Showing papers in "Komputika in 2023"

Analisis Sentimen Penilaian Masyarakat Terhadap Pejabat Publik Menggunakan Algoritma Naïve Bayes Classifier

Abstract: Umumnya masyarakat Indonesia menyampaikan opini kepada pejabat publik dilakukan dengan melibatkan organisasi masyarakat secara demonstrasi. Namun, dikarenakan era digital masa kini banyak masyarakat juga yang memilih dalam menanggapi/merespon kinerja pejabat publik dengan menyampaikannya melalui media sosial salah satunya Twitter. Opini masyarakat yang tercatat dalam Twitter dapat digunakan untuk dilakukan analisis secara terstruktur mengggunakan analisis sentiment. Analisis sentiment bertujuan untuk membentuk data menjadi kelas tertentu. Klasifikasi kelas yang ada dalam analaisis sentiment berupa kelas positif dan kelas negatif. Pada penelitian ini menerapkan algoritma Naïve Bayes dalam melakukan klasifikasi sentimen data Twitter penilaian masyarakat terhadap pejabat publik. Data yang digunakan berasal dari data teks sebanyak 8000 Tweet yang kemudian dilakukan proses preprocessing sehingga menghasilkan 7993 data. Evaluasi kinerja algoritma menggunakan confusion matrix untuk mendapatkan nilai accuracy dan error rate. Hasil analisis sentimen menunjukkan penilaian masyarakat dengan frekuensi tertinggi berada pada kelas negatif. Performa algoritma menunjukkan nilai accuracy sebesar 64,55% dengan error rate sebesar 35,45%.

Implementasi dan Analisis Metode MOORA dan SMART pada Pemilihan Platform Jual Beli Online menggunakan Decision Support System

Abstract: Online buying and selling transactions have become a necessity and routine for generation Z in the era of technology 4.0. This phenomenon is an effect caused by the existence of the internet. The internet innovates for software developers to create communication applications without meeting face-to-face. Due to the rapid development of the internet, many online buying and selling platforms have emerged and are used by online shopping activists, especially generation Z. Of course, the various trading platforms have differences in appearance and usability. So it is necessary to research selecting the ideal platform using the Decision Support System as the data processing system. While the methods used are the MOORA and SMART methods, the two approaches will analyze the differences in the calculation results and the advantages of each technique. The results of the MOORA method are inversely proportional to the SMART method, but the difference is only that the difference in the final scores is not that great. Hence, the two approaches are ideal for a Decision Support System.

Deteksi Aktivitas Mata, Mulut Dan Kemiringan Kepala Sebagai Fitur Untuk Deteksi Kantuk Pada Pengendara Mobil

Abstract: Kondisi mengantuk pada pengendara roda empat adalah salah satu faktor yang menyebabkan terjadinya kecelakaan lalulintas. Kondisi mengantuk dapat disebabkan karena kelelahan perjalanan yang dilalui oleh pengendara. Pemanfaatan kecerdasan buatan dapat digunakan untuk mendeteksi kondisi mengantuk pendendara, salah satunya dengan mengamati aktifitas atau kondisi mata, pergerakan mulut dan posisi kepala saat mengemudi. Dengan mengetahui semua kondisi tersebut maka dapat dibuat sebuah mesin yang dapat memberi peringatan jika pengendara mengalami kemungkinan kondisi mengantuk. Penelitian ini memanfaatkan sebuah kamera sebagai masukan data untuk mengenali kondisi pengendara melalui aktifitas, mata, mulut dan posisi kemiringan kepala. Sistem akan memulai dengan mendeteksi wajah pengendara, kemudian menghitung setiap aktivitas kedipan mata, jumlah atau banyaknya mulut terbuka karena menguap, serta aktivitas kepala melalui pose maupun kemiringan posisi kepala. Deteksi wajah digunakan untuk mengetahui posisi wajah lalu mendeteksi posisi mata, mulut serta kepala pengendara. Memanfaatkan kecerdasan buatan dengan metoda Blazeface yang merupakan algoritma yang digunakan untuk memetakan posisi wajah. Serta dengan menggunakan metoda EAR( Eye Aspect Ratio) untuk dapat menentukan apakah mata dan mulut dalam keadaan terbuka atau tertutup. Hasil dari penelitian ini didapatkan akurasi deteksi wajah 98% dan sistem hanya dapat mendeteksi wajah pada sudut kemiringan wajah 0-15 derajat.

Klasifikasi Penyakit Kanker Prostat Menggunakan Algoritma Naïve Bayes dan K-Nearest Neighbor

Abstract: Kanker prostat merupakan kanker yang berkembang di prostat dalam sistem reproduksi pria, hal ini terjadi ketika sel prostat mengalami keterikatan pada reseptor androgen melalui proses molecular docking. Insidensi kanker prostat meningkat seiring pertambahan usia, di mana risiko yang dimiliki pria untuk menderita kanker prostat dalam seumur hidupnya mendekati angka 10%. Deteksi dini terhadap kasus kanker prostat pada banyak pengidap atau pria yang rentan risiko kanker prostat penting dilakukan untuk memulai pengobatan dan perencanaan kebutuhan medis yang tepat. Salah satu cara yang dapat dilakukan dalam deteksi penyakit kanker prostat adalah dengan melakukan klasifi-kasi menggunakan pendekatan data mining dengan algoritma Naïve Bayes dan K-Nearest Neighbor (K-NN). Penelitian ini bertujuan untuk mendapatkan hasil klasifikasi terbaik untuk mendeteksi penyakit kanker prostat dengan membandingkan kedua algoritma tersebut. Hasil akurasi klasifikasi kanker prostat dengan menggunakan algoritma Naïve Bayes adalah 80% dan K-NN sebesar 90%. Sementara untuk rata-rata keseluruhan nilai presisi algoritma Na-ïve Bayes dan K-NN masing-masing berada di angka 71,5% dan 93%. Nilai recall untuk algoritma Naïve bayes didapatkan sebesar 88% dan algoritma K-NN yaitu 87,5%. Berdasarkan nilai akurasi, presisi, dan recall kedua algo-ritma tersebut, algoritma K-NN memiliki nilai yang lebih tinggi dibandingkan dengan algoritma Naïve Bayes, sehing-ga dapat dikatakan bahwa algoritma K-NN bekerja dengan baik dalam melakukan klasifikasi penyakit kanker prostat. Meskipun algoritma Naïve Bayes memiliki nilai yang lebih rendah dibandingkan dengan algoritma K-NN, tetapi nilai rata-rata untuk performa presisi, recall, dan akurasinya masih berada di atas 70%. Dapat dikatakan bahwa algoritma Naïve Bayes cukup baik dalam mengklasifikasi penyakit kanker prostat.

Analysis and Implementation Monitoring Flood System Based on IoT Using Sugeno Fuzzy Logic

Abstract: Flood disasters can have a detrimental impact such as damage to infrastructure, materials, and loss of life. One of the efforts that can be made to carry out early detection of flood disasters is to use a flood prediction system, where this system can monitor water levels, water flow rates, and predict real-time water increases. Information is sent to every citizen using the telegram chatbot. This system is built using several sensors and integrated with Telegram. The sensors used are ultrasonic and water flow sensors. The ultrasonic sensor is used to read the water level in the range of 0-50 cm and the water flow sensor is used to calculate the flow of water entering the test container with an interval of 0-10 liters / minute. Data is sent to telegram in realtime using the firebase database through NodeMCU ESP8266 and the WiFi module. The results of reading water level and water discharge data are processed using Sugeno fuzzy logic. The results obtained in this study indicate that the average error reading from the ultrasonic sensor is 2.43% or 97.58%. The water flow sensor shows an average error of 0.206 liters/minute or the percentage of tool accuracy is 87.06 %.

A Comparative Analysis of Transfer Learning Architecture Performance on Convolutional Neural Network Models with Diverse Datasets

Abstract: Deep learning is a branch of machine learning with many highly successful applications. One application of deep learning is image classification using the Convolutional Neural Network (CNN) algorithm. Large image data is required to classify images with CNN to obtain satisfactory training results. However, this can be overcome with transfer learning architectural models, even with small image data. With transfer learning, the success rate of a model is likely to be higher. Since there are many transfer learning architecture models, it is necessary to compare each model's performance results to find the best-performing architecture. In this study, we conducted three experiments on different datasets to train models with various transfer learning architectures. We then performed a comprehensive comparative analysis for each experiment. The result is that the DenseNet-121 architecture is the best transfer learning architecture model for various datasets.

Sistem Informasi Pengukuran Kadar Hemoglobin Non-Invasif Berbasis Android Menggunakan Algoritma Extreme Gradient Boosting

Abstract: Pengukuran kadar hemoglobin secara nasional dilakukan dengan cara invasif menggunakan metode sahli sebesar 27.9 %. Pengukuran kadar hemoglobin invasif membutuhkan waktu yang lama disebabkan proses analisis sampel darah pasien secara kimiawi di laboratorium darah. Secara umum, sampel darah diambil menggunakan jarum suntik, dimana hal tersebut dapat menyebabkan rasa sakit dan meningkatkan resiko penyebaran penyakit lainnya melalui luka akibat jarum suntik. Pengukuran kadar hemoglobin dapat dilakukan dengan menggunakan teknik multiwavelength oximetry. Oleh karena itu, pada penelitian ini dibuat sistem pengukuran kadar hemoglobin non-invasif secara real-time berbasis internet of things menggunakan teknik multiwavelength oximetry dengan algoritma Extreme Gradient Boosting yang terintegrasi dengan Real-time Database dan sistem informasi berbasis android mampu memetakan pengguna menggunakan QR Code. Hasil pengujian menggunakan parameter RMSE didapatkan nilai 0.801085 yang menunjukkan tingkat kategori tinggi dan akurasi sebesar 94.91%. Sistem informasi dapat menampilkan informasi pengukuran kadar hemoglobin secara real-time dengan delay sebesar 317 ms dan throughput sebesar 3138 bps. Hasil pengujian fungsionalitas saturasi oksigen sebesar 0.654 % dengan selisih nilai pengukuran kadar saturasi oksigen tertinggi sebesar 1.33 % dan terkecil sebesar 0.08 %.

Pengembangan Aplikasi Penggajian Karyawan Dengan Menggunakan Metode Agile Berbasis Mobile Android

Abstract: Perkembangan teknologi informasi yang semakin meningkat, sangat mempengaruhi pola pikir manusia dalam proses pemenuhan kebutuhan informasi dan membantu menyelesaikan pekerjaan. Teknologi informasi merupakan sebuah alat atau media yang dapat membantu kehidupan manusia. PT. Sop Sumsum Langsa merupakan perusahaaan yang bergerak di bidang kuliner. Dalam melakukan proses pengolahan data penggajian karyawannya, PT. Sop Sumsum Langsa masih menggunakan sebuah komputer dengan aplikasi microsoft excel. Dengan cara seperti ini, masih terdapat kendala dan masalah yang terjadi. Penulis melakukan penelitian untuk membantu memberikan solusi dalam menyelesaikan permasalahan tersebut dengan membangun aplikasi berbasis mobile android yang dapat digunakan dalam melakukan proses pengolahan gaji karyawan. Metode pengembangan aplikasi yang digunakan penulis adalah metode agile terdiri dari tahapan analisis sistem, perancangan, development aplikasi, testing, deploy aplikasi, revisi dan evaluasi, serta maintenance sistem. Dalam melakukan pengujian aplikasi, penulis menggunakan metode black box testing. Hasil dari penelitian yang dilakukan penulis adalah sebuah aplikasi berbasis mobile android yang dapat membantu PT. Sop Sumsum Langsa dalam melakukan pengolahan data gaji karyawan secara efektif dan efisien.

Task Management System Acceptance Technical Procedure Instalasi Antenna Provider pada Tower Berbasis Web ( Studi Kasus : PT. Intisel Prodaktifakom Central Java )

Abstract: Perubahan gaya hidup masyarakat saat ini sangat membutuhkan akses informasi yang mudah dan cepat, untuk memenuhi kebutuhan yang bergantung dengan jaringan telekomunikasi. Sejalan dengan hal ini menuntut pengadaan sarana infrastruktur konstruksi pendukungnya yaitu instalasi antena sebagai media transmisi telekomunikasi lewat udara. PT. Intisel Prodaktifakom Jawa Tengah adalah salah satu perusahaan yang menangani dan bergerak dalam bidang jasa kontraktor telekomunikasi. Agar mampu menjadi perusahaan kontraktor yang sukses di bidang telekomunikasi, manajemen diperlukan untuk peningkatan efisiensi dan efektivitas pengelolaan proyek, karena banyaknya pekerjaan yang harus diselesaikan sering muncul berbagai masalah, minimnya teknisi yang idle sehingga terjadi delay pekerjaan, update pekerjaan yang tidak real-time, pemberian tugas kepada teknisi masih secara manual menggunakan Whatsapp Group, dan kesulitan dalam proses pengawasan. Untuk mencapai tujuan sebuah proyek yang memenuhi kriteria biaya, mutu dan waktu, sistem task management berbasis web menggunakan metode prototype dimaksudkan sebagai alat untuk peningkatan mutu dan pelayanan perusahaan. Berdasarkan dari pengujiaan yang telah dilakukan sistem Task Managemt ini mendapatkan hasil yang cukup baik, pada pengujian black box sistem berjalan dengan baik sesuai dengan perencanaan, dari pengujian reability didapatkan hasil rata-rata 100% per test yang dijalankan, kemudian untuk pengujian kepuasan pengguna menghasilkan rata-rata presentase yaitu 76% responden memilih sangat baik, 26% responden memilih baik. Diharapkan PT Intisel Prodaktifakom Jawa Tengah dapat lebih banyak memenangkan tander projek dan juga kepercayaan lebih kepada PT Intisel Prodaktifakom dari vendor yang menjadi langganan untuk PT Intisel Prodaktifakom Jawa Tengah.

Robot Panen Hidroponik Berbasis Human Following

Abstract: – Pertanian modern banyak diminati oleh petani modern terutama di perkotaan karena banyak pengalihfungsian lahan. Hidroponik menjadi pertanian yang pailing popular karena tidak membutuhkan lahan yang besar, minim perawatan karna tidak membutuhkan pemupukan yang rutin akantetapi menghasilkan panen yang maksimal. Meningkatnya hasil panen perlu adanya proses panen lebih efisien, dengan teknologi robotic memungkinkan kita untuk membuat keranjang panen yang interaktif, dengan membuat robot human following. Robot dibangun menggunakan microcontroller arudino uno, ada 4 sensor untuk mendukung proses robot berjalan dengan baik, sensor ulrasonik digunakan untuk mendeteksi hambatan agar robot berjalan kedepan dengan jarak distance > 40 dan distance < 20. Sensor, Sensor ir digunanakan untuk proses mendeteksi hambatan agar robot bisa berbelok ke kanan dan kekiri, data dari sensor dikirm ke microcontroller untuk di proses oleh motor driver agar roda robot bisa bergerak sesuai dengan data sensor. Untk mempermudah mengetauhui berapa berat hasil panen digunakan sensor loadcell dan modul HX711 sensor merubah dari resistensi menjadi berat, data sensor akan dikirimkan ke microcontroller untuk diproses ke LCD 16x2 untuk menampilkan hasil proses timbang.

Implementasi Sistem Penghitung Kendaraan Otomatis Berbasis Computer Vision

Abstract: The development of computer technology today is very helpful for humans in completing their work in various fields. One application of computer technology i.e., in the field of computer vision which has a very important role for object recognition. In this study, we designed a computer vision-based automatic vehicle counting system. The system that we created uses the MobileNetV2 Single Shot Multibox Detector (SSD) which is placed on the Raspberry Pi 4 to carry out the process of classifying cars and motorcycles and the raspberry pi 4 also functions as a system controller. This automatic vehicle counter system has been integrated between Raspberry Pi 4 and a mobile application on a smartphone where the smartphone functions to display information such as day, date, month, year and together with the number of cars and motorcycles. We tested this automatic vehicle counting system on steam services (car and motorcycle washing) for 3 days where 10 vehicles were collected every day. The test results show that the system is capable of detecting cars and motorcyles with an average accuracy rate of 46.6%.