Jurnal Komtika (Komputasi dan Informatika)

Implementasi Model Convolutional Neural Network dalam Aplikasi Android untuk Identifikasi Limbah Infeksius

Affix Mareta, Beta Estri Adiana, Olivia Wardhani, Ikhwan Alfath Nurul Fathony — Wed, 27 Nov 2024 00:00:00 +0000

After the COVID-19 pandemic passed, Indonesian citizens were still strict about using masks because active cases were still found. However, not all Indonesian people are aware that masks are an infectious waste, so after use, they are still disposed of carelessly. Apart from masks, other infectious waste in the form of battery waste which contains hazardous chemicals and food waste potentially to spread infectious diseases, is also dangerous for humans. These kinds of waste are major contributors to global pollution. Research on waste classification has been carried out a lot, but especially for infectious waste has not received much attention from researchers. For this reason, this research is useful to help the public distinguish infectious waste such as used food scraps, masks, and batteries so that they are more careful in disposing of waste. The research started with collecting datasets, which came from combining several infectious waste datasets available on the internet. This is done because there is no publicly available dataset that specifically contains infectious waste. Then, a classification model is created with Convolutional Neural Network (CNN) algorithm which has an accuracy of more than 90%. This algorithm has been widely used in previous studies but has never been used as a model applied to Android applications to classify infectious waste. In this study, the CNN model is applied to Android applications. From this research, an Android application with the CNN algorithm will be produced which can help Indonesians identify infectious waste with an accuracy of 94%.

Klasifikasi Sentimen Terhadap Kebijakan Tapera Menggunakan Komparasi Machine Learning dan SMOTE

Henny Leidiyana, Titik Misriati, Riska Aryanti — Wed, 27 Nov 2024 00:00:00 +0000

The Indonesian government's Public Housing Savings Program (Tapera) aims to help low- and middle-income persons get housing financing. Although the initiative strives to satisfy housing requirements, the public has responded in a variety of ways, as evidenced by social media posts. The goal of this study is to examine public sentiment towards the Tapera policy using YouTube comment data to provide an overview of popular perspective. This study combines sentiment analysis with machine learning algorithms, including K-Nearest Neighbors (KNN), Support Vector Machine (SVM), Multinomial Naïve Bayes (NB), and Decision Tree. The data is divided into three scenarios, namely 70% training data and 30% test data, 80% training data and 20% test data, and 90% training data and 10% test data. Data balancing is also performed with SMOTE. The performance evaluation is based on each algorithm's accuracy, precision, recall, and F1 Score values. The results showed that the SVM algorithm performed the best in all circumstances, with the greatest accuracy of 88% and an F1 score of 85%. The multinomial Naïve Bayes algorithm ranked second with steady accuracy, whereas KNN and Decision Tree had poorer performance. This suggests that SVM is the most effective method for processing sentiment data regarding Tapera policy.

Aplikasi Mobile Sistem Pendukung Keputusan Level Stunting Anak dengan Metode Fuzzy Sugeno

Herlan Sutisna, Miftah Farid Adiwisastra — Wed, 27 Nov 2024 00:00:00 +0000

Perkembangan Aplikasi sistem pendukung keputusan (Decision Support Systems, DSS) saat ini terus berlanjut seiring dengan kemajuan teknologi yang begitu pesat. Saat ini beberapa tren dan perkembangan terkini dalam sistem pendukung keputusan melibatkan integrasi teknologi canggih, analisis data yang mendalam, dan penggunaan kecerdasan buatan atau Artificial Intelligence. Ada banyak permasalahan dalam tatanan kehidupan manusia yang bisa dipermudah atau dibantu dengan aplikasi sistem pendukung keputusan, salah satunya dalam permasalah stunting. Stunting merupakan suatu kondisi dimana pertumbuhan fisik dan perkembangan anak terhambat, hal ini biasanya terjadi pada periode pertumbuhan awal kehidupan, biasanya terjadi di 1.000 hari pertama kehidupan. Posyandu adalah tempat yang dapat digunakan untuk mendeteksi dan memonitor stunting pada anak-anak. Namun hal ini tentu dilakukan dengan proses manual dan terkadang bisa dilakukan dengan cara yang kurang tepat, seperti pengukuran tinggi badan menurut usia, dan hal ini dirasa kurang efektif. Peneliti merancang Aplikasi Mobile sistem pendukung keputusan penentuan level kondisi Stunting anak dengan menggunakan metode Fuzzy Mamdani dalam pengolahan datanya dengan Variabel pertama yaitu Umur, Berat Badan menurut Usia (BB/U), Tinggi Badan menurut Usia (TB/U) dan Berat Badan Menurut Tinggi Badan (BB/TB). Output dari sistem yang dirancang menghasilkan informasi level kondisi anak yaitu Level Stunting Parah, Level Stunting Ringan, Stunting Sedang , Normal dan Obesitas. Sehingga kondisi level stunting ini dapat menjadi acuan dalam perawatan yang bersifat holistik kepada anak. Berdasarkan 76 data balita yang diperoleh, hasil akhir dari perhitungan Stunt Analyzer pada aplikasi menunjukkan terdapat 14 anak atau (18.42%) data balita yang dinyatakan Stunting Ringan, 5 data balita atau (6,57%) dinyakan Stunting Sedang, 3 Balita atau (3,94%) dinyatakan Stunting Parah, 9 data balita atau (11,84%) dinyatakan Obesitas dan 45 data balita atau (59,21%) dinyatakan Normal.

Klasifikasi Karakteristik Turnover Karyawan Menggunakan Algoritma C4.5

Rany Andini, Dinna Yunika Hardiyanti — Wed, 27 Nov 2024 00:00:00 +0000

Turnover merupakan suatu Tindakan atau perilaku meninggalkan atau keluar karyawan dari sebuah organisasi atau perusahaan. Turnover dapat membawa dampak negatif bagi perusahaan seperti proyek dan target yang tertunda, pembubaran tim, kekurangan sumber daya manusia (SDM), kesulitan melakukan perekrutan untuk mencari kandidat degan berbagai kriteria dalam waktu singkat, hingga gangguan produktivitas tempat kerja. Tujuan penelitian yaitu mengetahui faktor utama dan karakteristik yang berpengaruh signifikan dalam turnover karyawan. penelitian dilakukan dnegan mengelola data turnover karyawan menggunakan teknik data mining klasifikasi dan menerapkan algoritma C4.5. Hasil modeling menghasilkan pohon keputusan dan role yang dapat dijadikan aturan dalam menentukan karyawan yang akan melakukan turnover. Hasil penelitian menunjukkan bahwa terdapat 8 atribut yang memeiliki pengaruh signifikan terhadap turnover karyawan yaitu Age, Monthly Billing, Monthly Rate, OverTime, YearsAtCompany, YearsInCurrentRole, YearsLastPromotion, dan DistanceFromHome. Model yang dihasilkan dalam penelitian memiliki akurasi sebesar 81,63%.

Evaluasi Tata Kelola Teknologi Informasi pada Puskesmas Sukarami Menggunaka Framework Cobit 5 Domain Evaluate, Direct, and Monitor (EDM)

Titah Titah, Tata Sutabri — Thu, 28 Nov 2024 03:41:57 +0000

Puskesmas Sukarami sebagai pusat pelayanan kesehatan tingkat pertama memiliki peran penting dalam menyediakan layanan kesehatan bagi masyarakat di wilayah kerjanya. Dalam era digital saat ini, Puskesmas Sukarami dihadapkan pada tantangan dan peluang yang berasal dari kemajuan teknologi informasi. Digitalisasi di sektor kesehatan tidak hanya membantu mempercepat proses administrasi dan pelayanan, tetapi juga mempermudah integrasi data kesehatan yang berkelanjutan. Agar penerapan teknologi informasi pada instansi dapat di optimalkan dengan baik untuk kepentingan instansi maka harus diperhatikan tata kelola yang sedang berjalan . Tujuan dari penelitian ini yaitu melakukan evaluasi terhadap tata kelola teknologi informasi yang sedang berjalan di puskesmas sukarami menggunakan framework Cobit 5 Domain Evaluate, Direct, and Monitor (EDM). Hasil dari penelitian ini adalah menunjukkan bahwa saat ini capability level pada puskesmas sukarami berada pada level 2 (managed process) Hal ini menunjukkan bahwa instansi telah secara aktif menerapkan teknologi informasi sesuai dengan tujuannya, kemudian hasil analisis gap untuk mencapai level target yaitu level 3 (Established Process) memiliki nilai kesenjangan 1, oleh karena itu untuk mencapai level target maka penulis memberikan beberapa rekomendasi untuk kedepannya bisa menjadi acuan dalam meningkatkan level yang didapat sekarang.

Penerapan Prinsip Desain Antarmuka dalam Evaluasi User Interface dan User Experience E-Learning

Muhammad Ikhsan Fathurrahman, Sumarsono Sumarsono — Thu, 28 Nov 2024 00:00:00 +0000

Application of Interface Design Principles in Evaluation of E-Learning User Interface and User Experience The aspects of user interface and user experience play an important role in determining the success of an e-learning platform. An intuitive user interface and positive user experience can increase user participation and satisfaction, and facilitate the learning process. However, based on interviews with developers, there has never been an evaluation of UIN Sunan Kalijaga's e-learning in terms of user interface and user experience. This raises the need to evaluate the extent to which the e-learning meets good interface design standards to improve user effectiveness and comfort. This research uses descriptive method because this research is explaining or describing the phenomenon under study. The approach used in this research is a quantitative approach. Data was obtained from a closed questionnaire consisting of 15 statements using a Likert scale with 4 dimensions of assessment. This study concluded that the level of user comfort in using UIN Sunan Kalijaga e-learning is in the good enough category with a value of 69.57%. This analysis revealed that the consistency aspect received the highest score, while the appearance and security and prevent errors aspects received the lowest score.

Pengembangan E-Learning Universitas X Menggunakan Gamifikasi dan Analisa Sentimen

Mochammad Arief Hermawan Sutoyo, Renaldi Yulvianda, Chindra Saputra — Thu, 28 Nov 2024 00:00:00 +0000

Pada penelitian sebelumnya didapatkan hasil perhitungan usability terhadap aplikasi e-Learning Universitas X menggunakan system usability testing sebesar 68.97 yang berarti aplikasi yang digunakan saat ini masih bisa diterima penggunaannya oleh pengguna namun bersifat marginal sehingga perlu adanya pengembangan sistem. Berdasarkan permasalahan tersebut, maka penulis mengajukan sebuah penelitian untuk mengembangkan sistem e-learning yang ada saat ini dengan menggunakan gamifikasi. Metodelogi yang digunakan pada penelitian ini adalah throw away prototyping, yang pada tahap analisisisnya menggunakan metode penyebaran kuesioner serta analisa sentimen. Berdasarkan penelitian yang telah dilakukan maka gamifikasi layak untuk diterapkan pada e-Learning Universitas X, nilai system usabilty scale gamifikasi dan e-Learning yang sama yaitu 72.5, namun mahasiswa memiliki keinginan untuk mencoba penerapan prototipe.

Sistem Pakar Identifikasi Masalah Kulit Wajah Menggunakan Metode Case Based Reasoning

Zahrotul Mustafidah, Annisaa Utami — Thu, 28 Nov 2024 00:00:00 +0000

Problems that occur with facial skin reduce women's self-confidence, especially in terms of appearance. Several factors influence the condition of women's facial skin, such as pollution, food and drink consumed, sun exposure, genetic factors, and lack of knowledge in using appropriate products. The MCM Beauty Center Clinic has problems, namely a lack of public awareness, namely people's ignorance about the condition of their facial skin, limited access because they only provide offline consultations and require an appointment first. The aim of this research is to build an expert system that can help to identify early facial skin problems in the form of acne, melasma and spots based on a website. This system will be realized in the form of a website by applying the Case Based Reasoning (CBR) method, which is designed to help patients who have limited time to consult directly with beauty experts. The CBR method has a first stage of collecting data in the form of symptoms from cases that have occurred previously based on experts, then processing the calculation data using nearest neighbors and producing a decision as a treatment suggestion solution. The implementation of a website-based expert system using the CBR method has been tested using black box testing and system precision testing. The results of black box testing of the system went as expected while precision testing showed results of 93% with 28 successful data out of a total of 30 data tested. By applying existing technology and knowledge, this expert system is feasible and useful for users in carrying out more accurate, fast and efficient diagnoses.

Implementasi Metode Agile Dalam Pengembangan Aplikasi Absensi Berbasis Web dengan Menggunakan Geofencing

Hubert Niklas, Muhammad Haikal, Wahyu Tisno Atmojo — Sat, 30 Nov 2024 00:00:00 +0000

Pengembangan sistem absensi berbasis web untuk kafe di Gading Serpong sejalan dengan kemajuan teknologi saat ini. Sistem ini memungkinkan akses yang fleksibel melalui internet tanpa memerlukan instalasi perangkat lunak tambahan, sehingga karyawan dan manajer dapat mengakses sistem kapan saja dan di mana saja. Sistem absensi manual sebelumnya, yang menggunakan Google Forms, terbukti tidak efisien karena memerlukan rekonsiliasi manual yang memakan waktu dan rentan terhadap kesalahan. Untuk mengatasi masalah tersebut, penelitian ini menerapkan metode pengembangan Agile dengan model Scrum untuk membuat aplikasi absensi berbasis web. Sistem ini mengotomatisasi pencatatan absensi dan pemantauan secara real-time, mengurangi beban administrasi dan kesalahan. Fitur utama yang dihadirkan adalah geofencing untuk absensi di lokasi dan fleksibilitas jam kerja yang sesuai dengan kebutuhan operasional kafe. Melalui pengembangan iteratif dan umpan balik dari pengguna, sistem ini telah meningkatkan pengelolaan absensi, dengan potensi pengembangan lebih lanjut, seperti integrasi pengenalan wajah.

Kata Kunci: Metode Agile, Pengembangan Aplikasi Absensi, Aplikasi Berbasis Web.

Analisis Pola Pembelian pada Data Penjualan CanNgopi menggunakan Algoritma FP-Growth

Shanty Valencia, Wahyu Tisno Atmojo — Sun, 15 Dec 2024 14:30:07 +0000

Pola pembelian pelanggan merupakan informasi berharga yang dapat digunakan oleh bisnis untuk meningkatkan strategi pemasaran, mengoptimalkan persediaan produk, dan meningkatkan kepuasan pelanggan. Penelitian ini bertujuan untuk menganalisis pola pembelian di CanNgopi menggunakan algoritma FP-Growth yang diimplementasikan melalui platform RapidMiner. Metode penelitian ini melibatkan pengumpulan data transaksi pembelian dari CanNgopi dan menerapkan algoritma FP-Growth untuk mengidentifikasi itemset frekuensi tinggi dan aturan asosiasi. Analisis ini memberikan wawasan tentang produk yang sering dibeli bersamaan, memungkinkan CanNgopi untuk merancang strategi penjualan yang lebih efektif. Penelitian ini menyoroti pentingnya analisis data dan visualisasi dalam mendukung keputusan bisnis. Melalui pendekatan ini, perusahaan dapat memahami kebutuhan pelanggan dengan lebih baik, meningkatkan kepuasan pelanggan, dan mengoptimalkan operasional mereka. Kesimpulannya, analisis data berbasis algoritma FP-Growth dan RapidMiner dapat menjadi instrumen yang efektif dalam memahami perilaku pelanggan dan meningkatkan kinerja bisnis kafe seperti CanNgopi.