Jurnal Komputer Terapan
Not a member yet
223 research outputs found
Sort by
KLASIFIKASI SUARA JANTUNG MENGGUNAKAN DEEP LEARNING INTEGRASI AI DALAM APLIKASI WEB UNTUK DETEKSI DINI GANGGUAN KARDIOVASKULAR
Full text linkHeart disease is one of the leading causes of death worldwide, making early detection crucial to prevent more serious complications. One of the methods that can be used is heart sound analysis, which contains important information related to the physiological and pathological conditions of the heart. However, the manual analysis process by healthcare professionals requires specialized skills and may result in interpretation errors. Therefore, this research aims to develop an artificial intelligence-based system using Convolutional Neural Networks (CNN) to automate heart sound classification. This system allows users to upload heart sound recordings, which will then be processed and classified as Normal or Abnormal. The research process consists of several main stages, including data collection and preprocessing of heart sounds, development and training of the CNN model, implementation of the model into a web application, and testing and evaluation of the system using metrics such as accuracy, precision, and recall. The outcome of this research includes a deep learning model for heart sound classification. The developed system is expected to enhance the accuracy and efficiency of heart disease detection, reduce reliance on manual analysis, and serve as an artificial intelligence-based solution that can be integrated into healthcare services.Penyakit jantung merupakan salah satu penyebab utama kematian di dunia, sehingga deteksi dini sangat penting untuk mencegah komplikasi yang lebih serius. Salah satu metode yang dapat digunakan adalah analisis suara jantung, yang mengandung informasi penting terkait kondisi fisiologis dan patologis jantung. Namun, proses analisis manual oleh tenaga medis membutuhkan keahlian khusus dan berpotensi menghasilkan kesalahan interpretasi. Oleh karena itu, penelitian ini bertujuan mengembangkan sistem berbasis kecerdasan buatan dengan Convolutional Neural Network (CNN) untuk mengotomatisasi klasifikasi suara jantung. Sistem ini memungkinkan pengguna mengunggah rekaman suara jantung yang akan diproses dan diklasifikasikan sebagai Normal atau Abnormal. Proses penelitian terdiri dari beberapa tahapan utama, yaitu pengumpulan dan preprocessing data suara jantung, pengembangan serta pelatihan model CNN, implementasi model ke dalam aplikasi web, serta pengujian dan evaluasi sistem menggunakan metrik seperti akurasi, presisi, dan recall. Luaran dari penelitian ini meliputi model deep learning untuk klasifikasi suara jantung. Sistem yang dikembangkan ini diharapkan dapat meningkatkan akurasi dan efisiensi dalam mendeteksi penyakit jantung, mengurangi ketergantungan terhadap analisis manual, serta menjadi solusi berbasis kecerdasan buatan yang dapat diintegrasikan dalam layanan kesehata
PENGEMBANGAN APLIKASI DESKTOP SKINCARE UNTUK REKOMENDASI PRODUK DAN PENJUALAN BERDASARKAN JENIS KULIT
Full text linkSkincare products are increasingly used to address various facial skin problems, maintain skin health, and enhance self-confidence. However, the diversity of skin types and the wide range of skincare products available on the market often make it difficult for users to choose the most suitable products. To address this issue, this study developed a desktop-based skincare application equipped with a recommendation system that uses rule-based and weighted scoring methods, implemented using Python and a MySQL database. The recommendation system analyzes users’ skin types and evaluates the compatibility of product ingredients to generate more accurate recommendations. The test results show that the application can provide suitable recommendations for four skin type categories (dry, oily, sensitive, and combination) with a recommendation suitability level of 84% based on user evaluation. In addition, the application offers a product sales feature that facilitates the process from product selection to purchase. Therefore, this application serves as an effective digital solution to help users determine the right skincare products according to their specific skin needs.Produk perawatan kulit semakin banyak digunakan untuk mengatasi berbagai permasalahan kulit wajah, menjaga kesehatan kulit, dan meningkatkan kepercayaan diri. Namun, beragamnya jenis kulit serta banyaknya variasi produk skincare di pasaran sering menyulitkan pengguna dalam memilih produk yang paling sesuai. Untuk mengatasi permasalahan tersebut, penelitian ini mengembangkan sebuah aplikasi desktop skincare dengan sistem rekomendasi berbasis metode rule-based dan weighted scoring, yang diimplementasikan menggunakan Python dan basis data MySQL. Sistem rekomendasi bekerja dengan menganalisis jenis kulit pengguna serta kecocokan kandungan produk untuk menghasilkan rekomendasi yang lebih tepat. Hasil pengujian menunjukkan bahwa aplikasi mampu memberikan rekomendasi yang sesuai untuk empat kategori jenis kulit (kering, berminyak, sensitif, dan kombinasi) dengan tingkat kecocokan rekomendasi sebesar 84% berdasarkan evaluasi pengguna. Selain itu, aplikasi menyediakan fitur penjualan produk yang mempermudah proses pemilihan hingga pembelian. Dengan demikian, aplikasi ini dapat menjadi solusi digital yang efektif dalam membantu pengguna menentukan produk skincare yang tepat sesuai kebutuhan kulit mereka
MEKANISME DETEKSI DAN PEMBLOKIRAN KONTEN PERJUDIAN DARING BERBASIS KATA KUNCI MENGGUNAKAN ALGORITMA LEVENSHTEIN DISTANCE
Full text linkOnline gambling in Indonesia is increasingly widespread and has negative impacts, both in terms of socio-economic aspects and cybersecurity. One of the methods used by online gambling operators is inserting gambling backlinks into websites, particularly those with .ac.id and .go.id domains, to boost their ranking in search engines. This study aims to develop a keyword-based input detection and blocking mechanism to prevent the insertion of online gambling content into websites. The method employed is Fuzzy Matching with the Levenshtein Distance algorithm, which measures the similarity between user input and gambling-related keywords. The evaluation results show a precision of 1.00, recall of 0.80, F1-score of 0.89, and accuracy of 0.90. These results indicate that the system can detect sentences containing gambling elements with high accuracy; however, false negatives still occur and need further improvement to be minimized. Thus, this mechanism can serve as an initial step in preventing the misuse of websites by cybercriminal groups.Perjudian daring (judi online) di Indonesia semakin marak dan menimbulkan dampak negatif, baik dari sisi sosial-ekonomi maupun keamanan siber. Salah satu modus yang digunakan Bandar judi online adalah menyisipkan backlink judi pada website, khususnya domain .ac.id dan .go.id, untuk meningkatkan peringkat pada mesin pencari, Penelitian ini bertujuan membangun mekanisme deteksi dan pemblokiran input berbasis kata kunci guna mencegah penyisipan konten judi daring ke dalam website. Metode yang digunakan yaitu Fuzzy Matching dengan algoritma Levenshtein Distance yang digunakan untuk mengukur tingkat kemiripan antara input pengguna dan kata kunci perjudian. Hasil perhitungan precision sebesar 1.00, recall 0.80, F1-score 0.89, dan akurasi 0.90, hasil ini menunjukan bahwa sistem dapat mendeteksi kalimat yang mengandung unsur perjudian dengan tingkat ketepatan tinggi, namun masih terdapat false negative yang perlu ditingkatkan lagi, sehingga hasil false negative dapat dihindari. Dengan demikian, mekanisme ini dapat menjadi langkah awal dalam upaya pencegahan penyalahgunaan website oleh kelompok kriminal siber
Animasi 3D Menggunakan Augmented Reality Sebagai Media Pengenalan Warisan Budaya Provinsi Riau
Full text linkThe city of Riau Province is a historic city that has cultural heritage in the form of old buildings. Tangible culture can be called Malay Intangible Heritage, which is still found today even though it has undergone development from the original, in the form of Gurindam 12, Malay clothes, Malay specialties, customs. Whereas currently tangible heritage such as Malay villages, traditional Malay houses, mosques, surau and others that are full of history and these values have almost disappeared due to modernization and globalization. So because of these problems, another alternative is needed to introduce the cultural heritage of Riau Province. In this study, an augmented reality application was built as a medium to recognize the cultural heritage of Riau Province. The method used is SDLC waterfall where the development is carried out systematically and sequentially. The results of system testing using Black box and Questionnaire show that the functionality is running well. In addition, the results of Content Validity testing on experts obtained an overall score of 95% which indicates that the application is very good. In addition, the pre test and post test also obtained the results of a large difference before and after using the application and it was proven that responders who had used the application became more knowledgeable about the cultural heritage of Riau Province.Kota Provinsi Riau merupakan kota bersejarah yang memiliki warisan budaya berupa bangunan-bangunan tua. Budaya yang berwujud dapat disebut Malay Intangible Heritage, yang masih ditemukan hingga saat ini meskipun telah mengalami perkembangan dari aslinya, berupa Gurindam 12, baju melayu, masakan khas Melayu, adat istiadat. Sedangkan saat ini warisan berwujud seperti perkampungan Melayu, rumah-rumah tradisional Melayu, mesjid, surau dan lainnya yang penuh dengan sejarah dan nilai-nilai ini sudah hampir hilang akibat dari modernisasi dan globalisasi. Sehingga karna permasalahan tersebut dibutuhkan sebuah alternatif lain untuk memperkenalkan warisan budaya Provinsi Riau. Dalam penelitian ini dibangun sebuah aplikasi augmented reality sebagai media untuk mengenal warisan budaya Provinsi Riau. Metode yang digunakan SDLC waterfall dimana pengembangannya dilakukan secara sistematis dan berurutan. Hasil pengujian sistem menggunakan Black box dan Kuesioner menunjukkan bahwa fungsionalitas berjalan dengan baik. Selain itu, hasil dari pengujian Content Validity pada ahli pakar memperoleh skor secara keseluruhan sebesar 95% yang menunjukkan bahwa aplikasi sudah sangat baik. Selain itu pada pengujian pre-test dan post-test juga di dapatkan hasil perbedaan yang besar saat sebelum dan sesudah menggunakan aplikasi dan terbukti responder yang sudah menggunakan aplikasi menjadi lebih paham tentang warisan budaya Provinsi Riau
PENGEMBANGAN APLIKASI MOBILE UNTUK DETEKSI CACAT BIJI KOPI ROBUSTA BERDASARKAN STANDAR NASIONAL INDONESIA
Full text linkCoffee is one of the most important raw materials for beverages worldwide. Indonesia is one of the world\u27s leading coffee producers and exporters, and coffee consumption is currently increasing. To maintain the taste of coffee, it is necessary to preserve the quality of coffee beans. The government has established the Indonesian National Standard (SNI) 01-2907-2008 regarding coffee beans. The process of determining the quality of beans is carried out by processors who manually follow the steps outlined in the SNI. Therefore, to accelerate the quality determination process and provide knowledge to the general public, the author has developed a mobile-based coffee bean quality detection application to determine the grade of coffee beans using an Android platform. This application incorporates a machine learning model based on object detection. For the machine learning implementation, TensorFlow and Convolutional Neural Network (CNN) architecture are used. From the training data results, an average accuracy of 84% was achieved, indicating that the application generally detects correctly. Additionally, testing was conducted on several smartphones and at varying detection distances. The testing results showed that the optimal distance for detection is 15 cm to obtain accurate and detectable data. Furthermore, the smartphone with the best performance was the Smartphone A30, featuring a 16 MP resolution camera.Kopi merupakan salah satu jenis bahan baku minuman yang penting diseluruh dunia. Indonesia merupakan salah satu penghasil dan pengekspor kopi di dunia dan saat ini jumlah konsumsi kopi semakin meningkat.Untuk menjaga rasa kopi makan perlu menjaga kualitas biji kopi, pemerintah menetapkan Standar Nasional Indonesi (SNI) 01-2907-2008 tentang biji kopi. Proses penentuan kualitas mutu biji dilakukan oleh prosesor yang dimana akan melakukan langkah-langkah yang ada pada SNI secara manual. Oleh karena itu, untuk mempercepat proses penentuan mutu serta memberikan pengetahuan terhadap masyarakat biasa penulis membuat sebuah aplikasi deteksi mutu biji kopi berbasis mobile untuk menentukan grade biji kopi berbasis android. Dalam aplikasi ini akan dimuat sebuah model machine learning dengan basis deteksi objek. Untuk implementasi machine learning menggunakan tensorflow dan Convolutional Neural Network (CNN) sebagai arsitektur. Dari hasil data yang di training didapatkan rata-rata akurasi sebesar 84% yang menunjukkan bahwa aplikasi rata-rata mendeteksi dengan bener dan pengujian Selain itu pengujian jugaa dilakukan kepada beberapa smartphone dan jarak kedekatan mendeteksi. Dari hasil pengujian didapatkan bahwa jarak paling baik untuk melakukan deteksi adalah 15 cm untuk mendapatkan data yang sesuai dan terdeteksi dan smartphone yang paling tinggi untuk nilainya adalah Smartphone A30 dengan resolusi 16 MP
ENHANCING STUDENTS’ LEARNING OUTCOMES IN CLASSICAL CRYPTOGRAPHY THROUGH INTERACTIVE 3D SIMULATIONS
Full text linkCryptography is the study of how to transform data or information into a form that is unreadable by others, thus ensuring the security of the data. Based on a questionnaire conducted among students of Politeknik Caltex Riau (PCR) who have studied classical cryptography, the Vigenere Cipher and Affine Cipher were found to be the most difficult algorithms to understand. This research aims to investigate the improvement in students\u27 knowledge of classical cryptography through interactive 3D simulations. The experiment was conducted on 30 PCR students by comparing two learning groups: a control group (using textbooks) and an experimental group (using 3D simulations). The results showed that the average post-test score for the control group was 67.33 point, while the experimental group achieved an average score of 83.33 point. Thus, learning with 3D simulation media can serve as an effective alternative medium, with a confidence level of 95%, to enhance students\u27 understanding of classical cryptography. Meanwhile, the satisfaction level indicates that 86.75% of students are satisfied with learning through interactive 3D simulation media. This indicates that the use of classical cryptography learning media through 3D simulations provides a significant improvement in student learning outcomes.Cryptography is the study of how to transform data or information into a form that is unreadable by others, thus ensuring the security of the data. Based on a questionnaire conducted among students of Politeknik Caltex Riau (PCR) who have studied classical cryptography, the Vigenere Cipher and Affine Cipher were found to be the most difficult algorithms to understand. This research aims to investigate the improvement in students\u27 knowledge of classical cryptography through interactive 3D simulations. The experiment was conducted on 30 PCR students by comparing two learning groups: a control group (using textbooks) and an experimental group (using 3D simulations). The results showed that the average post-test score for the control group was 67.33 point, while the experimental group achieved an average score of 83.33 point. Thus, learning with 3D simulation media can serve as an effective alternative medium, with a confidence level of 95%, to enhance students\u27 understanding of classical cryptography. Meanwhile, the satisfaction level indicates that 86.75% of students are satisfied with learning through interactive 3D simulation media. This indicates that the use of classical cryptography learning media through 3D simulations provides a significant improvement in student learning outcomes
Implementation of Scrum Method in the Learning Activity Monitoring Feature Outside the Study Program
No full textLearning activities outside the study program can be participated by active students in the current semester through the credit recognition mechanism according to the study program policy. These activities are monitored by Field Supervisors (DPL) through certain communication media. The obstacles that arise such as students not contacting DPL or communicating with DPL, not reporting activities regularly, only asking for a signature on the final report, and only asking DPL to fill out an activity assessment. The activity recording information system that available only has features for submitting proposals, recording activities and reporting activities for study program admin users. So that it is necessary to develop a feature for monitoring learning activities outside the study program to make it easier for DPL to monitor student activities in certain semesters. The information system was created using the MySQL database and the Codeigniter 3 framework. Feature development was created using the Scrum method with a focus on determining priority features, working on priority features and reviewing the results of feature work. This can help to get information system output quickly according to development needsKegiatan pembelajaran di luar program studi dapat diikuti oleh mahasiswa aktif pada semester berjalan melalui mekanisme pengakuan sks sesuai kebijakan program studi. Kegiatan tersebut dipantau oleh Dosen Pembimbing Lapangan (DPL) melalui media komunikasi tertentu. Kendala yang muncul antara lain mahasiswa tidak menghubungi DPL atau berkomunikasi dengan DPL, tidak melaporkan kegiatan secara berkala, hanya meminta tanda tangan pada laporan akhir, dan hanya meminta DPL mengisi penilaian kegiatan. Sistem informasi pencatatan kegiatan yang tersedia hanya memiliki fitur pengajuan proposal, pencatatan kegiatan dan pelaporan kegiatan untuk pengguna admin program studi. Sehingga diperlukan pengembangan fitur pemantauan kegiatan pembelajaran di luar program studi untuk memudahkan DPL memantau kegiatan mahasiswa pada semester tertentu. Sistem informasi dibuat menggunakan database MySQL dan framework Codeigniter 3. Pengembangan fitur dibuat menggunakan metode scrum dengan fokus pada penentuan fitur prioritas, pengerjaan fitur prioritas dan review hasil pengerjaan fitur. Hal tersebut dapat membantu untuk mendapatkan output sistem informasi dengan cepat sesuai kebutuhan pengembanga
Rancang Bangun Sistem Informasi Bank Mini Syariah pada Program Studi Perbankan Syariah Universitas Muhammadiyah Riau
Full text linkBank Mini Syariah, sebagai fasilitas pendidikan di Program Studi Perbankan Syariah Universitas Muhammadiyah Riau, menghadapi tantangan akibat tidak dapat menggunakan sistem informasi yang sudah usang dan tidak terawat. Keberlanjutan kegiatan dilakukan secara manual, membutuhkan solusi berupa Sistem Informasi Bank Mini Syariah (SIBMS). Tujuan kerja praktek ini adalah membangun SIBMS untuk memenuhi kebutuhan praktikum mahasiswa, khususnya dalam konteks perbankan syariah. Proses pengembangan sistem melibatkan analisis dan perancangan yang sistematis, memastikan kehandalan SIBMS di Bank Mini Syariah. Terdapat tiga modul utama dalam sistem ini, melibatkan pengelolaan pengguna, data nasabah, dan data transaksi. Pembangunan SIBMS diharapkan dapat memberikan kontribusi positif dan mendukung kegiatan operasional Bank Mini Syariah, sekaligus membantu mencetak lulusan yang kompeten dalam prinsip-prinsip perbankan syariah dan keuangan Islam
IMPLEMENTASI SISTEM INFORMASI DONASI MINYAK JELANTAH (SIMINAH) BERBASIS DIGITAL DI KOTA DUMAI DENGAN PENDEKATAN LEAN SOFTWARE DEVELOPMENT
Full text linkUsed cooking oil, or waste cooking oil, is the byproduct of repeatedly using cooking oil, which results in the formation of substances harmful to the body. Furthermore, improper waste cooking oil management poses a risk of environmental pollution. To address this issue, PT. Kilang Pertamina Internasional Refinery Unit II Dumai (PT. KPI RU II), through its Corporate Social Responsibility (CSR) program, initiated the "Sedekah Jelantah" program. This initiative involves the CSR division, several sub-districts in Dumai Timur, and the general public, aiming to raise awareness about environmental pollution and promote urban greening in Dumai. To support the program\u27s implementation, a digital system is essential to efficiently manage the donation flow of waste cooking oil from upstream to downstream. Therefore, an integrated web and mobile-based information system, called Sistem Informasi Minyak Jelantah (SiMINAH), was developed using the Lean Software Development (LSD) methodology. Blackbox testing, user acceptance testing (UAT), and usability testing were conducted to ensure the system\u27s quality. The black box testing and UAT results revealed that 100% of the application functions performed well and met stakeholder expectations. The usability test showed 87.3%, indicating that the system is highly feasible and meets user needs. All users provided positive feedback on SiMINAH, noting that it simplifies waste cooking oil donations and enhances management processes for local sub-districts and the Dumai city CSR team.Minyak jelantah adalah minyak yang dihasilkan dari penggunaan minyak goreng yang berulang, sehingga menyebabkan munculnya kandungan zat yang berbahaya bagi tubuh. Selain itu pengelolaan limbah minyak jelantah yang tidak tepat berpotensi mencemari lingkungan sekitar. Mengatasi permasalahan ini, PT. Kilang Pertamina Internasional Refinery Unit II Dumai (PT. KPI RU II) melalui Corporate Social Responsibility (CSR) mengadakan program Sedekah Jelantah. Program yang melibatkan pihak CSR, beberapa kelurahan di Kecamatan Dumai Timur dan masyarakat umum, merupakan sebuah bentuk inisiatif yang bertujuan meningkatkan kesadaran masyarakat terhadap pencemaran lingkungan sekaligus mendukung penghijauan di kota Dumai. Demi mendukung terlaksananya program ini, diperlukan adanya sebuah sistem digital yang berfungsi untuk mengontrol alur sedekah minyak jelantah dari hulu ke hilir sehingga prosesnya dapat dilakukan dengan baik. Oleh sebab itu, sebuah sistem informasi terintegrasi berbasis web dan mobile bernama Sistem Informasi Minyak Jelantah (SiMINAH) dikembangkan dengan menerapkan metode Lean Software Development (LSD). Pengujian blackbox, user acceptance, dan usability dilakukan untuk memastikan kualitas SiMINAH. Berdasarkan hasil pengujian blackbox dan UAT, diketahui bahwa 100% aplikasi berjalan dengan baik serta sesuai dengan harapan stakeholders. Selain itu, hasil pengujian usability menunjukkan bahwa SiMINAH mencapai nilai 87.3% dari aspek kebergunaan. Nilai ini menunjukkan bahwa sistem berada dalam kategori sangat layak dan memenuhi harapan pengguna. Seluruh pengguna sistem juga memberikan umpan balik yang positif dengan hadirnya SiMINAH yaitu sistem ini mempermudah masyarakat mendonasikan minyak jelantah serta menunjang proses kelola yang lebih baik oleh oleh pihak kelurahan dan CSR kota Duma
Oversampling Menggunakan Pendekatan Latin Hypercube Sampling Dan K-Nearest Neighbors Untuk Meningkatkan Kinerja Klasifikasi
Full text linkClass imbalance in datasets is a significant challenge in machine learning, often leading to a decline in model performance. This issue is frequently encountered in real-world data, where the proportion between majority and minority classes is highly imbalanced. One common approach to address this problem is oversampling, which aims to balance class distribution by adding synthetic data to the minority class. The most popular oversampling technique is the Synthetic Minority Oversampling Technique (SMOTE), although this method has drawbacks such as producing less diverse data and the potential generation of outliers. As an alternative solution, this study proposes the use of the Latin Hypercube Sampling (LHS) method combined with k-Nearest Neighbor (k-NN) to enhance classification performance on imbalanced datasets. The combination of LHS and k-NN is expected to produce higher quality synthetic data, thereby improving the performance of classification models measured using the confusion matrix. The data used in this study is sourced from various online repositories such as KEEL, Kaggle, UCI, as well as the student specialization of vocational high school (SMK) students in PekanbaruKetidakseimbangan kelas pada data (imbalanced class) merupakan tantangan signifikan dalam pengembangan model machine learning, yang sering kali menyebabkan penurunan kinerja model. Masalah ini sering ditemui dalam data nyata, di mana proporsi data antara kelas mayoritas dan minoritas sangat tidak seimbang. Salah satu pendekatan yang umum digunakan untuk mengatasi masalah ini adalah oversampling, yang berfungsi untuk menyeimbangkan distribusi kelas dengan menambahkan data sintetis ke kelas minoritas. Teknik oversampling yang paling populer adalah Synthetic Minority Oversampling Technique (SMOTE), meskipun metode ini memiliki kelemahan seperti menghasilkan data yang kurang beragam dan kemungkinan munculnya outlier. Sebagai solusi alternatif, penelitian ini mengusulkan penggunaan metode Latin-Hypercube Sampling (LHS) yang dikombinasikan dengan k-Nearest Neighbor (k-NN) untuk meningkatkan kinerja klasifikasi pada data yang tidak seimbang. Kombinasi LHS dan k-NN diharapkan dapat menghasilkan data sintetis yang lebih berkualitas, sehingga meningkatkan performa model klasifikasi yang diukur menggunakan confusion matrix. Data yang digunakan dalam penelitian ini berasal dari berbagai online repository seperti KEEL, Kaggle, UCI, serta satu dataset penjurusan siswa SMK di Pekanbar