Coding Jurnal Komputer dan Aplikasi
Not a member yet
289 research outputs found
Sort by
RANCANG BANGUN SISTEM PEMINJAMAN SARANA DAN PRASARANA BERBASIS WEBSITE DENGAN FITUR PUSH NOTIFICATION & BOT TELEGRAM
Get PDFSarana dan prasarana FMIPA Untan adalah merupakan bagian penting dalam siklus pelayanan untuk mendukung berjalannya kegiatan akademik dan non-akademik. Proses peminjaman yang masih menggunakan cara manual ini tidak menutup kemungkinan dapat menimbulkan masalah, seperti terjadi kesalahan dalam proses peminjaman terkait jadwal ketersediaan sarana dan prasarana yang akan dipinjam, serta memerlukan waktu yang cukup banyak bagi mahasiswa atau peminjam. Penelitian ini menghasilkan sebuah Sistem Informasi Perminjaman Sarana dan Prasarana (SPSP) berbasis website dengan mengimplementasikan teknologi push notification. Selain implementasi teknologi push notification, teknologi lainnya yang diimplementasikan dalam sistem informasi ini adalah teknologi bot telegram, dimana teknologi ini merupakan aplikasi dari pihak ketiga yang dapat berjalan dalam aplikasi Telegram. Dengan memanfaatkan teknologi BOT Telegram, sistem yang telah dibuat dapat memberikan informasi tentang peminjaman sarana dan prasarana di FMIPA Untan. Mahasiswa atau dosen dapat melakukan peminjaman melalui sistem tanpa harus melakukan pengecekan ketersediaan sarana dan prasarana di bagian umum dan perlengkapan FMIPA Untan. Hasil dari penelitian ini berupa SPSP yang telah dilakukan pengujian fungsional kepada pihak bagian umum dan perlengkapan, dosen, dan mahasiswa FMIPA Untan yang memperoleh hasil sesuai dengan perancangan fungsional sistem. Sedangkan pengujian interface kepada mahasiswa memperoleh predikat sangat baik dengan nilai sebesar 86,74 %. Kata kunci: Sarana dan Prasarana, FMIPA UNTAN, Push Notificaton, Bot Telegram, SPS
IMPLEMENTASI METODE K-MEDOIDS DAN HEAP SORT DALAM PENGELOMPOKAN SISWA PENERIMA DANA BANTUAN OPERASIONAL SEKOLAH DI SMA N 1 PEMANGKAT
Get PDFProgram Bantuan Operasional Sekolah (BOS) merupakan bantuan pendanaan yang diberikan oleh Kementerian Pendidikan dan Kebudayaan (Kemendikbud) kepada sekolah yang dapat dimanfaatkan untuk berbagai biaya operasional sekolah. Terkait dengan pelaksaan pemberian dana BOS kepada siswa, kadang kala terjadi kesulitan untuk menentukan siswa yang benar-benar layak untuk mendapatkan dana BOS tersebut dikarenakan banyaknya siswa di SMA N 1 Pemangkat. Penelitian ini bertujuan untuk membangun sebuah sistem yang mampu menentukan siswa yang layak menerima beasiswa dana BOS tersebut. Dalam penelitian menggunakan metode K-Medoids dan Heap Sort untuk Pengelompokan Siswa Penerima Dana BOS di SMA N 1 Pemangkat. Data yang digunakan adalah 450 data siswa dengan kriteria kelas, nilai rapot, penghasilan orang tua, tanggungan orang tua, dan prestasi pada tahun ajaran 2019/ 2020. Keluaran yang dihasilkan berupa empat cluster, yaitu cluster medoid 0 berjumlah 21 orang , cluster medoid 1 berjumlah 40 orang, cluster medoid 2 berjumlah 293 orang dan cluster medoid 3 berjumlah 96 orang. Dimana setelah dihitung menggunakan pembobotan dan dicari nilai rata-rata per-cluster didapatkan bahwa cluster medoid 0 merupakan kategori sangat membutuhkan unutk menerima dana BOS dengan nilai rata-rata 2,6
Implementasi Metode Elman Recurrent Neural Network (ERNN) Untuk Prediksi Harga Saham Perbankan Di Indonesia
Get PDFHarga suatu saham selalu berubah setiap saat dan menjadi susah ditebak. Pada kondisi tersebut, prediksi harga saham sangat penting bagi para investor yang mengalami kesulitan dalam pengambilan keputusan untuk memilih saham yang tepat. Untuk memilih saham agar terhindar dari kerugian, membuat para investor harus menganalisa dahulu pada saham yang dipilih. Oleh karena itu, diperlukan sebuah sistem prediksi yang dapat membantu memberikan pertimbangan kepada investor dalam memilih saham. Dalam penelitian ini digunakan metode ERNN untuk memprediksi harga saham penutupan pada hari berikutnya. Terdapat 4 bank di Indonesia yang diprediksi, yaitu BCA, BRI, Bank Mandiri, dan BSI. Data yang digunakan dari tahun 2019 hingga tahun 2020. Pada penelitian ini terdapat proses pelatihan data dan pengujian data. Pelatihan data berfungsi untuk mendapatkan nilai bobot dan bias terbaru yang akan digunakan pada proses pengujian. Proses pengujian berfungsi untuk mendapatkan hasil prediksi dan akurasi. Jaringan arsitektur ERNN pada pengujian ini terdiri dari 7 neuron input, 8 neuron hidden layer, dan 1 neuron output. Pengujian ini menggunakan maksimal epoch 1000 dan toleransi error 0.0000001. Perhitungan nilai error dengan membandingkkan data aktual dan data prediksi menggunakan Mean Absolute Percentage Error. Berdasarkan hasil pengujian, BCA menghasilkan akurasi tertinggi sebesar 94.6363% pada learning rate 0.3, BRI menghasilkan akurasi tertinggi sebesar 88.5230% pada learning rate 0.3, Bank Mandiri menghasilkan akurasi tertinggi sebesar 93.5265% pada learning rate 0.4, dan BSI menghasilkan akurasi tertinggi sebesar 96.9459% pada learning rate 0.5
Implementasi Metode Profile Matching Pada Sistem Penerimaan Penyedia Jasa Lainnya Orang Perorangan (PJLP) Di Lingkungan Pemerintah Kota Pontianak Berbasis Website
Get PDFPenyedia Jasa Lainnya Orang Perorangan (PJLP) Pemerintah Kota Pontianak, pertama kali dilakukan pada tahun 2017. Dalam setiap kegiatan proses penerimaan PJLP, terdapat permasalahan antara lain kualifikasi yang tidak sesuai dengan kebutuhan dan banyaknya jumlah pencari kerja, sehingga mengalami kesulitan dalam menentukan calon yang mempunyai kemampuan maupun kompetensi sesuai dengan bidangnya, tercatat sebanyak 158 orang pelamar pada tahun 2020 untuk semua formasi, data pelamar yang digunakan sebanyak 32 orang yang mendaftar pada bagian admin Pontive Center. Tujuan dari penelitian ini dibangun sebuah sistem pendukung keputusan untuk membantu memberikan rekomendasi kepada tim penyeleksi dalam memilih calon PJLP yang sesuai dengan kebutuhan proses seleksi yang lebih efisien dan efektif, sehingga subjektifitas dalam pengambilan keputusan dapat dikurangi. Metode profile matching dapat mengatasi masalah dalam penentuan keputusan yang memiliki banyak kriteria penilaian, dan aspek-aspek penilaian seperti core factor dan secondary factor. Hasil akhir penilaian dipengaruhi oleh besaran bobot core factor dan secondary factor pada setiap kriteria, hasil dari penelitian ini berupa sistem pendukung keputusan dalam penerimaan PJLP di lingkungan Pemerintah Kota Pontianak dengan mengimplementasikan metode profile matching yang dibangun berbasis website. Berdasarkan hasil pengujian yang dilakukan, fungsionalitas sistem berjalan sesuai kebutuhan dan dapat memberikan hasil rekomendasi dalam penerimaan PJLP
MANAJEMEN RISIKO KEAMANAN TEKNOLOGI INFORMASI MENGGUNAKAN METODE OCTAVE ALLEGRO DAN KONTROL ISO/IEC 27001:2013 (Studi Kasus: PLN UP2D Kalimantan Barat)
Get PDFPenerapan dan penggunaan Teknologi Informasi sangat diperlukan dalam berbagai sektor untuk mendukung berjalannya proses bisnis dengan baik dan efisien. Salah satu sektor yang menerapkan teknologi informasi dalam menunjang proses bisnis yaitu pada anak perusahaan PT.PLN Persero yaitu PLN UP2D Kalimantan Barat. PLN UP2D bertanggung jawab dalam pendistribuasian layanan listrik ke konsumen. Namun dalam penerapan teknologi pada setiap proses bisnis yang ada pada perusahaan sebelumnya pernah terjadinya kasus yang menyerang keamanan informasi perusahaan. Dengan ini dilakukannya manajemen risiko menggunakan metode Octave Allegro sebagai acuan dalam melakukan identifikasi dan penilaian risiko serta Kontrol ISO 27001:2013 sebagai acuan rekomendasi kontrol untuk dapat meminimalisir risiko yang mungkin dapat terjadi pada perusahaan. Hasil dari peneliitian ini ditemukan dampak yang paling penting adalah produktivitas dengan prioritas 5, keamanan dan Kesehatan dengan prioritas 4, keuangan dengan prioritas 3, reputasi dan kepercayaan pelanggan dengan prioritas 2 serta denda dan legal memiliki prioritas 1. Serta ditemukan 16 fokus area, sehingga didapat 3 risiko dengan probabilitas tinggi, 6 risiko dengan probabiltas sedang, dan 7 risiko dengan probabilitas rendah. Yang menjadi kemungkinan terjadinya risiko terkait aset teknologi informasi. Terdapat 42 rekomendasi untuk mitigasi yang mengacu pada kontrol ISO/IEC 27001:2013 dalam 25 kontrol keamanan serta 7 klausul yang dapat dilakukan, dan digunakan oleh PLN UP2D Kalimantan Barat
IMPLEMENTASI METODE TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION (TOPSIS) PADA APLIKASI REKOMENDASI PENGAMBILAN KEPUTUSAN PEMILIHAN JURUSAN DI SMK ISLAM INSAN CENDEKIA
Get PDFAbstrakSekolah Menengah Kejuruan (SMK) Islam Insan Cendekia dalam proses penerimaan siswa baru melakukan serangkaian seleksi. Hal ini bertujuan untuk memberikan gambaran umum serta rekomendasi jurusan yang tepat sehingga calon siswa dapat mengembangkan potensi, bakat, dan minatnya secara maksimal. Serangkaian seleksi penerimaan siswa baru di SMK Islam Insan Cendekia masih dijalankan secara manual, sehingga membutuhkan waktu yang lebih lama dalam proses penyeleksiannya. Oleh karena itu, maka dibutuhkan sebuah sistem aplikasi pendukung keputusan pemilihan jurusan di SMK Islam Insan Cendekia. Metode yang digunakan pada penelitian ini adalah metode TOPSIS. Metode TOPSIS merupakan salah satu metode untuk penyelesaian masalah multikriteria. Penelitian ini menggunakan 11 kriteria diantaranya nilai Matematika, Ilmu Pengetahuan Alam, Bahasa Indonesia, Agama, Teknik Informasi Komunikasi, Nilai Tes Kemampuan Dasar (TKD) Jurusan Farmasi Klinis dan Komunitas (FKK), TKD Jurusan Rekayasa Perangkat Lunak (RPL), TKD Jurusan Asisten Keperawatan (AK), Nilai Wawancara Minat Jurusan FKK, Nilai Wawancara Minat Jurusan RPL, dan Nilai Wawancara Minat Jurusan AK. Masing-masing kriteria memiliki bobot kriteria. Penelitian ini menggunakan sebanyak 40 data calon siswa SMK Islam Insan Cendekia. Dari 40 data, didapatkan hasil sebanyak 20 siswa direkomendasikan pada jurusan FKK, 7 siswa direkomendasikan pada jurusan RPL, dan 13 siswa direkomendasikan pada jurusan AK. Kata Kunci: TOPSIS, Rekomendasi, Jurusan, Kriteria
Analisis Sentimen Vaksin Covid-19 Pada Media Sosial Twitter Menggunakan Metode Naive Bayes
Get PDFCoronavirus disease 2019 (Covid-19) merupakan kasus pandemik pnumonia yang ditularkan dari manusia ke manusia melalui droplet. Sejak korban pertama ditemukan, Covid-19 telah menginfeksi jutaan manusia dan ratusan ribu kasus meninggal. Berbagai upaya pencegahan penyebaran virus dilakukan, yang salah satunya adalah pemberian vaksin kepada masyarakat. Namun banyak terjadi perdebatan yang dinilai pemerintah terlalu gegabah dengan mewajibkan vaksin. Banyak opini yang bermunculan dari masyarakat yang dituangkan melalui sosial media, diantaranya twitter. Oleh karena itu, dibuat sistem yang dapat mengolah data yang sangat banyak untuk dilihat kecendrungan sentimen publik terhadap kata ‘vaksin’. Metode klasifikasi data yang digunakan dalam penelitian ini adalah Naive Bayes. Sebelum pengklasifikasian data terlebih dahulu dilakukan crawling data dari twitter yang selanjutnya setiap dokumen akan diberikan label untuk bisa dilakukan preprocessing dan pembobotan TF-IDF. Berdasarkan penelitian yang dilakukan dengan menggunakan metode Naive Bayes, disimpulkan bahwa sistem dapat mengklasifikasikan polaritas sentimen kedalam 3 kategori, yaitu positif, negatif dan netral. Hasil sentimen analisis yang dilakukan pada kata vaksin menunjukan tingkat sentimen positif lebih besar dibandingkan dengan tingkat sentimen negatif. Hal ini berdasarkan hasil performa Naive Bayes yang menunjukan hasil positif sebanyak 241 (48.2%), negatif 182 (36.5%) dan netral 77 (15.3%) dari total 500 dataset dengan tingkat akurasi sebesar 0,856
Implementasi Metode Histogram of Oriented Gradient dan K-Nearest Neighbor Untuk Identifikasi Motif Batik
Get PDFBatik merupakan warisan budaya Indonesia yang telah diakui oleh UNESCO sebagai warisan budaya internasional. Setiap motif batik memiliki pola dan bentuk yang unik, disusun secara teratur maupun tidak teratur. Untuk melestarikan batik sebagai salah satu warisan budaya dunia dan memperkenalkan keberagaman motif batik, dapat dilakukan melalui pengklasifikasian motif batik. Penelitian ini membangun sebuah sistem untuk mengklasifikasikan citra motif batik dengan menggunakan algoritma pengolahan citra dari metode Histogram of Oriented Gradient yang berfokus pada struktur atau bentuk suatu objek pada citra dan klasifikasi data menggunakan metode K-Nearest Neighbor. Inputan awal sistem berupa citra motif batik, kemudian pada setiap data di lakukan ekstraksi fitur menggunakan HOG, selanjutnya data tersebut diklasifikasikan menggunakan KNN dengan menghitung jarak data latih dengan data uji dan mengurutkan data kelas terdekat dan frekuensi kemunculan terbanyak. Terdapat 6 motif batik yang digunakan pada penelitian ini yaitu Megamendung, Parang, Kawung, Sekar Jagad, Truntun, dan Cendrawasi. Data yang digunakan berjumlah 240 data dengan komposisi 70% data latih dan 30% data uji. Pengujian dilakukan menggunakan confusion matrix nilai akurasi tertinggi yaitu 70,83% dengan nilai K=3 dan waktu rata-rata yang digunakan yaitu 32,26 detik
PENERAPAN COSINE SIMILARITY DAN PEMBOBOTAN TF-IDF UNTUK KLASIFIKASI PENGADUAN MASYARAKAT BERBASIS WEB (Studi Kasus : BAGWASSIDIK DITRESKRIMUM POLDA KALBAR)
Get PDFPada sistem pengaduan masyarakat penanganan laporan berita acara pemeriksaan (BAP) dari pihak kepolisian bergantung pada administrator untuk membaca setiap laporan yang masuk secara manual. Hal ini dapat menyebabkan kesalahan dalam penanganan pengaduan sehingga dokumen pengaduan masyarakat yang tidak terorganisir secara baik. Hal ini menyebabkan proses pengklasifikasian tersebut memakan waktu sehingga mengakibatkan informasi tersebut sulit untuk dikelompokkan. Kerahasiaan dokumen pengaduan masyarakat diperlukan agar informasi yang dikumpulkan dapat diolah sebagai informasi yang layak. Klasifikasi dokumen dilakukan dengan cara mengelompokkan atau memisahkan dokumen berdasarkan kategori atau karakteristik tertentu. Jumlah dokumen yang banyak dalam proses klasifikasi tidak dapat dilakukan secara manual, karena membutuhkan banyak waktu dan tenaga. Penelitian ini membangun sebuah sistem klasifikasi otomatis dokumen pengaduan masyarakat dengan menggunakan algoritma Cosine Similarity dan metode pembobotan TF-IDF dalam proses clustering. Penelitian ini membangun sebuah sistem klasifikasi otomatis dokumen pengaduan masyarakat dengan menggunakan algoritma Cosine Similarity dan metode pembobotan TF-IDF dalam proses clustering. Proses dokumen pengaduan masyarakat akan diklasifikasikan ke dalam beberapa kategori agar sistem yang dibuat pada penelitian ini memudahkan dalam pengarsipan dokumen. Hasil klasifikasi yang diperoleh dengan metode Cosine Similarity dan pembobotan TF-IDF tergolong tinggi, dengan akurasi sebesar 84%
Klasifikasi Kualitas Udara Berdasarkan Indeks Standar Pencemaran Udara (ISPU) Menggunakan Metode Fuzzy Tsukamoto
Get PDFBerdasarkan data WHO (World Health Organization), 9 dari 10 orang menghirup udara dengan kualitas yang buruk. Kualitas udara yang buruk membunuh hampir 7 juta orang tiap tahunnya. Untuk kota Pontianak sendiri, Dinas Lingkungan Hidup (DLH) telah menyediakan sejumlah media mulai dari media berbentuk fisik hingga ke media berbentuk digital yang dapat menampilkan informasi mengenai kualitas udara. Data yang digunakan pada media-media tersebut diolah langsung oleh Kementrian Lingkungan Hidup dan Kehutanan (KLHK). Maka dari itu untuk menyediakan alternatif dalam pengelolaan data kualitas udara bagi Dinas Lingkungan Hidup (DLH) Kota Pontianak, dirancangs sebuah sistem yang dapat mengklasifikasikan kualitas udara berdasarkan Indeks Standar Pencemar Udara (ISPU). Penelitian ini telah berhasil menghasilkan sebuah sistem klasifikasi kualitas udara berdasarkan ISPU dengan mengguna metode Fuzzy Tsukamoto. Data digunakan pada penelitian ini adalah data hasil pengukuran harian 5 parameter berpengaruh yaitu PM10, SO2, CO, O3dan NO2 mulai dari tanggal 1 Januari 2020 hingga 31 Desember 2020. Hasil pengujian dari sistem ini menunjukkan nilai akurasi dari sistem klasifikasi ini adalah 97%