Scientific Student Journal for Information, Technology and Science

ANALISIS SENTIMEN PADA PEMBERLAKUAN PEMBATASAN KEGIATAN MASYARAKAT MENGGUNAKAN ALGORITMA DBSCAN

Ferdian Wiharmariyansyah, Anis Masruriyah, Hilda Novita — Wed, 31 Jan 2024 00:00:00 +0700

Pemberlakuan Pembatasan Kegiatan Masyarakat (PPKM) adalah kebijakan yang dibuat oleh pemerintah untuk menghadapi pandemi Corona Virus (COVID-19). PPKM berfungsi untuk mengontrol kegiatan masyarakat sesuai dengan protokol kesehatan, di antaranya adalah menjaga jarak sejauh dua meter, memakai masker, mencuci tangan dan lain-lain dalam pencegahan penyebaran COVID-19. PPKM di Indonesia diberlakukan sejak 11 Januari 2021 di berbagai wilayah di Indonesia. Dampak dari PPKM yang dirasakan oleh masyarakat salah satunya kesulitan mencari pekerjaan, berkurangnya mata pencaharian masyarakat, membatasi kegiatan berkerumun, adanya adaptasi kebiasaan baru. Selain itu, pelaku UMKM selain mengalami penurunan omset juga memperoleh sanksi pidana denda di tengah PPKM darurat oleh pemerintah setempat. Pemerintah menerapkan PPKM demi menanggulangi penyebaran virus COVID-19. Akan tetapi, penerapan PPKM mengundang pro dan kontra di masyarakat. Terlihat pada opini masyarakat yang tersebar di postingan media sosial pengguna twitter. Pengguna jejaring media sosial twitter yang membahas mengenai COVID-19. Analisis sentimen di sosial media twitter dapat melihat pola polarisasi. Hasil yang didapatkan dievaluasi menggunakan Sum of Square Error.

IMPLEMENTASI ALGORITMA REGRESI LINEAR DAN SUPPORT VECTOR REGRESSION DALAM MEMBUAT MODEL PREDIKSI HASIL TANGKAPAN IKAN NELAYAN DESA CIPARAGEJAYA

Fiqri Mahendra, Amril s Siregar, Kiki Baihaqi — Wed, 31 Jan 2024 00:00:00 +0700

Hasil tangkapan ikan salah satu indikator yang mempengaruhi pertumbuhan perekonomian masyarakat pesisir termasuk Masyarakat Desa Ciparagejaya, hasil tangkapan ikan nelayan yang dicatat oleh Tempat Pelelangan Ikan (TPI) berbeda-beda setiap bulannya, hal ini diakibatkan oleh kondisi ikan yang tidak dapat diprediksi jumlah tangkapannya,bagi nelayan hasil tangkapan ikan laut itu sumber penghasilan utama jadi diperlukan acuan untuk mengantisipasi penurunan hasil tangkapan ikan dalam menentukan strategi pembagian hasil tabungan yang dipotong setiap harinya dari hasil tangkapan nelayan. Tujuan penelitian ini adalah membuat model prediksi dengan Algoritma Regresi Linear dan Support Vector Regression (SVR) dari data yang dicatat oleh TPI Desa Ciparagejaya, data yang terdiri dari 33 jenis ikan hasil tangkapan tahun 2021. Metode yang digunakan dalam penelitian ini adalah metode analisis dengan menggunakan Algoritma Regresi Linear dan SVR. Penelitian ini menghasilkan Model Prediksi yang akan menjadi acuan dalam proses perhitungan nilai akurasi data dimana dalam penelitian ini menggunakan metode Root Mean Squared Error (RMSE). Pengujian dilakukan dengan menggunakan Microsoft excel dan python dengan memiliki nilai RMSE dari perhitungan Microsoft excel terkecil 0,577735, dan dari perhitungan python nilai RMSE terkecil adalah 0.

Penerapan Algoritma YoloV5 Dalam Pendeteksian Objek Merek Sampah Botol Plastik

Heru Purwantoro, Tohirin Mudzakir, Santi Lestari — Wed, 31 Jan 2024 00:00:00 +0700

Dalam proses identifikasi sampah botol plastik di pengepul masih dilakukan secara manual sehingga membuat proses menjadi lama. Di tingkat pengepul sampah botol plastik yang di sortir dibagi menjadi 2 jenis yaitu sampah botol plastik yang masih memiliki label merek dan sampah botol plastik yang sudah tidak memiliki label merek. Objek penelitian yang digunakan dalam penelitian ini adalah pendeteksian merek sampah botol plastik dengan algoritma YOLOv5. Sampah botol plastik yang digunakan ialah jenis sampah botol kemasan air minum ukuran 600ml. pengambilan dataset diambil di lingkungan sekitar rumah, dengan jumlah perbandingan dataset sebesar 70 % data latih banding 30% data validasi. Dalam pendeteksian objek ini memiliki batasan masalah yaitu hanya dapat mendeteksi sampah botol plastik yang kondisinya bagus. Proses deteksi merek sampah botol plastik ini dapat digunakan sebagai model awal untuk pembuatan mesin sortir sampah botol plastik yang nantinya dapat diterapkan kedalam mesin. Dengan menggunakan Algoritma YoloV5 maka hasil yang didapatkan dalam penerapan model dapat dihasilkan nilai akurasi yang cukup baik. Dengan nilai pada merek Aqua yaitu sebesar : 91% , Le’Minerale sebesar : 92% dan pada merek Teh Pucuk sebesar : 87%. Serta rata-rata hasil deteksi mencapai nilai confidence 1,0 yang membuat model tersebut bisa dijadikan sebagai model awal untuk pembuatan mesin sortir sampah botol plastik..

Klasifikasi Data Guru Sekolah Menengah Pertama (SMP) PNS & NON PNS Kabupaten Karawang Menggunakan Algoritma Naïve Bayes

Ishal Saepulloh, Tatang Rohana, Cici Sukmawati — Wed, 31 Jan 2024 00:00:00 +0700

Dinas Pendidikan Pemuda dan Olahraga (Disdikpora) merupakan salah satu lembaga yang melaksanakan urusan pemerintahan daerah berdasarkan asas otonomi dan tugas pembantuan di bidang pendidikan. Salah satu tugasnya yaitu melakukan pengelolaan kesekretariatan meliputi perencanaan umum, kepegawaian, keuangan, evaluasi dan pelaporan. Permasalahan yang terjadi di Dinas Pendidikan Pemuda dan Olahraga Kabupaten Karawang yaitu banyaknya jumlah Data Guru SMP PNS dan NON PNS seluruh Sekolah Negeri maupun Swasta yang ada di Kabupaten Karawang harus didata secara akurat dikarenakan agar tidak terjadi kesalahan data untuk recruitment guru baru untuk memenuhi kurangnyaa guru yg ada di sekolah, dan adanya pengangkatan guru NON PNS menjadi PNS yang diatur oleh Pemerintahan Dinas Pendidikan Pemuda dan Olahraga. Berdasakan permasalahan tersebut, maka peneliti akan menggunakan teknik data mining dalam klasifikasi data Guru SMP PNS dan NON PNS Kabupaten Karawang yang menggunakan algoritma Naïve Bayes untuk mengatahui tingkat akurasi yang dihasilkannya. Dalam klasifikasi Data Guru SMP PNS dan NON PNS menghasilkan confusion matrix yang akan menjadi
penunjang dalam proses perhitungan tingkat keakurasian data. Dataset dibagi menjadi dua yakni data training 174 dan data testing 35. Pengujian ini menggunakan microsoft excel untuk perhitungan manual dan pemrograman python dengan model data 174 yaitu data training dan 35 data testing. Didalam pembagian data untuk data training memiliki nilai akurasi sebesar 100%, presisi sebesar 100%, recall sebesar 100% dengan itu data tersebut sangat baik digunakan dalam klasifikasi menggunakan algoritma Naïve Bayes.

Penerapan Metode Weighted Product Dalam Pendukung Keputusan Penerimaan Beasiswa SMK PGRI 2 Karawang

Isnaeni Hidayah, Sutan Faisal, Santi Lestari — Wed, 31 Jan 2024 00:00:00 +0700

Permasalahan yang muncul pada penerimaan beasiswa adalah waktu yang dibutuhkan untuk mengecek formulir beasiswa terlalu lama dan sering terjadinya penerima beasiswa tidak sesuai dan tidak tepat sasaran yang akan merugikan pihak sekolah maupun siswa. Maka dari itu dibutuhkannya sebuah Sistem Pendukung Keputusan (SPK) dan metode Weighted Product (WP) adalah salah satu metode penyelesaian untuk masalah tersebut Multi Attribute Decision Making (MADM). Metode Weighted Product digunakan pada penelitian ini karena dapat melakukan proses pembobotan dan dapat diatur dan disesuaikan dengan kebutuhan pengambil keputusannya sehingga lebih fleksibel dan hasil perhitungan yang dihasilkannya sesuai dengan kebutuhan pengambil keputusan. Kriteria yang digunakan dalam penelitian ini yaitu, Nilai rata-rata, Kehadiran Siswa, Penghasilan Orangtua dan Tanggungan Orangtua. Hasil penelitian menggunakan Data siswa pada SMK PGRI 2 Karawang. Penelitian ini menggunakan Sublime Text untuk membuat sistem. Hasil akhir dari metode WP ini merupakan Ranking, maka semakin besar nilai akhirnya yang akan terpilih mendapatkan beasiswa. Hasil akhir yang mendapatkan beasiswa adalah alternatif terbaik yaitu nilai terbesar dari 38 data siswa.

Penerapan Algoritma Support Vector Machine Untuk Analisis Sentimen Kebijakan Pemberlakuan Pembatasan Kegiatan Masyarakat

Jovan Pangestu, Yana Cahyana, Hilda Novita — Wed, 31 Jan 2024 00:00:00 +0700

Pandemi virus Corona yang menyerang Indonesia membuat pemerintah Indonesia menerapkan kebijakan-kebijakan. Salah satu kebijakan yang dibuat oleh pemerintah Indonesia adalah kebijakan Pemberlakuan Pembatasan Kegiatan Masyarakat atau yang biasa disebut sebagai PPKM. Tujuan dari kebijakan tersebut adalah untuk mengurangi angka virus Corona. Akan tetapi dalam menerapkan kebijakannya tersebut menimbulkan kontroversial sehingga mengundang banyak kalangan untuk memberikan opininya terhadap kebijakan yang diterapkan pemerintah Indonesia. Keterbatasan tempat membuat masyarakat sulit memberikan opininya sehingga media sosial dipilih sebagai tempat untuk menyampaikan opininya. Salah satu media sosial yang digunakan untuk menyampaikan opininya adalah Twitter. Masyarakat dalam memberikan opininya belum diketahui sentimen tersebut apakah positif atau negatif. Dalam penelitian ini algoritma Support Vector Machine (SVM) dipilih untuk melakukan analisa sentimen atau klasifikasi terhadap kebijakan PPKM. Berdasarkan penelitian yang telah dilakukan bahwa algoritma SVM dengan menggunakan 17.281 yang dibagi menjadi 80% untuk ada training dan 20% data test mendapatkan mayoritas sentimen positif. Evaluasi yang dilakukan dengan menggunakan Confusion Matrix memperoleh hasil akurasi sebesar 89.58%, recall sebesar 86.73%, dan precision 86.85% yang artinya hasil tersebut baik

Sistem Pakar Pendeteksi Dini Penyakit Jantung Menggunakan Algoritma Certainty Factor Berbasis Android

Khoirull Munazzal, Jamaludin Indra, Santi Lestari — Wed, 31 Jan 2024 00:00:00 +0700

Kurangnya pengetahuan tentang penyakit jantung menjadi penyebab meningkatya penderita penyakit jantung. Seringkali masyarakat tidak menyadari adanya gejala penyakit jantung di dalam tubuhnya. Di samping itu perkembangan teknologi yang pesat terutama di bidang smartphone berbasis android yang kini hampir dimiliki oleh seluruh kalangan masyarakat. Salah satu upaya untuk mengatasi permasalahan tersebut yaitu dengan membuat aplikasi Sistem Pakar untuk Mendeteksi Dini Penyakit Jantung. Algoritma certainty factor digunakan untuk menentukan persentase nilai kepercayaan penyakit berdasarkan gejala fisik yang dirasakan. Proses perhitungan nilai CF dipengaruhi oleh bobot pakar dan bobot pengguna. Sistem diaplikasikan pada smartphone dengan sistem operasi android. Hasilnya sistem dapat mendeteksi tiga jenis penyakit jantung meliputi jantung koroner, aritmia dan gagal jantung serta menampilkan informasi dari masing-masing penyakit. Basisdata MySQL digunakan untuk menyimpan data sistem pakar. Hasil pengujian menggunakan whitebox dan blackbox dapat menilai kinerja fungsi sistem dengan nilai 100% dari 17 skenario pengujian. Hasil pengujian pakar dapat mengetahui akurasi antara sistem dengan diagnosa manual pakar memperoleh nilai 100% dengan 14 kali pengujian.

IMPLEMENTASI ALGORITMA NAIVE BAYES DAN C.45 UNTUK KLASIFIKASI PENERIMA BANTUAN SOSIAL DI DESA MINANGA SARI KABUPATEN LAMPUNG TIMUR

M Arep Huda, Ahmad Fauzi — Wed, 31 Jan 2024 00:00:00 +0700

Kemiskinan merupakan masalah lama yang belum terpecahkan dan sulit dipecahkan. Pemerintah sendiri telah melakukan beberapa upaya untuk mengentaskan kemiskinan melalui program kesejahteraan sosial serta dampak Covid-19 yang merusak perekonomian Pemkot khususnya Pemkot Marga Tiga yang tumbuh eksponensial di tahun 2021. Masih ada dukungan pemerintah untuk warga yang tidak tercukupi kebutuhannya Sosialisasi ketimpangan sosial dan undertargeting disebabkan validasi data yang salah. Penambangan data adalah metode komputasi untuk memecahkan masalah klasifikasi dan menggunakan algoritma Naive Bayes dan C4.5 untuk mengukur faktor kelayakan penerima manfaat yang berkorelasi dengan aturan produksi. Oleh karena itu, penulis mengimplementasikan dua algoritma, yang tujuannya adalah untuk memprediksi/mengklasifikasikan bantuan masyarakat desa dan mengetahui akurasi antara algoritma Naive Bayes dan C.45. Selain akurasi, penulis membandingkan dua algoritma, algoritma mana yang lebih cocok untuk menentukan bantuan masyarakat desa. Setelah dilakukan penelitian dengan kedua algoritma tersebut dan algoritma C.45 dengan akurasi 98%, hasil tersebut lebih besar dari algoritma naive Bayesian dengan akurasi 95%, sehingga algoritma C.45 lebih akurat untuk penentuannya. Para dermawan di Desa Margatiga.

Implementasi Algoritma Naive Bayes Untuk Klasifikasi Menentukan Prestasi Siswa Berdasarkan Nilai Rata-Rata

Muh Nurhariza, Ayu Juwita, Dwi Kusumaningrum — Wed, 31 Jan 2024 00:00:00 +0700

Penentukan prestasi siswa umumnya menjadi permasalahan disetiap sekolah salah satunya pada SMK Tri Mitra Karawang. Karena di setiap sekolah terdapat siswa yang rajin belajar dan kurang rajin sehingga siswa memiliki prestasi yang berbeda beda. Pada penelitian ini ada beberapa tahapan yang digunakan, Tahap yang pertama adalah Analisis dimana pada tahap ini tujuannya untuk mendapatkan informasi dan data. Tahap yang kedua adalah Implementasi yang dimana tahap ini melakukan proses perhitungan dan tahap yang ketiga adalah Evaluasi dimana tahap ini untuk mengetahui hasil dari perhitungan. Pada penelitian ini peneliti menggunakan algoritma Naïve Bayes untuk mengklasifikasi menentukan prestasi siswa dengan menggunakan 400 data siswa atau data set yang dijadikan sebagai data latih dan 100 data siswa yang dijadikan sebagai data testing yang diperoleh dari data set. Hasil dari algoritma Naïve Bayes menggunakan Confusion Matrix mendapatkan hasil akurasi sebesar 100%, presisi 100% dan recall 100%.

PENERAPAN METODE NAÏVE BAYES UNTUK KLASIFIKASI SENTIMEN PADA REVIEW PRODUK E-COMMERCE

Muhamad Amirrullah, Yana Cahyana, Kiki Baihaqi — Wed, 31 Jan 2024 00:00:00 +0700

Pemanfaatan teknologi infomasi dan komunikasi dibidang perdagangan salah satunya yaitu berupa penjualan dan pembelian secara online. Dalam kegiatan berbelanja secara online biasanya konsumen mencari terlebih dahulu mengenai produk yang akan dibelinya melalui review dari konsumen sebelumnya, dikarenakan review dari konsumen sebelumnya dapat menyediakan informasi terbaru dari produk tersebut berdasarkan perspektif konsumen lain yang sudah membeli produk tersebut terlebih dahulu. Tujuan dari penelitian ini adalah mengklasifikan review produk tersebut menggunakan algoritma naïve bayes. Klasifikasi naïve bayes merupakan algoritma untuk klasifikasi berdasarkan teorema naïve bayes dan digunakan untuk menghitung sebuah probabilitas dari suatu kelas. Dalam penelitian ini terdapat beberapa tahapan penelitian yaitu preprocessing, implementasi, dan pengujian. Pada pengujian data dibagi menjadi 2 bagian, 80% sebagai data latih serta 20% sebagai data uji. Pada pengujian menggunakan confusion matrix, penelitian ini mendapatkan akurasi sebesar 86%, sedangkan untuk precission mendapatkan nilai rata-rata 88%, serta nilai recall yang mendapatkan nilai rata-rata 86%.

PENERAPAN ALGORITMA K-NEAREST NEIGHBOR DAN C4.5 UNTUK KLASIFIKASI PENYAKIT KANKER SERVIKS

Muhammad Ramadhan, Yana Cahyana, Ayu Juwita — Wed, 31 Jan 2024 00:00:00 +0700

Kanker serviks merupakan penyebab kematian nomor dua pada perempuan di dunia setelah kanker payudara, sedangkan di Indonesia kanker serviks menduduki peringkat pertama, hal tersebut yang menjadikan masalah kesehatan reproduksi di Indonesia masih menjadi sorotan utama. K-Nearest Neighbor (KNN) adalah suatu metode algoritma supervised learning, di mana kelas yang paling banyak muncul (mayoritas) yang akan menjadi kelas hasil klasifikasi. Sedangkan Algoritma C4.5 merupakan sebuah algoritma klasifikasi yang digunakan untuk membangun decision tree (pohon keputusan). Penelitian kali ini bertujuan untuk mengklasifikasikan data resiko kebiasaan kanker serviks dengan menerapkan algoritma KNN dan C4.5. Data diambil dari website UCI Machine Learning sebanyak 72 data dan 19 atribut setelah dilakukan seleksi menjadi 63 data dan 5 atribut yang diantaranya adalah dukungan sosial instrumental, pengetahuan pemberdayaan, kemampuan pemberdayaan dan keinginan pemberdayaan lalu untuk kanker serviks dijadikan untuk atribut kelas. Pengujian ini dilakukan dengan cara manual, pemrograman python dan rapidminer. Penghitungan algoritma KNN telah dilakukan pada pengujian menggunakan rapidminer dengan cross validation kemudian menghasilkan akurasi 80.95% dan dengan split validation membagi data menjadi data training dan testing sebesar 80 : 20 menghasilkan akurasi 83.33%, sedangkan algoritma C4.5 dengan cross validation kemudian menghasilkan akurasi 76.19% dan dengan split validation membagi data menjadi data training dan testing sebesar 80 : 20 menghasilkan akurasi 75.00%. Untuk pengujian dengan pemrograman python dengan split validation membagi data menjadi data training dan testing sebesar 80 : 20 kemudian algoritma KNN mendapatkan hasil akurasi 84.00%, sedangkan algoritma C4.5 menghasilkan akurasi 69.00%. Sehingga algoritma KNN dengan pengujian Python mendapatkan akurasi terbaik pada penelitian ini dengan nilai akurasi 84.00%.

KLASIFIKASI DATA POKOK PENDIDIKAN SEKOLAH DASAR DAN SEKOLAH MENENGAH PERTAMA MENGGUNAKAN ALGORITMA NAÏVE BAYES SERTA C.45

Rafi Sidik, Tatang Rohana, Rahmat Rahmat — Wed, 31 Jan 2024 00:00:00 +0700

Dapodik digunakan untuk mengumpulkan semua data yang terkait dengan data kurikulum sekolah dan institusi, data siswa, data guru dan staf serta data infrastruktur dari setiap studi sekolah di seluruh Indonesia.. Sarana adalah alat langsung untuk mencapai tujuan pendidikan, lalu prasarana adalah alat tidak langsung untuk mencapai tujuan. Penelitian ini menggunakan Data Dapodik SD dan SMP. Karna pada bidang program dan pelaporan mengalami permasalahan dalam pemberian bantuan sarana dan prasarana pada jenjang SD, SMP sehingga hasil dari klasifikasi dapat ditemukan sekolah yang mengalami sarana dan prasarana yang kurang merata. Penelitian ini dilakukan pengklasifikasian sarana dan prasarana berdasarkan data Dapodik SD, SMP Karawang dengan menggunakan dua algoritma pengklasifikasian. Teknik Data Mining klasifikasi yang digunakan yaitu Naïve Bayes dan C.45. klasifikasi yang akan dilakukan menggunakan 3 kelompok yaitu banyak, sedang, sedikit pada Data Dapodik SD, SMP tahun 2020/2021. Data yang digunakan 100 dibagi menjadi data training 70% dan data testing 30% lanjut perhitungan algoritma Naïve Bayes dengan nilai akurasi 63% sedang kan algoritma C.45 dengan nilai akurasi 73%.

PENERAPAN ALGORITMA NAIVE BAYES UNTUK ANALISIS SENTIMEN CRYPTOCURRENCY PADA MEDIA SOSIAL TWITTER

Rizky Riyanto, Yana Cahyana, Rahmat Rahmat — Wed, 31 Jan 2024 00:00:00 +0700

Dalam penelitian ini, sentimen masyarakat mengenai cryptocurrency yang disampaikan melalui tweet pada media sosial twitter akan di analisis menggunakan machine learning. Terdapat beberapa tahapan dalam melakukan analisis sentimen yaitu tahap pengumpulan data, preprocessing, labeling, pembobotan kata, klasifikasi dan evaluasi. Proses pengumpulan data dilakukan dengan metode scraping menggunakan library python snscrape dan menghasilkan sebanyak 10000 data tweet bahasa Indonesia yang berkaitan yang berkaitan dengan cryptocurrency. Proses preprocessing untuk pembersihan data terdiri dari 6 tahapan yaitu remove duplicate, case folding, cleansing, normalisasi kata, tokenizing, stopword removal dan lemmatization. Pada proses labeling data akan dilakukan secara otomatis menggunakan program python dengan library textblob, hasil labeling data terbagi menjadi 3 kelas yaitu sentimen positif, negatif dan netral. Pada tahap klasifikasi, algoritma naive bayes akan dikombinasikan dengan fitur pembobotan kata TF-IDF dalam satu kelas pipeline python. Data tweet yang digunakan dalam tahap klasifikasi sebanyak 5000 data yang terdiri dari 2500 data dengan label positif dan 2500 data dengan label negatif yang kemudian dibagi menjadi 2 yaitu sebanyak 4000 data untuk data latih dan 1000 data untuk data uji. Pengujian dan evaluasi yang dilakukan dengan metode confusion matrix menggunakan algoritma naive bayes menghasilkan nilai akurasi sebesar 89%

Penerapan Algoritma K-Means Dan K-Medoid Untuk Mengelompokan Tingkat Kunjungan Wisatawan Mancanegara Berdasarkan Rute Masuk Ke Indonesia

Rizky Nugraha , Yana Cahyana, Ayu Juwita — Wed, 31 Jan 2024 00:00:00 +0700

Jumlah kunjungan wisatawan asing yang berkunjung ke suatu negara merupakan salah satu indikator penting untuk melihat perkembangan pariwisata. Ketertarikan wisatawan asing ke Indonesia dapat meningkatkan devisa negara dan meningkatkan perekonomian masyarakat di daerah wisata. Kurangnya informasi serta pengelompokan menyangkut ketertarikan dan tingkat kunjungan data wisatawan asing berdasarkan jalur masuk ke Indonesia mengakibatkan adanya kesulitan bagi pemerintah dalam melakukan kebijakan dan perencanaan strategi pemasaran, peningkatan infrastruktur serta fasilitas pariwisata untuk menarik minat para wisatawan asing, sehingga menjadi tidak tepat sasaran, menyebabkan wisata-wisata di Indonesia yang kurang dikenal jarang dikunjungi oleh wisatawan asing. Oleh karena itu, tujuan yang ingin dicapai dalam penelitian ini adalah mendapatkan pengelompokan tingkat kunjungan pada data wisatawan asing berdasarkan jalur masuk udara, darat, laut ke Indonesia dari tahun 2017 sampai 2021 dengan menerapkan algoritma k-means dan k-medoid. Algoritma ini dipilih karena mempunyai kemampuan mengelompokan data dalam jumlah yang cukup besar dengan waktu yang relatif cepat. Proses perhitungan pada penelitian ini memakai 2 cara yaitu perhitungan manual menggunakan excel dan Python yang terbagi menjadi 3 kelompok yaitu C1 tingkat kunjungan tinggi, C2 tingkat kunjunjungan sedang dan C3 tingkat kunjungan rendah. Hasil pengelompokan algoritma k-means yaitu C1 sebanyak 24, C2 sebanyak 1, dan C3 sebanyak 4. Sedangkan algoritma k-medoid yaitu C1 sebanyak 5, C2 sebanyak 15, dan C3 sebanyak 9. Kemudian hasil evaluasi data menggunakan Silhouette Coefficient menunjukan bahwa hasil akurasi algoritma k-means bernilai 0,8463 dan k-medoid bernilai 0,4691 yang berarti hasil akurasi algoritma k-means lebih baik daripada algoritma k-medoid karena lebih mendekati nilai 1.

Penerapan Metode K-Means Untuk Clustering Puskesmas Berdasarkan Jumlah Stunting Di Kabupaten Karawang

Sigit Gunawan, Hanny Hikmayati, Tohirin Mudzakir — Wed, 31 Jan 2024 00:00:00 +0700

Kondisi bayi yang mengacu pada kegagalan tahap pertumbuhan dan perkembangan tidak normal dibandingkan dengan anak-anak lain seusianya dikategorikan sebagai stunting. Sejak tahun 2018 Kabupaten Karawang masuk ke dalam 100 Kabupaten/Kota prioritas penanggulangan stunting. Penelitian ini bertujuan untuk memetakan Puskesmas yang terdapat bayi stunting ke dalam 3 kelompok rendah, sedang dan tinggi menggunakan metode K-means. Metode Davies-Bouldin Index digunakan untuk mengevaluasi hasilclustering yang dilakukan K-means untuk mendapatkan nilai validitas dari K=3. Adapun hasil dari penelitian terhadap data penyebaran stunting di kabupaten karawang cluster 0 berjumlah 18 Puskesmas, cluster 2 berjumlah 25 Puskesmas, dan cluster 3 berjumlah 7 Puskesmas. Hasil Davies Bouldin Index pada python sebesar 0.9986083164230459 dan manual sebesar 0.97809247, membuktikan bahwa algoritma K-Means cukup baik dalam melakukan Clustering.

Penerapan Algoritma Fuzzy Logic Pada Sistem Keamanan Pintu Berbais Internet Of Things

Vera Shelina, Tatang Rohana, Dwi Kusumaningrum — Wed, 31 Jan 2024 00:00:00 +0700

Penggunaan keamanan pintu pada sebuah rumah dapat meminimalisir pencurian. Setiap rumah umumnya hanya diberi kunci pintu biasa seperti kunci pintu manual dan gembok yang mudah menjadi sasaran perampokan dan disabotase. Maka dari itu tujuan dari penelitian ini untuk membuat sistem keamanan yang dapat dipantau dari jarak jauh melalui smartphone, dengan menggunakan algoritma logika fuzzy untuk menentukan dekat, sedang dan jauh sebagai notifikasi pemberitahuan pada aplikasi blynk ketika ada objek yang mendekat dan selain itu pada sistem ini menggunakan sensor jarak untuk mendeteksi objek dan sensor rfid untuk pengganti kunci dengan menggunakan seperti kartu e-ktp atau tag rfid. Hasil dari penelitian ini untuk pembuatan sistem dapat mendeteksi objek sesuai dari algoritma logika fuzzy yang telah diuji 10 kali dengan jeda terlama 4 detik akses kecepatan 3 KB/s dan jeda tercepat 1 detik akses kecepatan 57 – 60 KB/s karena factor jaringan sangat berpengaruh, untuk scan ktp berhasil 1 cm sampai 2 cm, dan gagal jika melebihi 2cm. Dan untuk tag hanya dinyatakan berhasil dalam 1 cm saja, dan gagal jika melebihi 1cm.

Implementasi Algoritma K-Means Untuk Pengelompokan Pada Penyakit Menular Manusia Di Kabupaten Karawang

Yoga Nugraha, Amril Siregar, Rahmat Rahmat — Wed, 31 Jan 2024 00:00:00 +0700

Penyakit tuberkulosis, diare, kusta, dan pneumonia dapat dikategorikan sebuah penyakit menular yang patut diwaspadai. Terdapat permasalahan penyakit menular di daerah Kabupaten Karawang, hal ini ditandai dengan adanya kenaikan jumlah penderita penyakit menular pada setiap tahun nya. Hal ini ditandai penderita pneumonia dengan jumlah balita di Kabupaten Karawang sebanyak 239.792 perkiraan jumlah penderita penyakit pneumonia 10.133, jumlah kasus tuberkulosis anak tahun 2020 mengalami kenaikan yang cukup signifikan jumlah kasus dari 240 kasus menjadi 856 kasus, sedangkan jumlah pengidap diare yang ditemui serta ditangani Karawang tahun 2020 sebanyak 39.035 pengidap untuk seluruh usia ataupun 61%. Maka dari itu penelitian kali ini bertujuan untuk mengelompokan penyakit menular disetiap puskesmas Karawang ke dalam beberapa kelompok menggunakan algoritma k-means clustering. Dari hasil penelitian Algoritma K-Means Clustering dalam melakukan pengelompokkan diperoleh 1 data puskesmas pada cluster 1, 4 data puskesmas pada cluster 2, 45 data puskesmas pada cluster 3 dari 50 data puskesmas. Adapun hasil evaluasi menggunakan metode Elbow untuk mencari nilai K terbaik, dimana hasil K=3 merupakan jumlah cluster terbaik. Kemudian hasil tersebut dievaluasi menggunakan SSE (Sum of Square Error). Hasil evaluasi menggunakan SSE (Sum of Square Error) tingkat akurasi yang didapat, yaitu 1.949. Nilai jarak dari 2 cluster ke 3 cluster tersebut merupakan nilai yang mengalami penurunan paling signifikan atau paling besar sehingga 3 cluster merupakan cluster terbaik.

Penentuan penerima beasiswa dengan motode Naïve Bayes pada SMK Nahdlatul Ulama Karanganyar

Yusril Budimansyah, Amril Siregar, Dwi Kusumaningrum — Wed, 31 Jan 2024 00:00:00 +0700

Pendidikan memiliki pengaruh penting dalam menghasilkan anak didik yang berkarakter, inovatif dan berprestasi. Prestasi tentu dapat diraih berdasarkan kemampuan individu yang didasari pengetahuan yang baik dari tiap mata pelajaran. Salah satu keinginan murid meraih prestasi diluar maupun didalam sekolah adalah mendapatkan beasiswa. Namun pemberian bantuan beasiswa seringkali kurang tepat sasaran, maka dibuat penentuan penerimaan beasiswa di SMK Nahdlatul Ulama dengan tahapan pembersihan data, seleksi data, transformasi data, perhitungan manual maupun didalam program python, dan evaluasi pola menggunakan algoritma Naïve Bayes. Dengan hasil 25 data True positive, 96 data True negative dan 7 data False positive. Lalu evaluasi dari algoritma Naïve Bayes dengan menggunakan 31 data training, serta 128 data testing yang menghasilkan nilai akurasi 94,5%, presisi 78,1%, dan recall 100%.

Implementasi Model Prediksi Data Kriminalitas Menggunakan Algoritma Single Moving Average

Abdul Hanan, Anis Masruriyah, Tohirin Mudzakir — Wed, 31 Jan 2024 00:00:00 +0700

Kriminal bukan lagi menjadi hal yang baru bagi masyarakat Indonesia, meningkatnya tindak kriminalitas disebabkan oleh berbagai persoalan seperti, ekonomi, sosial, konflik dan rendahnya kesadaran hukum, yang mengakibatkan kerugian moral, fisik, ekonomi, dan psikologis. Suatu proses kriminalisasi perbuatan yang mulanya tidak dianggap sebagai kejahatan, kemudian dengan dikeluarkannya perundang-udangan yang melarang perbuatan tersebut, maka perbuatan tersebut kemudian menjadi perbuatan jahat. Sebagaimana berdasarkan Pasal 1 ayat (3) Undang-Undang Dasar Negara Republik Indonesia Tahun 1945 (selanjutnya disebut UUD NRI Tahun 1945). Tercatat dalam laporan Kepolisian Kabupaten Karawang terdapat 1231 kasus pada tahun 2020 dan 1235 kasus pada tahun 2021, pada tindak kriminalitas pada 2 tahun terkahir didominasi oleh tindak kejahatan penipuan, curat, dan curanmor. Solusi yang diberikan untuk meminimalisir tindak kriminal dengan teknologi Data Mining menggunakan metode prediksi dari Single Moving Average dan hasil akan dievaluasi. Melalui tahapan preprocessing, implementasi algoritma dan evaluasi. Hasil implementasi dari algoritma single moving average mendapatkan nilai prediksi untuk kecamatan cilebar sebanyak 5.5 dengan akurasi 93% dan kecamatan telukjambe timur sebanyak 210 dengan akurasi 95%.