Abstract:Abstract: This research is driven by the challenges faced by Universitas Lancang Kuning (UNILAK) in attracting applicants amidst intense competition, especially after the government's policy opened independent pathways to…
o State Universities (PTN) from 2022-2023, which impacted private university applicant numbers. To address this and support strategic planning, this study aims to predict the trend of prospective students applying to all study programs at UNILAK for the period 2025-2027. Two time series models were employed: ARIMA (AutoRegressive Integrated Moving Average) and LSTM (Long Short-Term Memory). Applicant data from 2019 to 2024 was used to build the model. The Augmented Dickey-Fuller (ADF) test confirmed the data's stationarity with a p-value of 0.0. ACF and PACF analyses determined the ARIMA parameters as p=1, d=1, q=1. The LSTM model was trained to capture more complex data patterns. ARIMA predictions for 2025, 2026, and 2027 are 3298.66, 3362.33, and 3371.30, respectively. LSTM predictions for the same years are 3335.64, 3476.52, and 3518.42. Evaluation using Root Mean Squared Error (RMSE) showed ARIMA (RMSE=588.72) to be more accurate than LSTM (RMSE=653.96). Nevertheless, LSTM provided a more optimistic prediction. This study concludes that ARIMA is better suited for short-term planning, while LSTM can be used for more ambitious long-term strategies.
Keywords: arima; LSTM; applicants; prediction; university
Abstrak: Penelitian ini didorong oleh tantangan Universitas Lancang Kuning (UNILAK) dalam menarik pendaftar di tengah persaingan ketat, khususnya setelah kebijakan pemerintah membuka jalur mandiri ke Perguruan Tinggi Negeri (PTN) sejak 2022-2023, yang menyebabkan penurunan jumlah pendaftar di universitas swasta. Untuk mendukung perencanaan strategis, studi ini bertujuan memprediksi tren jumlah calon mahasiswa yang mendaftar ke seluruh program studi di UNILAK untuk periode 2025-2027.Dua model deret waktu digunakan: ARIMA (AutoRegressive Integrated Moving Average) dan LSTM (Long Short-Term Memory). Data jumlah pendaftar dari 2019 hingga 2024 digunakan untuk membangun model. Uji Augmented Dickey-Fuller (ADF) menunjukkan data stasioner dengan p-value 0,0. Analisis ACF dan PACF menentukan parameter ARIMA sebagai p=1, d=1, q=1. Model LSTM dilatih untuk menangkap pola data yang lebih kompleks.Prediksi ARIMA untuk 2025, 2026, dan 2027 adalah 3298.66, 3362.33, dan 3371.30. Prediksi LSTM untuk tahun yang sama adalah 3335.64, 3476.52, dan 3518.42. Evaluasi menggunakan Root Mean Squared Error (RMSE) menunjukkan ARIMA (RMSE=588.72) lebih akurat daripada LSTM (RMSE=653.96). Meskipun demikian, LSTM memberikan prediksi yang lebih optimis. Studi ini menyimpulkan ARIMA lebih cocok untuk perencanaan jangka pendek, sementara LSTM dapat digunakan untuk strategi jangka panjang yang ambisius.
Kata kunci: arima; LSTM; pendaftar; prediksi; universitas
Abstract:Abstract: Heart disease is one of the leading causes of death worldwide, making early detection and accurate diagnosis crucial for reducing mortality rates and improving patient outcomes. This study aims to evaluate the…
effectiveness of four machine learning algorithms—Logistic Regression, Random Forest, Support Vector Machine (SVM), and K-Nearest Neighbors (KNN)—in predicting heart disease, with a focus on enhancing model performance using Linear Discriminant Analysis (LDA) for feature reduction. Among the models, SVM achieved the highest accuracy at 84.24%, followed by Logistic Regression at 83.70%. Although Random Forest and KNN showed lower accuracies, all models benefited from LDA's dimensionality reduction. This study suggests that SVM, combined with LDA, offers an optimal solution for early and accurate heart disease prediction in the healthcare industry.
Keywords: feature reduction; heart disease; linear discriminant analysis (LDA); machine learning; SVM
Abstrak: Penyakit jantung merupakan salah satu penyebab utama kematian di seluruh dunia, sehingga deteksi dini dan diagnosis yang akurat sangat penting untuk menurunkan angka kematian dan meningkatkan hasil pengobatan pasien. Penelitian ini bertujuan untuk mengevaluasi efektivitas empat algoritma pembelajaran mesin—Regresi Logistik, Random Forest, Support Vector Machine (SVM), dan K-Nearest Neighbors (KNN)—dalam memprediksi penyakit jantung, dengan fokus pada peningkatan kinerja model menggunakan Analisis Diskriminan Linear (LDA) untuk reduksi fitur. Di antara model yang diuji, SVM mencapai akurasi tertinggi sebesar 84,24%, diikuti oleh Regresi Logistik dengan 83,70%. Meskipun Random Forest dan KNN menunjukkan akurasi yang lebih rendah, semua model memperoleh manfaat dari reduksi dimensi yang diberikan oleh LDA. Studi ini menunjukkan bahwa SVM yang dikombinasikan dengan LDA merupakan solusi optimal untuk prediksi penyakit jantung secara dini dan akurat dalam industri kesehatan.
Kata kunci: linear discriminant analysis (LDA); machine learning; penyakit jantung; reduksi fitur; SVM.
Abstract:Abstract: Brain cancer is a serious medical condition that requires intensive and meticulous care. One of the critical steps in identifying brain cancer is the accurate measurement of tumor volume. Magnetic Resonance Imaging…
ging (MRI) is one of the most important diagnostic tools used in the medical field for brain visualization. In this discussion, we will explain how the Active Contour method can be used to calculate brain tumor volume in MRI images and how 3D visualization can assist doctors in making better diagnoses and treatment decisions. The Active Contour method, also known as the “Snake,†is an image processing technique used to identify the contours or edges of objects in images. This method works by defining an initial curve around the desired object and then iteratively shifting the curve to match the actual contour of the object in the image. In this study, the Active Contour method will be applied to brain MRI images to identify tumor edges. This research represents an important step in improving the care of brain cancer patients, enabling more accurate diagnoses and more effective treatments
Keywords: active contour; brain cancer diagnosis; 3D visualization; tumor volume
Abstrak: Kanker otak merupakan kondisi medis yang bersifat serius dimana memerlukan perawatan yang intensif dan teliti. Salah satu langkah penting dalam mengidentifikasi kanker otak adalah dengan mengukur volume tumor secara akurat. Citra Magnetic Resonance Imaging (MRI) adalah salah satu alat diagnostik yang paling penting dalam bidang medis yang digunakan untuk visualisasi otak. Dalam pembahasan ini, akan dijelaskan bagaimana metode Active Contour dapat digunakan untuk menghitung volume tumor otak pada citra MRI dan bagaimana visualisasi 3D dapat membantu dokter dalam diagnosis dan perawatan yang lebih baik. Metode Active Contour, juga dikenal sebagai “Snake,†yaitu teknik pengolahan citra yang digunakan untuk mengidentifikasi kontur atau tepi objek dalam citra. Metode ini bekerja dengan mendefinisikan suatu kurva awal di sekitar objek yang diinginkan dan kemudian menggeser kurva tersebut secara iteratif untuk menyesuaikan dengan kontur objek yang sesungguhnya dalam citra. Dalam penelitian ini, metode Active Contour akan diterapkan pada citra MRI otak untuk mengidentifikasi tepi tumor. Penelitian ini merupakan langkah penting dalam meningkatkan perawatan pasien yang terkena kanker otak dan memungkinkan diagnosis yang lebih tepat dan perawatan yang lebih efektif.
Kata kunci: active contour; diagnosis tumor otak; visualisasi 3D; volume tumor
Abstract:Abstract: Twitter occupies the top position of the most popular social media platform in Indonesia. Police and other related issues were the subject of much discussion. The aim of this research is to analyze public sentiment…
ment towards the National Police Agency using Twitter with the support vector machine method. The research started by crawling Twitter data. The data contains a total of 6,925 entries for three keywords. Next, we move on to the preprocessing stage consisting of (cleaning, case folding, tokenization, and filtering). Next is the tf-idf feature extraction stage, finally the classification and evaluation stage. The results of manual data inspection (73:27) showed accuracy of 70.66%, precision of 70.68%, and recall of 99.76%. Testing the second data (82:18), found accuracy 86%, precision 86.21%, recall 99.71%. The results of manual data checking (82:18) showed accuracy of 70.66%, precision of 70.68%, recall of 99.76%. Testing the second data (82:18), found accuracy 86%, precision 86.21%, recall 99.71%. From the data system testing results (80:20), accuracy was 87.55%, positive precision 87.53%, negative precision 88.24%, positive recall 99.48%, and negative recall. the rate is 99.48.% – The result is 21.43%. Data testing results (60:40) showed accuracy of 86.89%, positive precision of 86.84%, negative precision of 88.46%, positive recall of 99.61%, and negative recall of 16.43%. Single test data validation system (80:20), accuracy 87.55, overall test cross validation system (k fold 5 accuracy) 86.673%.
Keywords: data mining;police agencies;support vector machines
Abstrak: Twitter menduduki posisi teratas platform media sosial terpopuler di Indonesia. Polisi dan masalah terkait lainnya menjadi pokok bahasan banyak pembicaraan. Tujuan penelitian ini untuk menganalisis sentimen masyarakat terhadap Badan Kepolisian Nasional menggunakan Twitter dengan metode support vector machine. Penelitian dimulai dengan crawling data Twitter. Data memuat total 6.925 entri dari tiga kata kunci. Selanjutnya beralih ke tahap preprocessing terdiri dari (pembersihan, pelipatan kasus, tokenisasi, dan pemfilteran). Selanjutnya tahap ekstraksi fitur tf-idf, terakhir tahap klasifikasi dan evaluasi. Hasil pemeriksaan data manual (73:27) menunjukkan akurasi 70,66%, presisi 70,68%, dan recall 99,76%. Menguji data kedua (82:18), menemukan akurasi 86%, presisi 86,21%, recall 99,71%. Hasil pemeriksaan data secara manual (82:18) menunjukkan akurasi 70,66%, presisi 70,68%, recall 99,76%. Menguji data kedua (82:18), menemukan akurasi 86%, presisi 86,21%, recall 99,71%. Dari hasil pengujian sistem data (80:20), akurasi 87,55%, presisi positif 87,53%, presisi negatif 88,24%, recall positif 99,48%, dan recall negatif. tarifnya adalah 99,48.% – Hasilnya 21,43%. Hasil pengujian data (60:40) menunjukkan akurasi 86,89%, presisi positif 86,84%, presisi negatif 88,46%, recall positif 99,61%, dan recall negatif 16,43%. Uji tunggal sistem validasi data (80:20), akurasi 87,55, uji keseluruhan sistem validasi silang (akurasi k fold 5) 86,673%.
Kata Kunci: data mining;instansi kepolisian;mesin vektor pendukung
Abstract:Abstract: There are a great number of academics that are now conducting research on sentiment analysis by employing supervised and machine learning techniques. The research can be carried out with the assistance of a variety…
iety of sources, including reviews of movies, reviews of Twitter, reviews of online products, blogs, discussion forums, and other social networks. With the progress of technology, individuals may now effortlessly utilize social media platforms to access and share information, as well as express their viewpoints to the general public, without any constraints of distance or time. Twitter is a social media network that serves as a repository for opinions. Diverse techniques are employed to provide optimal and realistically precise pressure detection. The analysis and discussion affirm that the Support Vector Machine (SVM) was effectively employed in this study, utilizing public opinion data on television program reviews in Indonesia. An SVM classifier is employed to examine the Twitter data set by utilizing various parameters. The study successfully completed the preprocessing process by collecting a total of 400 data points, consisting of 320 reviews from 4 television shows for training data and 80 reviews for testing. The data was filtered and classified using SVM, with 200 positive and 200 negative data points for comparison. The experiment utilized the SVM method using TF-IDF to achieve the most accurate test results. The test accuracy was 80%, while the training data accuracy reached 100%.
Keywords: Sentiment Analysis; Support Vector Machine; Television Shows Review, TF-IDF,
Abstrak: Saat ini, banyak akademisi sedang menyelidiki analisis sentimen melalui pemanfaatan teknik yang diawasi dan pembelajaran mesin. Kajian dapat dilakukan dengan menggunakan beberapa sumber seperti review film, review Twitter, review produk online, blog, forum diskusi, atau jejaring sosial lainnya. Dengan kemajuan teknologi, masyarakat kini dapat dengan mudah memanfaatkan platform media sosial untuk mengakses dan berbagi informasi, serta menyampaikan pandangan mereka kepada masyarakat umum, tanpa batasan jarak dan waktu. Twitter adalah jaringan media sosial yang berfungsi sebagai gudang opini. Beragam teknik digunakan untuk menghasilkan deteksi tekanan yang optimal dan presisi secara realistis. Analisis dan pembahasan menegaskan bahwa Support Vector Machine (SVM) efektif digunakan dalam penelitian ini, memanfaatkan data opini publik tentang review program televisi di Indonesia. Pengklasifikasi SVM digunakan untuk memeriksa kumpulan data Twitter dengan memanfaatkan berbagai parameter. Penelitian berhasil menyelesaikan proses preprocessing dengan mengumpulkan total 400 titik data yang terdiri dari 320 review dari 4 acara televisi untuk data pelatihan dan 80 review untuk pengujian. Data disaring dan diklasifikasikan menggunakan SVM, dengan 200 titik data positif dan 200 titik data negatif sebagai perbandingan. Percobaan ini menggunakan metode SVM dengan menggunakan TF-IDF untuk mencapai hasil pengujian yang paling akurat. Akurasi pengujiannya mencapai 80%, sedangkan akurasi data pelatihan mencapai 100%.
Kata kunci: Analisis Sentimen, Review Tayangan Televisi, TF-IDF, Support Vector Machine
Abstract:Abstract: The research was conducted at TB Bina Karya which is engaged in the sale and purchase of building materials. This research was conducted to predict building materials for the next period. The forecasting methods…
s used in this study are single moving average (SMA), weighted moving average (WMA), and single exponential smoothing (SES). This study also discusses the error calculation of the forecasting method, the forecasting method which produces the smallest error value is used for making decisions in purchasing materials. The purpose of this research is to speed up the decision making for purchasing material inventory. Another goal is to produce more accurate forecasts by comparing 3 (three) methods.
Keywords: forecasting; single moving average; weighted moving average; and single exponential smoothing
Abstrak: Penelitian dilakukan pada TB Bina Karya yang bergerak dibidang penjualan dan pembelian bahan material bangunan. Penelitian ini dilakukan untuk forecasting bahan material bangunan periode selanjutnya. Metode forecasting yang digunakan dalam penelitian ini yaitu single moving average (SMA), weighted moving average (WMA), dan single exponential smooting (SES). Penelitian ini juga membahasan perhitungan error dari metode forecasting, metode forecasting yang menghasilkan nilai error terkecil digunakan untuk pengambilan keputusan dalam pembelian bahan material. Tujuan dari penelitian ini untuk mempercepat dalam pengambilan keputusan pembelian persediaan bahan material. Tujuan lainnya adalah agar menghasilkan forecasting lebih akurat dengan membandingkan 3 (tiga) metode.
Kata kunci: forecasting; rata-rata pergerakan tunggal; rata-rata pergerakan tertimbang; dan pemulusan eksponensial tunggal
Abstract:Abstract: The Healthy Food Supplier App, which introduces groundbreaking innovations to increase public access to and delivery of healthy food, has emerged as a new phenomenon in the food sector. This research intends to…
examine and describe how the use of healthy food suppliers contributes to improving public health by making healthy food accessible to obtain and deliver it quickly. The development of mobile applications with the aim of providing healthy food and ingredients for the community is the subject of this research. The aim of this app is to provide original responses to issues related to raising awareness of quality of life and the value of nutritious food in everyday life. The User Centered Design (UCD) method needs to be applied to categorize various user information needs and package them into a mobile application design model. The results of the application design showed that the interface design for the pioneer food and health food raw material application was successfully created using the implementation of the UCD method with a number of revisions that have been updated since the evaluation as one of the feature developments in the application. The food recording feature and personalized recommendations implemented in this mobile application provide users with awareness and guidance in adopting healthier eating patterns.
Keywords: Design Interface; Mobile Applications; Requirements Engineering; User-Centered Design
Abstrak: Aplikasi Pemasok Makanan Sehat yang memperkenalkan inovasi terobosan untuk meningkatkan akses publik ke dan pengiriman makanan sehat, telah muncul sebagai fenomena baru di sektor makanan. Penelitian ini bermaksud untuk mengkaji dan mendeskripsikan bagaimana penggunaan pemasok makanan sehat berkontribusi dalam peningkatan kesehatan masyarakat dengan membuat makanan sehat dapat diakses untuk mendapatkan dan mengantarkannya dengan cepat. Pengembangan aplikasi mobile dengan tujuan menyediakan makanan dan bahan makanan sehat bagi masyarakat menjadi pokok bahasan penelitian ini. Tujuan dari aplikasi ini adalah untuk memberikan tanggapan orisinal terhadap masalah yang terkait dengan peningkatan kesadaran kualitas hidup dan nilai makanan bergizi dalam kehidupan sehari-hari. Metode User Centered Design (UCD) perlu diterapkan untuk mengkategorikan berbagai kebutuhan informasi pengguna dan mengemasnya ke dalam model desain aplikasi mobile. Hasil perancangan aplikasi didapatkan bahwa desain antarmuka aplikasi pelopor makanan dan bahan baku makanan kesehatan berhasil dibuat dengan menggunakan implementasi metode UCD dengan sejumlah revisi yang sudah diperbarui sejak evaluasi sebagai salah satu pengembangan fitur pada aplikasi. Fitur pencatatan makanan dan rekomendasi personal yang diterapkan pada aplikasi mobile ini memberikan pengguna kesadaran dan panduan dalam mengadopsi pola makan yang lebih sehat.
Kata Kunci: Design Interface; Mobile Applications; Requirements Engineering; User-Centered Design
Abstract:Automatic text summarization is challenging research in natural language processing, aims to obtain important information quickly and precisely. There are two main approach techniques for text summary: abstractive and extractive…
tractive summary. Abstractive Summarization generates new and more natural words, but the difficulty level is higher and more challenging. In previous studies, RNN and its variants are among the most popular Seq2Seq models in text summarization. However, there are still weaknesses in saving memory; gradients are lost in long sentences so resulting in a decrease in lengthy text summaries. This research proposes a Transformer model with an Attention mechanism that can fetch important information, solve parallelization problems, and summarize long texts. The Transformer model we propose is GPT-2. GPT-2 uses decoders to predict the next word using the pre-trained model from w11wo/indo-gpt2-small, implemented on the Indosum Indonesian dataset. Evaluation assessment of the model performance using ROUGE evaluation. The study's results get an average result recall for R-1, R-2, and R-L were 0.61, 0.51, and 0.57, respectively. The summary results can paraphrase sentences, but some still use the original words from the text. Future work increase the amount of data from the dataset to improve the result of more new sentence paraphrases.
Abstract:Abstract: Geographic Information System (GIS) is an information technology that functions to collect, manage, store, and present all data related to the geographical conditions of an area that develops online. Many agencies…
ies or companies have not implemented geographic information system technology to obtain the necessary information, one of which is the Simalungun Regency Agriculture Service. The Agriculture Service of Simalungun Regency still does not have a system to utilize rice farming land; it is difficult to find information on rice farming land. The distance of rice farming land is very far. Given the various problems that exist, the purpose of making a Geographic Information System (GIS) can help the Simalungun Regency Agriculture Service in carrying out data processing, to improve performance in uniting agricultural land to be more efficient and effective, and make it easier to obtain information or access to agricultural land data. Paddy. The design of this system uses the waterfall method, which includes software requirements analysis, design, program code generation, testing, support, or maintenance. The results obtained with this system will allow users to see various rice farming lands in Ujung Padang District, Simalungun Regency, accompanied by village names, addresses, number of farmers, harvest production, coordinate points, and website-based agricultural land location routes. Keywords: geographic information system (GIS); mapping; rice farming land
Abstrak: Sistem Informasi Geografis (SIG) merupakan suatu teknologi informasi yang berfungsi untuk mengumpulkan, mengelola, menyimpan, dan menyajikan segala data yang berkaitan dengan kondisi geografis suatu wilayah yang berkembang secara online. Banyak berbagai instansi atau perusahaan yang belum menerapkan teknologi sistem informasi geografis untuk memperoleh berbagai informasi yang diperlukan, salah satunya Dinas Pertanian Kabupaten Simalungun. Dinas Pertanian Kabupaten Simalungun masih belum memiliki sistem yang dapat memetakan lahan pertanian padi, sulitnya dalam mengetahui informasi lokasi lahan pertanian padi, jarak tempuh ke lahan pertanian padi yang sangat jauh. Dengan adanya berbagai permasalahan yang ada maka tujuan dibuatnya Sistem Informasi Geografis (SIG) dapat membantu Dinas Pertanian Kabupaten Simalungun dalam melakakukan pengolahan data, untuk meningkatkan kinerja dalam memantau lahan pertanian padi menjadi lebih efesien dan efektif, dan mempermudah dalam memperoleh informasi atau akses terhadap data lahan pertanian padi. Perancangan sistem ini menggunakan metode waterfall yang meliputi analisis kebutuhan perangkat lunak, desain, pembuatan kode program, pengujian, pendukung atau pemeliharaan. Hasil yang diperoleh dengan adanya sistem ini nantinya pengguna dapat melihat berbagai lahan pertanian padi yang ada di Kecamatan Ujung Padang Kabupaten Simalungun yang disertai dengan nama desa, alamat, jumlah petani, produksi panen, titik koordinat, dan rute ke lokasi lahan pertanian padi yang berbasis website.
Kata kunci: lahan pertanian padi; pemetaan; sistem informasi geografis (SIG)
Abstract:Abstract:†Cryptography is one of the important subjects to learn because the content of the discussion discusses data security. Data security has a very important role considering that most transaction activities are…
are carried out on the internet. Many platforms offer virtual transactions, such as motorcycle taxis, online marketplaces, and banking. For transacting on the internet, reliable data security is needed to maintain the security of user data from internet crimes (cybercrime). For cryptography learning to produce students who understand cryptography in-depth, this learning is carried out independently. One of the lessons to improve independent skills is a project approach. With project-based learning, students will be actively involved in completing projects given by the lecturer. To facilitate interaction and monitor projects completed by students, an LMS (Learning Management System) was created. The lecturer will later upload the student projects through the LMS, and if the student wants to work on the project, they can download it from the LMS.
Keywords: Cryptography; LMS; Online transactions
Abstrak:†Kriptografi merupakan salah satu mata pelajaran yang penting untuk dipelajari karena isi bahasannya membahas tentang pengamanan data. Saat ini, keamanan data memiliki peran yang sangat penting, mengingat sebagian besar aktivitas transaksi dilakukan di internet. Banyak platform yang menawarkan transaksi virtual, seperti ojek online, pasar online dan perbankan. Dalam bertransaksi di internet dibutuhkan keamanan data yang handal untuk menjaga keamanan data pengguna dari kejahatan internet (cyber crime). Agar pembelajaran kriptografi menghasilkan mahasiswa yang memahami kriptografi secara mendalam, maka pembelajaran ini dilakukan secara mandiri. Salah satu pembelajaran untuk meningkatkan kemampuan mandiri adalah dengan pendekatan project. Dengan pembelajaran berbasis project, mahasiswa akan terlibat aktif menyelesaikan project yang diberikan dosen. Untuk memudahkan interaksi dan monitor project yang diselesaikan mahasiswa, maka dibuat LMS (Learning Manajement System). Setiap project mahasiswa nantinya akan di unggah oleh dosen melalui LMS dan mahasiswa bisa mengunguh project di LMS
Dengan menambahkan LMS dan pembelajaran yang berbasis project pada pembelajaran kriptografi menunjukkan hasil belajar yang lebih baik. Hal ini dapat dilihat pada hasil tinjauan dilangan dengan penyelesaian sebuah soal dan hasil ujian akhir mahasiswa.
Kata kunci: Kriptografi; LMS; Transaksi Online,