PERANCANGAN APLIKASI ”SIAPPARA” UNTUK PELAPORAN SETORAN E-RETRIBUSI PASAR KABUPATEN HUMBANG HASUNDUTAN

Retribusi pasar adalah pungutan daerah sebagai pembayaran terhadap penggunaan fasilitas pasar yang disediakan oleh Pemerintah Kabupaten kepada perorangan atau badan. Proses pemungutan, pencatatan dan pelaporan retribusi pasar yang ada saat ini di Kabupaten Humbang Hasundutan masih belum efektif dan efisien sehingga memerlukan dukungan teknologi informasi sehingga memungkinkan dalam meningkatkan kualitas pelayanan yang transparan dan akuntabel di pasar tradisional Kabupaten Humbang Hasundutan. Aplikasi yang akan dikembangkan adalan aplikasi mobile dan web-based yang memungkinkan proses pemungutan dan pencatatan menjadi lebih efektif dan efisien serta pelaporan yang lebih transparan. Melalui Aplikasi “SIAPPARA” ini diharapkan proses pemungutan retribusi di beberapa pasar di Kabupaten Humbang Hasundutan menjadi lebih mudah dan transparan.

IMPLEMENTASI PENDETEKSIAN SPAM EMAIL MENGGUNAKAN METODE TEXT MINING DENGAN ALGORITMA NAÏVE BAYES DAN DECISION TREE J48

Email cukup populer sebagai salah satu media komunikasi digital. Hal tersebut dikarenakan proses pengiriman pesan dengan email yang mudah. Sayangnya, kebanyakan pesan dalam email adalah email spam. Spam adalah pesan yang tidak diinginkan penerima pesan karena spam biasanya berisi pesan iklan maupun pesan penipuan. Ham adalah pesan yang diinginkan penerima pesan. Salah satu cara untuk menyortir pesan-pesan tersebut adalah dengan melakukan pengklasifikasian pesan email menjadi spam maupun ham. Naïve Bayes dan decision tree J48 ialah algoritma yang dapat digunakan untuk mengklasifikasikan pesan email. Oleh karena itu, penelitian ini bertujuan membandingkan efektifitas algoritma Naïve Bayes dan decision tree J48 dalam penyortiran email spam. Metode yang digunakan adalah text mining. Data yang berisi teks pesan email berbahasa Inggris akan diproses terlebih dahulu sebelum diklasifikasikan dengan Naïve Bayes dan decision tree J48. Tahap pra proses tersebut meliputi tokenisasi, pembuangan stop word list, stemming, dan seleksi atribut. Selanjutnya, data teks pesan email akan diproses dengan algoritma Naïve Bayes dan decision tree J48. Algoritma Naïve Bayes adalah algoritma pengklasifikasi yang berdasarkan pada teori keputusan Bayesian sedangkan algoritma decision tree J48 ialah pengembangan dari algoritma decision tree ID3. Hasil penelitian ini adalah algoritma decision tree J48 mendapat akurasi yang lebih tingggi dari algoritma Naïve Bayes. Algoritma decision tree J48 mendapat 93,117% sedangkan Naïve Beyes memiliki akurasi 88,5284%. Kesimpulan dari penelitian ini adalah algoritma decision tree J48 lebih unggul dibanding Naive Bayes untuk menyortir email spam jika dilihat dari tingkat akurasi masing-masing algoritma.

IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING PADA APLIKASI MOBILE BANKING BANK SAMPAH KELUARAHAN TUAH MADANI KOTA PEKANBARU

Kelurahan Tuah Madani menjadikan program bank sampah sebagai bagian dari upaya untuk membantu mensejaterakan masyarakat. Dengan adanya bank sampah, selain menyalurkan limbah sampah, masyarakat juga dapat menghasil uang tabungan dari sampah yang disetorkan. Dengan adanya bank sampah akan mempermudah pihak kelurahan dalam melakukan pendataan wilayah yang menghasilkan jumlah sampah dan membutuhkan perhatian lebih dalam penanggulangan limbah sampah tersebut. Pada saat ini proses perhitungan setoran limbah sampah masyarakat oleh pihak bank sampah masih dilakukan secara manual dalam sebuah buku setoran. Pengelompokan wilayah yang menjadi penghasil limbah sulit untuk dilakukan karena pencatatan data setoran sampah hanya dilakukan pada satu buah buku. Jika pihak bank sampah ingin melakukan perhitungan setoran sampah pada sebuah wilayah maka harus dilakukan secara manual per wilayah lalu ditotalkan jumlah setoran tersebut. Tentunya hal itu memerlukan waktu yang lama dan tingkat akurasi yang rendah. Tujuan dari penelitian ini ialah untuk mengimplementasikan algoritma k-means clustering agar dapat mempermudah proses pengelompokan wilayah berdasarkan jenis sampah yang dihasilkan oleh masing-masing rukun tetangga/perumahan yang terdaftar dalam Kelurahan Tuah Madani. Aplikasi bank sampah dapat mengelompokan kategori berdasarkan data setoran sampah yang dilakukan oleh masyarakat, dan dengan adanya data tersebut dapat membantu pihak kelurahan dalam mengkoordinir petugas kebersihan serta armada pengangkut sampah.

ANALISIS SENTIMEN TAGAR #INDONESIATERSERAH DI MASA COVID-19 MENGGUNAKAN METODE SENTISTRENGTH

Penggunaan sosial media di kala pandemi saat ini menjadi pilihan masyarakat dalam mengekspresikan pikirannya, salah satunya adalah Twitter. Dengan adanya fitur tagar di aplikasi Twitter, masyarakat dapat mengetahui informasi terbaru yang sedang tren. Dengan kondisi pandemi saat ini yang memunculkan banyak masalah sosial, politik, ekonomi dan sebagainya, membuat Twitter menjadi tempat masyarakat mengekspresikan emosinya. Belum lama ini, tagar #IndonesiaTerserah menjadi buah bibir di masyarakat karena menggambarkan kekecewaan masyarakat terhadap penanganan virus Corona (COVID-19) di Indonesia. Penelitian ini bertujuan melihat bagaimana sentimen masyarakat Indonesia melalui tagar #IndonesiaTerserah. Sentimen tersebut dianalisis melalui algoritma sentistrength, dan diklasifikasikan menjadi 3 kelas, yakni positif, netral, dan negatif. Algoritma ini menggunakan dasar leksikon sebagai penghitungan bobot kekuatan sentimennya. Tahapan yang dilakukan dalam penelitian ini yakni tahap crawling data, preprocessing data dan pembobotan kata. Hasil dari penelitian ini didapatkan 236 tweet data dengan 41,5% bersentimen netral, 32,2% bersentimen negatif, dan 26,3% bersentimen positif. Penelitian ini diharapkan dapat menjadi tolak ukur pemangku kepentingan dalam mengambil sebuah keputusan

PEMBANGKIT ENTITY RELATIONSHIP DIAGRAM DARI SPESIFIKASI KEBUTUHAN MENGGUNAKAN NATURAL LANGUAGE PROCESSING UNTUK BAHASA INDONESIA

Memodelkan Entity Relationship Diagram (ERD) dapat dilakukan secara manual, namun umumnya memperoleh pemodelan ERD secara manual membutuhkan waktu yang lama. Maka, dibutuhkan pembangkit ERD dari spesifikasi kebutuhan untuk mempermudah dalam melakukan pemodelan ERD. Penelitian ini bertujuan untuk mengembangkan sebuah sistem pembangkit ERD dari spesifikasi kebutuhan dalam Bahasa Indonesia dengan menerapkan beberapa tahapan-tahapan dari Natural Language Processing (NLP) sesuai kebutuhan penelitian. Spesifikasi kebutuhan yang digunakan tim peneliti menggunakan teknik document analysis. Untuk tahapan-tahapan dari NLP yang digunakan oleh peneliti yaitu: case folding, sentence segmentation, tokenization, POS tagging, chunking dan parsing. Kemudian peneliti melakukan identifikasi terhadap kata-kata dari teks yang sudah diproses pada tahapan-tahapan dari NLP dengan metode rule-based untuk menemukan daftar kata-kata yang memenuhi dalam komponen ERD seperti: entitas, atribut, primary key dan relasi. ERD kemudian digambarkan menggunakan Graphviz berdasarkan komponen ERD yang telah diperoleh Evaluasi hasil ERD yang berhasil dibangkitkan kemudian di evaluasi menggunakan metode evaluasi expert judgement. Dari hasil evaluasi berdasarkan beberapa studi kasus diperoleh hasil rata-rata precision, recall, F1 score berturut-turut dari tiap ahli yaitu: pada ahli 1 diperoleh 91%, 90%, 90%; pada ahli 2 diperoleh 90%, 90%, 90%; pada ahli 3 diperoleh 98%, 94%, 96%; pada ahli 4 diperoleh 93%, 93%, 93%; dan pada ahli 5 diperoleh 98%, 83%, 90%.

PEMBUATAN MEDIA PEMBELAJARAN BELAJAR PARTS OF SPEECH BERBASIS ANDROID

Salah satu penggunaan teknologi dalam bidang pendidikan yang menunjang dalam proses belajar mengajar adalah pemanfaatan media pembelajaran melalui smartphone berbasis Android. Terkait dengan pembelajaran Bahasa Inggris, smartphone dapat berfungsi sebagai alat untuk menarik minat siswa dalam mempelajari tatabahasa (grammar) dan stuktur (structure) dalam Bahasa Inggris, khususnya parts of speech. Pemilihan parts of speech (noun, verb adjective, pronoun, adverb, preposition, conjunctian, interjection) sebagai konten/isi dalam penelitian ini karena penting bagi siswa untuk memahami bentuk kata, arti kata dan penggunaannya dengan baik dan benar dalam membentuk sebuah kalimat. Oleh karena itu, untuk meningkatkan kompetensi siswa dalam Bahasa Inggris, perlu dibangun sebuah aplikasi berbasis android yang lebih menarik dan praktis dalam belajar parts of speech sebagai salah satu strategi pembelajaran Bahasa Inggris. Metode pembuatan aplikasi yaitu menggunakan System Development Life Cycle (SDLC) yang mengacu pada model dan proses yang digunakan untuk mengembangkan sistem perangkat lunak dan menguraikan proses, yaitu pengembang menerima perpindahan dari permasalahan ke solusi. Sementara itu data yang didapatkan bersumber dari hasil wawancara dan observasi, serta studi literatur dengan pihak sekolah dan siswa. Data dan informasi yang diperoleh diolah dan dianalisa, sehingga didapatkan kebutuhan dari users yang dalam hal ini terdiri dari kebutuhan admin, guru dan siswa. Applikasi ini berisikan video, materi-materi pembelajaran serta latihan dan soal-soal tes yang nantinya diharapkan dapat dibuat oleh guru yang bersangkutan. Pembuatan aplikasi ini dibuat dalam 2 (dua) cara yaitu menggunakan internet (online) dan tidak menggunakan internet (offline), hal ini dimaksudkan untuk memberikan akses kepada semua siswa terhadap materi pembelajaran.

Analisis Pengaruh Kualitas Layanan Terhadap Kepuasan Pengguna Aplikasi MyARS Menggunakan Metode Webqual 4.0

Penyampaian kegiatan dan informasi akademik yang sedang berlangsung di bidang pendidikan dapat memanfaatkan teknologi informasi. Salah satunya yang sangat penting adalahdengan membuat sistem informasi akademik yang dapat diakses oleh siswa secara online. Aplikasi MyARS merupakan sistem informasi akademik yang menyediakan informasi perkuliahan bagi mahasiswa ARS University. Laman aplikasi MyARS dapat diakses melalui tautan https://myars.ars.ac.id/. Pertanyaan terkait penelitian ini adalah apakah kualitas aplikasi MyARS yang digunakan berdampak pada kepuasan pengguna. Penelitian ini berfokus pada kepuasan pengguna dengan metode webqual yang terdiri dari tiga variabel yaitu usability, information quality, dan interaction quality. Data yang telah diperoleh diolah menggunakan teknik analisis regresi linier berganda dengan menggunakan software SPSS 16. Berdasarkan variabel webqual, hasil analisis menyatakan hasil skor kualitas informasi sebesar 3.620 dengan tingkat persentase 83,79%. Hal tersebut juga didukung dengan hasil regresi yang membuktikan kualitas kegunaan berpengaruh positif signifikan terhadap kepuasan pelanggan. Hasil skor kualitas informasi sebesar 4.051 dengan tingkat persentase 83,35%. Hal tersebut juga didukung dengan hasil regresi yang membuktikan kualitas informasi berpengaruh positif signifikan terhadap kepuasan pelanggan, sedangkan hasil skor kualitas informasi sebesar 2.167 dengan tingkat persentase 80,25% Hal tersebut juga didukung dengan hasil regresi yang membuktikan kualitas informasi berpengaruh positif signifikan terhadap kepuasan pelanggan.

DETEKSI KEBERADAAN RAMBU PERINTAH DI JALAN MENGGUNAKAN EUCLIDEAN COLOR FILTERING

Rambu perintah adalah salah satu jenis dari rambu lalu lintas yang sering kita jumpai saat berkendara di jalan, dan digunakan untuk menyatakan beberapa perintah saat berkendara. Ciri khas rambu perintah adalah memiliki warna latar biru. Kelalaian pengendara dalam memperhatikan keberadaan rambu perintah di jalan dapat berakibat pada terjadinya kecelakaan. Perlu adanya sebuah sistem yang dapat mendeteksi keberadaan rambu perintah di jalan sebagai sebuah solusi. Proses deteksi rambu perintah menggunakan metode Euclidean color filtering untuk memfilter warna dan BLOB untuk mencari piksel-piksel yang saling terhubung. Pada tahap filter warna dengan Euclidean color filtering digunakan nilai pusat warna RGB (10,110,200) dan rentang radius [90, 150]. Sistem diuji pada data primer sebanyak 150 citra, dan data sekunder sebanyak 25 citra. Pengambilan data primer dilakukan pada waktu pagi, siang, dan sore dengan jarak pengambilan 5–10 meter dan 5–10 meter. Rata-rata akurasi deteksi rambu perintah yang dihasilkan sistem dalam pengujian data primer sebesar 90,67% dan data sekunder sebesar 76%, sehingga rata-rata akurasi keseluruhan sistem sebesar 88,5%. Kegagalan sistem dalam mendeteksi keberadaan rambu perintah di jalan dikarenakan kondisi pencahayaan yang kurang atau berlebihan, rambu terhalang objek lain, sudut pengambilan citra yang terlalu miring, dan rambu berdampingan dengan objek lain yang memiliki warna sama atau mendekati sama dengan warna latar

IMPLEMENTASI ALGORITMA APRIORI UNTUK ANALISA DATA PENJUALAN (STUDI KASUS: TOKO UD. SURYANI)

Data transaksi yang dimiliki sebuah toko atau swalayan setiap harinya pasti bertambah, namun sering kali ditemukan fakta bahwadata transaksi tersebut disimpan begitu saja dan tidak dimanfaatkan. Hal inilah terjadi di toko UD. Suryani. Data transaksi yang ada selama initidak digunakan dengan baik, padahal kumpulan data transaksi tersebut, memiliki potensi informasi-informasi yang bisa diolah untukmenghasilkan pengetahuan baru yang bermanfaat. Pengolahan data transaksi ini bisa dilakukan dengan teknik data mining. Salah satu teknikpada data mining yang dapat digunakan adalah dengan metode aturan asosiatif (association rule). Salah satu algoritma pengambilan datadengan aturan asosiatif adalah algoritma Apriori. Algoritma ini berfungsi untuk menentukan hubungan asosiatif suatu kombinasi item dan cocok diterapkan bila terdapat beberapa hubungan item yang ingin dianalisis. Tujuan penelitian ini adalah menerapkan data mining pada data transaksi satu tahun terakhir yang ada di toko UD. Suryani. Proses pengolahan data mining dilakukan dengan aplikasi rapidminer dan daripercobaan sembilan kali pengujian dengan kombinasi nilai minimum support dan minimum confidence yang berbeda terhadap 13.490 datatransaksi, diperoleh hasil yaitu item yang paling banyak dibeli oleh konsumen adalah item Masako Sapi Renteng 10g dengan nilai support14,5% dan untuk item-item yang sering dibeli secara bersamaan adalah jika membeli Telur dan Blue Band 200g maka akan membeli Kompas Kemasan 1kg, dengan nilai confidence tertinggi yaitu 66,5%.

PEMBOBOTAN DINAMIS BERBASIS POSISI PADA APPROXIMATE STRING MATCHING

Komunikasi tertulis dalam media sosial yang menekankan pada kecepatan penyebaran informasi sering kali terjadi fenomena penggunaan bahasa yang tidak baku baik pada level kalimat, klausa, frasa maupun kata. Sebagai sebuah sumber data, media sosial dengan fenomena ini memberikan tantangan dalam proses ekstraksi informasi. Normalisasi bahasa yang tidak baku menjadi bahasa baku dimulai pada proses normalisasi kata di mana kata yang tidak baku (non-standard word (NSW)) dinormalisasikan ke bentuk baku (standard word (SW)). Proses normalisasi dengan menggunakan edit distance memiliki keterbatasan dalam proses pembobotan nilai mismatch, match, dan gap yang bersifat statis. Dalam perhitungan nilai mismatch, pembobotan statida tidak dapat memberikan pembedaan bobot akibat kesalahan penekanan tombol pada keyboard terutama tombol yang berdekatan. Karena keterbatasan pembobotan edit distance ini maka dalam penelitian ini diusulkan sebuah metode pembobotan dinamis untuk bobot mismatch. Hasil dari penelitian ini adalah adanya metode baru dalam pembobotan dinamis berbasis posisi tombol keyboard yang dapat digunakan dalam melakukan normalisasi NSW menggunakan metode approximate string matching.