Abstract:Abstract: One of the main health problems in children is stunting which is one of the concerns in the Sustainable Development Goals (SDGs). Specifically in Indonesia, the prevalence of stunting in 2024 is 21.6%. This figure…
ure is still relatively high, because the target prevalence of stunting is 14%. This study aims to implement machine learning knowledge through the Classification And Regression Trees (CART) algorithm based on Ant Be Colony (ABC) feature selection which aims to determine the increase in accuracy in analyzing stunting datasets. The data used comes from Kaggle which consists of 16500 datasets. The dataset consists of gender, age, birth length, birth weight, body length, body weight, breastfeeding and stunting status. The research methods used are data collection, data preprocessing, classification, and evaluation using K-fold cross validation. The results obtained in this research are the implementation of the CART algorithm obtained a value of 89.86% and the results of CART with Ant Be Colony (ABC) feature selection, which obtained an accuracy value of 93.65%. This shows that there is an increase in the accuracy value in the use of CART algorithm optimization and Ant Be Colony (ABC) feature selection by 3.76%. With the research results that have been obtained, it can be categorized as excellent accuracy value excellent. It is hoped that further research can be carried out by adding other classification algorithms or adding feature selection.
Keywords: classification; feature selection; optimazation; stunting
Abstrak: Salah satu masalah kesehatan utama pada anak adalah stunting yang menjadi salah satu perhatian dalam Sustainable Development Goals (SDGs). Khusus di Indonesia angka Pravelensi stunting pada tahun 2024 di angka 21.6%. Angka ini masih tergolong tinggi, karena target angka pravelensi stunting ialah 14%. Penelitian ini bertujuan untuk mengimplementasikan pengetahuan machine learning melalui algoritma Classification And Regression Trees (CART) berbasis seleksi fitur Ant Be Colony (ABC) yang bertujuan untuk mengetahui peningkatan akurasi dalam menganalisis dataset stunting. Data yang digunakan bersumber dari Kaggle yang terdiri dari 16500 dataset. Dataset terdiri dari jenis kelamin, usia, panjang lahir, berat lahir, panjangg badan, berat badan, menyusui dan status stunting. Metode penelitian yang digunakan adalah pengumpulan data, preprocessing data, klasifikasi, dan evaluasi menggunakan K-fold cross validation. Hasil yang diperoleh pada penelitian ini adalah Implementasi algoritma CART memperoleh nilai sebesar 89,86% dan hasil seleksi fitur CART dengan Ant Be Colony (ABC) memperoleh nilai akurasi sebesar 93,65%. Hal ini menunjukkan adanya peningkatan nilai akurasi pada penggunaan optimasi algoritma CART dan pemilihan fitur Ant Be Colony (ABC) sebesar 3,76%. Dengan hasil penelitian yang telah diperoleh dapat dikategorikan nilai akurasi yang diperoleh sangat baik. Diharapkan dapat dilakukan penelitian selanjutnya dengan menambahkan algoritma klasifikasi lain atau menambahkan seleksi fitur.
Kata kunci: klasifikasi; optimalisasi; seleksi fitur; stunting
Abstract:Abstract: Feature selection is a crucial process that is very important to improve the performance of machine learning models, in accordance with data preprocessing. The feature selection process can be considered as a global…
lobal combinatorial optimization problem in machine learning, which reduces the number of features, eliminates irrelevant data, and produces acceptable classification accuracy. The purpose of this study is to predict or determine the results of the electrical installation operation feasibility test based on data and obtain attribute selection features, and obtain accuracy level results. The Particle Swarm Optimization (PSO) approach is used to select the right characteristics to determine the results of the electrical installation operation feasibility test because attribute selection is needed in data analysis, because the PSO method will increase accuracy than just SVM in determining attribute selection. If SVM is used with PSO, the accuracy value is 96% and AUC is 0.994%, while the SVM method produces an accuracy level of 94.89% and AUC of 0.994%. With this finding, the accuracy value increases by 2%, making it a very good categorization category. It has been proven that the use of Particle Swarm Optimization (PSO) based algorithms can improve and improve results.
Keywords: PSO; SVM; Certification
Abstrak: Pemilihan fitur merupakan proses krusial yang sangat penting untuk meningkatkan kinerja model machine learning, sesuai dengan praproses data. Proses pemilihan fitur dapat dianggap sebagai masalah optimasi kombinatorial global dalam pembelajaran mesin, yang mengurangi jumlah fitur, menghilangkan data yang tidak relevan, dan menghasilkan akurasi klasifikasi yang dapat diterima. Tujuan dari penelitian ini adalah untuk memprediksi atau menentukan hasil uji kelayakan operasi instalasi listrik berdasarkan data dan memperoleh fitur pemilihan atribut, serta memperoleh hasil tingkat akurasi. Pendekatan Particle Swarm Optimization (PSO) digunakan untuk memilih karakteristik yang tepat untuk menentukan hasil uji kelayakan operasi instalasi listrik karena pemilihan atribut diperlukan dalam analisis data, karena metode PSO akan meningkatkan akurasi dari pada hanya SVM dalam menentukan pemilihan atribut. Jika SVM digunakan dengan PSO, nilai akurasinya adalah 96% dan AUC sebesar 0,994%, sedangkan metode SVM menghasilkan tingkat akurasi sebesar 94,89% dan AUC sebesar 0,994%. Dengan temuan ini, nilai akurasi meningkat sebesar 2%, menjadikannya kategori kategorisasi yang sangat baik. Telah terbukti bahwa penggunaan algoritma berbasis Particle Swarm Optimization (PSO) dapat meningkatkan dan memperbaiki hasil.
Kata kunci: PSO; SVM; Sertifikasi
Abstract:Toko Anekatex is a business engaged in fashion for women, men, children, as well as school uniforms, pajamas, and other robes located on Jalan Dr. Sutomo No. 41 Kisaran city. In maintaining more advanced competitiveness,…
the company must continue to develop technology, another thing that needs to be considered in making the company more advanced is the relationship with customers which is also an important thing to always maintain. In an effort to manage good relationships with potential customers and customers, companies use Customer Relationship Management (CRM). CRM is a service to customers that is personal, with the aim of providing consistent experience, so that it can provide customer satisfaction, and also get good relationships in the long term. By implementing a good E-CRM, companies will more easily interact with potential customers and customers and provide information according to their needs Customers can also obtain the information they need more quickly and easily. By implementing Customer Relationship Management (CRM) carried out at Anekatex Stores as an effort to improve customer strategies are well proven by the series of processes above and with this application to increase buybacks from total sales every month.
Abstract:Abstract: In the current era of very fast technological development, customer churn is a serious challenge, especially in the competitive telecommunications industry. Churn refers to customers who stop using a service or…
move to another provider, and can be categorized into three types: Active Churn, Passive Churn, and Rotational Churn. Rotational Churn, which is difficult to predict be- cause the reasons for stopping are unclear, is the main focus of this research. This research aims to group Rotational Churn customers using a Data-Centric AI approach. This approach emphasizes improving data quality through Confident Learning and Synthetic Data before being applied to the K-Means clustering algorithm. The data used in this research is customer churn data from one telecommunications company during 2023. The research results show that customer grouping using the K-Means algorithm can provide deep insight into the characteristics of customer churn. The application of Data-Centric AI is proven to be able to increase the accuracy of clustering models, which ultimately helps compa- nies optimize programs and services to minimize churn and retain customers.
Keywords: data-centric AI; clustering; K-means
Abstrak: Dalam era perkembangan teknologi yang sangat pesat saat ini, churn pelanggan menjadi tantangan serius, terutama dalam industri telekomunikasi yang sangat kompetitif. Churn mengacu pada pelanggan yang berhenti menggunakan layanan atau beralih ke penyedia lain, dan dapat dikategorikan menjadi tiga jenis: Churn Aktif, Churn Pasif, dan Churn Rotasional. Churn Rotasional, yang sulit diprediksi karena alasan penghentian layanan tidak jelas, menjadi fokus utama penelitian ini. Penelitian ini bertujuan untuk mengelompokkan pelanggan Churn Rotasional menggunakan pendekatan Data-Centric AI. Pendekatan ini menekankan pada peningkatan kualitas data melalui Confident Learning dan Synthetic Data sebelum diterapkan ke algoritma K-Means clustering. Data yang digunakan dalam penelitian ini adalah data churn pelanggan dari satu perusahaan telekomunikasi selama tahun 2023. Hasil penelitian menunjukkan bahwa pengelompokan pelanggan menggunakan algoritma K-Means dapat memberikan wawasan mendalam tentang karakteristik churn pelanggan. Penerapan Data-Centric AI terbukti mampu meningkatkan akurasi model klastering, yang pada akhirnya membantu perusahaan mengoptimalkan program dan layanan untuk meminimalkan churn serta mempertahankan pelanggan.
Kata kunci: data-Centric AI; klasterisasi; K-means
Abstract:Abstract: Technological developments are currently increasing rapidly, especially in the innovation of information data management. With so many media providing informationand services online, as well as the services provided…
vided by the Government of Sekadau Regency in the form of Webstie sekadaukab.go.id. Based on the survey results, the problems experienced by users are output and performance from sekadaukab.go.id still does not meet user expectations. Study this aims to measure the quality of information systems sekadaukab.go.id and also measure the level of user satisfaction with sekadaukab.go.id. By using the method McCall and EUCS (End User Computing Satisfaction) and using methods IPA (Importance Performance Analysis) to map variables into the level of importance and level of performance, the variables used are the variables in the method EUCS (End User Computing Satisfaction). Questionnaires were distributed to 100 users sekadaukab.go.id. The average quality generated by the method McCall of 43.6%, included in the pretty good category. For the results of measuring user satisfaction methods EUCS (End User Computing Satisfaction), each variable is included in the doubtful category range value 2.60 – 3.39. There are 18 recommendations for improvement based on the method McCall and the IPA method to the Kominfo Sekadau Regency against sekadaukab.go.id.
Keywords: EUCS; IPA; McCall; public service; quality system
Abstrak:Perkembangan teknologi saat ini semakin pesat, khususnya pada inovasi pengelolaan data informasi. Dengan banyaknya media menyediakan informasi dan pelayanan secara online, begitu juga dengan pelayanan yang disediakan oleh Pemerintah Kabupaten Sekadau berupa Webstie sekadaukab.go.id. Berdasarkan hasil survey, permasalahan yang dialami oleh pengguna yaitu output dan kinerja dari sekadaukab.go.id masih belum memenuhi harapan pengguna. Penelitian ini bertujuan untuk mengukur kualitas dari sistem informasi sekadaukab.go.id dan juga mengukur tingkat kepuasan pengguna terhadap sekadaukab.go.id. Dengan menggunakan metode McCall dan EUCS (End User Computing Satisfaction) serta menggunakan metode IPA (Importance Performance Analysis) untuk memetakan variabel kedalam tingkat kepentingan dan tingkat kinerja, variabel yang digunakan yaitu variabel pada metode EUCS (End User Computing Satisfaction). Kuesioner dibagikan kepada 100 orang pengguna sekadaukab.go.id. Rata- rata kualitas yang dihasilkan berdasarkan metode McCall sebesar 43,6%, masuk kedalam
kategori cukup baik. Untuk hasil pengukuran kepuasan pengguna metode EUCS (End User Computing Satisfaction), masing-masing variabel masuk kedalam kategori ragu- ragu dengan range nilai 2.60 – 3.39. Terdapat 18 rekomendasi perbaikan berdasarkan pada metode McCall dan metode IPA kepada pihak Kominfo Kabupaten Sekadau terhadap sekadaukab.go.id.
Kata kunci: EUCS; IPA; kualitas sistem; MCCALL; pelayanan publik
Abstract:Abstract: The city of Surakarta is one of the cities that is busy with local and foreign tourists because there are various kinds of interesting cultural tourism. The large number of hotels with many services and facilities…
ies makes tourists confused in choosing a hotel, so prospective hotel guests need a long time to choose the best hotel according to their desired criteria. The aim of this research is to create a tool for prospective hotel guests in making decisions on hotel selection recommendations using the TOPSIS and SAW methods. This research uses 8 hotel data points in Laweyan District, Surakarta, and hotel data obtained from the Tourism Office. The results of the McCall Test with 5 indicators, namely accuracy, reliability, efficiency, integrity, and usability, average 86%, so this system is categorized as very good.
Keywords: hotel selection; TOPSIS; SAW; decision supporter system
Abstrak: Kota Surakarta menjadi salah satu kota yang ramai dikunjungi wisatawan lokal maupun mancanegara karena terdapat berbagai macam wisata budaya yang menarik. Banyaknya hotel dengan pelayanan dan fasilitas yang banyak membuat wisatawan kebingungan dalam memilih hotel, sehingga calon tamu hotel memerlukan waktu yang lama untuk memilih hotel terbaik sesuai kriteria yang diinginkan. Tujuan dari penelitian ini adalah membuat suatu alat bantu bagi calon tamu hotel dalam pengambilan keputusan rekomendasi pemilihan hotel menggunakan metode TOPSIS dan SAW. Penelitian ini menggunakan 10 titik data hotel yang ada di Kecamatan Laweyan Surakarta dan data hotel yang diperoleh dari Dinas Pariwisata. Hasil Uji McCall dengan 5 indikator yaitu akurasi, reliabilitas, efisiensi, integritas, dan kegunaan rata-rata 86%, maka sistem ini dikategorikan sangat baik.
Kata kunci: pemilihan hotel; TOPSIS; SAW; sistem penunjang keputusan
Abstract:Abstract: Usability testing of online animal adoption systems is important because it is not only related to the comfort and safety of users, but also to the welfare of the adopted animals. So far, usability testing of the…
he animal adoption system on Eidos has not been carried out and there is a problem that there is confusion with the process flow in this animal adoption system. This usability testing uses the Heuristic Evaluation method and the System Usability Scale (SUS), which involves in-depth interviews to obtain results that are not only statistical assessments, but also deeper insights from the user's perspective. The results of the evaluation using Heuristic Evaluation obtained 59 problems, with an average severity rating of 3 or major, whose improvements have resulted in several draft design recommendations. The recommendation design has gone through final testing using the System Usability Scale (SUS) which managed to achieve a score of 78, or categorized as good, along with some minor critical feedback for system improvement. Therefore, users as a whole feel very satisfied in using the online adoption system from the results of the existing recommendation design. The implications of the resulting recommendation design have been tested for usability by three UI/UX design experts and users directly so that they can be used as a basis for developing a better online animal adoption system.
Keywords: animal adoption system; heuristic; prototype; system usability scale; usability
Abstrak: Pengujian usability sistem adopsi hewan secara online penting untuk diperhatikan karena tidak hanya berkaitan dengan kenyamanan dan keamanan penggunanya saja, tetapi juga meningkatkan kesejahteraan hewan yang diadopsi. Sejauh ini, pengujian usability dari sistem adopsi hewan pada Eidos masih belum dilakukan dan ditemukannya masalah bahwa adanya kebingungan dengan alur proses dalam sistem adopsi hewan ini. Pengujian usability ini menggunakan metode Heuristic Evaluation dan System Usability Scale (SUS), yang melibatkan in-depth interview untuk memperoleh hasil yang bukan hanya berupa penilaian statistik saja, melainkan juga wawasan yang lebih mendalam dari sudut pandang pengguna. Hasil evaluasi menggunakan Heuristic Evaluation mendapatkan 59 permasalahan, dengan rata-rata perhitungan severity rating sebesar tiga atau major, yang perbaikannya telah menghasilkan beberapa rancangan desain rekomendasi. Adapun desain rekomendasi tersebut telah melalui pengujian akhir menggunakan System Usability Scale (SUS) yang berhasil meraih skor sebesar 78, atau terkategori good, disertai beberapa umpan balik kritis yang bersifat minor untuk peningkatan sistem. Dengan demikian, pengguna secara keseluruhan merasa sangat puas dalam menggunakan sistem adopsi online dari hasil desain rekomendasi yang ada. Implikasi desain rekomendasi yang dihasilkan telah teruji kegunaannya oleh sebanyak tiga ahli UI/UX design dan pengguna secara langsung sehingga dapat digunakan sebagai landasan bagi pengembangan sistem adopsi hewan secara online yang lebih baik.
Kata kunci: heuristik; kebergunaan; prototipe; sistem adopsi hewan; system usability scale
Abstract:Abstract: Recognizing one's interests and talents early on is crucial in guiding an individual toward a prosperous future. While distinct, interests and talents share a close relationship. Interest denotes a genuine attraction…
action to something without external pressure, and when consistently nurtured, it evolves into a skill or talent. Machine learning, specifically utilizing the SVM algorithm with the RBF kernel, can be applied to categorize interests and talents. Prior to SVM modeling, conducting Exploratory Data Analysis (EDA) is imperative for scrutinizing interests and talents. This analysis facilitates the identification of variables, enabling the elimination of missing values and ensuring the selection of appropriate interest and talent variables. The primary objective is to achieve optimal accuracy in modeling the classification of interests and talents. The insights gained from this research contribute to the creation of an application designed for categorizing interests and talents within SDN XYZ school. This application is designed for student use, assisting them in making informed decisions about their future education and career paths
Keywords: exploratory data analysis; interests and talents; machine learning; SVM Algorithm
Abstrak: Mengenali minat dan bakat seseorang sejak dini sangat penting dalam membimbing individu menuju masa depan yang sukses. Meskipun berbeda, minat dan bakat memiliki hubungan yang erat. Minat mengindikasikan ketertarikan yang tulus terhadap sesuatu tanpa tekanan eksternal, dan ketika terus-menerus dibina, berkembang menjadi keterampilan atau bakat. Pembelajaran mesin, khususnya dengan menggunakan algoritma SVM dan kernel RBF, dapat digunakan untuk mengelompokkan minat dan bakat. Sebelum pemodelan SVM, melakukan Analisis Data Eksploratif (EDA) sangat penting untuk mengkaji minat dan bakat. Analisis ini memfasilitasi identifikasi variabel, memungkinkan penghilangan nilai yang hilang, dan memastikan pemilihan variabel minat dan bakat yang tepat. Tujuan utamanya adalah mencapai akurasi optimal dalam pemodelan klasifikasi minat dan bakat. Temuan dari penelitian ini berkontribusi pada pengembangan aplikasi yang ditujukan untuk mengkategorikan minat dan bakat di sekolah SDN XYZ. Aplikasi ini dirancang untuk digunakan oleh siswa, membantu mereka membuat keputusan yang terinformasi mengenai pendidikan dan karier masa depan mereka.
Kata kunci: Algoritma SVM; exploratory data analysis; machine learning; minat dan bakat
Abstract:Abstract: Artificial Intelligence (AI) is currently gaining popularity across various industries, including healthcare, finance, and others. In this study, AI technology is employed to devise an optimal marketing strategy…
y for Code Verse Computer Accessories Store using the K-Means algorithm. As part of machine learning, the K-Means algorithm, categorized under unsupervised learning, is implemented to cluster sales data for computer accessory products over the last three months of 2023. The results of the K-Means analysis identify two main clusters. Cluster one (Cluster 1) comprises products such as Mouse, Keyboard, Monitor, Headset, and Speaker, indicating consistent purchasing patterns and high consumer interest. Recommendations are made to increase stock for Cluster 1. Meanwhile, Cluster two (Cluster 2) consists of Mic products with lower interest, and it is not advisable to increase stock. The implementation of K-Means provides insights into purchasing patterns, enabling Code Verse to develop more effective marketing and inventory management strategies.
Keywords: K-Means algorithm; artificial intelligence; clustering
Abstract: Kecerdasan Buatan (AI) kini meraih popularitas dalam berbagai industri, termasuk sektor kesehatan, keuangan, dan lainnya. Pada penelitian ini, teknologi AI digunakan untuk merancang strategi pemasaran optimal bagi Toko Aksesoris Komputer CodeVerse dengan menggunakan Algoritma K-Means. Sebagai bagian dari machine learning, Algoritma K-Means, yang termasuk dalam kategori unsupervised learning, diimplementasikan untuk mengelompokkan data penjualan produk selama tiga bulan terakhir tahun 2023. Hasil dari analisis K-Means mengidentifikasi dua cluster utama. Cluster pertama (Cluster 1) terdiri dari produk Mouse, Keyboard, Monitor, Headset, dan Speaker, menunjukkan pola pembelian yang konsisten dan tingginya minat konsumen. Rekomendasi untuk menambah stok diberikan. Sementara itu, Cluster kedua (Cluster 2) terdiri dari produk Mic dengan minat lebih rendah, dan tidak disarankan untuk menambah stok. Implementasi K-Means memberikan wawasan tentang pola pembelian, memungkinkan CodeVerse mengembangkan strategi pemasaran dan manajemen persediaan yang lebih efektif.
Keywords: Algoritma k-means; kecerdasan buatan; clustering
Abstract:Abstract: Indonesia is included in the category of developing countries and is a country with a relatively large population. According to data from the Pematang Siantar City Population and Civil Registration Service, West…
t Siantar District is one of the sub-districts in Pematang Siantar City whose population continues to increase and this will lead to an increase in poverty and unemployment rates. To overcome the above problems, a method is needed to analyze the population growth of West Siantar, one of which is using the Backpropagation method. This research will use training data starting from 2017-2021 and test data from 2018-2022. The results carried out using MATLAB R2011a software show the best architecture 4-19-1 with an accuracy of 100 with an MSE number of 0.00010031375 and an epoch value of 124777. Based on the research carried out, the population of West Siantar in the next year is 86067 people. It is concluded that backpropagation can be used as a method that makes it easier to search for predictions and the level of accuracy obtained depends on the architecture used.
Keywords: Birth; Growth; Matlab; Predictions; Resident
Abstrak: Indonesia termasuk dalam kategori negara berkembang dan merupakan negara dengan jumlah penduduk yang relatif besar. Menurut data Dinas Kependudukan dan Catatan Sipil Kota Pematang Siantar, Kecamatan Siantar Barat merupakan salah satu kecamatan di Kota Pematang Siantar yang jumlah penduduknya terus meningkat dan hal ini akan berdampak pada peningkatan angka kemiskinan dan pengangguran. Untuk mengatasi permasalahan diatas diperlukan suatu metode untuk menganalisis pertumbuhan penduduk Siantar Barat, salah satunya adalah dengan menggunakan metode Backpropagation. Penelitian ini akan menggunakan data latih mulai tahun 2017-2021 dan data uji 2018-2022. Hasil yang dilakukan dengan menggunakan software MATLAB R2011a menunjukkan arsitektur terbaik 4-19-1 dengan akurasi 100 dengan angka MSE 0.00010031375 dan nilai epoch 124777. Berdasarkan penelitian yang dilakukan, populasi Siantar Barat di tahun berikutnya sebanyak 86067 orang. Disimpulkan bahwa backpropagation dapat digunakan sebagai metode yang memudahkan pencarian prediksi dan tingkat akurasi yang diperoleh tergantung pada arsitektur yang digunakan.
Keywords: Kelahiran; Matlab; Pertumbuhan; Penduduk; Prediksi