Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)

Analisis Prediksi Curah Hujan di Kota Tangerang Menggunakan Metode LSTM dan GRU

Dahlan Supriatna — 2025-08-02

Curah hujan yang tidak menentu dapat memengaruhi berbagai sektor, seperti pertanian, energi, dan infrastruktur. Akurasi prediksi curah hujan sangat penting untuk mitigasi risiko bencana banjir maupun kekeringan. Penelitian ini bertujuan untuk membandingkan akurasi prediksi curah hujan menggunakan dua algoritma deep learning, yaitu LSTM dan GRU serta dapat memberikan kontribusi pada pengelolaan sumber daya air yang lebih efektif. Model ini diterapkan pada data historis curah hujan dan variabel meteorologi terkait, data penelitian adalah data sekunder yang bersumber dari data BMKG Kota Tangerang periode Januari 2014 – Januari 2025 sebanyak 4.062 data. Evaluasi kinerja model dilakukan menggunakan metrik seperti MAE, MSE, RMSE, dan R². Hasil menunjukan Model LSTM dengan konfigurasi hyperparameter optimal—terdiri dari timesteps 36 bulan, 64 unit memori, 100 epoch pelatihan, batch size 16, dropout 0.3, dan learning rate 0.0001—menghasilkan metrik evaluasi terbaik MAE sebesar 0.08473, MSE sebesar 0.00973, RMSE sebesar 0.09863, dan R2 sebesar 0.65601. Nilai R2 yang relatif tinggi ini mengindikasikan bahwa model LSTM mampu menjelaskan sekitar 65.6% dari variabilitas dalam data curah hujan aktual. Sebagai perbandingan, model GRU dengan kinerja terbaiknya (menggunakan batch size 32) menunjukkan metrik evaluasi yang sedikit di bawah LSTM, yaitu MAE 0.08883, MSE 0.01078, RMSE 0.10383, dan R2 Score 0.61878, secara keseluruhan, LSTM terbukti lebih unggul dalam kapabilitas prediksinya.

Analisis Metode Naïve Byes Classifer pada Penentuan Penerima Beasiswa Bidikmisi di Universitas Prima Indonesia

Mathews Ariandi Sitorus — 2025-08-02

Penelitian ini menganalisis penerapan metode Naïve Bayes Classifier dalam menentukan kelayakan penerima Beasiswa Bidikmisi di Universitas Prima Indonesia. Data berasal dari mahasiswa Teknik Sistem Informasi angkatan 2022 dengan atribut penghasilan orang tua, jumlah tanggungan, IPK, dan kondisi tempat tinggal. Dengan perbandingan data training dan testing 70:30, diperoleh akurasi tertinggi 79%. Sebanyak 250 mahasiswa diklasifikasikan layak dan 68 tidak layak menerima beasiswa. Nilai kelayakan tertinggi mencapai 5,04919. Hasil ini menunjukkan bahwa metode Naïve Bayes efektif sebagai alat bantu pengambilan keputusan beasiswa.

Kata Kunci: Naïve Bayes Classifier, Beasiswa Bidikmisi, klasifikasi, sistem pendukung keputusan.

Sistem Penilaian Esai Otomatis Berbasis Web Menggunakan Model BERT dan Levenshtein Distance

Aisya Febrianti Azzaroh — 2025-08-02

Sistem penilaian esai secara manual memiliki keterbatasan dalam hal efisiensi waktu dan objektivitas. Untuk mengatasi hal tersebut, penelitian ini mengembangkan sistem penilaian otomatis berbasis web menggunakan model BERT dan Levenshtein Distance. Sistem ini menggabungkan penilaian semantik dengan model BERT (80%) dan penilaian sintaksis menggunakan Levenshtein Distance (20%). Platform ini dibangun menggunakan framework Flask dan menyediakan dua tampilan utama: tampilan siswa untuk menjawab soal dan memperoleh hasil secara langsung, serta tampilan guru untuk mengelola soal, kunci jawaban, data siswa, hasil penilaian, histogram nilai, dan akurasi sistem. Hasil pengujian menunjukkan bahwa sistem mampu memberikan penilaian yang mendekati penilaian manual dengan akurasi yang cukup tinggi. Sistem ini diharapkan dapat membantu guru dalam menilai secara efisien dan konsisten.

Optimalisasi Rencana Produksi untuk Mengurangi Overstock dan Stockout di Divisi PPIC Menggunakan Random Forest

Nanda Ratna Sari — 2025-08-02

PT Multi Tehnik Solution kerap mengalami kesulitan dalam menjaga ketepatan perencanaan produksi, yang berujung pada kelebihan atau kekurangan stok. Penelitian ini bertujuan untuk meningkatkan akurasi perencanaan dengan mengimplementasikan metode peramalan penjualan berbasis algoritma Random Forest. Model dibangun menggunakan data historis penjualan selama satu tahun, dengan mempertimbangkan berbagai faktor yang memengaruhi permintaan produk. Random Forest dipilih karena kemampuannya dalam memetakan hubungan data yang kompleks, nonlinier, dan multivariat, serta menunjukkan performa prediksi yang lebih unggul dibandingkan metode konvensional. Hasil evaluasi menunjukkan bahwa model ini mampu meningkatkan akurasi prediksi sebesar 20% dan menurunkan risiko overstock dan stockout hingga 15%. Temuan ini menegaskan kontribusi signifikan model dalam meningkatkan efisiensi operasional dan ketepatan alokasi produksi. Selain itu, model ini juga berpotensi untuk diintegrasikan ke dalam sistem informasi perusahaan guna mendukung pengambilan keputusan yang cepat dan berbasis data.

Klasifikasi Kualitas Air dengan K-Means dan Decision Tree

anisa anisa — 2025-08-02

Kualitas air merupakan aspek krusial yang harus memenuhi standar baku mutu untuk memastikan kelayakan
konsumsi. Parameter seperti pH, Total Dissolved Solids (TDS), dan suhu menjadi indikator utama sebagaimana
ditetapkan dalam Permenkes No. 2 Tahun 2023. Penelitian ini mengusulkan integrasi algoritma K-Means
Clustering dan Decision Tree untuk klasifikasi kualitas air. K-Means digunakan untuk mengidentifikasi pola dalam
dataset berisi 3.270 sampel, sementara Decision Tree memprediksi kelayakan air. Hasil evaluasi menunjukkan
Silhouette Score sebesar 0.8338, menandakan kualitas clustering yang baik. Decision Tree mencapai akurasi
99,45% dengan ROC Curve dan AUC mendekati 1, mengonfirmasi performa klasifikasi yang optimal. Pendekatan
ini menjadi dasar sistem pemantauan kualitas air otomatis guna mendukung pengambilan keputusan berbasis data.

Analisis Faktor yang Mempengaruhi Promosi Karyawan Menggunakan Random Forest pada Dataset Employee Promotion

Sapto Kurniawan — 2025-08-02

Promosi karyawan merupakan aspek penting dalam manajemen sumber daya manusia yang berperan dalam
meningkatkan motivasi, retensi, dan kinerja organisasi. Namun, keputusan promosi seringkali dinilai subjektif dan
kurang transparan. Penelitian ini menerapkan algoritma Random Forest pada Employee Promotion Dataset untuk
mengidentifikasi faktor-faktor utama yang memengaruhi promosi. Metodologi yang digunakan adalah CRISPDM, mencakup pemahaman data, prapemrosesan, pemodelan, dan evaluasi. Untuk mengatasi ketidakseimbangan
data, digunakan metode SMOTE. Model yang dibangun menunjukkan akurasi sebesar 93%, precision 85,13%,
dan recall 26,55%. Analisis feature importance menunjukkan bahwa skor pelatihan, rating kinerja, lama bekerja,
capaian KPI, dan penghargaan merupakan faktor dominan. Hasil ini mendukung pengembangan sistem
pengambilan keputusan promosi karyawan berbasis data

Pemanfaatan Platform for Open Exploration Artificial Intelligence (POE AI) Terhadap Kemandirian Berpikir dalam Menentukan Judul Skripsi Mahasiswa

azlan ladike arisandi — 2025-08-02

Penelitian ini bertujuan untuk mengetahui bagaimana pemanfaatan POE AI (Platform for Open Exploration for Artificial Intelligence) berpengaruh terhadap kemandirian berpikir mahasiswa dalam menentukan judul skripsi. Latar belakang penelitian ini dilandasi oleh maraknya penggunaan kecerdasan buatan, khususnya POE AI, yang dapat membantu mahasiswa dalam menemukan ide judul skripsi. Namun, penggunaan yang berlebihan tanpa diimbangi dengan kemampuan berpikir mandiri dapat menimbulkan masalah seperti ketidak sesuaian topik penelitian dan minimnya pemahaman terhadap isu yang diangkat. Penelitian ini menggunakan pendekatan kuantitatif dengan metode deskriptif. Populasi dalam penelitian ini adalah seluruh mahasiswa Program Studi Perpustakaan dan Ilmu Informasi angkatan 2021 Universitas Negeri Padang sebanyak 85 orang, dengan teknik sampling jenuh. Data dikumpulkan melalui kuesioner dan dianalisis berdasarkan empat indikator utama dari teori konstruktivisme Piaget: asimilasi, akomodasi, keseimbangan kognitif, dan tahap operasional formal. Hasil penelitian menunjukkan bahwa POE AI memiliki peran positif dalam memberikan referensi ide awal, namun kemandirian berpikir tetap menjadi faktor kunci dalam menghasilkan judul skripsi yang kreatif, relevan, dan mendalam. Dengan demikian, diperlukan keseimbangan antara penggunaan teknologi dan penguatan kemampuan berpikir kritis mahasiswa.

Kata kunci: POE AI, kemandirian berpikir, mahasiswa, judul skripsi, teknologi pendidikan

Klastering Perbandingan Metode Machine Learning untuk Klastering Penerima Bantuan Pendidikan Siswa

Rafly Gusmansyah — 2025-08-02

Penelitian ini membandingkan tiga algoritma clustering Fuzzy C-Means, K-Medoids, dan Hierarchical Clustering untuk mengelompokkan siswa sebagai calon penerima bantuan pendidikan berdasarkan data sosial. Data yang digunakan berasal dari MTsN 1 Kota Pekanbaru sebanyak 1.200 entri dan mencakup atribut seperti penghasilan orang tua, jumlah tanggungan, dan prestasi akademik. Principal Component Analysis (PCA) digunakan untuk mereduksi dimensi data sebelum proses klasterisasi. Hasil evaluasi menggunakan Silhouette Coefficient dan Davies-Bouldin Index menunjukkan bahwa Fuzzy C-Means memberikan performa terbaik dengan nilai Silhouette 0.449 dan DBI 0.779. K-Medoids mencatatkan nilai Silhouette 0.436 dan DBI 0.787, sedangkan Hierarchical Clustering memperoleh Silhouette 0.405 dan DBI 0.790. Visualisasi hasil menunjukkan bahwa distribusi kategori siswa “Sangat Layak”, “Layak”, dan “Tidak Layak” paling proporsional dihasilkan oleh Fuzzy C-Means. Temuan ini mengindikasikan bahwa Fuzzy C-Means lebih efektif dalam menangani data sosial yang kompleks dan sesuai untuk digunakan sebagai basis sistem pendukung keputusan dalam seleksi penerima bantuan pendidikan.

Model Data-Driven untuk Prediksi Digitalisasi UMKM Menggunakan GMM dan XGBoost

Evi Purnamasari — 2025-08-02

[1] “?Refleksi 2022 dan Outlook 2023, Kemenkop UKM Ungkap Pencapaian dan Rencana Untuk Pelaku UMKM .” Accessed: May 29, 2025. [Online]. Available: https://ukmindonesia.id/baca-deskripsi-program/refleksi-2022-dan-outlook-2023-kemenkop-ukm-ungkap-pencapaian-dan-rencana-untuk-pelaku-umkm

[2] F. Baderi, “UMKM Pilar Pemulihan dan Pertumbuhan Ekonomi Nasional,” Harian Ekonomi Neraca. Accessed: Dec. 07, 2024. [Online]. Available: https://www.neraca.co.id/article/209137/umkm-pilar-pemulihan-dan-pertumbuhan-ekonomi-nasional

[3] G. Godwin, S. R. P. Junaedi, M. Hardini, and S. Purnama, “Inovasi Bisnis Digital untuk Mendorong Pertumbuhan UMKM melalui Teknologi dan Adaptasi Digital,” ADI Bisnis Digital Interdisiplin Jurnal, vol. 5, no. 2, pp. 41–47, Dec. 2024, doi: 10.34306/abdi.V5I2.1172.

[4] Eliza, F. Hadi, Zefriyenni, and K. Kunci, “Pengembangan E-Commerce di Era Digitalisasi pada UMKM Produk Kale Kota Padang Panjang,” Jurnal Pengabdian kepada Masyarakat Nusantara, vol. 5, no. 2, pp. 2732–2743, Jun. 2024, doi: 10.55338/jpkmn.v5i2.3342.

[5] R. Mardiana, Y. Fahdillah, M. Kadar, I. Hassandi, and R. Mandasari, “Implementasi Transformasi Digital dan Kecerdasan Buatan Sebagai Inovasi Untuk UMKM pada Era Revolusi Industri 4.0,” Jurnal Ilmiah Manajemen dan Kewirausahaan (JUMANAGE), vol. 3, no. 1, Jan. 2024, doi: 10.33998/jumanage.2024.3.1.1552.

[6] S. Baulkani, P. S. Nifasath, and M. M. Priyanga, “Machine Learning Technologies for Agricultural Prediction to Enhance Economic Growth,” Smart Technologies for Sustainable Development Goals, pp. 178–195, 2024, doi: 10.1201/9781003519010-11.

[7] D. Marcelina, A. Kurnia, and T. Terttiaavini, “Analisis Klaster Kinerja Usaha Kecil dan Menengah Menggunakan Algoritma K-Means Clustering,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 3, no. 2, pp. 293–301, Nov. 2023, doi: 10.57152/malcom.v3i2.952.

[8] A. Heryati, T. Terttiaavini, S. Cahyani, H. Romli, and I. Zaliman, “Optimasi Strategi Pemasaran E-Commerce Melalui Prediksi Konversi Berbasis Machine Learning,” JSAI: Journal Scientific and Applied Informatics, vol. 8, no. 1, pp. 66–73, 2025, doi: 10.36085.

[9] M. Alloghani, D. Al-Jumeily, J. Mustafina, A. Hussain, and A. J. Aljaaf, “A Systematic Review on Supervised and Unsupervised Machine Learning Algorithms for Data Science,” pp. 3–21, 2020, doi: 10.1007/978-3-030-22475-2_1.

[10] T. Terttiaavini, “A Hybrid Approach Using K-Means Clustering and the SAW Method for Evaluating and Determining the Priority of SMEs in Palembang City,” INSYST: Journal of Intelligent System and Computation, vol. 6, no. 1, pp. 46–53, Apr. 2024, doi: 10.52985/insyst.V6I1.392.

[11] H. Ren, B. Khailany, M. Fojtik, and Y. Zhang, “Machine Learning and Algorithms: Let Us Team Up for EDA,” IEEE Des Test, vol. 40, no. 1, pp. 70–76, Feb. 2023, doi: 10.1109/mdat.2022.3143427.

[12] T. Milo and A. Somech, “Automating Exploratory Data Analysis via Machine Learning: An Overview,” in Proceedings of the 2020 ACM SIGMOD International Conference on Management of Data, New York, NY, USA: ACM, Jun. 2020, pp. 2617–2622. doi: 10.1145/3318464.3383126.

[13] V. Çetin and O. Y?ld?z, “A comprehensive review on data preprocessing techniques in data analysis,” Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, vol. 28, no. 2, pp. 299–312, Apr. 2022, doi: 10.5505/pajes.2021.62687.

[14] J. Rashid and K. Waheed, “Missing Values and Outliers in Research Data,” Pakistan Postgraduate Medical Journal, vol. 31, no. 04, pp. 167–167, Jun. 2020, doi: 10.51642/ppmj.v31i04.404.

[15] V. Safak, “Min-Mid-Max Scaling, Limits of Agreement, and Agreement Score,” ArXiv, Jun. 2020, Accessed: May 20, 2025. [Online]. Available: https://arxiv.org/pdf/2006.12904

[16] R. Addanki, A. McGregor, A. Meliou, and Z. Moumoulidou, “Improved Approximation and Scalability for Fair Max-Min Diversification,” Jan. 2022, Accessed: May 20, 2025. [Online]. Available: https://arxiv.org/pdf/2201.06678

[17] K. P. Sinaga and M.-S. Yang, “Unsupervised K-Means Clustering Algorithm,” IEEE Access, vol. 8, pp. 80716–80727, 2020, doi: 10.1109/access.2020.2988796.

[18] L. Trento Oliveira, M. Kuffer, N. Schwarz, and J. C. Pedrassoli, “Capturing deprived areas using unsupervised machine learning and open data: a case study in São Paulo, Brazil,” Eur J Remote Sens, vol. 56, no. 1, Dec. 2023, doi: 10.1080/22797254.2023.2214690.

[19] T. Terttiaavini et al., “Clustering Analysis of Premier Research Fields,” International Journal of Engineering & Technology, vol. 7, no. 4.44, 2018, doi: 10.14419/ijet.v7i4.44.26860.

[20] A. Avram, O. Matei, C.-M. Pintea, P. C. Pop, and C. A. Anton, “Comparative Analysis of Clustering Techniques for a Hybrid Model Implementation,” in 15th International Conference on Soft Computing Models in Industrial and Environmental Applications (SOCO 2020), Á. Herrero, C. Cambra, D. Urda, J. JSedano, H. Quintián, and E. Corchado, Eds., Springer, Cham, 2021, pp. 22–32. doi: 10.1007/978-3-030-57802-2_3.

[21] E. Y. Boateng, J. Otoo, and D. A. Abaye, “Basic Tenets of Classification Algorithms K-Nearest-Neighbor, Support Vector Machine, Random Forest and Neural Network: A Review,” Journal of Data Analysis and Information Processing, vol. 08, no. 04, pp. 341–357, 2020, doi: 10.4236/jdaip.2020.84020.

[22] O. A. Montesinos López, A. Montesinos López, and J. Crossa, Overfitting, Model Tuning, and Evaluation of Prediction Performance. Springer International Publishing, 2022. doi: 10.1007/978-3-030-89010-0.

[23] S. Khodabandehlou and M. Zivari Rahman, “Comparison of supervised machine learning techniques for customer churn prediction based on analysis of customer behavior,” Journal of Systems and Information Technology, vol. 19, no. 1/2, pp. 65–93, Jan. 2017, doi: 10.1108/JSIT-10-2016-0061.

[24] R. Susmaga, “Confusion Matrix Visualization,” Intelligent Information Processing and Web Mining, pp. 107–116, 2004, doi: 10.1007/978-3-540-39985-8_12.

[25] M. Kuhn and K. Johnson, “Feature Engineering and Selection: A Practical Approach for Predictive Models,” Feature Engineering and Selection: A Practical Approach for Predictive Models, pp. 1–297, Jan. 2019, doi: 10.1201/9781315108230

Perancangan Sistem Informasi Akuntansi Simpan Pinjam pada KSPPKP “Unit Bulanan Teluk Betung Bandar Lampung”

intan mutiara — 2025-08-02

Koperasi Simpan Pinjam dan Pembiayaan Koperasi Pegawai (KSPPKP) “Unit Bulanan Teluk Betung” merupakan lembaga keuangan non-bank yang memberikan layanan simpan pinjam kepada anggotanya. Proses pencatatan transaksi yang masih dilakukan secara manual menimbulkan berbagai permasalahan, seperti keterlambatan pelaporan, kesalahan pencatatan, dan kesulitan dalam pengelolaan data. Penelitian ini bertujuan untuk merancang sistem informasi akuntansi simpan pinjam yang dapat membantu koperasi dalam mencatat, mengelola, dan menyajikan data transaksi secara efektif dan efisien. Metodologi yang digunakan adalah metode waterfall yang mencakup tahapan analisis kebutuhan, perancangan, implementasi, dan pengujian sistem. Hasil dari perancangan ini berupa sistem berbasis web yang mendukung pengelolaan data anggota, transaksi simpanan, pinjaman, angsuran, serta laporan keuangan koperasi. Pengujian sistem dilakukan menggunakan metode black-box dan menunjukkan bahwa seluruh fungsi sistem berjalan dengan baik. Dengan diterapkannya sistem ini, diharapkan pengelolaan keuangan koperasi menjadi lebih terstruktur, akurat, dan transparan

Pemetaan Tren dan Pola Topik Kekerasan Remaja dalam Pemberitaan Online di Indonesia Berbasis Association Rule Mining dan Time Series Analysis

Anita — 2025-08-03

Penelitian ini bertujuan untuk memetakan tren dan pola topik kekerasan remaja dalam pemberitaan online di Indonesia. Dengan menganalisis data artikel berita dari berbagai portal terkemuka selama periode Agustus 2024 hingga Mei 2025, penelitian ini menggunakan pendekatan kuantitatif komputasional. Proses pengumpulan data dilakukan melalui web scraping menggunakan framework Scrapy, menghasilkan total 5272 artikel yang relevan. Data teks kemudian melalui tahapan pra-pemrosesan yang meliputi case folding, penghapusan URL dan tag HTML, tokenisasi, stopword removal, dan stemming untuk menormalisasi teks. Pemodelan Topik Latent Dirichlet Allocation (LDA) berhasil mengidentifikasi 10 topik utama terkait kekerasan remaja, meliputi isu kriminalitas jalanan, kekerasan dalam rumah tangga, kekerasan seksual, serta peran hukum dan pendidikan. Analisis deret

waktu menunjukkan fluktuasi signifikan dalam volume pemberitaan, dengan puncak-puncak tertentu yang mengindikasikan peningkatan perhatian media pada topik spesifik. Selanjutnya, Association Rule Mining (ARM), baik berbasis kata maupun topik, mengungkap pola-pola asosiasi yang kuat. ARM berbasis topik menyoroti hubungan antara tema-tema besar seperti asosiasi antara "Kekerasan Seksual & Pencabulan" dengan "Perlindungan & Tumbuh Kembang Anak/Remaja", sementara ARM berbasis kata memberikan detail granular tentang kata kunci yang sering muncul bersama, seperti "polisi", "tangkap", dan "pelaku". Sintesis temuan mengindikasikan adanya narasi dominan yang berfokus pada insiden kekerasan dan respons institusional. Penelitian ini memberikan wawasan komprehensif mengenai dinamika pemberitaan kekerasan remaja di media online Indonesia, yang dapat menjadi dasar bagi pembuat kebijakan dan praktisi terkait..

Kata kunci: Kekerasan Remaja, Pemberitaan Online, Web Scraping, Pemodelan Topik, Latent Dirichlet Allocation (LDA), Association Rule Mining (ARM), Analisis Deret Waktu (TSA).

Object-Oriented Analysis and Design pada Aplikasi Sistem Pendukung Keputusan Pemilihan Beasiswa KIP Kuliah

Fitri Permata Sari — 2025-08-31

Penelitian ini membahas penerapan metode Object-Oriented Analysis and Design (OOAD) dalam perancangan aplikasi Sistem Pendukung Keputusan (SPK) pemilihan penerima beasiswa KIP Kuliah. Tujuan penelitian ini adalah merancang sistem yang terstruktur dan efisien guna membantu proses seleksi dengan menggunakan metode VIKOR sebagai algoritma utama dalam pengambilan keputusan multikriteria. Metode penelitian meliputi identifikasi masalah, pengumpulan data melalui observasi dan wawancara, analisis sistem menggunakan pendekatan OOA, serta desain aplikasi dengan pendekatan OOD. Aplikasi yang dikembangkan berbasis desktop dan dilengkapi fitur input data, penetapan bobot, normalisasi, perangkingan, dan pelaporan keputusan secara otomatis. Pendekatan OOAD menjamin desain perangkat lunak yang sistematis, sedangkan metode VIKOR mendukung seleksi penerima beasiswa secara objektif dan akurat. Sistem akhir mampu memberikan rekomendasi berdasarkan hasil perangkingan dan membantu pengambil keputusan dalam mengklasifikasikan calon penerima menjadi direkomendasikan, dipertimbangkan, atau ditolak

Klasifikasi Pengaduan Kekerasan Berbasis Bidirectional Encoder Representations from Transformers (BERT) pada Kementrian Pemberdayaan Perempuan dan Perlindungan Anak Kementrian (PPPA)

Muhammad Jundi — 2025-08-31

Kekerasan terhadap perempuan dan anak merupakan isu serius di Indonesia, dengan ribuan laporan masuk setiap tahun ke lembaga perlindungan. Sebagian besar laporan disampaikan dalam bentuk narasi bebas, yang menyulitkan proses identifikasi jenis kekerasan dan respon yang cepat. Penelitian ini mengembangkan model klasifikasi otomatis berbasis IndoBERT untuk mendeteksi jenis kekerasan dan sentimen pelapor secara simultan. Model dilatih menggunakan pendekatan multi-task learning dengan dua label keluaran: kategori kekerasan (multi-label) dan sentimen (biner). Dataset terdiri dari laporan berbahasa Indonesia yang telah dianotasi manual. Evaluasi dilakukan pada data uji (20%) menggunakan metrik F1-score, precision, dan recall. Hasil menunjukkan bahwa model mencapai F1-score sebesar 0,8528 untuk klasifikasi kekerasan dan 0,8375 untuk sentimen. Pengujian pada narasi fiktif juga membuktikan ketepatan model dalam menangkap konteks semantik dan ekspresi emosional pelapor. Model ini menunjukkan potensi signifikan untuk mendukung lembaga pemerintah dalam mempercepat analisis dan tindak lanjut laporan kekerasan secara digital.

Analisis Pola Transaksi Penjualan Untuk Rekomendasi Menu Menggunakan Algoritma Apriori

Yulya Muharmi — 2025-08-31

Sou Space merupakan Coffee Shop yang tengah berkembang di wilayah Tulang Bawang Barat dan menyediakan berbagai pilihan makanan serta minuman. Dalam menghadapi persaingan bisnis kuliner yang semakin kompetitif, dibutuhkan strategi promosi yang berbasis data dan tepat sasaran. Penelitian ini bertujuan untuk menemukan kombinasi menu yang sering dibeli bersamaan oleh pelanggan menggunakan algoritma apriori. Data yang dianalisis berasal dari transaksi penjualan di Sou Space. Proses analisis dilakukan secara manual dan divalidasi menggunakan perangkat lunak Tanagra versi 1.4.41, dengan ambang minimum confidence sebesar 80%. Hasil yang diperoleh menunjukkan dua aturan asosiasi yang signifikan, yaitu: (1) pembelian Nugget Mozarella cenderung diikuti dengan pembelian French Fries, dan (2) pembelian Sou Green berkaitan dengan pembelian Nugget Mozarella. Pola pembelian ini dapat dijadikan dasar bagi manajemen dalam merancang strategi promosi, seperti menu bundling atau diskon kombinasi, untuk meningkatkan penjualan serta kepuasan pelanggan. Temuan ini membuktikan bahwa algoritma apriori mampu mengolah data transaksi secara efektif untuk mendukung pengambilan keputusan dalam kegiatan promosi.

Segmentasi Pelanggan Toko Hanifah Berdasarkan Analisis RFM dengan Metode K-Means Clustering

Yerri Kurnia Febrina — 2025-08-31

Penjualan merupakan aspek krusial dalam bisnis karena secara langsung mempengaruhi pendapatan dan daya saing di pasar. Dalam konteks ritel, pendekatan penjualan yang seragam sering kali kurang efektif mengingat keragaman karakteristik dan perilaku belanja pelanggan. Penelitian ini dilakukan di Toko Hanifah, sebuah toko kebutuhan harian, dengan tujuan mengelompokkan pelanggan berdasarkan perilaku belanja mereka menggunakan analisis RFM (Recency, Frequency, Monetary) yang kemudian diklasifikasikan lebih lanjut menggunakan algoritma K-Means Clustering. Melalui pendekatan ini, pelanggan berhasil dikelompokkan ke dalam empat klaster, yaitu pelanggan reguler, pasif, loyal, dan pelanggan potensial. Klasterisasi ini didukung oleh analisis Principal Component Analysis (PCA) yang menunjukkan sebaran klaster yang jelas. Hasil penelitian ini memberikan kontribusi praktis dalam merumuskan strategi penjualan yang lebih efisien dan terarah, serta meningkatkan efektivitas pemasaran berdasarkan karakteristik masing-masing kelompok pelanggan. Pendekatan ini juga membuktikan potensi pemanfaatan data transaksi dalam mendukung pengambilan keputusan bisnis di sektor ritel.

Implementasi Algoritma C4.5 Dalam Menentukan Prediksi Pendaftaran Ulang Mahasiswa Baru Di STT Payakumbuh

Rini Budiarni — 2025-08-31

Proses pendaftaran ulang merupakan tahapan pelaporan diri yang wajib dilaksanakan oleh calon mahasiswa baru yang telah dinyatakan lolos seleksi, guna memperolah status resmi sebagai mahasiswa di perguruan tinggi. Proses ini merupakan tahapan penting karena berpengaruh langsung terhadap keberlangsungan institusi. Namun, tidak semua calon mahasiswa yang dinyatakan lolos seleksi melanjutkan proses ini, sehingga diperlukan strategi prediktif untuk memperkirakan jumlah mahasiswa yang akan melakukan pendaftaran ulang. Tujuan dari penelitian ini adalah untuk memprediksi pendaftaran ulang calon mahasiswa baru di STT Payakumbuh dengan menerapkan teknik data mining menggunakan algoritma C4.5. Variabel yang digunakan dalam proses pengolahan data mencakup jenis kelamin, umur, nilai rata-rata, jenis sekolah dan letak sekolah. Hasil penerapan algoritma C4.5 dalam pengolahan data menghasilkan model pohon keputusan dengan struktur 19 cabang dan 33 daun, di mana variabel ”Letak Sekolah” menjadi akar dari pohon keputusan. Evaluasi model pohon keputusan dilakukan dengan menggunakan confusion matrix dengan yang menghasilkan tingkat akurasi sebesar 81,26 %, nilai precision sebesar 82,82% dan nilai recall sebesar 97,75%. Hasil ini menunjukan bahwa model yang dibangun efektif digunakan sebagai alat bantu prediktif dalam mendukung proses pendaftaran ulang mahasiswa baru.

Model Deep Learning Berbasis Convolutional Neural Network Untuk Identifikasi Stroke Iskemik Pada Citra CT Scan

Agung Faturohman — 2025-08-31

Stroke iskemik merupakan salah satu penyakit tidak menular yang berbahaya dan dapat menyebabkan kecacatan hingga kematian apabila tidak ditangani dengan cepat dan tepat. Identifikasi stroke melalui citra CT scan otak menjadi metode penting dalam dunia medis, namun masih memerlukan waktu dan keahlian tinggi. Penelitian ini bertujuan untuk mengembangkan sistem deteksi stroke iskemik secara otomatis menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. Data yang digunakan berupa citra CT scan otak pasien dari Rumah Sakit Labuang Baji Makassar, yang diproses melalui tahapan preprocessing seperti grayscale, resizing, augmentasi, dan normalisasi. Model CNN dilatih menggunakan binary crossentropy loss dan Adam optimizer untuk klasifikasi dua kelas, yaitu normal dan stroke iskemik. Hasil pengujian menunjukkan bahwa model mencapai akurasi sebesar 91,6%, precision 88%, recall 95,1%, dan F1-score 0,914, yang menandakan bahwa model ini mampu mengenali stroke iskemik secara efektif. Dengan demikian, sistem ini berpotensi menjadi alat bantu diagnosis awal yang efisien dan akurat dalam bidang kesehatan.

Analisis Sentimen Digital Publik terhadap Perguruan Tinggi Negeri Menggunakan Google Review: Studi Kasus ITERA

Rizki Yustisia Sari — 2025-08-31

Transformasi digital telah mengubah cara masyarakat menyampaikan opini terhadap institusi publik, termasuk perguruan tinggi. Salah satu bentuk opini digital tersebut adalah ulasan pada platform Google Review yang dapat diolah untuk memahami persepsi publik secara real time. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap Institut Teknologi Sumatera (ITERA) sebagai representasi persepsi digital terhadap perguruan tinggi negeri. Keterbaruan studi ini terletak pada pemanfaatan data ulasan publik dari platform terbuka dan dinamis sebagai indikator alternatif dalam mengevaluasi kualitas layanan institusi pendidikan tinggi dalam ekosistem digital. Metode yang digunakan adalah pendekatan analisis sentimen berbasis leksikon menggunakan algoritma Valence Aware Dictionary and sEntiment Reasoner (VADER), setelah proses translasi data dari Bahasa Indonesia ke Bahasa Inggris. Dari 1.683 data ulasan awal, diperoleh 504 data bersih yang layak dianalisis. Hasil menunjukkan bahwa 62,1% ulasan bersentimen positif, 31,3% netral, dan 6,5% bersifat negatif. Aspek yang paling banyak diapresiasi meliputi fasilitas kampus, aksesibilitas, dan layanan akademik. Temuan ini menunjukkan bahwa opini digital publik terhadap ITERA cenderung positif dan dapat menjadi masukan strategis dalam pengembangan mutu institusi pendidikan berbasis teknologi dan kecerdasan buatan.

Analisis Sentimen Publik terhadap Fenomena Judi Online di Media Sosial X dengan SVM

Andika Dwi Prastiko — 2025-08-31

Fenomena meningkatnya praktik judi online di Indonesia, terutama melalui media sosial X (sebelumnya Twitter), menjadi isu yang memprihatinkan. Meskipun dilarang oleh hukum, aktivitas ini tetap marak terjadi dan menjangkau berbagai lapisan masyarakat, termasuk generasi muda. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap judi online serta mengukur efektivitas algoritma Support Vector Machine (SVM) dalam klasifikasi opini publik ke dalam sentimen positif dan negatif. Data dikumpulkan melalui teknik web scraping terhadap 1.006 tweet berbahasa Indonesia yang mengandung kata kunci “judi online” dan “judol” dalam periode 15 Juli 2024 hingga 15 Juli 2025. Data kemudian diproses melalui tahapan cleaning, case folding, tokenisasi, normalisasi, stopword removal, dan stemming. Representasi data dilakukan menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF), dan klasifikasi sentimen dilakukan dengan algoritma SVM menggunakan pendekatan supervised learning. Hasil menunjukkan bahwa 81,31% tweet mengandung sentimen negatif dan 18,69% menunjukkan sentimen positif. Model SVM memberikan akurasi sebesar 90,59% dengan nilai precision, recall, dan F1-score yang tinggi dalam mengklasifikasikan sentimen negatif. Temuan ini menunjukkan bahwa opini publik cenderung negatif terhadap fenomena judi online dan metode SVM efektif digunakan dalam analisis sentimen di media sosial.

Simulasi Pengiriman Air Mineral Galon dengan Multi Depot Menggunakan Hill Climbing dan Algoritma A*

Muhammad Dzulfikar Fauzi — 2023-08-31

Air mineral sangat penting bagi kesehatan manusia karena berperan dalam hidrasi tubuh, menjaga keseimbangan cairan, dan mendukung fungsi organ serta sistem tubuh. Untuk memenuhi kebutuhan sehari-hari, distribusi dari depo air ke pelanggan harus mempertimbangkan rute tercepat agar biaya pengiriman efisien. Mencari rute terpendek dengan alokasi depo terbaik dengan tetap mempertimbangkan keterbatasan kapasitas masing-masing depo dan kendaraan merupakan tujuan dari penelitian ini. Algoritma Hill Climbing merupakan metode yang efektif untuk menentukan rute terdekat antar titik pengiriman. Selain itu, algoritma A* dapat digunakan untuk mencari rute optimal dengan menggunakan informasi tambahan (heuristik) yang mengarahkan pencarian ke jalur yang paling efisien. Berdasarkan hasil penelitian, 450,41 merupakan rute terjauh dengan menggunakan moda transportasi penjemputan dengan satu depo. Sedangkan untuk moda transportasi penjemputan dengan dua depo, jalur terpendek adalah 257,62; sedangkan untuk menggunakan sepeda motor atau kereta api, jalur terpendek adalah 271,75.

Sistem Deteksi Kepuasan Pelanggan dengan Teknik Pengelolaan Citra Menggunakan Convolutional Neural Networks

Randy Saputra — 2023-08-31

Advancements in computer vision and facial expression recognition provide a new, objective, and non-intrusive method for measuring customer satisfaction in real time. This study develops a customer satisfaction detection system at Rumah Diskusi ALCO Café using Convolutional Neural Networks (CNN) with a mixed-methods approach, combining quantitative and qualitative analysis. The RAF-DB dataset containing 15,339 labeled images (12,271 for training and 3,068 for testing) across seven emotion classes was processed through image acquisition, preprocessing, and ResNet50 fine-tuning. The resulting model achieved an accuracy of 80.34%, with a Precision of 83.55%, Recall of 81.78%, and F1-Score of 82.32% on the test data. Field implementation over four weeks successfully recorded and analyzed thousands of customer facial expressions in key areas such as the cashier and main seating area in real time. Results showed a customer satisfaction distribution of approximately 72% “Satisfied,” 16% “Quite Satisfied,” and 12% “Not Satisfied,” with a declining trend during peak hours in the afternoon. Cross-validation with customer surveys demonstrated a strong correlation between the system’s predictions and reported satisfaction, proving the effectiveness of this method as a real-time monitoring tool. The study contributes a practical technical and methodological framework that can be replicated in other service industries for objective and real-time customer satisfaction monitoring.

Sistem Identifikasi Citra Huruf Aksara Minangkabau Berbasis Convolutional Neural Network

Riyan Saputra — 2023-08-31

Pelestarian aksara daerah penting untuk menjaga warisan budaya bangsa. Aksara Minangkabau, sebagai salah satu kekayaan budaya Indonesia, masih minim penelitian dan belum memiliki sistem digitalisasi memadai. Penelitian ini merupakan tahap awal eksplorasi pengenalan aksara Minangkabau menggunakan pendekatan Convolutional Neural Network (CNN) sebagai upaya mendokumentasikan dan menguji potensi digitalisasi aksara tersebut. CNN merupakan salah satu model deep learning yang dirancang untuk memproses data grid terstruktur seperti citra. Penelitian sebelumnya menunjukan kinerja CNN sangat baik dalam pengenalan tulisan tangan. Citra aksara yang digunakan dalam penelitian ini diperoleh dari sumber museum dan tulisan tangan dari 31 sukarelawan. Dataset terdiri dari 4.650 citra karakter dari 75 kelas dengan berbagai kombinasi tanda baca pada lima huruf vokal, yang kemudian diproses melalui konversi grayscale, peningkatan kontras, segmentasi, dan augmentasi hingga menghasilkan total 8.537 citra. Model CNN yang dirancang mengklasifikasikan karakter ke dalam 75 kelas. Hasil pengujian mengindikasikan bahwa model dapat mengenali karakter dengan sangat baik. Pengujian menunjukkan akurasi 99% dalam skenario pengujian terbatas pada 500 data uji. Temuan ini memberikan landasan awal untuk digunakan dalam kajian akademis lanjutan maupun diskusi kultural yang lebih luas terkait keberadaan aksara Minangkabau.

Segmentasi Tunggakan Pelanggan Menggunakan Algoritma K-Means Cluster pada Perusahaan Air Minum Daerah

Syifa Chairunnissa Deliva Akbar — 2025-08-31

Perusahaan Air Minum Daerah (Perumdam) Tirta Anai is a Regional Elected Business Entity providing clean water services to customers, but based on the BPKP performance report, this company is categorized as an unhealthy BUMD. One of the factors causing this is due to the high arrears of customers which have an impact on the company's revenue, while efforts in the form of late fines have not been able to provide a deterrent effect to customers. Based on this, this research was carried out with the aim of segmenting customer arrears at the Tirta Anai Regional Drinking Water Company. Segmentation is carried out using the K-Means Clustering algorithm. K-Means Clustering is a data mining algorithm used in grouping data based on its similarity in characteristics. The data in this study is sourced from the database of customers who are in arrears at the Tirta Anai Regional Drinking Water Company as of May 2025 which focuses on the Household group, with as many as 20,646 customer arrears data. From this population, samples were taken using the Slovin formula with an error rate of 5% so that 392 data were analyzed. The parameters used in analyzing this study are the number of months of customer arrears and total customer arrears. Based on the K-Means Clustering method, it is proven to be able to group customers based on their payment patterns. The results are divided into C0 (Low) containing 327 data, C1 (High) containing 6 data, and C2 (Medium) containing 59 data. The contribution of this research has an impact on companies in taking strategies for handling customer service in managing existing connections.

Sistem Cerdas Pemilihan Makanan Sehat Berbasis Case-Based Reasoning dan SMART untuk Edukasi Pemenuhan Gizi Masyarakat

Syafiul Hamidani — 2023-08-31

Gizi memiliki peran penting dalam kesehatan perkembangan manusia. Kekurangan atau kelebihan gizi dapat menyebabkan berbagai masalah kesehatan seperti malnutrisi, obesitas, dan penyakit kronis. Ketidaktahuan masyarakat dalam memilih dan mengonsumsi makanan bergizi menjadi salah satu penyebab utama. Pemerintah telah membuat program makanan bergizi gratis yang bertujuan meciptakan masyarakat yang sehat. Namun banyak tantangan dalam implementasi program tersebut diantaranya keterbatasan tenaga ahli gizi, serta bagaimana memastikan makanan yang dikonsumsi sesuai dengan kebutuhan gizi. Oleh karena itu, diperlukan upaya edukasi dan kebijakan kesehatan untuk meningkatkan kesadaran masyarakat tentang pola hidup sehat. Dalam hal ini, penggunaan teknologi pada sistem pakar memungkinkan integrasi data kesehatan masyarakat dan sistem pemantauan gizi. Pengembangan system pakar pemenuhan gizi menjadi solusi inovatif yang dapat membantu menentukan rekomendasi makanan bergizi secara otomatis sesuai dengan standar gizi. Adapun tujuan dari penelitian ini adalah membangun sistem cerdas pemilihan makanan sehat menggunakan kecerdasan buatan dengan basis pengetahuan dari para ahli gizi. Selain itu, sistem cerdas ini dapat memberikan rekomendasi makanan sehat dari banyak alternative kepada masyarakat untuk pemenuhan gizi. Serta dengan sistem cerdas ini dapat membantu dalam memberikan edukasi tentang hidup sehat melalui informasi pemenuhan gizi dengan memilih makanan yang tepat.

Penerapan Ant Colony Optimization Dengan Sentiment-Based Weighting Untuk Rekomendasi Rute Wisata Di Kota Makassar

Rizky Aditya Nugroho — 2023-08-31

Abstract

An effective and relevant tourist route recommendation system is essential to support tourists in making informed decisions when planning efficient and enjoyable trips. This study aims to develop a tourist route recommendation model for Makassar City by implementing a modified Ant Colony Optimization (ACO) algorithm that incorporates user star ratings as weighting factors. The research adopts a computational experimental quantitative approach, consisting of six main stages: identifying tourist destinations, collecting star rating data and estimated travel times between locations, calculating rating-based weights, implementing the ACO algorithm, and evaluating the resulting routes. The data used include star ratings of tourist destinations obtained from digital platforms and estimated travel times retrieved through online mapping services. The results indicate that the ACO model combined with rating-based weighting successfully generates routes that are more preferred by users, as they balance travel efficiency with the quality of destinations. Compared to conventional models that consider only travel time, this hybrid model delivers higher recommendation value in terms of user satisfaction. The proposed model can be applied in the development of intelligent tour guide applications to enhance tourists’ travel experiences. Furthermore, this study opens opportunities for future development by incorporating additional supporting variables to make the system more adaptive and context-aware.

Keywords: recommendation system, ant colony optimization, star rating, tourist route, Makassar City

Abstrak

Sistem rekomendasi rute wisata yang efektif dan relevan sangat dibutuhkan untuk mendukung pengambilan keputusan wisatawan dalam merencanakan perjalanan yang efisien sekaligus menyenangkan. Penelitian ini bertujuan untuk mengembangkan model rekomendasi rute wisata di Kota Makassar dengan mengimplementasikan algoritma Ant Colony Optimization (ACO) yang dimodifikasi dengan bobot berdasarkan rating bintang pengguna. Penelitian menggunakan pendekatan kuantitatif eksperimental berbasis komputasi dengan enam tahapan utama, mulai dari identifikasi destinasi wisata, pengumpulan data rating dan waktu tempuh antar lokasi, perhitungan bobot berbasis rating, implementasi ACO, hingga evaluasi hasil rute yang dihasilkan. Data yang digunakan meliputi rating bintang destinasi wisata dari platform digital serta estimasi waktu tempuh antar lokasi menggunakan layanan pemetaan daring. Hasil penelitian menunjukkan bahwa model ACO yang dikombinasikan dengan bobot rating mampu menghasilkan rute yang lebih disukai oleh pengguna karena menggabungkan efisiensi waktu dan kualitas destinasi. Dibandingkan dengan model konvensional yang hanya mempertimbangkan waktu tempuh, model hybrid ini memberikan nilai rekomendasi yang lebih tinggi dalam konteks kepuasan pengguna. Model yang dihasilkan dapat diimplementasikan dalam pengembangan aplikasi pemandu wisata berbasis sistem cerdas, khususnya untuk meningkatkan pengalaman perjalanan wisatawan. Penelitian ini juga membuka peluang untuk pengembangan lebih lanjut dengan menambahkan variabel-variabel pendukung lainnya agar sistem semakin adaptif dan kontekstual.

Kata kunci: sistem rekomendasi, ant colony optimization, rating bintang, rute wisata, Kota Makassar

Efektivitas Visualisasi Produk Keramik Berbasis Augmented Reality Terhadap Perubahan Minat Beli Konsumen

Yuniana Cahyaningrum — 2023-08-31

Penelitian ini mengkaji dampak penggunaan Augmented Reality (AR) dalam visualisasi produk keramik terhadap minat beli konsumen. Di dunia digital saat ini, visualisasi produk online sering memiliki keterbatasan yang mengurangi pengalaman berbelanja. AR menawarkan solusi dengan memungkinkan konsumen melihat produk dalam konteks lingkungan mereka sendiri. Menggunakan pendekatan eksperimental between-subjects, studi ini membandingkan dua kelompok: satu menggunakan visualisasi AR produk keramik dan yang lain menggunakan visualisasi konvensional seperti foto dan deskripsi. Pengukuran minat beli dilakukan sebelum dan sesudah partisipan dipaparkan pada stimulus. Hasil menunjukkan bahwa visualisasi berbasis AR secara signifikan meningkatkan minat beli dibandingkan metode konvensional. Analisis lebih lanjut mengungkapkan bahwa faktor seperti kualitas visual yang realistis dan elemen interaktif dalam AR berperan penting dalam meningkatkan minat beli. Temuan ini memberikan dampak kontribusi penggunaan teknologi AR yang dapat menjadi strategi pemasaran yang berharga bagi industri keramik untuk meningkatkan keterlibatan konsumen dan mendorong keputusan pembelian dalam konteks online.

Algoritma Random Forest Algoritma Random Forest Untuk Prediksi Perkerasan Tanah

Hanifah Asnur — 2025-08-31

Prediksi kepadatan tanah dasar sangat penting dalam perancangan perkerasan jalan. penelitian ini mengintegrasikan eksperimen laboratorium dengan pendekatan machine learning, khususnya algoritma Random Forest, untuk memprediksi nilai California Bearing Ratio (CBR) berdasarkan parameter pemadatan tanah. Sampel tanah diuji menggunakan metode Standard Proctor guna menentukan kadar air optimum dan berat isi kering maksimum, kemudian dilanjutkan dengan pengujian CBR di laboratorium pada variasi energi tumbukan (10, 25, dan 56 kali). Model Random Forest kemudian dilatih menggunakan variabel input berupa kadar air, berat isi kering, dan jumlah tumbukan, dengan nilai CBR sebagai variabel output. Hasil menunjukkan bahwa model menghasilkan tingkat akurasi prediksi yang tinggi (R² > 0,90) dan memberikan estimasi yang sangat mendekati hasil pengujian laboratorium. Pendekatan ini menunjukkan potensi yang signifikan dalam menyederhanakan dan mempercepat analisis teknis pada desain tanah dasar perkerasan.

Penerapan Algoritma Apriori untuk Menentukan Pola Permintaan Bahan Makanan Berdasarkan Data Transaksi

Fikri S Saad — 2023-08-31

Setiap hari terjadi permintaan bahan makanan yang beragam. Supplier harus menyediakan bahan makanan yang segar dan tepat sesuai dengan permintaan. Dibutuhkan suatu metode untuk melihat pola permintaan agar supplier dapat memanajemen pengadaan permintaan dengan baik. Association rules adalah metode untuk menemukan pola dari data transaksi sebelumnya. Perhitungan metode association rules menggunakan algoritma apriori. Algoritma apriori menghasilkan rules yang memperlihatkan pola permintaan bahan makanan berdasarkan data transaksi selama 3 bulan. Algoritma apriori membutuhkan 3 parameter untuk menghasilkan rules yaitu support, confidence dan lift. Penentenuan nilai minimum dipilih dengan mempertimbangkan bentuk data. Penentuan nilai minium akan mempengaruhi rules yang dihasilkan. Nilai minimum support yang terlalu rendah akan mengakibatkan terlalu banyak itemset yang tidak mempunyai hubungan kuat dan apbila terlalu tinggi mengakibatkan kehilangan terlalu banyak informasi. Nilai minimum confidence dipilih tinggi karena akan memperlihatkan persentase probalitas kemunculan itemset secara bersamaan. Nilai lift lebih dari 1 memperlihatkan hubungan itemset kuat. Nilai minimum support yang digunakan adalah 50%, sedangkan nilai minimum confidence 100% dan terakhir nilai minimum lift adalah 1.5. Penentenuan nilai minimum dipilih dengan mempertimbangkan bentuk data. Nilai minimum yang terlalu rendah akan mengakibatkan terlalu banyak rules yang tidak kuat. Proses perhitungan menggunakan bahasa pemograman phyton. Rules yang dihasilkan sebanyak 12 rules. Rules berupa aturan jika itemset antecedents muncul di transaksi maka itemset cosequents juga muncul di transasksi. Rules yang dihasilkan rata-rata mempunyai nilai lift 1.9 yang artinya itemset consiquents akan 1.9 kali lebih mungin muncul bersama item antecedents dari pada muncul sendiri. Rules yang dihasilkan memperlihatkan pola permintaan dan dapat digunakan supplier sebagai pertimbangan manajemen pengadaan permintaan.

Diagnosa Penyakit Tuberkulosis Paru Menggunakan Metode Forward Chaining dan Certainty Factor

Wira Wirdawati — 2023-08-31

Tuberculosis (TB) is an infectious disease that can affect people of all ages, including children, adolescents, and the elderly, and can cause illness and death in over one million people. The disease is spread through coughs or sneezes by people with pulmonary TB, through contaminated saliva, and inhalation by healthy people with weakened immune systems. Therefore, this study aims to develop an expert system to assist in the diagnosis of pulmonary tuberculosis using the Forward Chaining and Certainty Factor methods. This process begins by identifying symptoms reported by the user and then searching for rules in the knowledge base that match those symptoms. This method allows the system to follow a logical flow of reasoning similar to the way a doctor diagnoses a disease. This study used data from 100 patients from 2023 at the Pariaman Community Health Center. Using the Forward Chaining and Certainty Factor methods, three patient data sets with three types of tuberculosis were tested. The percentage results for each type of disease were 100% positive for pulmonary tuberculosis, 0.91% negative for pulmonary tuberculosis, and 0.92% latent for pulmonary tuberculosis, with a confidence level of Very Confident. This research contributes to increasing knowledge and understanding in the field of expert systems, particularly in the application of the Forward Chaining and Certainty Factor methods for diagnosing tuberculosis.

Perancangan Sistem Pendeteksi Penyakit Pada Rumput Laut Dengan Menggunakan Metode Convolutional Neural Network

Mhd Adi Setiawan Aritonang — 2023-08-31

Penelitian ini mengembangkan sistem deteksi penyakit pada rumput laut menggunakan metode Convolutional Neural Network (CNN) dengan YOLO v11. Sistem dilatih menggunakan data yang terdiri dari Healthy Seaweed, Kerak Bryozoan, dan ice-ice dari dataset Roboflow. Model YOLO v11m dengan 20 juta parameter dievaluasi menggunakan metrik presisi, recall, F1-Score, dan mAP. Hasil menunjukkan kinerja yang baik dalam deteksi penyakit dengan mAP50 sekitar 0.84 pada data validasi dan implementasi dalam aplikasi Web menggunakan Flask