung berbagai aspek
operasional perusahaan.
Penelitian ini berfokus pada pengembangan dan peningkatan fitur Time Off
di ERP Odoo, dengan studi kasus di PT. Dua Empat Tujuh. Sistem Time Off saat
ini di Odoo menghitung periode cuti dalam skala waktu satu tahun, yang akan
memakai periode cuti selama 15 bulan ke depan. Penulis akan merancang dan
menambahkan accrual plans untuk jenis cuti tertentu, seperti cuti tahunan, cuti
khusus, dan cuti menstruasi, dengan harapan memudahkan perhitungan dan
pengelolaan hak cuti sesuai kebijakan perusahaan.
Selain itu, penambahan notifikasi diharapkan akan meningkatkan
responsifitas terhadap permintaan cuti, sementara fitur alokasi otomatis untuk
karyawan baru diharapkan mengurangi potensi kesalahan administratif. Dengan
merinci kerangka kerja awal ini, penelitian bertujuan untuk mengidentifikasi
kekurangan dalam sistem manajemen cuti yang sudah ada, serta merancang dan
mengimplementasikan perubahan agar ERP Odoo dapat menjadi solusi yang lebih
efektif dan sesuai dengan kebutuhan manajemen cuti karyawan di PT. Dua Empat
Tujuh. Dengan pemahaman akan pentingnya manajemen cuti yang efektif,
penelitian ini diharapkan dapat memberikan kontribusi positif terhadap efisiensi
operasional perusahaan dan merangsang pemikiran lebih lanjut dalam
pengembangan sistem ERP.
Keywords: ERP, Odoo, Python, Cut
MAGANG BERSERTIFIKAT KAMPUS MERDEKA PENERAPAN SINGLE SIGN ON (STUDI KASUS PT INDONESIA INDICATOR)
No full textSistem Single Sign On (SSO) telah menjadi solusi yang populer dalam manajemen authentication user di berbagai organisasi dan perusahaan. Penelitian ini bertujuan untuk menyelidiki penerapan sistem SSO dengan fokus pada studi kasus di PT Indonesia Indicator.
Studi ini mencakup analisis tentang bagaimana SSO dapat meningkatkan keamanan, efisiensi, dan kenyamanan user dalam mengakses berbagai aplikasi dan layanan internal perusahaan. Penerapan SSO dalam konteks PT Indonesia Indicator menjadi sorotan utama dalam penelitian ini.
Metodologi penelitian melibatkan survei, wawancara, dan analisis dokumentasi yang digunakan untuk mengumpulkan data tentang implementasi SSO, masalah yang dihadapi, serta manfaat yang diperoleh oleh organisasi tersebut. Hasil penelitian ini mengungkapkan sejumlah keuntungan yang diperoleh oleh PT Indonesia Indicator setelah menerapkan SSO, termasuk efisiensi dalam manajemen akses, peningkatan keamanan data, dan peningkatan pengalaman user.
Selain itu, penelitian ini juga mencermati tantangan yang mungkin timbul selama proses penerapan SSO dan memberikan saran-saran untuk perbaikan atau pengembangan lebih lanjut. Hasil dari penelitian ini diharapkan dapat memberikan wawasan berharga bagi organisasi sejenis yang mempertimbangkan implementasi SSO .
Kata Kunci: Single Sign On (SSO), Keamanan Informasi, Efisiensi, Pengalaman User, PT Indonesia Indicator
PERBANDINGAN METODE K-NEAREST NEIGHBOR DAN NAIVE BAYES UNTUK ANALISIS SENTIMEN PROYEK IBUKOTA NEGARA(IKN) DI INDONESIA
No full textPemindahan ibu kota baru negara Indonesia menjadi perbincangan di media sosial
Twitter dan platform media sosial lainnya. Oleh karena itu pastinya diperlukan
suatu proses khusus untuk menilai seberapa banyak opini yang terkait dengan
proyek Ibu Kota Negara (IKN) tersebut. Sehingga, peneliti tertarik untuk meneliti
perihal Analisis Opini Masyarakat dimedia Sosial Twitter Terhadap Proyek Ibu
Kota Negara (IKN) di Indonesia menggunakan metode K-Nearest Neighbor dan
Naïve Bayes. Metode penelitian yang digunakan oleh peneliti yaitu metode
KNearest Neighbor dan Naive Bayes untuk analisis sentimen proyek Ibukota
Negara (IKN) di Indonesia. Metode ini digunakan dengan bahan media sosial
Twitter berdasarkan opini masyarakat terhadap Proyek IKN. Pengumpulan data
dilakukan dengan studi literasi, observasi, pengolahan data, cleaning, case folding,
stopword removal, tokenizing, stemming, analisis dan perancangan sistem, dan
arsitektur sistem. Hasil penelitian dengan jumlah data training 80% dan data testing
20% diperoleh dengan hasil akurasi K-Nearest Neighbor 68% sedangkan Naïve
Bayes 60,6%.
Kata Kunci : Analisis sentiment, K-Nearest Neighbor, Naïve baye
SKRIPSI SISTEM PAKAR DIAGNOSA PENYAKIT TANAMAN BUAH KELENGKENG
No full textBuah kelengkeng atau Dimocarpus Logan merupakan salah satu
tanaman buah yang memiliki daya tarik tersendiri di masyarakat. Namun,
masalah gangguan penyakit dialami oleh petani buah kelengkeng. Untuk
mengatasi masalah ini umumnya petani melakukan pengendalian secara
konvensional seperti menggunakan pestisida secara intensif. Untuk
mengatasi permasalahan ini peran seorang pakar sangat diandalkan untuk
mendiagnosa dan menentukan jenis penyakit serta memberikan cara
penanggulangan yang tepat untuk mendapatkan solusi terbaik untuk para
petani. Oleh karena itu, perlu dirancang sistem untuk mengetahui Penyakit
pada tanaman kelengkeng yaitu sistem pakar untuk mendiagnosa Penyakit
pada tanaman kelengkeng. Sistem pakar diimplementasikan dengan metode
penalaran backward chaining dan aplikasi berbasis web. Penelitian ini
bertujuan untuk mengetahui Penyakit pada tanaman kelengkeng dan jenis
penyakit, cara penanggulangan penyakit yang menyerang tanaman buah
kelengkeng serta solusi penanggulangannya.
Kata Kunci: Backward Chaining, Sistem Pakar, Tanaman Kelengkeng
ANALISIS MINAT PENGGUNAAN APLIKASI FLIP DENGAN PENDEKATAN TRUST AND RISK IN TECHNOLOGY ACCEPTANCE MODEL (TRITAM) PADA MAHASISWA DI UTDI
No full textDompet digital adalah aplikasi elektronik yang berfungsi sebagai
penyimpanan dan alternatif sistem pembayaran yang memudahkan
penggunaannya dalam melakukan proses transaksi. Dalam proses administrasi,
Universitas Teknologi Digital Indonesia (UTDI) telah menerapkan model
pembayaran secara digital. Tetapi dalam proses pembayaran pengguna harus
mengeluarkan uang lebih untuk biaya admin. Untuk itu Flip hadir dengan
menawarkan berbagai fitur keuangan dimana salah satunya adalah fitur dimana
pengguna bisa melakukan proses transfer tanpa dikenakan biaya admin.
Penelitian ini bertujuan untuk mengetahui faktor-faktor yang
mempengaruhi minat penggunakan aplikasi Flip pada mahasiswa di UTDI dengan
pendekatan Trust and Risk in Technology Acceptance Model (TRITAM). Populasi
dalam penelitian ini adalah mahasiswa UTDI pengguna aplikasi Flip. Data yang
digunakan adalah data primer yang diperoleh melalui kuesioner yang dibagikan
secara online melalui Google Form. Teknik pengambilan sampel menggunakan
teknik purposive sampling, sebanyak 60 responden. Data dianalisis menggunakan
metode SEM-PLS dengan perangkat lunak SmartPLS 4.
Hasil penelitian ini menunjukkan bahwa variabel kepercayaan dan risiko
berpengaruh signifikan terhadap minat penggunaan aplikasi Flip. Sedangkan
variabel kemudahan penggunaan dan kemanfaatan tidak berpengaruh terhadap
minat penggunaan aplikasi Flip.
Kata Kunci : Analisis, Aplikasi Flip, SEM-PLS, TRITAM
ANALISIS SENTIMEN PUBLIK TERHADAP OMNIBUS LAW DI TWITTER DENGAN METODE NAÏVE BAYES
No full textOmnibus law sebagai upaya untuk menyederhanakan regulasi, sering kali memicu kontroversi di masyarakat karena potensi dampaknya yang signifikan di berbagai sektor. Oleh karena itu, analisis sentimen menjadi penting untuk memahami pandangan dan reaksi masyarakat terhadap Omnibus law.
Dalam penelitian ini data Twitter sebanyak 1751 tweet terkait Omnibus law dikumpulkan kemudian dilabelkan secara manual. Data yang sudah dilabeli secara manual selanjutnya melewati tahap pra-pemrosesan seperti pemberishan teks, normalisasi, tokenisasi, stopword removal dan stemming. Pada penelitian ini pembagian data menggunakan prinsip cross validation atau validasi silang yang dimana data dibagi menjadi 3 bagian yakni data latih, data uji dan data validasi dengan perbandingan 60:25:15. Representasi tweet dalam bentuk teks diubah menjadi vektor dilakukan menggunakan Term Frequency Inverse Document Frequency (TF-IDF).
Model yang digunakan untuk klasifikasi sentimen pada penelitian ini adalah Naïve Bayes Multinomial dengan penanganan ketidakseimbangan kelas menggunakan Synthetic Minority Oversampling Technique (SMOTE), penggunaan metode SMOTE mengatasi masalah ketidakseimbangan antara sentimen mayoritas yakni negatif dengan sentimen minoritas yakni positif dan netral. Sentimen minoritas mendapatkan penambahan sampel sintetis untuk membantu model dalam pengklasifikasian.
Hasil evaluasi model Naïve Bayes pada penelitian ini diantaranya dalam bentuk metrik yaitu confusion matrix kemudian accuracy, precision, recall dan f1-score. Pada data uji memiliki nilai akurasi 90,27%, precision 93,29%, recall 94,76% dan f1-score 93,20%, sedangkan pada data validasi memiliki akurasi senilai 89,92%, precision 91,28%, recall 96,01% dan f1-score 93,47%. Nilai evaluasi yang ditunjukkan antara data uji dan data validasi menujukkan model dapat diandalkan dalam menganalisis sentimen tanpa adanya kecenderungan overfitting.
Kata kunci: analisis sentimen, naïve bayes, omnibus la
ANALISIS SENTIMEN MASYARAKAT TERHADAP SYARAT LULUS PROGRAM SARJANA TIDAK WAJIB SKRIPSI PADA TWITTER DENGAN METODE K-NEAREST NEIGHBOR
No full textSkripsi merupakan salah satu syarat kelulusan dalam memperoleh gelar sarjana. Namun dalam kegiatan Merdeka Belajar Episode 26 Transformasi Standar Nasional dan Akreditas Pendidikan Tinggi yang dilaksanakan 29 Agustus 2023, menteri Pendidikan dan Kebudayaan Nadiem Anwar Makarim menyatakan bahwa skripsi tidak lagi menjadi syarat wajib lulus perguruan tinggi program sarjana, namun dapat diganti dalam bentuk lainnya seperti prototipe, proyek, atau bentuk sejenis lainnya. Dari topik tersebut tentu menjadi perhatian masyarakat yang tertuang pada sosial media. Dalam hal ini perlu dilakukan penelitian melihat seberapa besar masyarakat yang setuju dengan adanya program mahasiswa tidak wajib skripsi tersebut.
Tahapan yang dilakukan dalam penelitian ini yaitu crawling data dengan tweet harvest, pre-processing yang terdiri dari case folding, tokenizing, normalization, stopword dan stemming. Setelah itu dilakukan pelabelan dengan kamus lexicon bahasa indonesia yang ditentukan secara manual. Kemudian pembobotan kata, selanjutnya proses pengklasifikasian data dengan metode K-Nearest Neighbor dan confusion matrix.
Hasil penelitian ini menggunakan 1924 tweet yang telah melalui proses pelabelan terdapat 68% sentimen netral, 18% sentimen positif, dan 13% sentimen negatif. Dari hasil perhitungan 3 skema pengujian analisis senimen metode K-Nearest Neigbors dengan menggunakan tools rapidminer mendapatkan hasil terbaik menggunakan data latih 90% sebanyak 1732 data dan data uji 10% sebanyak 192 dengan k=5 dengan akurasi sebesar 78.12%.
Kata Kunci: K-Nearest Neighbors, Analisi sentimen, tweet harves
ANALISIS SENTIMEN MASYARAKAT TERHADAP KERETA CEPAT JAKARTA-BANDUNG PADA MEDIA SOSIAL X MENGGUNAKAN METODE K-NEAREST NEIGHBOR
No full textPemerintah Indonesia sedang berupaya meningkatkan pelayanan transportasi
dan mendukung pembangunan di kawasan Jakarta-Bandung dengan membangun
kereta cepat. Proyek kereta cepat Jakarta-Bandung yang dibangun atas kerja sama
Indonesia dengan China. Dalam proyek kereta cepat Jakarta-Bandung, masyarakat
sebagai pengguna kereta cepat memberikan pengalaman dan opini terkait dengan
kereta cepat Jakarta Bandung.
Tahap pada proses penelitin ini yang pertama yaitu crawling data dengan
menggunakan library tweet harvest dengan keyword, preprocessing, yaitu terdiri
dari case folding, tokenizing, normalisasi, stopword dan stemming. Pada penelitian
ini melakukan analisis sentimen terhadap pengguna kereta cepat Jakarta-Bandung
pada media sosial X dengan menggunakan metode K-Nearest Neighbor.
Hasil dari pengklasifikasian menggunakan metode K-Nearest Neighbor terkait
dengan analisis sentimen masyarakat terhadap pengguna kereta cepat Jakarta-
Bandung pada media sosial X. Dengan penggunaan nilai k 1 sampai 10 angka
ganjil, mendapatkan hasil akurasi paling tinggi pada nilai k=3 dengan skema
pembagian 90% data latih dan 10% data uji, atau setara dengan 1.644 data latih dan
183 data uji mendapatkan jumlah akurasi sebesar 93,87%.
Kata Kunci: Kereta Cepat Jakarta-Bandung, K-Nearest Neighbor, Media Sosial X