MALCOM: Indonesian Journal of Machine Learning and Computer Science

Prediksi Harga Saham Telkom Menggunakan Prophet: Analisis Pengaruh Sentimen Publik Terhadap Kehadiran Starlink

2024-12-21T02:59:30+00:00

Fluktuasi harga saham menjadi tantangan signifikan bagi investor dan perusahaan karena dipengaruhi oleh berbagai faktor, termasuk sentimen publik di media sosial. Sebagian besar model prediksi tradisional hanya mengandalkan data historis sehingga kurang mampu menangkap dinamika eksternal yang memengaruhi harga saham. Penelitian ini bertujuan untuk memprediksi harga saham PT Telkom Indonesia Tbk (TLKM) dengan mengintegrasikan sentimen publik terkait kehadiran Starlink sebagai variabel eksternal pada model Prophet. Data sentimen diperoleh dari Twitter dengan algoritma Valence Aware Dictionary and Sentiment Reasoner (VADER), sementara data harga saham diambil dari Yahoo Finance untuk periode Mei hingga Oktober 2024. Hasil penelitian menunjukkan bahwa integrasi sentimen publik meningkatkan akurasi prediksi, dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 2,927%, Mean Squared Error (MSE) sebesar 12102.43, dan Root Mean Square Error (RMSE) sebesar 110.01. Sentimen positif, seperti pada 27 Oktober 2024 dengan compound score 0.5106, menghasilkan prediksi sebesar 3030.75 dibandingkan harga aktual 2910.0. Sebaliknya, sentimen negatif pada 20 September 2024 dengan compound score sebesar -0.3613 menurunkan prediksi menjadi 3137.48 dibandingkan harga aktual 3150.0. Penelitian ini memberikan wawasan tambahan tentang dampak opini publik terhadap harga saham dan merekomendasikan perluasan sumber data, integrasi variabel eksternal yang lain, serta penggunaan metode deep learning untuk meningkatkan akurasi prediksi di masa depan.

Penerapan Algoritma Convolutional Neural Networks untuk Pengenalan Tulisan Tangan Aksara Jawa

2024-12-10T13:44:22+00:00

Aksara Jawa adalah sistem tulisan tradisional yang dulunya banyak digunakan di Jawa Timur dan Jawa Tengah, terdiri dari 20 huruf utama serta beberapa atribut tambahan. Namun, penggunaannya dalam kehidupan sehari-hari semakin berkurang. Penelitian ini bertujuan mengembangkan sistem pengenalan aksara Jawa menggunakan Convolutional Neural Network (CNN) sebagai upaya pelestarian. Dataset yang digunakan mencakup 1000 citra tulisan tangan aksara Jawa, dengan 700 citra untuk pelatihan dan 300 citra untuk validasi. Proses penelitian meliputi pengumpulan data, preprocessing, pembangunan arsitektur CNN, dan evaluasi model. Arsitektur CNN dirancang untuk menangkap fitur utama aksara, termasuk membedakan huruf yang memiliki kemiripan visual. Hasil evaluasi menunjukkan performa yang baik, dengan akurasi mencapai 99,83% pada pengenalan aksara yang diinputkan, serta grafik akurasi dan loss yang konsisten antara data pelatihan dan validasi. Temuan ini menunjukkan bahwa CNN memiliki potensi besar dalam pengenalan aksara Jawa, meskipun optimasi lebih lanjut tetap diperlukan untuk meningkatkan akurasi dan efisiensi sistem guna mendukung penerapannya secara lebih luas.

Agriculture Biomass for Sustainable Electricity Supply Systems: A Dynamic System Approach

2024-12-06T00:37:32+00:00

East Java has great potential in utilizing agricultural waste as a source of biomass energy to support the transition to New Renewable Energy (NRE). However, the development of biomass power plants faces challenges such as investment feasibility evaluation and biomass potential measurement. The East Java Government has set sustainable energy targets through Governor Regulations. This study developed a dynamic system-based simulation model to analyze factors influencing the utilization of agricultural waste as biomass energy. Verification results using Vensim PLE software show the model is valid with an error rate of E1 < 5% and E2 < 30%. In the Do-Nothing scenario, the electricity deficit could worsen in the future without increasing power plant capacity, especially from renewable energy. Conversely, the biomass power plant infrastructure development scenario shows that by 2024, the electricity deficit can be reduced from -7,599.47 GWh to -2,722.98 GWh. This trend continues in subsequent years, with the biomass scenario consistently decreasing the deficit and even generating a surplus in some years. Therefore, developing biomass-based power plants is a strategic step to reduce dependence on fossil fuels and enhance regional energy security in East Java.

Inovasi Monitoring Pendaki Menggunakan Internet of Things untuk Membantu Keselamatan dan Ketertiban Digunung

2024-10-15T03:24:56+00:00

Penelitian ini bertujuan untuk mengembangkan inovasi dalam sistem monitoring pendaki guna meningkatkan keselamatan dan ketertiban aktivitas pendakian gunung. Sistem yang dirancang menggabungkan teknologi Global Positioning System (GPS) dan gelombang radio. Penelitian dilakukan dalam dua tahap: pertama, pengujian perangkat dilakukan di area perkotaan untuk menguji fungsionalitas dasar. Kedua, perangkat diuji langsung di jalur pendakian gunung melalui tiga kali percobaan. Tantangan utama dalam pengembangan perangkat ini meliputi: keberlanjutan sinyal GPS di daerah pegunungan, pemilihan komponen yang bagus dan tahan terhadap lingkungan ekstrem, serta desain alat yang portabel dan mudah dibawa oleh pendaki. Hasil pengujian lapangan menunjukkan bahwa perangkat GPS dapat mendeteksi posisi pendaki hingga jarak maksimum 5,9 kilometer, meskipun tingkat akurasinya bervariasi. Hambatan seperti tebing tinggi, hujan deras, awan mendung, dan angin kencang memengaruhi konsistensi sinyal GPS. Namun demikian, penelitian ini berhasil menemukan pendekatan baru untuk memonitor pendaki, sekaligus memberikan kontribusi signifikan terhadap peningkatan kualitas layanan sistem pendakian gunung.

Penerapan Algoritma Klasifikasi pada Machine Learning untuk Deteksi Phishing

2025-02-11T02:05:29+00:00

Phishing merupakan salah satu bentuk kejahatan siber yang bertujuan mencuri informasi sensitif melalui metode penipuan, seperti situs web palsu yang menyerupai halaman resmi. Maka diperlukan sistem deteksi yang lebih akurat dan efisien untuk mengidentifikasi ancaman ini. Penelitian ini bertujuan untuk menganalisis penerapan algoritma klasifikasi dalam machine learning guna mendeteksi URL phishing. Algoritma yang digunakan dalam penelitian ini adalah Naïve Bayes, Random Forest, dan Decision Tree, yang diterapkan pada dataset yang dikumpulkan dari berbagai sumber. Dataset ini dianalisis menggunakan fitur berbasis Term Frequency - Inverse Document Frequency (TF-IDF) serta fitur numerik, seperti panjang URL, jumlah angka, karakter khusus, dan keberadaan kata kunci yang sering ditemukan dalam situs phishing. Evaluasi model dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score untuk mengukur efektivitas sistem deteksi yang dikembangkan. Hasil eksperimen menunjukkan bahwa model Random Forest memiliki performa terbaik dengan akurasi mencapai 97,2%, diikuti oleh Decision Tree (96,3%), sementara Naïve Bayes memiliki akurasi lebih rendah (85,3%). Model Random Forest juga memiliki keseimbangan yang baik antara precision dan recall, sehingga lebih andal dalam mendeteksi URL phishing. Penggunaan algoritma Machine Learning terbukti dapat meningkatkan efektivitas deteksi phishing secara signifikan.

Implementasi Aplikasi untuk Pemantauan Kelembaban Tanah Pada Teknologi Irigasi Tetes Tanaman Jagung

2024-10-14T07:43:12+00:00

Tujuan dari penelitian ini adalah merancang aplikasi berbasis website pada irigasi tetes yang digunakan untuk monitoring kelembaban tanah pada sistem irigasi tetes pada tanaman jagung. Jagung, sebagai komoditas penting di Indonesia, memiliki peran signifikan dalam perekonomian, namun produktivitasnya sering terkendala oleh pengelolaan air yang tidak optimal. Tantangan utama yang dihadapi petani adalah kurangnya sistem irigasi yang efisien serta ketidakmampuan memantau kelembaban tanah secara real-time, terutama dalam kondisi perubahan iklim yang mempengaruhi ketersediaan air. Website ini dikembangkan untuk memungkinkan petani melakukan pemantauan kelembaban tanah secara langsung dengan bantuan sensor yang terhubung ke internet. Manfaat dari aplikasi ini adalah untuk meningkatkan efisiensi penggunaan air pada sistem irigasi tetes, mengurangi limbah air, dan membantu petani membuat keputusan pengelolaan air yang lebih baik. Dengan aplikasi ini produktivitas tanaman jagung meningkat, biaya operasional menurun, dan praktik pertanian yang berkelanjutan dapat didukung.

Perancangan Sistem Deteksi Kebocoran Gas Bebasis IoT dan Web Server

2024-09-26T02:01:53+00:00

Studi ini bertujuan untuk merancang dan menerapkan sistem deteksi kebocoran gas berdasarkan Internet of Things (IoT) dan teknologi web server menggunakan sensor MQ-2, mikrokontroler NodeMCU ESP8266, dan platform ThingSpeak. Sistem ini dirancang untuk secara akurat mendeteksi kebocoran gas dan memberikan pemberitahuan real-time kepada pengguna. Hasil pengujian menunjukkan bahwa sensor MQ-2 menunjukkan akurasi yang baik dengan penyimpangan ±5% dibandingkan dengan instrumen pengukuran standar, dan ambang deteksi yang ditetapkan pada 700 ppm secara efektif memberikan peringatan awal. Sistem ini memiliki waktu respons sekitar 5 detik dari deteksi kebocoran hingga transmisi data ke ThingSpeak dan menunjukkan keandalan tinggi selama pengujian berulang dalam berbagai kondisi. Meskipun kadang-kadang ada kegagalan transmisi data karena koneksi yang tidak stabil, visualisasi data di ThingSpeak menampilkan grafik yang jelas dan mudah dipahami, memungkinkan pemantauan waktu nyata konsentrasi gas LPG dan analisis tren historis. Akhirnya, sistem ini berhasil memenuhi tujuan meningkatkan keamanan lingkungan dan keamanan terhadap ancaman kebocoran gas, dengan aplikasi potensial yang luas di berbagai sektor.

Otomatisasi Pengendalian Suhu dan Kelembaban Berbasis Internet of Things pada Kandang Ayam Potong

2024-09-26T01:47:08+00:00

Produktivitas ayam potong sangat dipengaruhi oleh kestabilan suhu dan kelembaban kandang. Namun, pengendalian suhu dan kelembaban secara manual sering kali tidak konsisten dan kurang efisien, yang dapat menyebabkan stres pada ayam dan menghambat pertumbuhannya. Permasalahan ini mendorong pengembangan sistem otomatisasi pengendalian suhu serta kelembaban berbasis Internet of Things (IoT) untuk kandang ayam potong guna meningkatkan produktivitas pertumbuhan. Sistem ini menggunakan sensor DHT22 untuk mengukur suhu dan kelembaban, serta mikrokontroler ESP32 untuk memproses data dan mengirimkannya secara real-time ke web server. Dengan otomatisasi ini, kondisi lingkungan kandang dapat dikontrol secara optimal untuk mendukung pertumbuhan ayam. Metode penelitian ini melibatkan pengembangan dan pengujian sistem yang terdiri dari sensor DHT22, mikrokontroler ESP32, serta perangkat lunak monitoring. Data dari sensor diproses oleh ESP32 dan dikirim ke server IoT, yang kemudian menganalisis data tersebut dan memberikan instruksi untuk mengaktifkan perangkat pendingin atau pemanas sesuai kebutuhan. Hasil implementasi menunjukkan peningkatan efisiensi dalam pengendalian suhu dan kelembaban kandang. Dengan menjaga kondisi lingkungan dalam batas optimal, produktivitas pertumbuhan ayam potong meningkat secara signifikan dibandingkan dengan pengendalian manual. Selain itu, teknologi IoT memungkinkan monitoring secara real-time, sehingga peternak dapat mengambil tindakan preventif jika diperlukan. Secara keseluruhan, otomatisasi pengendalian suhu dan kelembaban berbasis IoT memberikan dampak positif terhadap produktivitas ayam.

Penerapan Algoritma Naive Bayes dengan Teknik TF-IDF dan Cross Validation untuk Analisis Sentimen Terhadap Starlink

2024-12-29T12:45:45+00:00

Starlink, layanan internet satelit dari SpaceX, mulai beroperasidi Indonesia pada 2024 untuk mengatasi kesenjangan digital di wilayah terpencil. Namun, kehadirannya menimbulkan tantangan seperti harga tinggi, potensi dampak terhadap penyedia lokal, dan masalah regulasi. Penelitian ini mengkaji sentimen publik terhadap Starlink menggunakan algoritma Naïve Bayes yang dikombinasikan dengan teknik TF-IDF dan Cross Validation yang masih jarang diterapkan dalam studi serupa di Indonesia. Data yang digunakan berupa cuitan berbahasa Indonesia dari pengguna platform X selama Mei-November 2024. Hasil analisis menunjukkan bahwa model Naïve Bayes memiliki kinerja optimal dalam mendeteksi sentimen positif dibandingkan negatif maupun netral, sebagaimana diukur menggunakan confusion matrix. Temuan utama menunjukkan bahwa Naïve Bayes 49,38% cuitan bersentimen positif, 32,94% netral, dan 17,68% negatif. Sentimen positif didominasi oleh apresiasi terhadap kecepatan dan stabilitas layanan, sedangkan sentimen negatif mengkritik harga tinggi dan dampaknya terhadap penyedia lokal. Meskipun model menunjukkan performa baik pada sentimen positif, akurasi klasifikasi sentimen negatif dan netral masih perlu ditingkatkan. Hasil penelitian ini memberikan wawasan strategis bagi pengembangan bisnis Starlink serta dasar pertimbangan bagi pemerintah terkait layanan internet berbasis satelit di Indonesia.

Impact of Cover Parameter Value on Rule Generation in Rough Set Classification

2024-12-15T10:39:59+00:00

Machine learning plays a crucial role in healthcare classification, with Rough Set Theory (RST) offering effective tools for managing data uncertainty. Within RST, the RSES2 tool supports algorithms like LEM2 and Covering, yet the influence of cover parameter values on rule generalization and specificity remains underexplored. This study investigates these effects using the Differentiated Thyroid Cancer dataset. The research investigates the trade-offs between rule generalization and specificity by adjusting cover parameter settings, which dictate the minimum and maximum cases a rule must cover. The comparison reveals that the LEM2 algorithm maintains high accuracy across various cover parameter values, with only a slight decline as the parameter increases, and shows improved coverage with higher cover values. In contrast, the Covering algorithm displays greater fluctuations in accuracy, peaking at lower cover parameter values and decreasing significantly as the parameter rises. Coverage for the Covering algorithm is highest at lower cover parameters but decreases sharply at higher values. This indicates that LEM2 is more robust in maintaining accuracy and coverage, while the Covering algorithm performs better at lower cover parameters but struggles with stability as the parameter increases.

Pemanfaatan Machine Learning dalam Menganalisis Sentimen Terhadap Program TAPERA di Platform Digital X

2024-12-01T06:40:15+00:00

Tabungan Perumahan Rakyat (TAPERA) adalah program pemerintah Indonesia yang bertujuan mengatasi masalah perumahan bagi masyarakat berpenghasilan rendah dan menengah, namun mendapat beragam respons akibat perubahan kebijakan. Tujuan Penelitian ini menganalisis sentimen pengguna media sosial X terhadap kebijakan TAPERA, untuk mengidentifikasi apakah sentimen yang dominan adalah positif, negatif, atau netral. Metode yang dimanfaatkan untuk menganilisis sentimen yaitu Crisp-DM dengan memanfaatkan model Support Vector Machine (SVM) dan Random Forest yang merupakan algoritma dari Machine Learning. Data dikumpulkan dari Platform Digital X dengan total 2.936 komentar, dan proses pelabelannya divalidasi oleh ahli Ilmu Komunikasi guna memastikan akurasi serta menghindari kesalahan. Hasil evaluasi menggunakan confusion matrix dari Model SVM menunjukkan keunggulan dengan akurasi 88%, dibandingkan dengan Random Forest yang memiliki akurasi 86%. Sedangkan hasil klasifikasi model, masyarakat lebih cenderung memberikan respons negatif terhadap perubahan kebijakan program TAPERA yaitu 1.874 komentar (63,9%). Dominasi sentimen negatif ini mencerminkan ketidakpuasan masyarakat terhadap program TAPERA secara umum. Sentimen positif sejumlah 527 komentar (18%), menunjukkan apresiasi terhadap inisiatif pemerintah masih terbatas. Serta Sentimen netral sejumlah 534 komentar (18,1%), menunjukkan kebutuhan informasi untuk meningkatkan pemahaman masyarakat. Penelitian ini diharapkan dapat menjadi pendukung rekomendasi untuk perbaikan pengelolaan TAPERA yang lebih baik, terutama dalam aspek layanan, transparansi, dan komunikasi.

A Simulation of Student Study Group Formation Design Using K-Means Clustering

2024-11-29T07:20:00+00:00

This research focuses on developing a simulation model for forming student study groups using an enhanced K-Means algorithm, addressing the challenge of optimizing group dynamics to improve learning outcomes. By analyzing the effectiveness of the formed study groups through RMSE (Root Mean Square Error) after dimensionality reduction with various regression models—including Linear Regression, Ridge Regression, Lasso Regression, Elastic Net, Random Forest Regressor, Gradient Boosting Regressor, and XGBoost Regressor—we aim to provide educators with a robust tool for assessing group configurations. The study identifies four distinct clusters, revealing that "Previous_Score" and "Attendance" are critical variables, achieving a highest Silhouette Score of 0.64 with five selected features. The ridge regression model also yielded a low RMSE of 0.045, explaining 72.39% of the variance in "Exam_Score." The findings suggest that targeted interventions tailored to each cluster—yellow, purple, blue, and green—can enhance academic outcomes by addressing specific student needs. This data-driven approach optimizes group dynamics and fosters a more inclusive learning environment, enhancing academic performance and cultivating essential social skills. The study underscores the potential of machine learning techniques in education and suggests avenues for future research into alternative clustering methods and their long-term impact on student engagement and success.

Analisis Kinerja Convolutional Neural Networks Baseline untuk Identifikasi Jenis Jenis Penyakit Kentang

2024-10-17T02:55:41+00:00

Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi model Convolutional Neural Network (CNN) baseline dalam mengidentifikasi jenis-jenis penyakit pada daun kentang. Dataset yang digunakan terdiri dari citra daun kentang yang terinfeksi dan sehat, yang diklasifikasikan ke dalam beberapa kategori penyakit seperti late blight, early blight, dan penyakit bakteri. Model CNN dirancang dengan arsitektur dasar yang meliputi beberapa lapisan konvolusi, pooling, dan fully connected, serta dilatih menggunakan Optimizer Adam dengan fungsi loss categorical cross-entropy. Hasil evaluasi menunjukkan bahwa model mencapai akurasi 82% pada validation set dan rata-rata 95% pada data acak. Meskipun model menunjukkan performa yang baik dalam mengklasifikasikan citra, indikasi overfitting terlihat dari perbedaan antara akurasi training dan validation. Analisis lebih lanjut mengidentifikasi kesalahan prediksi yang terjadi, terutama pada kelas dengan gejala visual yang mirip. Penelitian ini merekomendasikan penerapan teknik regulasi, augmentasi data, dan penggunaan arsitektur lebih kompleks untuk meningkatkan akurasi model. Hasil penelitian ini diharapkan dapat memberikan kontribusi bagi pengembangan sistem deteksi penyakit tanaman berbasis kecerdasan buatan yang lebih efisien.

Implementasi Algoritma Machine Learning untuk Klasifikasi Suara Lingkungan

2024-10-14T07:55:19+00:00

Suara lingkungan memiliki peran signifikan dalam menentukan kualitas hidup manusia dan keseimbangan ekosistem. Dengan meningkatnya urbanisasi dan perubahan iklim, pemantauan suara lingkungan menjadi krusial. Penelitian ini mengimplementasikan algoritma Machine Learning untuk mengklasifikasikan suara lingkungan menggunakan dataset ESC-50. Fitur-fitur seperti Mel-Frequency Cepstral Coefficients (MFCCs) dan Chroma digunakan untuk ekstraksi ciri. Setelah pra-pemrosesan data, dilakukan pemodelan dengan berbagai algoritma, termasuk KNeighbors Classifier, Random Forest Classifier, dan Extra Tree Classifier, yang kemudian dipilih untuk tuning hyperparameter. Dengan parameter optimal, dilakukan training pada model terpilih dan diuji pada dataset uji. Hasil menunjukkan KNeighbors Classifier memiliki akurasi tertinggi sebesar 63%. Studi ini memberikan kontribusi pada pengembangan teknologi pemantauan suara lingkungan dan membuka prospek penerapan dalam manajemen kota yang lebih efisien. Studi lanjutan disarankan untuk eksplorasi fitur-fitur suara yang lebih spesifik, penggunaan teknik deep learning, dan penggunaan dataset yang lebih luas untuk solusi yang lebih canggih dalam pemahaman dan manajemen suara lingkungan secara global.

Sistem Pendeteksi Ketinggian Air dan Perhitungan Volume pada Bak Nutrisi Vertikal Hidroponik Menggunakan Sensor Sr04t

2024-09-12T14:44:21+00:00

Hidroponik vertikal merupakan metode budidaya tanaman yang efisien dalam penggunaan ruang, dengan memanfaatkan struktur bertingkat untuk menanam tanaman. Dalam sistem ini, pentingnya nutrisi dan ketersediaan air menjadi faktor kunci dalam menjaga pertumbuhan optimal tanaman. Masalah yang sering muncul adalah ketidakstabilan ketinggian air di bak nutrisi, yang dapat menyebabkan distribusi nutrisi yang tidak merata. Untuk mengatasi masalah ini, penelitian ini mengusulkan penggunaan sensor ultrasonik SR04T untuk mengukur ketinggian air dengan akurasi yang lebih baik. Solusinya melibatkan pemantauan secara real-time dan perhitungan volume air berdasarkan interpolasi linear dari kedalaman yang diukur oleh sensor. Hasil pengujian menunjukkan bahwa sistem yang dikembangkan dapat secara efektif mendeteksi perubahan ketinggian air dan menghitung volume air secara akurat, dengan hasil pengujian menunjukkan penurunan volume air seiring waktu. Sistem ini dapat membantu petani hidroponik dalam memantau ketersediaan air nutrisi secara efisien, memastikan pertumbuhan tanaman yang optimal dalam lingkungan hidroponik vertikal hasil pengujian ini, tingkat keberhasilan mencapai 100% sesuai dengan aturan yang telah ditetapkan, yaitu buzzer hanya menyala ketika kedalaman air turun di bawah batas tertentu.

Analysis of Employee Capacity Gap in Managing Network Security and Its Implementation Towards Insider Threat Prevention

2025-01-04T01:00:49+00:00

Network security is crucial for protecting organizational information in the rapidly evolving digital era. Threats to networks do not only come from external sources, such as malware or hacking, but also from within the organization, known as insider threats. These threats can cause significant losses, whether due to intentional or unintentional actions by employees or internal parties with access to the system. Therefore, employees' ability to manage network security is key to addressing these threats. Handling insider threats must be a top priority for organizations. This study aims to analyze the employee capacity gap in managing network security and its impact on preventing insider threats in XYZ Organization. By implementing ISO 27001 security standards, particularly within the context of the Information Security Management System (ISMS) using the PDCA approach, this research evaluates how human resource management relates to information asset management and network security maintenance. The findings indicate that gaps in employees' knowledge and skills regarding network security significantly contribute to vulnerabilities against insider threats. This study also highlights how the implementation of ISO 27001, which emphasizes asset analysis and the PDCA cycle, can help organizations improve information security governance and prevent insider threats

Analisis Aplikasi E-Commerce pada Generasi Z dengan Pendekatan System Usability Scale

2024-12-23T23:58:42+00:00

Kota Batam sebagai kota industri dan perdagangan memiliki pertumbuhan e-commerce yang pesat, tetapi belum ada studi spesifik yang menganalisis usability aplikasi e-commerce pada Generasi Z di wilayah ini. Oleh karena itu, penelitian ini penting untuk mengidentifikasi faktor usability yang dapat meningkatkan pengalaman pengguna dan memberikan wawasan bagi pengembang aplikasi. Penelitian ini bertujuan untuk mengukur tingkat kepuasan dan efektivitas aplikasi serta hambatan yang terjadi dengan pendekatan System Usability Scale (SUS). Penelitian ini menggunakan metode kuantitatif dengan kuesioner berbasis System Usability Scale (SUS) dengan generasi Z di Kota Batam sebagai populasi penelitian, dan cluster disproportionate random sampling sebagai metode sampling. Penelitian ini membandingkan kegunaan tiga aplikasi e-commerce; Shopee, Tokopedia, dan Lazada. Hasil penelitian menunjukkan nilai usability ketiga aplikasi e-commerce berbeda tipis antara Shopee (90,06), Tokopedia (91,98), dan Lazada (88,42). Berdasarkan jenis kelamin, perempuan lebih memilih Shopee, sedangkan laki-laki lebih memilih Tokopedia dan Lazada. Dari segi usia, rentang 20–24 tahun lebih dominan dibanding 15–19 tahun, sementara berdasarkan pekerjaan, mahasiswa/pelajar cenderung menggunakan Lazada, dan pegawai swasta lebih memilih Shopee dan Tokopedia. Shopee dan Tokopedia berada pada performa optimal, sedangkan Lazada memiliki potensi pengembangan, terutama untuk pegawai swasta dan pengguna usia 15–19 tahun.

Implementasi Sistem Otomatisasi Sirkulasi Udara Menggunakan Fan Exhaust Berbasis Sensor DHT21 pada Vertikal Hidroponik

2024-09-12T13:38:23+00:00

Sirkulasi udara yang optimal sangat penting dalam sistem hidroponik vertikal untuk menjaga suhu dan kelembaban ideal bagi pertumbuhan tanaman, yang bergantung pada kondisi lingkungan terkontrol. Suhu yang tidak sesuai dapat menghambat pertumbuhan. Penelitian ini mengembangkan sistem otomatisasi sirkulasi udara berbasis sensor DHT21 dan mikrokontroler ESP32 untuk mengontrol fan exhaust secara otomatis. Sistem ini memantau suhu lingkungan dan mengaktifkan kipas saat suhu melebihi 34°C, serta memberikan opsi kontrol manual untuk fleksibilitas tambahan. Pengujian menunjukkan bahwa kipas secara otomatis menyala ketika suhu mencapai 35°C dan mati saat suhu kembali di bawah 34°C, menjaga lingkungan hidroponik tetap stabil dan mendukung pertumbuhan tanaman. Hasilnya menunjukkan bahwa sistem ini efektif dalam meningkatkan efisiensi pengelolaan, menjaga suhu optimal secara real-time, dan mengurangi risiko stres panas pada tanaman pengujian. keseluruhan alat dengan kondisi yang sudah di atur tercapai 100%.

Klasifikasi Sapi Perah dan Non-Perah Menggunakan Algoritma Convolutional Neural Network

2025-01-28T03:23:35+00:00

Sapi merupakan salah satu hewan ternak utama di Indonesia yang terdiri dari sapi perah dan sapi potong. Di Kotamobagu dan Bolaang Mongondow Raya (BMR), peternakan sapi berkembang pesat seiring dengan meningkatnya daya beli masyarakat dan nilai jual sapi yang tinggi. Namun, transaksi jual-beli sapi masih menghadapi kendala, terutama dalam membedakan jenis sapi yang dapat menyebabkan kesalahan dan potensi penipuan. Penelitian ini bertujuan untuk mengimplementasikan algoritma Convolutional Neural Network (CNN) dengan arsitektur Xception dalam klasifikasi sapi perah dan non-perah. Proses penelitian mencakup pengumpulan data citra sapi, pelabelan, serta pelatihan model CNN untuk mengenali karakteristik fisik masing-masing jenis sapi. Hasil pengujian menunjukkan bahwa model Xception mencapai akurasi 96% dengan pembagian dataset 80:20, membuktikan kemampuannya dalam mengenali pola visual dengan baik. Temuan ini menunjukkan bahwa CNN, khususnya dengan arsitektur Xception, dapat menjadi alat yang efektif dalam identifikasi jenis sapi, sehingga berpotensi meningkatkan keamanan dan keakuratan dalam transaksi ternak. Dengan pengembangan lebih lanjut, sistem ini dapat diintegrasikan dengan teknologi kamera untuk pemantauan otomatis guna mendukung industri peternakan yang lebih modern dan efisien.

Analisis Minat Belanja Mahasiswa Universitas Internasional Batam Selama Live Streaming dengan Pendekatan Model Technology Acceptance Model

2024-12-21T06:01:24+00:00

Dalam era digital, live streaming telah menjadi salah satu strategi pemasaran yang berkembang pesat, terutama di platform e-commerce seperti Shopee Live dan TikTok Live di Universitas Internasional Batam (UIB). Penelitian ini bertujuan untuk menganalisis minat belanja mahasiswa Universitas Internasional Batam selama live streaming, dengan menggunakan pendekatan Model Technology Acceptance Model (TAM). Mahasiswa merupakan segmen konsumen yang unik karena mereka memiliki karakteristik berbeda dari kelompok usia lainnya, seperti keterbatasan anggaran, kebiasaan belanja yang berbasis digital, serta kepercayaan terhadap platform online. Oleh karena itu, penting untuk memahami faktor-faktor yang memengaruhi minat belanja mereka saat live streaming. Hal ini cukup penting terutama di Universitas Internasional Batam karena mahasiswa di Universitas Internasional Batam mayoritas sangat mampu, akan tetapi lebih memilih untuk menyisihkan pendapatannya untuk membayar keperluan apa adanya sehingga minat belanjanya cenderung rendah. Penelitian ini menggunakan pendekatan kuantitatif dengan metode survei dan akan dianalisis dengan regresi linear untuk menguji hubungan antar variabel. Hasil penelitian menunjukkan bahwa kegunaan dan kemudahan penggunaan berpengaruh signifikan terhadap sikap terhadap e-commerce. Selain itu, privasi ditemukan berpengaruh terhadap keamanan. Penelitian ini juga memberikan rekomendasi bagi Usaha Kecil Menengah (UKM) untuk mengoptimalkan strategi pemasaran dengan memanfaatkan live streaming secara lebih efektif, khususnya dalam meningkatkan keterlibatan dan pengalaman konsumen.

Pengembangan Sistem Pakar untuk Diagnosa Dini Penyakit Paru Obstruktif Kronis Menggunakan Decision Tree dan Dempster-Shafer Berbasis Mobile

2025-03-04T15:04:17+00:00

Seiring dengan pertumbuhan penduduk, perkembangan industri serta meningkatnya kebutuhan transportasi mengakibatkan meningkatnya pencemaran udara di alam bebas perkotaan dan subperkotaan. Akibat yang ditimbulkan dari pencemaran udara berupa batuk, sesak napas, dan iritasi mukosa saluran pernapasan dapat mengakibatkan risiko terkena Penyakit Paru Obstruktif Kronis (PPOK). PPOK merupakan penyakit yang menghambat aliran udara saluran pernapasan yang tidak sepenuhnya reversibel. Masyarakat sering mengabaikan gejala-gejala dini pada PPOK, sedangkan diagnosa dini pada PPOK merupakan hal yang penting. Selain itu fasilitas kedokteran dan minimnya jumlah dokter spesialis paru-paru, menyebabkan semakin banyak masyarakat yang mengidap PPOK. Berdasarkan permasalahan tersebut, penelitian ini dilakukan dengan mengembangkan sistem pakar menggunakan algoritme Decision Tree dan Dempster-Shafer. Penelitian ini diharapkan dalam membantu masyarakat mendeteksi dini PPOK. Kemudian sistem tersebut diimplementasikan ke perangkat berbasis mobile. Metode pengembangan sistem menggunakan Expert System Development Lifecycle (ESDLC). Pengujian sistem menggunakan teknik Black-Box menunjukkan bahwa sistem yang dibuat berfungsi seperti yang diharapkan. Akurasi sistem pakar ini diuji dengan menggunakan 100 data uji yang berupa rekam medis. Pengujian dilakukan dengan membandingkan hasil diagnosa pakar yang ada pada rekam medis dengan hasil diagnosa aplikasi. Hasil pengujian akurasi mendapatkan nilai sebesar 86%.

Optimizing IT Governance in BTS.id: A COBIT 2019-Based Analysis of Design Factors

2025-03-20T04:03:07+00:00

Effective IT governance is critical for organizations to align technology with business objectives while ensuring risk management, compliance, and operational efficiency. As a technology-driven company, BTS.id faces challenges in managing IT risks, optimizing governance structures, and ensuring seamless alignment between IT initiatives and business strategy. This study analyzes IT governance implementation at BTS.id using the COBIT 2019 framework, focusing on assessing the organization's governance maturity level and identifying key design factors that influence IT governance effectiveness. The research employs document analysis, interviews, and surveys with key stakeholders to evaluate governance and management objectives, design factors, and capability levels. The findings indicate that while BTS.id has implemented IT governance practices, gaps remain in achieving an optimal governance structure. The highest priority areas include structured IT change management (BAI07), enterprise architecture (APO03), and project management (BAI11, BAI02), while risk management (APO12) and performance monitoring (MEA01) play a crucial supporting role. However, lower-priority governance objectives highlight areas for improvement, particularly in security management, vendor relationships, and compliance monitoring. The study underscores the importance of a structured approach to IT governance, emphasizing continuous performance monitoring, enhanced risk management, and strategic IT alignment.

Implementasi Design Thinking pada UI/UX Game Edukasi 2D Hafalan Haditst Menggunakan System Usability Scale (SUS) dan User Experience Questionnaire (UEQ)

2025-02-12T01:30:32+00:00

Perkembangan teknologi membawa perubahan besar di berbagai sektor, termasuk pendidikan. Transformasi ini meningkatkan keterlibatan siswa dalam belajar serta memungkinkan desain kelas yang lebih interaktif. Salah satu inovasi yang memanfaatkan teknologi adalah game edukasi. Penelitian ini mengembangkan game edukasi 2D untuk membantu meningkatkan hafalan hadits dengan pendekatan design thought. Proses pengembangan melalui lima tahapan utama: memahami kebutuhan pengguna (empati), merancang masalah, mengembangkan ide, membuat prototype, dan melakukan pengujian. Pengujian prototype dilakukan dengan metode System Usability Scale (SUS) dan User Experience Questionnaire (UEQ). Skor rata-rata SUS yang diperoleh dari pengujian adalah 76, yang artinya tingkat kegunaan prototype berada pada kategori sangat baik. Hasil UEQ menunjukkan nilai Excellent pada aspek Daya Tarik, Kejelasan, Ketepatan, Stimulasi, dan Kebaruan, serta Baik pada aspek Efisiensi. Temuan ini menegaskan bahwa pendekatan design thought efektif dalam menciptakan UI/UX yang inovatif, menarik, dan mudah digunakan. Oleh karena itu, desain game ini berkontribusi pada inovasi pembelajaran berbasis teknologi, khususnya dalam pendidikan agama, dengan membantu proses hafalan hadits secara lebih menyenangkan dan efektif.

Perbandingan Performansi Algoritma Multiple Linear Regression dan Multi Layer Perceptron Neural Network dalam Memprediksi Penjualan Obat

2025-02-02T01:34:31+00:00

Penelitian ini mengevaluasi pemilihan atribut dari variabel internal (jumlah penjualan) dan eksternal (cuaca, harga komoditas, inflasi) menggunakan metode korelasi, serta membandingkan performansi algoritma Multiple Linear Regression (MLR) dan Multi-Layer Perceptron Neural Network dengan backpropagation (MLPNN-b) dalam memprediksi penjualan obat analgesik di “Apotek XYZ”. Metrik evaluasi Mean Squared Error (MSE) dan Mean Absolute Percentage Error (MAPE) digunakan untuk mengukur akurasi prediksi. Hasil menunjukkan bahwa atribut internal "h-7" memiliki korelasi tertinggi (0,35) terhadap penjualan harian, sementara variabel eksternal seperti suhu harian, harga bawang merah, dan suku bunga juga memberikan kontribusi. Algoritma MLPNN-b dengan parameter tertentu mencapai MAPE 22,3% dan MSE 19.588 pada atribut tunggal, sedangkan MLR memiliki kinerja lebih merata pada atribut kombinasi dengan MAPE 25,6% dan MSE 22.768. Namun, kedua model masih mengalami underfitting dengan tingkat kesalahan prediksi yang cukup tinggi. Penelitian ini menyimpulkan bahwa meskipun MLPNN lebih unggul dalam menangkap hubungan non-linear dibandingkan MLR, akurasi prediksi masih belum optimal. Oleh karena itu, eksplorasi model hybrid serta integrasi lebih banyak variabel eksternal direkomendasikan untuk meningkatkan prediksi penjualan dan mendukung sistem manajemen stok farmasi yang lebih akurat.