Perancangan Sistem Pengelolaan Keuangan Komite Menggunakan Web Engineering (Studi Kasus : SMK Negeri 1 Gedong Tataan)

Pengelolaan keuangan di sekolah merupakan salah satu kegiatan yang sangat penting, karena setiap kegiatan yang dilakukan disekolah pasti membutuhkan manajemen keuangan. Sistem informasi mengenai pencatatan dan pengolahan data administrasi keuangan komite di sekolah seperti pencatatan penerimaan dan pengeluaran dana yang berasal dari pembayaran Iuran Komite Siswa kedalam suatu database untuk otomatisasi pembuatan laporan-laporan yang di butuhkan, Sehingga bagian keuangan tidak akan mengalami kesulitan dalam mencari data siswa yang belum membayar iuran komite sekolah, juga memudahkan dalam pembuatan laporan-laporan mengenai administrasi keuangan iuran komite di sekolah tersebut. Tahapan-tahapan dalam web engineering yaitu Customer communication, Planning, Modelling, Construction dalam aplikasi sistem pengelolaan keuangan komite sekolah. Hasil pengujian sistem informasi pengelolaan keuangan komite sekolah menggunakan metode web engineering pada SMK Negeri 1 Gedong Tataan menggunakan aplikasi berbasis web yang dibuat dengan bahasa pemrograman PHP dan framework CodeIgniter dan database MySql untuk pengujian fungsionalitas sistem menggunakan black box testing mendapatkan nilai 100% sesuai dengan fungsionalitas sistem, serta hasil pengujian Web Quality 4.0 mendapatkan nilai 87,6% memiliki kriteria Sangat Baik dari pengujian usability

Penerapan Genetic Modified k-Nearest Neighbor Pada Prediksi PM10 di Pekanbaru

Penerapan metode algoritma genetika dan modified k-nearest neighbor(MKNN) dengan deret waktu telah digunakan dalam penelitian ini. Metode MKNN dan algoritma genetika digunakan untuk memprediksi particulate matter (PM10) di kota Pekanbaru. Data PM10 yang digunakan merupakan data PM10 per 30 menit pada bulan Juli sampai bulan Desember tahun 2015 yang diambil dari laboratorium udara kota Pekanbaru. Data ini kemudian diubah menjadi deret waktu dengan 48 variabel masukan dan 1 variabel keluaran. Hasil dari penelitan ini menunjukkan bahwa metode MKNN dapat memprediksi PM10 dengan error terendah yaitu 8,957 dan metode algoritma genetika dapat mencari nilai k optimal pada MKNN dengan k optimal yaitu 3.

Klasifikasi Pengembalian Radar dari Ionosfer Menggunakan SVM, Naïve Bayes dan Random Forest

ABSTRAK – Klasifikasi merupakan salah satu topik utama dalam data mining atau machine learning. Klasifikasi adalah suatu pengelompokan data dimana data yang digunakan tersebut mempunyai kelas label atau target. Klasifikasi digunakan untuk mengambil data dan ditempatkan kedalam kelompok tertentu. Studi tentang ionosfer penting untuk penelitian di berbagai domain, khususnya dalam sistem komunikasi. Dalam penelitian ionosfer, perlu dilakukan klasifikasi radar yang berguna dan tidak berguna dari ionosfer. Pada makalah ini, akan dilakukan klasifikasi terhadap data inosphere yang diambil dari UCI machine learning repository. Klasifikasi dilakukan dengan menggunakan tiga metode klasifikasi, yakni SVM ( Support Vector Machine ) , Naïve Bayes, dan Random Forest. Hasil dari percobaan ini bisa menunjukkan prediksi dari setiap percobaan dengan tingkat akurasi dan prediksi yang berbeda-beda di setiap metode yang digunakan. Hasil akurasi, presisi, dan recall terbaik didapatkan pada metode Random Forest dengan rasio data latih dan data uji sebesar 85% didapat akurasi dari data uji sebesar 90,57% dengan presisi sebesar 94,12%. Kata Kunci – Ionosfer; Klasifikasi; SVM; Naïve Bayes; Random Forest.

Analisis Cluster dengan Metode Partitioning dan Hierarki pada Data Informasi Kemiskinan Provinsi di Indonesia Tahun 2019

Kemiskinan merupakan salah satu indikator penting dalam melihat keberhasilan pembangunan ekonomi suatu negara. Tingkat kemiskinan di Indonesia sebesar 9,22 persen dengan jumlah penduduk miskin sebanyak 24,79 juta jiwa. Data kemiskinan di setiap daerah akan berbeda dipengaruhi oleh berbagai indikator. Oleh karena itu penting untuk mengelompokkan daerah-daerah di Indonesia berdasarkan karakteristik kemiskinan sehingga pemerintah dapat dengan tepat mengambil kebijakan terkait penanggulangan kemiskinan. Penelitian ini menggunakan dua metode clustering, yaitu partitioning dan hierarki untuk mengelompokkan provinsi-provinsi di Indonesia berdasarkan karakteristik kemiskinan. Metode partitioning yang dipilih adalah K-Means. Data yang digunakan adalah 8 variabel kemiskinan pada 34 provinsi di Indonesia tahun 2019. Penentuan jumlah cluster menggunakan validasi internal dan validasi stabilitias menunjukkan bahwa metode hierarki dengan jumlah cluster 2 menghasilkan cluster yang paling optimal. Perbandingan metode hierarki dinilai berdasarkan agglomerative coefficient, dimana metode Ward mampu memberikan hasil pengelompokan terbaik.

Penerapan Algoritma Dijkstra Pada Game Learning Matematika Berbasis Android

ABSTRAK – Sebuah lembaga survey di bidang game. Newzoo menempatkan Indonesia di peringkat ke-16 dunia dalam hal penggunaan game yang cukup diminati oleh rentang usia produktif 10 – 20 tahun. Untuk itulah perlu adanya proses pembelajaran dan pendidikan terhadap game agar anak-anak di usia tersebut tidak kecanduan game yang akan merusak sel otak. Maka dari itu dengan membangun serta merancang game maze yang memiliki nilai edukasi yang sangat baik untuk anak-anak, maka dari itu digunakan algoritma Dijkstra, sebagai sistem kecerdasan buatan untuk mencari jalan tercepat menuju suatu lokasi. Yang akan melatih otak anak-anak untuk berfikir dan berkembang agar nantinya anak-anak tidak ketergantung lagi pada permainan yang bersifat merusak. Dengan menggunakan kusioner yang telah dirancang maka dapat diambil kesimpulan bahwasannya dari 18 orang anak dari rentang kelas 5 SD sampai kelas 1 SMP yang memainkan game ini 88.9% diantaranya merasa game ini sudah sesuai dengan materi yang mereka pelajari, kemudian game ini juga dirasa menyenangkan dan mereka ingin memainkannya lagi. Yang artinya game ini dapat digunakan sebagai alternatif pembelajaran di sekolah. Kata Kunci – Algoritma Dijkstra; Game Maze; Kecerdasan Buatan; Android; Learning Matematika.

Model Pemantau Kelembaban dan Irigasi Sawah Otomatis Berbasiskan Internet of Things

Perkembangan teknologi masa kini memiliki dampak yang sangat penting dalam kemajuan kehidupan manusia. Selain membantu banyak sektor kehidupan manusia, teknologi juga dapat membantu bidang pertanian, Berbeda dengan bidang agraria lainnya, persawahan memiliki persyaratan yang ketat agar tanaman bisa tumbuh sempurna. Tingkat kelembaban yang sangat mempengaruhi tingkat keoptimalan hasil panen, sehingga kelembaban media tanam di sawah harus dijaga kestabilannya. Apabila kelembaban tanah sawah tidak sesuai, maka akan menghambat pertumbuhan tanaman di sawah tersebut. Tantangan utama dari pengairan sawah adalah proses pengairan yang dilakukan oleh petani dengan cara manual, sehingga memerlukan tenaga serta waktu yang lebih banyak untuk mengairi daerah yang luas. Oleh karena itu, penelitian ini memiliki tujuan untuk mendesain sebuah model pemantau kelembaban dan pengairan otomatis berbasiskan Internet of Things (IoT) untuk meringankan beban petani untuk mengairi sawahnya. Model ini dilengkapi dengan sensor kelembaban untuk memonitor kelembaban serta pompa air mini untuk mengalirkan air sebagai pengontrol kelembaban tanah. Agar dapat dengan mudah dipantau, model ini juga dilengkapi dengan konektivitas WiFi sehingga memudahkan para petani untuk memantau keadaan sawah mereka secara realtime. Dari proses evaluasi model yang dilakukan, model ini mampu menstabilkan kelembaban tanah dengan baik. Sehingga dengan stabilnya kelembaban itu dapat mengoptimalkan pertumbuhan tanaman di sawah tersebut.

Klasifikasi Ekspresi Teks Berbahasa Jawa Menggunakan Algoritma Long Short Term Memory

Bahasa Jawa bisa dikatakan Bahasa yang unik karena bahasa Jawa mempunyai banyak arti meskipun satu kata yang sama tetapi beda daerah. Suku Jawa adalah suku terbesar yaitu 41% atau sekitar 95.217.022 jiwa. Pulau Jawa juga pengakses internet terbesar khususnya untuk media sosial yaitu 87,13%, dari data tersebut banyak informasi yang bisa didapatkan dari keaktifan suku Jawa dalam menggunakan media sosial. Khususnya adalah data tekstual, tetapi tidak mudah mendapatkan ekspresi atau emosi suku Jawa dari media sosial karena jumlah datanya sangat banyak. Maka dari itu permasalahan ini dapat di analisa. Teks mining merupakan salah satu cara yang tepat karena data media sosial lebih banyak data tekstual. Menggunakan RNN Architecture dan algoritma Longs Short Term Memory (LSTM), data tekstual akan mudah diolah karena data yang banyak akan dirapikan dan di kalsifikasikan. Sehingga data yang banyak itu akan dipilih dan olah sesuai dengan ekspresi, karena penelitian ini berfokus pada ekspresi dan emosi maka data akan di klasisfikasikan dengan LSTM. Dari hasil proses penggunaan LSTM untuk memilah ekspresi menjadi 4 yaitu marah, senang, sedih, dan takut mendapat akurasi 92%. Akurasi tersebut menunjukkan Long Short Term Memory (LSTM) efektif dalam pengklasifikasian ekspresi teks berBahasa Jawa.

Sistem Pendukung Keputusan Latihan Memanah Menggunakan Algoritma Decision Tree

Olahraga memanah menjadi salah satu olahraga favorit masyarakat Indonesia. Dari sinilah kemudian muncul berbagai tempat untuk latihan memanah. Hanya saja seringkali aktivitas berlatih memanah tersebut dibatalkan karena faktor cuaca, kondisi angin dan temperatur di tempat latihan. Padahal para siswa yang akan berlatih memanah sudah membawa perlengkapan yang cukup banyak dari rumah dan kadang jarak rumah menuju tempat latihan relatif jauh. Berdasarkan keadaan ini, maka melalui penelitian ini akan dikembangkan sebuah sistem pendukung keputusan yang dapat memprediksi pelaksanaan latihan memanah sesuai dengan kriteria cuaca, kondisi angin dan temperatur. Sistem pendukung keputusan ini menerapkan algoritma decision tree dan diimplementasikan ke dalam sebuah website.

Klasifikasi Buah Zaitun Menggunakan Convolution Neural Network

Buah zaitun merupakan tanaman produk hortikultura rumpun oleaceae dengan genus Olea yang memiliki berbagai macam jenis dan fitur yang unik. Satu dari sekumpulan species Olea yang ditemukan di wilayah tropis dan subtropis yang menjadikan tanaman subur dan melimpah. Hasil panen yang sangat melimpah sebanding dengan kebutuhan pasar. Pemanenan produk secara acak membuat pemilihan produk pasca panen sangat penting dalam mengelompokkan jenis buah zaitun. Sehingga perlu adanya sistem yang dapat mengklasifikasi secara otomatis. Sebelumnya sudah ada penelitian yang diusulkan untuk mengklasifikasi buah zaitun dengan akurasi yang cukup tinggi. Namun kecepatan yang diperlukan butuh waktu yang sangat lama karena menggunakan model pretrained yang begitu kompleks. Oleh karena itu, penelitian ini bertujuan untuk melakukan klasifikasi buah zaitun dengan waktu yang lebih cepat dan akurasi yang tidak kalah dari sebelumnya. Metode yang akan digunakan adalah Convolutional Neural Network (CNN) dengan rangkaian arsitektur sendiri. Hasil dari penelitian ini mendapatkan akurasi sebesar 92% dengan 30 epoch.

Peringkasan Berita Online Corona Virus dengan Metode Lexical Chain dan Word Sense Disambiguation

Peringkasan berita otomatis merupakan aktivitas mengekstraksi inti dari berita tanpa mengurangi makna penting yang terdapat dalam berita tersebut. Dalam peringkasan berita otomatis terdapat beberapa metode yang dapat digunakan salah satunya yaitu metode Lexical Chain. Metode ini memiliki kinerja yang baik dalam peringkasan teks dengan cara menentukan chain tertinggi. Namun, metode ini memiliki kelemahan yaitu tidak bisa mengidentifikasi kata ambigu yang terdapat pada kalimat berita. Oleh karena itu, untuk memperbaiki kekurangan dari kelemahan metode Lexical Chain maka pada penelitian ini dilengkapi dengan Word Sense Disambiguation untuk mengidentifikasi kata ambigu. Penelitian ini menggunakan 100 berita tentang Covid-19 yang bersumber dari portal berita online terpopuler. Pengujian akurasi peringkasan berita otomatis yang digunakan dalam penelitian ini menggunakan Recall-Oriented Understudy for Gisting Evaluation (ROUGE). Adapun evaluasi yang digunakan pada penelitian ini ada tiga macam yaitu precission, recall, dan f-measure. Hasil evaluasi diperoleh nilai rata-rata precission sebesar 0,62, recall sebesar 0,20, dan f-measure sebesar 0,30.