Jurnal Buana Informatika
Not a member yet
274 research outputs found
Sort by
Prediksi Penyakit Batu Ginjal dengan Menerapkan Convolutional Neural Network
Full text linkKidney stones are a health problem that requires intensive treatment. If the disease is not treated quickly, it can lead to impaired kidney function and complications to other organs. Computerized Tomography Scan (CT Scan) with high resolution is used to scan the human body for disease diagnosis. The doctor will explain the diagnosis within a few days or one week. This research aims to create a prediction model for the classification of kidney stone disease through CT Scan images by applying the Convolutional Neural Network (CNN) method of DenseNet-121 architecture and deployment using Streamlit. The results of the model in this study with the application of CNN DenseNet-121 architecture are accuracy 98.18%, precision 96.36%, recall 100%, and F1-score 98.14%
Mango and Banana Ripeness Detection based on Lightweight YOLOv8
Full text linkFruits like bananas and mangoes are harvested after reaching a specific ripeness stage. Traditionally, farmers rely on manual inspection to determine ripeness, a process that can be tedious, time-consuming, expensive, and subjective. This work proposes an automatic bananas and mangoes ripeness detector utilizing computer vision technology. The detected bananas and mangoes fall into two classes: ripe and unripe. The state-of-the-art YOLOv8 architecture serves as the core of the detector. Three YOLOv8 variants, YOLOv8n, YOLOv8s, and YOLOv8m, were investigated for their performance. Results show that YOLOv8s achieved the highest overall performance, 0.9991 recall, and a mean Average Precision (mAP) of 0.8897. While YOLOv8m achieved the highest precision of 0.9995, YOLOv8n is the most miniature model, making it suitable for deployment on devices with limited resources
Sistem Penjadwalan Karyawan dengan Algoritma Genetika
Full text linkEmployee scheduling is a complex problem in Human Resource Management (HRM) that significantly impacts operational efficiency. This study develops an employee scheduling system using a genetic algorithm. The employee schedules are constructed by considering scheduling rules and various components such as the number of days, shifts, employee quality, and scheduling requests. The genetic algorithm, proven effective in solving various optimization problems, is employed to generate optimal schedules through the processes of selection, crossover, and mutation. The results indicate that the genetic algorithm can effectively produce employee schedules, with fitness values indicating improved schedule quality as iterations increase. The findings of this study are anticipated to be useful in HRM, aiming to improve both employee efficiency and satisfaction
Manajemen Risiko Keamanan Simbada Menggunakan Metode NIST SP 800-30 Revisi 1 dan Kontrol ISO/IEC 27001:2013
Full text linkDengan ini dilakukannya manajemen risiko menggunakan metode NIST SP 800-30 Revisi 1 dengan tujuan untuk melakukan penilaian risiko atas pengelolaan SIMBADA dan memberikan rekomendasi mitigasi berdasarkan Kontrol ISO/IEC 27001:2013 sehingga dapat menjadi acuan untuk minimalisir risiko yang mungkin terjadi. Hasilnya SIMBADA memiliki 20 daftar risiko yang berada pada level sangat tinggi, tinggi, sedang, dan rendah yang akan diberikan rekomendasi kontrol untuk penerapan keamanan sistem informasi. Terdapat 20 daftar ancaman risiko dan 54 rekomendasi mitigasi yang mengacu pada Kontrol ISO/IEC 27001:2013 dalam 11 klausul, 21 kontrol objektif, dan 39 kontrol keamanan yang dapat digunakan.Kata Kunci: manajemen risiko; keamanan informasi; NIST SP 800-30 Revisi 1; Kontrol ISO/IEC 27001:2013
Penerapan Algoritma Pathfinding A* dalam Game Dual Legacy berbasis Android
Full text linkA* Pathfinding Algorithm Implementation in Dual Legacy Game based on Android. Games have 2 characters, the player, and the NPC (Non-Playable Character) which cannot be controlled by the player,so the NPC movements are easy to predict. A Star (A*) algorithm is a pathfinding algorithm or finding a way to a destination, in this case searching for the closest path to the player and avoiding obstacles. The enemy NPC is tasked with chasing the player, and the enemy NPC must reduce the player's health. A* algorithm calculatesthe distance of one of the paths and then calculatesthe distance of the other paths. The algorithm will choose the shortest path when all paths have been completed. Research focuses on the NPC's task of finding the shortest route. The A* in the “Dual Legacy” 2D Side-Scrolling RPG game based on Android is expected with this algorithm NPC can search for and chase players/players via the nearest path. The conclusion is that the A Star Algorithm has been successfully implemented, the NPC approaches the player through the shortest distance by avoiding obstacles.Keywords: A Star (A*) algorithm, NPC, game, Android, 2D side-scrolling RPG
Penerapan Algoritma Pathfinding A* dalam Game Dual Legacy berbasis Android. Game biasanya terdapat 2 karakter yaitu player dan NPC (Non-Playable Character) yang tidak bisa dikendalikan oleh player sehingga pergerakan karakter NPC mudah ditebak. Algoritma A Star (A*) merupakan algoritma pathfinding atau mencari jalan ke tujuan, dalam kasus ini mencari jalan terdekat ke player dan menghindari rintangan yang ada. NPC musuh ini bertugas untuk mengejar player dan NPC musuhharus mengurangi darah player. Algoritma A* menghitung jarak satu jalur, menyimpannya, lalu menghitung jarak jalur lainnya. Setelah semua jalur dihitung, algoritma A* memilih jalur terpendek . Penelitian berfokus pada tugas NPC untuk pencarian rute terdekat. Menerapkan algoritma pathfinding A* pada NPC game Dual Legacy 2D Side-Scrolling RPG berbasis Android diharapkan dengan algoritma tersebut NPC dapat mencari dan mengejar pemain / player melalui jalan terdekat. Kesimpulan perancangan ini adalah algoritma A Star berhasil diimplementasikan, NPC mendekati player melalui jarak terdekat dengan menghindari halangan yang ada.Kata Kunci: algoritma A Star (A*), NPC, game, Android, 2D side-scrolling RP
Implementasi Perbaikan Kualitas Citra Tanaman terhadap Perbedaan Kamera untuk Prediksi Pigmen Fotosintesis berbasis Machine Learning
Full text linkImplementation of Plant Image Quality Improvement based on Machine Learning on Camera Variation to Predict Photosynthetic Pigments. Pigments are natural dyes found in plants and animals. In photosynthesis, there are 3 essential pigments: chlorophyll, cartenoid, and anthocyanin. Pigment analysis can be performed with High Performance Liquid Chromatography (HPLC) and a spectrophotometer. However, HPLC and spectrophotometers require high resources and time. Thus, the Fuzzy Piction Android application built using the FP3Net model is the best choice in pigment prediction since it is low on cost and accessible. However, the Fuzzy Piction produces different performance, which is affected by light conditions and camera specifications. The experiment used ten sample images for Jasminum sp., P. betle, Syzygium oleina of green and red variations, and Graptophyllum pictum leaves with three smartphone cameras and three lighting levels. Improvements using 3D-TPS produced the best SSIM values in the range of 0.9191 – 0.9797 for images Syzygium oleina of green and red variations leaves, and the predicted MAE value of pigment was 0.0296 – 0.0492.Keywords: 3D-TPS, plant leaves, pigment, image quality improvement
Implementasi Perbaikan Kualitas Citra Tanaman terhadap Perbedaan Kamera untuk Prediksi Pigmen Fotosintesis berbasis Machine Learning. Pigmen merupakan pewarna alami yang ditemukan pada tumbuhan dan hewan. Dalam proses fotosintesis terdapat tiga pigmen yang penting, yaitu klorofil, kartenoid, dan antosianin. Analisis pigmen dapat dilakukan dengan Kromatorafi Cair Kinerja Tinggi (KCKT) dan spektrofotometer. Namun, KCKT dan spektrofotometer membutuhkan sumber daya dan waktu yang tinggi. Sehingga, aplikasi Android Fuzzy Piction yang dibangun menggunakan model FP3Net mejadi pilihan dalam prediksi pigmen dengan biaya murah dan mudah. Akan tetapi, aplikasi Android Fuzzy Piction menghasilkan kinerja yang berbeda-beda yang dipengaruhi oleh kondisi cahaya dan spesifikasi kamera. Dilakukan percobaan dengan mengambil sepuluh sampel citra daun dari empat varietas tanaman yaitu, pucuk merah, daun ungu, melati, dan sirih. Citra diambil dengan tiga kamera smartphone dan tiga tingkat pencahayaan yang berbeda. Perbaikan yang dilakukan menggunakan algoritma 3D-TPS menghasilkan nilai SSIM terbaik pada rentang 0.9191 – 0.9797 untuk citra daun pucuk merahdan nilai MAE prediksi pigmen sebesar 0.0296 –0.0492.Kata Kunci: 3D – TPS, daun tanaman, pigmen, perbaikan kualitas citr
Perbandingan Pytesseract dan Template Matching Untuk Otomatisasi Input Data KTP
Full text linkKTP memiliki banyak fungsi, seperti sebagai kartu identitas, dalam proses pendaftaran, dalam proses kepengurusan, serta untuk mengakses layanan. Hingga saat ini, pendaftaran KTP dilakukan dengan diketik sehingga tidak hemat waktu dan tenaga, serta sering menyebabkan kesalahan dalam pengetikan sehingga data yang disimpan tidak sesuai. Oleh karena itu, dikembangkan aplikasi dengan fitur otomatisasi pengisian data KTPmenggunakan OCR. Metode OCRyang akan digunakan ditentukan dengan pengujian akurasi metode Pytesseract dan template matching pada kondisi menggunakan kamera smartphone dengan pencahayaan gelap, terang, terang sekali, dan menggunakan kamera laptop. Rata-rata tingkat akurasi dari empat pengkondisian yang didapatkan oleh metode Pytesseract adalah 98,33%, sedangkan rata-rata yang didapatkan oleh metode template matching adalah 67,33%. Berdasarkan hasil ini, sistem OCR yang dikembangkan menggunakan metode Pytesseract
Klasterisasi Puskesmas dengan K-Means Berdasarkan Data Kualitas Kesehatan Keluarga dan Gizi Masyarakat
Full text linkOne of the fundamental principles followed by the Jember Health Office for decision-making is data. Data plays a crucial role in the decision-making process. Raw data is more difficult to interpret and needs to be analyzed. Clustering is one of the techniques used for analysis. This study discusses using K-Means to cluster Public Health Center data based on AKI, AKB, and stunting prevalence. The data is processed by reducing dimensions and normalizing them. The clustering process is performed using the K-Means method, where the maximum k-value is obtained by calculating WCSS. The clustering process results in three clusters of Public Health Centers in the Jember Regency. These clusters can serve as a reference for the Jember Health Office to formulate family health and community nutrition quality policies.Keywords: data mining, K-Means, clustering, Maternal Mortality Rate, Infant Mortality Rate, the prevalence of stunting
Salah satu dasar pengambilan kebijakan oleh Dinas Kesehatan Jember adalah data. Data memiliki peran dalam proses pengambilan keputusan. Data mentah yang didapatkan lebih sulit untuk diinterpretasikan sehingga diperlukan analisis terhadap data tesebut. Salah satu analisis yang dapat digunakan adalah teknik klasterisasi. Padapenelitian ini akan dibahas penggunaan K-Means untuk klasterisasi data puskesmas berdasarkan AKI, AKB, dan prevalensi stunting. Data diproses dengan melakukan reduksi dimensi dan normalisasi. Proses klasterisasi dilakukan dengan metode K-Means dimana nilai k maksimal diperoleh dengan menghitung WCSS. Adapun hasil proses klasterisasi didapatkan tiga kelompok klaster puskesmas yang terdapat di Kabupaten Jember. Hasil klasterisasi dapat digunakan sebagai referensi Dinas Kesehatan Jember dalam mengambil kebijakan terkait kualitas kesehatan keluarga dan gizi masyarakatKata Kunci: data mining, K-Means, klasterisasi, Angka Kematian Ibu, Angka Kematian Bayi, prevalensi stuntin
Analisis Sentimen Review Hotel Menggunakan Metode Deep Learning BERT
Full text linkPandemi COVID-19 telah menyebabkan penurunan kunjungan pariwisata dan okupansi hotel. Penting bagi pengusaha hotel untuk memantau gaya hidup pengunjung guna menjaga kelangsungan bisnis. Salah satu cara untuk melakukannya adalah dengan memahami sentimen pengunjung hotel melalui analisis review agar mendapatkan pemahaman yang lebih baik dalam pengambilan keputusan terkait layanan dan aspek bisnis di sektor perhotelan. Penelitian ini menerapkan model deep learning natural language processing BERT untuk menganalisis sentimen positif dan negatif dari review pengunjung hotel di Indonesia. Model BERT yang digunakan telah menjalani proses pretrained dan diterapkan metode fine-tuning untuk menghasilkan analisis sentimen yang akurat. Hasil evaluasi menunjukkan bahwa model fine-tuning SmallBERT yang dilatih menggunakan dataset 515k review hotel selama 5 epoch memberikan performa yang baik. Model SmallBERT mencapai akurasi sebesar 91,40%, presisi 90,51%, recall 90,51%, dan skor f1 90,51% saat dievaluasi dengan dataset yang diberi label secara manual. Visualisasi hasil perbandingan sentimen yang didominasi oleh sentimen positif, dilakukan menggunakan Tablea
Analisis Sentimen AicoGPT (Generative Pre-trained Transformer) Menggunakan TF-IDF
Full text linkPeran artificial intelligence memudahkan mencari informasi yang tepat dan akurat bahkan penyelesaian masalah dengan model yang kompleks. Salah satu terobosan berbasis AI adalah ChatGPT oleh OpenAI pada tahun 2020, dilanjutkan dengan versi terbaru pada tahun 2023 yaitu GPT–3. Sejak saat itu, beberapa teknologi AI serupa versi mobile mulai bermunculan, salah satunya AicoGPT. Namun, kinerja dari aplikasi serupa ini belum dapat diandalkan sehingga masih perlu menganalisis tanggapan para penggunanya, apakah akan sama menakjubkannya atau tidak. Dari permasalahan tersebut, penelitian ini dibuat dengan tujuan untuk menganalisis 1443 data ulasan para pengguna aplikasi AicoGPT di Google Playstore dengan teknik analisis sentimen menggunakan TFIDF dan perbandingan klasifikasi LR dan SVM. Dari kedua ujicoba tersebut, menghasilkan akurasi terbaik dengan Algoritma SVM, yaitu sebesar 92%. Sedangkan LR menghasilkan akurasi sebesar 89%. Dari penelitian ini, dapat disimpulkan secara singkat bahwa metode TF-IDF dengan klasifikasi SVM, cocok digunakan untuk melakukan analisis sentimen dari dataset yang diteliti