Coding Jurnal Komputer dan Aplikasi
Not a member yet
289 research outputs found
Sort by
Dampak Ukuran Dataset Pelatihan Terhadap Performa LSTM Network dalam Konteks Harga Saham
Get PDFPerforma jaringan LSTM umumnya tidak mudah diketahui sebelum proses pelatihan dan pengujian jaringan tersebut sudah dilakukan. Salah satu faktor yang mempengaruhi proses tersebut adalah ukuran dataset pelatihan yang digunakan oleh jaringan LSTM. Untuk melihat dampak faktor tersebut, pengujian dilakukan dengan beberapa variasi ukuran dataset awal yang digunakan untuk pelatihan dan yang digunakan untuk pengujian. Kasus yang digunakan dalam penelitian ini adalah kasus prediksi harga saham, dimana harga saham masa lalu digunakan untuk mencari harga saham masa depan. Empat bank dipilih sebagai sumber dataset awal, dan setiap dataset awal terdiri dari enam fitur dataset, yaitu: Open, High, Low, Close, Adj. Close, dan Volume. Lima variasi ukuran rasio dataset digunakan, yaitu: 70/30, 75/25, 80/20, 85/15, dan 90/10. Hasil yang didapatkan dari pengujian menunjukkan rasio dataset 90/10 memberikan nilai rata-rata performa LSTM Network 0.025192512, yang berarti hasil prediksi yang dibuat oleh LSTM Network paling mendekati dengan dataset pengujian yang dipakai
PENERAPAN ALGORITMA ADVANCED ENCRYPTION STANDARD (AES)-128 BIT PADA KEAMANAN DATABASE APLIKASI KEPELANGGANAN (STUDI KASUS: PERUMDA AIR MINUM TIRTA KHATULISTIWA)
Get PDFData salah satu aspek penting menjadi aset perusahaan sehingga perlu dilakukan teknik keamanan untuk mencegah adanya pemanipulasian serta penyebarluasan informasi yang bersifat rahasia. Dalam hal ini dilakukan pada data kepelangganan di PERUMDA Air Minum Tirta Khatulistiwa yang berwewenang melakukan pelayanan air minum yang dimanfaatkan oleh pelanggan. Saat ini berbagai sistem pengelolaan data telah dilakukan secara terkomputerisasi. Namun, pada media penyimpanan data masih ditampilkan dalam bentuk informasi yang dapat diketahui langsung oleh penggunanya. Hal ini dapat menjadi celah bagi orang yang tidak berhak untuk melakukan penyadapan data demi kepentingan tertentu yang dapat menyebabkan kerugian. Untuk mengantisipasi masalah tersebut, dilakukan penelitian dengan membuat sebuah aplikasi kepelangganan berbasis website yang dapat merahasiakan data-data kepelangganan dengan menerapkan algoritma kriptografi Advanced Encryption Standard (AES)-128 Bit sebagai sistem perlindungan data. Kriptografi AES merupakan salah satu cipherblok tetap dan kunci simetris. Data yang disimpan merupakan hasil dari proses enkripsi sedangkan data yang ditampilkan merupakan hasil dari proses dekripsi. Berdasarkan hasil pengujian yang dilakukan, seluruh data dienkripsi dengan baik dan memiliki tingkat linieritas jumlah karakter hasil enkripsi terhadap karakter asli dengan persentase 70,3%, artinya data yang ditampilkan telah terenkripsi sesuai dengan algoritma yang diterapkan
IMPLEMENTASI GENERALIZED RELEVANCE LVQ (GRLVQ) UNTUK PREDIKSI DROUGHT CODE (DC) PADA INDEKS CUACA KEBAKARAN BERDASARKAN DATA AWS (AUTOMATIC WEATHER STATION) (STUDI KASUS : KABUPATEN KUBU RAYA)
Get PDFDrought Code (DC) atau Kode Kekeringan merupakan peringkat numerik dari kandungan kelembapan lapisan tanah organik yang padat. DC digunakan sebagai indikator membaranya api dalam suatu kebakaran dan potensi terjadinya kabut asap. Diketahui bahwa total luas hutan dan lahan yang terbakar di Kalimantan Barat sepanjang tahun 2022 adalah 21.836 Ha. Jika DC terus menunjukkan tingkat tinggi maupun ekstrim, akan terjadi kebakaran hutan yang lebih parah. Hal yang harus dilakukan untuk mencegahnya adalah dengan mengetahui kondisi DC dan tidak melakukan pembakaran di lahan gambut. Selain itu para petugas Manggala Agni harus bersiaga ketika kondisi DC tinggi maupun ekstrim. Dengan algoritma GRLVQ dibuat sebuah sistem untuk memprediksi DC dengan memasukkan data suhu, kelembapan, curah hujan dan kecepatan angin selama 6 hari, untuk memprediksi kondisi DC pada hari ke-7. Algoritma Generalized Relevance LVQ (GRLVQ) merupakan algoritma yang mengadaptasi pembaharuan bobot dari algoritma GLVQ, dan mengadaptasi perhitungan jarak serta pembaharuan vektor relevansi dari algoritma RLVQ. Berdasarkan hasil pengujian untuk sistem prediksi DC dengan algoritma GRLVQ diperoleh akurasi sebesar 65,72% untuk 607 data uji dengan 200 iterasi dan learning rate awal 0,06 serta MSE sebesar 0,342762
IMPLEMENTASI METODE DEMPSTER SHAFER PADA SISTEM PAKAR UNTUK MENDIAGNOSA HAMA DAN PENYAKIT TANAMAN KARET BERBASIS WEBSITE (STUDI KASUS PT. LANDAK BHAKTI PALMA KECAMATAN NANGA MAHAP)
Get PDFKaret (Hevea brasiliensis) termasuk dalam Genus Hevea dari familia Euphorbiaceae, merupakan pohon kayu tropis penghasil lateks. Tanaman karet merupakan salah satu komoditi unggulan tanaman perkebunan yang ada di Indonesia. Prioritas utama pengelolaan tanaman karet adalah bagaimana mengelola batang tanaman ini secara efisien agar menghasilkan lateks dengan kualitas terbaik. Tanaman karet memiliki hama dan penyakit yang dapat menganggu pertumbuhannya sehingga menyebabkan kualitas lateks yang dihasilkan tidak bagus. Untuk mengatasi masalah tersebut diperlukan pengetahuan lebih mengenai gejala hama atau penyakit serta cara mengatasi masalah dari para ahli atau pakar. Metode Dempster Shafer merupakan metode ketidakpastian yang mengakuisi nilai kepercayaan para pakar berdasarkan pengetahuan yang dimilikinya, untuk menghasilkan diagnosis yang cepat, tepat dan akurat. Pada proses diagnosa hama dan penyakit tanaman karet, pengguna memberikan masukan berupa data gejala kemudian sistem akan memberikan keluaran berupa nama kerusakan, nilai densitas, penyebab kerusakan dan solusi. Data yang digunakan adalah 12 jenis data penyakit dan 5 jenis data hama. Berdasarkan hasil pengujian yang dilakukan sebanyak 56 data uji diperoleh tingkat akurasi keberhasilan sistem sebesar 92.85%
PREDIKSI JUMLAH PRODUKSI KEBUTUHAN AIR PADA PERUMDA AIR MINUM TIRTA KHATULISTIWA PONTIANAK MENGGUNAKAN METODE EXTREME LEARNING MACHINE (ELM)
Get PDFPerumda Air Minum Tirta Khatulistiwa merupakan Badan Usaha Milik Daerah yang bergerak di bidang produksi air yang disalurkan ke masyarakat. Produksi air dilakukan pada beberapa Instalasi Pengolahan Air (IPA) yaitu IPA Iman Bonjol, IPA Selat Panjang, IPA Sungai Jawi Luar, dan IPA Parit Mayor. Air yang diproduksi biasanya tidak stabil, masih banyak pelanggan yang mendapatkan air kurang dari kebutuhan air minimal. Oleh karena itu, dibangun aplikasi yang mampu memprediksi jumlah produksi kebutuhan air untuk sebulan kedepan. Metode yang digunakan dalam prediksi jumlah produksi kebutuhan air adalah metode Extreme Learning Machine (ELM). Metode ELM menguji kinerja Mean Absolute Percentage Error (MAPE) berdasarkan jumlah neuron yang digunakan. Data yang digunakan sebanyak 56 data periode Mei 2016 – Desember 2020 dengan parameter masukkan yaitu jumlah produksi air Iman Bonjol, jumlah produksi air Selat Panjang, jumlah produksi air Sungai Jawi Luar, dan jumlah produksi air Parit Mayor. Data keluaran sistem adalah jumlah produksi kebutuhan air untuk sebulan kedepan. Pada pengujian 100 neuron diperoleh MAPE terkecil yaitu sebesar 0.0037499% pada pelatihan data neuron ke 65, sehingga hasil prediksi yang diperoleh pada bulan Juni 2016 berdasarkan bobot keluaran MAPE terkecil dengan masukkan data pada bulan Mei 2016 sebesar 4.622.658 m3
Sistem Pemantauan dan Kendali Kelembapan Tanah dan PH pada Tanaman Anggur Berbasis Android (Studi Kasus: Greenhouse FMIPA UNTAN)
Get PDFBudidaya anggur di Indonesia masih belum merata meskipun prospek penjualannya tinggi dan sangat populer di Indonesia. Hal ini disebabkan oleh anggur memerlukan perhatian dan perawatan yang intensif dalam waktu yang lama agar anggur dapat menghasilkan hasil panen. Greenhouse menyediakan kondisi lingkungan yang ideal bagi tanaman, namun terbatas dalam kemampuannya untuk memantau dan mengendalikan faktor-faktor pertumbuhan secara real-time. Oleh karena itu, dibutuhkan suatu sistem yang dapat memantau dan mengendalikan kelembapan tanah dan pH air pada tanaman anggur di dalam greenhouse melalui aplikasi android. Penelitian ini menggunakan NodeMCU ESP32 untuk mengendalikan keseluruhan komponen perangkat keras dan perangkat lunak. Sensor capacitive soil moisture untuk pembacaan nilai kelembapan tanah, dan sensor pH Meter untuk pembacaan nilai tingkat keasaman air. Pengguna dapat melakukan pengendalian perangkat keras secara manual ataupun otomatis melalui antarmuka aplikasi android. Sistem kendali otomatis dapat berfungsi dengan baik. Ketika nilai kelembapan tanah berada dibawah 60% maka pompa air akan hidup (on), sedangkan apabila nilai pH dibawah 5,5 maka pompa alkali juga akan hidup (on). Pengujian pembacaan kelembapan tanah mendapatkan nilai error sebesar 1% dan nilai error pH air sebesar 1,3%. Sedangkan nilai hasil pengujian pada pompa air, pompa alkali dan pompa wadah penampungan air didapatkan waktu respon rata-rata sebesar 3,9 detik
Analisis Tingkat Kematangan Keamanan Informasi Menggunakan NIST Cybersecurity Framework dan CMMI
Get PDFPemanfaatan teknologi informasi di lingkungan perguruan tinggi, khususnya Universitas Tanjungpura (Untan), telah membawa berbagai kemudahan, salah satunya adalah akses informasi yang efisien. Untan menggunakan Sistem Informasi Akademik (SIAKAD) untuk mengelola data akademik dari semua fakultas. Walaupun SIAKAD memberikan manfaat besar, penggunaan teknologi ini juga membawa risiko keamanan data yang perlu diperhatikan. Ketika data dan informasi semakin banyak disimpan dan dikelola, risiko kerusakan, kehilangan, atau tereksposnya data kepada pihak tak berwenang juga semakin meningkat. Oleh karena itu, penting untuk diketahui tingkat kematangan keamanan informasi pada SIAKAD Untan guna melindungi data dan informasi yang ada karena semakin tinggi tingkat kematangan, maka akan semakin baik proses pengelolaan teknologi informasi sehingga secara tidak langsung dapat berdampak pada keamanan teknologi informasi untuk mencapai tujuan organisasi. NIST cybersecurity framework merupakan framework manajemen risiko keamanan informasi yang digunakan untuk menganalisis proses manajemen risiko, Untuk penilaian tingkat kematangan SIAKAD Untan menggunakan CMMI yang merupakan model penilaian kematangan dan kemampuan organisasi perangkat lunak untuk mengukur tingkat kematangan SIAKAD Untan dalam penilaian proses manajemen risiko. Hasil penilaian menunjukkan bahwa kategori ID.AM dan ID.RA telah mencapai level 2, sehingga maturity level function identify berada pada level 2. Dari level tersebut diberikan 92 rekomendasi perbaikan untuk mencapai level 3 yang diharapkan
SISTEM INFORMASI GEOGRAFIS PEMETAAN ASET WAKAF BERBASIS WEB MENGGUNAKAN LEAFLET JAVASCRIPT LIBRARY (Studi Kasus: Kantor Urusan Agama Kecamatan Sukadana)
Get PDFPertambahan aset wakaf yang semakin tahun semakin berkembang di Kecamatan Sukadana mengakibatkan proses mengelola dan memeriksa harta benda wakaf sulit untuk dilakukan karena hanya bergantung pada catatan dalam buku catatan wakaf. Hal tersebut memungkinkan terjadi peristiwa hilang atau terjadinya perbuatan melawan hukum dengan beralih ke tangan pihak ketiga. Merancang serta membangun Sistem Informasi Geografis berbasis web yang mampu mengelola data-data aset wakaf dan mengimplementasikan leaflet javascript library untuk menampilkan visualisasi peta adalah tujuan dari penelitian ini. Sistem ini sudah dilakukan pengujian fungsional sistem memakai metode black box testing serta memperoleh hasil sesuai dengan yang diharapkan, sedangkan pengujian antarmuka sistem dilakukan pada 30 responden melalui kuesioner online dan dikategorikan sangat baik dengan persentase sebanyak 86,6% sesuai skala likert. Hasil dari penelitian menunjukan bahwa sistem layak digunakan oleh PPAIW/KUA untuk mengelola dan memantau data-data aset wakaf, demikian pula sistem ini juga bisa digunakan oleh masyarakat umum melihat lokasi dan data aset wakaf di Kecamatan Sukadana. Kata kunci: Pemetaan, Aset Wakaf, Kecamatan Sukadana, Sistem Informasi Geografis, Leafle
KLASIFIKASI KERUSAKAN JALAN PADA CITRA JALAN RAYA PONTIANAK DAN SEKITARNYA DENGAN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK
Get PDFSeiring bertambahnya peningkatan pada penduduk membuat kerusakan jalan meningkat sehingga menimbulkan kecelakaan yang kerap terjadi yang menyebabkan rasa tidak aman pada saat berkendara. Untuk dapat mencegah kerusakan jalan menjadi lebih parah maka akan dilakukan penelitian klasifikasi kerusakan jalan pada citra jalan raya dengan menggunakan convolutional neural network yang dimana data yang dihasilkan dari penelitian pada data sebanyak 140 yang berupa data gambar menghasilkan 37% data berlubang, 32% data kerusakan retak, dan 30% yang tidak ada kerusakan, dari data didapat jalan yang rusak terdapat 69% dan jalan yang tidak ada kerusakan terdapat 30% diharapkan akan berguna bagi pihak yang bertanggung jawab dalam mengurangi dampak dari kerusakan jalan pada wilayah tertentu seperti pada kasus penelitian ini adalah wilayah kota Pontianak. Hasil tertinggi pada pengujian data uji adalah pada epoch ke 6 dengan akurasi sebesar 80%, sedangkan rasio prediksi benar positif dibandingkan dengan keseluruhan hasil yang diprediksi positif yang disebut precission yaitu 79% dan rasio prediksi benar positif dibandingkan dengan keseluruhan data yang benar positif yang disebut recall yaitu 79%
Penerapan Metode Preference Selection Index Untuk Penentuan Calon Penerima Bantuan Stimulan Perumahan Swadaya Berbasis Website (Studi Kasus: Dinas Pekerjaan Umum Dan Penataan Ruang, Perumahan Rakyat Dan Kawasan Permukiman Kabupaten Kubu Raya)
Get PDFBantuan Stimulan Perumahan Swadaya (BSPS) merupakan salah satu program pemerintah yang digagas oleh oleh Kementerian Pekerjaan Umum dan Perumahan Rakyat (KemenPUPR), program ini bertujuan memberikan bantuan berupa tambahan dana untuk Masyarakat Berpenghasilan Rendah (MBR) untuk merenovasi rumahnya. Permasalahan yang sering terjadi pada proses seleksi calon penerima BSPS, dihadapkan dengan keterbatasan anggaran yang diberikan oleh pemerintah. Oleh karena itu, masyarakat yang dapat diusulkan sebagai calon penerima bantuan tidak sebanding dengan jumlah masyarakat yang mengajukan usulan bantuan ke Dinas PUPRPRKP Kabupaten Kubu Raya. Untuk mengatasi permasalahan tersebut, maka dibutuhkan sebuah sistem yang bisa menentukan calon penerima BSPS secara objektif sehingga dapat memberikan keputusan untuk mendapatkan hasil akhir yang tepat. Penelitian ini membangun sistem yang dapat membantu kepala bidang dalam memberikan rekomendasi calon penerima bantuan menggunakan metode Preference Selection Index (PSI) dengan 16 kriteria dan 50 data peserta yang digunakan. Sistem memberikan rekomendasi berupa perangkingan 50 data peserta BSPS dengan nilai tertinggi 0.975 yaitu A5 dan nilai terendah dengan nilai 0.882 yaitu A21