17 research outputs found
ANALISIS KUALITAS LAYANAN WEBSITE DENGAN MENGGUNAKAN METODE WEBQUAL DAN IMPORTANCE ANALYSIS (STUDI KASUS WEBSITE ITBA DCC PSDKU KOTABUMI)
No full textSebuah website merupakan representasi pemilik website di dunia maya. Oleh karena itu pemilik website perlu memperhatikan kualitas website, karena kualitas website dapat memberikan gambaran dari kualitas pemilik website. Pengukuran tingkat kualitas website perlu dilakukan untuk mengetahui tingkat kualitas website itu sendiri, karena website yang berkualitas mencerminkan kualitas perguruan tinggi pemilik website tersebut. Perguruan Tinggi Institut Teknologi Bisnis dan Bahasa (ITBA) Dian Cipta Cendikia PSDKU Kotabumi menggunakan website sebagai media administrasi informasi, sehingga website mempunyai peran yang sangat penting bagi Perguruan Tinggi Institut Teknologi Bisnis dan Bahasa (ITBA) Dian Cipta Cendikia PSDKU Kotabumi. Sedangkan pihak kampus belum melakukan pengukuran terhadap kualitas website sehingga belum diketahui tingkat kualitas dari website yang ada. Terdapat beberapa keluhan yang disampaikan oleh mahasiswa terkait website seperti ketersediaan website dan informasi yang tidak akurat. Keluhan-keluhan mengenai website tersebut yang mendorong peneliti untuk melakukan penelitian mengenai kualitas website. Metode yang digunakan adalah Webqual Index (WQI), dan Indeks Kepuasan Pengguna (IKP). Tahap pertama dalam penelitian ini dilakukan uji validitas dengan pendekatan Pearson Product Moment, kemudian uji reliabilitas dengan menggunakan Cronbach’s Alpha. Dengan analisa Webqual Index diperoleh indeks kualitas website sebesar 0,71 dan Indeks Kepuasan Pengguna sebesar 0,71. Hasil analisa Importance Performance Analysis menyatakan bahwa sub dimensi yang ada di dimensi availability, information quality, service interaction quality, dan usability perlu diprioritaskan untuk meningkatkan kualitas website kedepannya
Implementasi Algoritma Rough Set Dan Naive Bayes Untuk Mendapatkan Rule Dalam Menyeleksi Pemohon Bantuan Fasilitas Rumah Ibadah (Studi Kasus : Pemerintah Kabupaten Pringsewu)
Get PDFIn solving the problem of the accuracy of the selected algorithm if it is applied to a prototype application in predicting applicants for assistance with houses of worship facilities in Pringsewu District using data mining classification methods. In solving the problem using the rough set algorithm method and Naive Bayes from the results of the discussion carried out, it can draw conclusions Rough set algorithm and the resulting rule has the highest level of accuracy that is 92% Rough set algorithm model is included in the category of excellent classification and can be implemented in determining predictions more potential grant funding. The rules generated by the Rough set algorithm are applied in the prototype prediction of the grant of houses of worship grants with 92% accuracy of prototype verification testing results. Based on the accuracy of the resulting prototype shows that the methods and prototypes that are applied are good at predicting better results. Naïve Bayes algorithm has an accuracy level of 77% The Naïve Bayes algorithm model is included in the category of good classification and can be implemented in determining the prediction of grants but because the value of the rough set algorithm is higher then the naïve Bayes algorithm is not used to determine the prototype
Pengembangan Model Pengambilan Keputusan Penerima Kartu Indonesia Pintar (Kip) Dengan Metode K-Means Dan Average Linkage Clustering (Studi Kasus : SMA Negeri 1 Kotagajah)
Get PDFKartu Indonesia Pintar merupakan bagian dari kebijakan dari Presiden Ir. Joko Widodo. Penerima program Kartu Indonesia Pintar (KIP) untuk kalangan siswa-siswi yang bersekolah seringkali tidak tepat sasaran. Di dalam proses pengambilan keputusan siapa yang berhak atas KIP belum jelas aturannya khususnya di SMA Negeri 1 Kotagajah. Proses pengambilan keputusan masih menggunakan input data yang dilakukan oleh operator sekolah melalui aplikasi DAPODIK, sehingga pengambilan keputusan penerima KIP banyak yang tidak tepat sasaran. Untuk itu diperlukan suatu aplikasi sistem pendukung keputusan (SPK) yang dapat memperhitungkan segala kriteria yang mendukung pengambilan keputusan guna membantu, mempercepat dan mempermudah proses pengambilan keputusan dalam penentuan penerima KIP. Salah satu metode yang dapat digunakan untuk meningkatkan kualitas pengambilan keputusan adalah metode clustering. Metode clustering yang digunakan pada penelitian ini adalah metode K-Means Clustering dan Average Linkage Clustering
Framework Information Technology Infrastructure Library (Itil V3) : Audit Teknologi Informasi Sistem Informasi Akademik (Siakad) Perguruan Tinggi
Get PDFTujuan dari penelitian ini adalah memberikan kemudahan kepada Perguruan Tinggi XYZ untuk mengetahui kinerja ataupun kualitas layanan teknologi informasi Sistem Informasi Akademik yang digunakan dengan cara membandingkan tingkat kematangan teknologi informasi kondisi saat sekarang (Current Maturity) dan kondisi yang akan datang (Expected Maturity), hasilnya merupakan gap analisis dan rekomendasi-rekomendasi untuk perbaikan kualitas layanan teknologi informasi. Audit teknologi informasi pada Perguruan Tinggi digunakan untuk mengetahui kapabillitas teknologi informasi yang digunakan. Audit teknologi informasi ini menggunakan framework ITIL V.3, dengan alasan metode tersebut lebih mudah digunakan dan memberikan rekomendasi untuk memperbaiki kinerja teknologi informasi guna meningkatkan kepuasan stakeholder, kami menjadikan objek audit teknoogi informasi di Perguruan Tinggi XYZ adalah Sistem Informasi Akademik (SIAKAD). Data pada penelitian ini diperoleh melalui observasi langsung ke Perguruan Tinggi XYZ dengan wawancara ke bagian pengembang dan pengguna teknologi informasi dan menyebarkan kuesione
ANALISIS GUGUS KENDALI MUTU (GKM) DAN PRODUKTIVITAS KERJA TERHADAP KINERJA PADA USAHA MIKRO KECIL DAN MENENGAH (UMKM) DI LAMPUNG
No full textTujuan dari penelitian ini adalah untuk menganalisis Gugus Kendali Mutu dan Produktivitas Kerja. Metode penelitian ini menggunakan metode deskriptif kuantitatif. Subjek penelitian ini adalah 173 responden dari UMKM di Provinsi Lampung. Itu digunakan untuk melakukan proses data. Selanjutnya, 173 responden tersebut dibagi menjadi 114 UMKM GKM dan 59 UMKM Non-GKM. Instrumen penelitian ini menggunakan 15 variabel untuk mengukur Gugus Kendali Mutu dan Produktivitas Kerja. Hasil penelitian menjelaskan bahwa ada hasil yang signifikan dalam beberapa variabel Gugus Kendali Mutu terhadap variabel Produktivitas Kerja. Itu menunjukkan bahwa 15 variabel instrumen berhasil mengukur dampak Gugus Kendali Mutu dan Produktivitas. Selain itu, ditemukan perbedaan hasil antara UMKM GKM dan UMKM Non-GKM di Provinsi Lampung
Detection of learning styles with prior knowledge data using the SVM, K-NN and Naïve Bayes algorithms
Get PDFThe two types of automatic learning style detection approaches are data driven (DD) and literature based (LB). Both methods of automatic learning style detection have advantages over traditional learning style detection methods because they use external data sources, such as forums, quizzes and views of teaching materials, that are more accurate than the questionnaires used in traditional styles of detection. The results of automatic detection, on the other hand, do not always reflect learning styles. This paper presents a learning style recognition method that uses data from the learner’s internal source, namely prior knowledge, to overcome these challenges. Prior knowledge is proposed because it is based on the learner’s knowledge or skills, which better reflect the learner’s characteristics, rather than on the learner’s behaviour, which tends to be dynamic. By using past knowledge, this paper presents a method for detecting automatic learning patterns. The learning style detection framework is unique in that it consists of three stages: prior knowledge question development, prior knowledge measurement and learning style detection using the Support Vector Machine (SVM), Naïve Bayes and K-Nearest Neighbour (K-NN) classification methods. The accuracy of learning style detection using prior knowledge data was higher than detection results using behavioural data or hybrid data (prior knowledge + behaviour) in this studyMetode deteksi gaya belajar otomatis dapat dibagi menjadi dua yakni Metode Data-Driven (DD) dan Literature Based (LB). Kedua metode deteksi gaya belajar otomatis tersebut memiliki kelebihan dibandingkan metode de- teksi gaya belajar konvensional, karena metode deteksi gaya belajar otomatis menggunakan sumber data eksternal seperti forum, kuis dan kunjungan bahan ajar yang lebih akurat dibandingkan dengan kuesioner yang digunakan dalam metode deteksi gaya belajar konvensional. Meskipun demikian, hasil deteksi otomatis tidak selalu mencerminkan gaya belajar.. Untuk mengatasi kendala tersebut, penelitian ini mengusulkan metode deteksi gaya belajar yang mengambil data dari sumber internal pembelajar yakni prior knowledge. Prior knowledge diusulkan karena tidak berdasarkan pada perilaku pembelajar yang cenderung bersifat dinamis, namun lebih kepada pengetahuan atau keterampilan yang dimiliki, yang lebih mencerminkan karakteristik pembelajar. Penelitian ini mengusulkan sebuah metode untuk mendeteksi gaya belajar otomatis dengan memanfaatkan prior knowledge. Kebaruannya terletak pada kerangka kerja (framework) deteksi gaya belajar yang terdiri dari tiga tahapan yaitu: tahapan pembangunan pertanyaan prior knowledge, tahapan pengukuran prior knowledge, dan tahapan deteksi gaya belajar dengan menggunakan metode klasifikasi svm, naïve bayes dan k-nn, Penelitian ini menghasilkan akurasi hasil deteksi gaya belajar dengan data prior knowledge yang lebih tinggi dibandingkan dengan hasil deteksi yang menggunakan data perilaku dan data hybrid (prior knowledge + perilaku
COMPANY REORGANIZE -WAREHOUSE LOCATION DETERMINATION TO MINIMIZING COST OF DISTRIBUTION AND LOGISTICS
No full textAbstract Distribution is a complex problem because it involves many factories. One of the important factors in distribution problems is how to reach the costumer with the possible lowest distribution cost, therefore, in the effort of company reorganization, the determination of warehouse location has to be carried out as good as possible. On this paper a model to determine the warehouse location and its coverage is proposed. The criterion used minimization cost of distribution and logistics which consist of distribution cost, warehouse's fixed cost, and operating cost of warehouse. The optimal solution was solved with heuristic approac
Prediksi Kejadian Banjir Di Kota Bandar Lampung Menggunakan Jaringan Syaraf Tiruan
No full textThe city of Bandar Lampung is currently experiencing seasonal flooding which occurs almost every year, resulting in significant losses. Floods recorded by BNPB in the last 10 years there were 16 incidents of flooding in the Bandar Lampung area. More than 14,000 people suffered, more than 500 people had to be evacuated, more than 900 houses were damaged, and 4 public facilities were damaged. To study the pattern of flood events in the past, the Artificial Neural Network Backpropagation learning method will be used which will utilize its non-linear variable learning abilities. The configuration settings for the Artificial Neural Network were carried out experimentally without any basis for assigning values, especially for the parameters of the number of hidden layers, number of neurons, and epochs used in training and variable testing. The results obtained from this study are the results of training and testing of datasets that have been carried out by ANN backpropagation are able to properly study patterns of flood events and also non-flood events in the dataset, this is evidenced by the results of high model configuration accuracy and also the results of predictive tables that able to describe actual conditions, setting the configuration model experimentally is able to produce an accuracy value of 90-100%, an average training correlation value of 0.96 and an average test correlation value of 0.89, and an average error value of 0.0089 out of 20 model configuration, and the flood prediction table are made based on the 1 best configuration with a training and testing accuracy rate of 100% with an error value of 0.00134, namely configuration model 20, the prediction table uses an average air temperature of 27˚C with 80% humidity. The prediction table is able to produce excellent flood potential results which are able to represent flood events as well as non-flood events based on the results of the dataset learning.Kota Bandar Lampung saat ini mengalami banjir musiman yang terjadi hampir setiap tahun sehingga menimbulkan kerugian yang cukup besar. Banjir yang tercatat BNPB dalam 10 tahun terakhir ada 16 kejadian banjir di kawasan Bandar Lampung. Lebih dari 14.000 orang menderita, lebih dari 500 orang harus mengungsi, lebih dari 900 rumah rusak, dan 4 fasilitas umum rusak. Untuk mempelajari pola kejadian banjir di masa lalu akan digunakan metode pembelajaran Artificial Neural Network Backpropagation yang akan memanfaatkan kemampuan belajar variabel nonliniernya. Pengaturan konfigurasi Jaringan Syaraf Tiruan dilakukan secara eksperimental tanpa dasar pemberian nilai, terutama untuk parameter jumlah hidden layer, jumlah neuron, dan epoch yang digunakan dalam pelatihan dan pengujian variabel. Hasil yang diperoleh dari penelitian ini adalah hasil pelatihan dan pengujian dataset yang telah dilakukan backpropagation JST mampu mempelajari dengan baik pola kejadian banjir dan juga kejadian non-banjir pada dataset, hal ini dibuktikan dengan hasil yang tinggi. akurasi konfigurasi model dan juga hasil tabel prediksi yang mampu menggambarkan kondisi sebenarnya, setting model konfigurasi secara eksperimental mampu menghasilkan nilai akurasi 90-100%, nilai korelasi pelatihan rata-rata 0,96 dan nilai korelasi uji rata-rata 0,89 , dan nilai error rata-rata 0,0089 dari 20 model konfigurasi, dan dibuat tabel prediksi banjir berdasarkan 1 konfigurasi terbaik dengan tingkat akurasi training dan testing 100% dengan nilai error 0,00134 yaitu model konfigurasi 20, tabel prediksi menggunakan suhu udara rata-rata 27˚C dengan kelembaban 80%. Tabel prediksi tersebut mampu menghasilkan hasil potensi banjir yang sangat baik yang mampu merepresentasikan kejadian banjir maupun kejadian non banjir berdasarkan hasil pembelajaran dataset
Model Prediksi Dengan Artificial Neural Network Untuk Kejadian Banjir Rob Di Wilayah Pesisir Kota Bandar Lampung
No full textThe fastest sea level rise began in 2013 and reached its highest level in 2021. This is part of the ongoing global warming impact, where polar ice continues to melt, glaciers also continue to melt, causing sea level rise. In the Bandar Lampung City area, there are several areas that are threatened with tidal flooding, namely Karang City Village and Kangkung Village, Bumi Waras Village, and Sukaraja Village. Bandar Lampung itself is the city center in the coastal area. Where the majority of the population is in the Coastal area so that the threat of tidal flooding is caused by rising sea levels. To study the occurrence of tidal floods in the past, this research uses an Artificial Neural Network which has the ability to study non-linear data which is then carried out by training and testing until the best configuration model is obtained. Based on the analysis and discussion that has been carried out, several important points can be drawn, including the results of training and dataset testing that has been carried out. , 80:20, and 90;10. This is evidenced by the results of the high accuracy of the model configuration and also the results of the prediction table which is able to describe the actual conditions, setting the model configuration experimentally is able to produce the best training accuracy value reaching 100% while for the best testing accuracy is 88%. The average correlation value of training with the 50:50 dataset is 0.975, the 60:40 dataset is 0.975, the 70:30 dataset is 0.951, the 80:20 dataset is 0.935, and the 90:10 dataset is 0.929. For the average value of the correlation test with the 50:50 dataset of 0.514, the 60:40 dataset is 0.362, the 70:30 dataset is 0.488, the 80:20 dataset is 0.284, and the 90:10 dataset is 0.402. Whereas the average error value for the 50:50 dataset is 0.006, the 60:40 dataset is 0.006, the 70:30 dataset is 0.010, the 80:20 dataset is 0.007, and the 90:10 dataset is 0.007, the flood prediction table is made based on 1 configuration the best with a training accuracy rate of 98% and a testing accuracy of 80% with an error value of 0.004, namely configuration model 14, this model is the best configuration model out of 3 dataset divisions out of a total of 5. The prediction table uses sea level tides of 1.5 meters. The prediction table is able to provide good tidal flood percentage values, especially when there are active astronomical phenomena. The results of this good flood prediction table illustrate that the backpropagation ANN is able to study datasets well and can be used by BMKG forecasters in making tidal flood early warnings.Kenaikan muka air laut paling cepat dimulai pada tahun 2013 dan mencapai titik tertinggi pada tahun 2021. Hal ini merupakan bagian dari dampak pemanasan global yang sedang berlangsung, dimana es di kutub terus mencair, gletser juga terus mencair sehingga menyebabkan kenaikan muka air laut. Di wilayah Kota Bandar Lampung terdapat beberapa wilayah yang terancam banjir rob yaitu Desa Kota Karang dan Desa Kangkung, Desa Bumi Waras, dan Desa Sukaraja. Bandar Lampung sendiri merupakan pusat kota di kawasan pesisir. Dimana mayoritas penduduknya berada di wilayah Pesisir sehingga ancaman banjir rob disebabkan oleh naiknya permukaan air laut. Untuk mempelajari kejadian banjir rob di masa lalu, penelitian ini menggunakan Artificial Neural Network yang memiliki kemampuan untuk mempelajari data non linier yang kemudian dilakukan pelatihan dan pengujian hingga diperoleh model konfigurasi yang terbaik. Berdasarkan analisis dan pembahasan yang telah dilakukan, dapat ditarik beberapa poin penting antara lain hasil pelatihan dan pengujian dataset yang telah dilakukan. , 80:20, dan 90;10. Hal ini dibuktikan dengan hasil akurasi konfigurasi model yang tinggi dan juga hasil tabel prediksi yang mampu menggambarkan kondisi sebenarnya, pengaturan konfigurasi model secara eksperimental mampu menghasilkan nilai akurasi training terbaik mencapai 100% sedangkan untuk akurasi pengujian terbaik adalah 88%. Rata-rata nilai korelasi training dengan dataset 50:50 adalah 0,975, dataset 60:40 adalah 0,975, dataset 70:30 adalah 0,951, dataset 80:20 adalah 0,935, dan dataset 90:10 adalah 0,929. Untuk nilai rata-rata uji korelasi dengan dataset 50:50 sebesar 0,514, dataset 60:40 adalah 0,362, dataset 70:30 adalah 0,488, dataset 80:20 adalah 0,284, dan dataset 90:10 adalah 0,402. Sedangkan rata-rata nilai error untuk dataset 50:50 adalah 0,006, dataset 60:40 adalah 0,006, dataset 70:30 adalah 0,010, dataset 80:20 adalah 0,007, dan dataset 90:10 adalah 0,007, prediksi banjir tabel dibuat berdasarkan 1 konfigurasi terbaik dengan tingkat akurasi pelatihan 98% dan akurasi pengujian 80% dengan nilai error 0,004 yaitu model konfigurasi 14, model ini merupakan model konfigurasi terbaik dari 3 divisi dataset dari total 5. Tabel prediksi menggunakan pasang surut air laut 1,5 meter. Tabel prediksi tersebut mampu memberikan nilai persentase banjir rob yang baik, terutama saat terjadi fenomena astronomi aktif. Hasil tabel prediksi banjir yang baik ini menggambarkan bahwa JST backpropagation mampu mempelajari dataset dengan baik dan dapat digunakan oleh peramal BMKG dalam membuat peringatan dini banjir rob
PENERAPAN TOTAL QUALITY MANAJEMENT (TQM) DAN TEKNOLOGI INFORMASI PADA UKM UNTUK MENINGKATKAN DAYA SAING
Get PDFAbstrak: Pengabdian masyarakat yang dilakukan di Bandar Lampung dan Lampung Selatan Darmajaya oleh Dosen Darmajaya bertujuan untuk meningkatkan daya saing melalau peningkatan pengetahuan serta keterampilan terkait digital marketing, total quality management dan laporan keuangan. Target dari pengabdian yaitu untuk meningkatkan penjualan melalui website, meningkatkan mutu produk agar mampu bersaing dan meningkatkan kemampuan pembukuan. Kegiatan ini dihadiri UMKM dari Serikat Saudagar Nasional (SSN) yang berasal dari kota bandar lampung 45 orang, dan UMKM dari desa jati lampung selatan 15 orang. Metode pengabdian ini dibagi menjadi tiga bagian yaitu pertama Presentasi paparan terkait motivasi, kedua keterampilan memasukkan produk ke web dan ketiga membangun instrument peningkatan mutu. Kegiatan ini berlangsung dari tanggal 18-20 Desember 2021. Hasil Pengabdian masyarakat yang dilakukan menunjukkan ada tambahan pengetahuan dan ketrampilan melalui teori dan praktek UMKM terkait digital marketing menjadi 85%, Total Quality Management 80%, dan HPP menjadi 83%. Hasil realisasi pengetahun terlihat pada meningkatnya pemasaran produk yang dilakukan dengan menggunakan website jatiindahstore.com dan lampungberdaya.ac.id.Abstract: The community service carried out in Bandar Lampung and South Lampung Darmajaya by Darmajaya lecturers aims to increase competitiveness through increasing knowledge and skills related to digital marketing, total quality management and financial reports. The target of the service is to increase sales through the website, improve product quality to be able to compete and improve bookkeeping skills. This activity was attended by 45 people from the National Merchant Union (SSN) from the Bandar Lampung city, and 15 SMEs from the Jati Lampung village in the south. This service method is divided into three parts: firstly, presentation of exposure related to motivation, secondly skills in entering products on the web and thirdly building quality improvement instruments. This activity took place from 18-20 December 2021. The results of community service carried out showed that there was additional knowledge and skills through MSME theory and practice related to digital marketing to 85%, Total Quality Management 80%, and HPP to 83%. The results of the realization of knowledge can be seen in the increase in product marketing carried out using the Jatiindahstore.com and Lampungberdaya.ac.id websites
