Abstract:Abstract: Based on the era of globalization people in East Kotawaringin almost all people have used social media, for example, as a personal post some use it to see the promotion of beauty products fashion, and others. The…
he KOTIM community has many who use social media, especially the Young Generation Z who have often used to buy products on social media, for example, Instagram, TikTok, and Facebook. This study will be made using the TOPSIS method for ranking to know which social media is often used by consumers. The researcher also made a questionnaire with Google form that will be tested for the validity or not of the data obtained using SPSS. The object of research is made in East Kotawaringin. The purpose of this study was to determine which social media is often used by the public to purchase decisions in the Kotim Regency. The result of the calculation using the TOPSIS method the social media platform with the highest rating is considered the best choice for decision-making, in this case, TikTok with a rating value of 1. It can be concluded that the social media platform that is widely used by KOTIM residents to make decisions is TikTok.
Keywords: buying decision; social media; TOPSIS
Abstract: Berdasarkan era globalisasi bahwa masyarakat di Kotawaringin Timur hampir seluruh masyarakat telah menggunakan media sosial, contohnya sebagai postingan pribadi ada juga yang menggunakan sebagai melihat promosi produk kecantikan dan fasion dan lainnya. Karena masyarakat KOTIM sudah banyak yang menggunakan media sosial apalagi para anak muda generasi z yang sudah sering menggunakan untuk membeli produk pada media sosial contohnya media sosial instagram, TikTok, dan juga facebook. Pada penelitian ini akan dibuat menggunakan metode TOPSIS untuk perangkingan agar mengetahui media sosial mana yang sering digunakan oleh konsumen. Peneliti juga membuat kuisoner dengan google form yang akan diuji valid atau tidak nya data yang didapat dengan menggunakan SPSS. Objek penelitian yang dibuat berada di Kotawaringin Timur. Tujuan dari penelitian ini adalah untuk mengetahui media sosial mana yang sering digunakan oleh masyarakat terhadap keputusan pemebelian pada wilayah kabupaten KOTIM. Hasil dari perhitungan menggunakan metode TOPSIS platform media sosial dengan peringkat tertinggi dianggap sebagai pilihan terbaik untuk pengambilan keputusan, dalam kasus ini adalah TikTok dengan peringkat nilai 1. Dapat disimpulkan bahwa platform media sosial yang banyak digunakan oleh penduduk KOTIM untuk mengambil keputusan adalah TikTok.
Keywords: keputusan pembelian; media sosial; TOPSIS
Abstract:Abstract: This study aims to train computers to recognize Javanese script characters known as Hanacaraka. The evaluation was conducted on the use of Convolutional Neural Network (CNN) with the ResNet-18 architecture in recognizing…
ecognizing these characters. The research objective is to overcome traditional character recognition barriers and improve accuracy. The method employed includes building a CNN model with the ResNet-18 architecture and using diverse datasets. The results show a training accuracy of 100%, validation accuracy of 98.01%, and accuracy, precision, recall, and F1-score each at 100%. This study concludes that the developed model successfully achieves a high level of accuracy and contributes positively to the development of Javanese Hanacaraka character recognition technology.
Keywords: convolution neural network (CNN); javanese hanacaraka script; resnet-18
Abstrak: Penelitian ini bertujuan melatih komputer untuk mengenali huruf aksara Jawa Hanacaraka. Evaluasi dilakukan terhadap penggunaan Convolutional Neural Network (CNN) dengan arsitektur ResNet-18 dalam pengenalan karakter tersebut. Tujuan penelitian adalah mengatasi hambatan pengenalan karakter tradisional dan meningkatkan akurasi. Metode yang digunakan mencakup pembuatan model CNN dengan arsitektur ResNet-18 dan penggunaan dataset yang beragam. Hasilnya menunjukkan akurasi pelatihan 100%, validasi 98.01%, dan akurasi, presisi, recall, dan F1-score masing-masing sebesar 100%. Simpulan penelitian ini adalah bahwa model yang dikembangkan berhasil mencapai tingkat akurasi yang tinggi dan memberikan kontribusi positif pada pengembangan teknologi pengenalan karakter Hanacaraka Jawa.
Kata kunci: convolution neural network (CNN); huruf aksara jawa hanacaraka; resnet-18
Abstract:Abstract: Children's nutritional issues are an important concern for parents to pay attention to growth and development, especially health and well-being. According to the results of the Ministry of Health's Indonesian Nutrition…
utrition Status Survey (SSGI), there are 4 nutritional problems for children in Indonesia, namely stunting, wasting, underweight and everweight. In this research, how to predict signs of symptoms of a decline in a child's nutritional status using a machine learning algorithm, a prediction model was designed using logistic regression in Python IDE to predict whether a child is indicated by a decline in nutrition or not. Dataset from Bengkayang Community Health Center data consisting of 657 pediatric patient data. The dataset is divided into 7 features (independent variables) and 1 predictor (dependent variable). Test results show perfect performance with precision, recall, F1-score, accuracy values of 100%. Then the visualization results on the ROC (Receiver Operating Characteristic) curve to depict the TP (True Positive) value on the Y axis against the FP (false Positive) value on the become overfit. It is recommended that in preparing the training dataset, measure the training data and reduce the features, after carrying out feature selection to increase the accuracy of the model.
Keywords: child nutritional status; growth and development logistic regression; machine learning
Abstract: Masalah Gizi anak menjadi perhatian penting bagi orangtua untuk memperhatikan tumbuh kembang, terutama kesehatan dan kejahteraan. Menurut hasil survei status Gizi Indonesia (SSGI) Kemenkes memperlihatkan 4 permasalahan gizi anak di Indonesia yaitu stunting, wasting, underweight, dan everweight. Dalam penelitian ini, bagaimana memprediksi tanda gejala penurunan status gizi anak menggunakan algoritma machine learning dirancang model prediksi menggunakan logistic regression pada Python IDE dengan memprediksi anak terindikasi penurunan gizi atau tidak. Dataset dari data Puskesmas Bengkayang yang terdiri 657 data pasien anak. Dataset dibagi menjadi 7 feature (variabel independen) dan 1 predictor (variabel dependen). Hasil Pengujian memperlihatkan kinerja yang sempurna dengan nilai presisi, recall, F1-score, akurasi, sebesar 100%. Kemudian hasil Visualisasi pada kurva ROC (Receiver Operating Characteristic) untuk menggambarkan nilai TP (True Positif) di sumbu Y terhadap nilai FP (false Positif) di sumbu X juga menunjukkan nilai yang sangat tinggi dan sudah mendekati angka 1 ini pertanda bahwa model ini menjadi overfit. Sebaiknya dalam persiapan training dataset diukur dengan data training dan mengurangi feature, setelah melakukan feature Selection untuk meningkatkan akurasi model.
Keywords: logistic regression; machine learning; status gizi anak; tumbuh kembang
Abstract:Abstract: This research aims to develop a method for detecting leaf spot disease in oil palm seedlings using Convolutional Neural Network (CNN). Leaf spot disease in oil palm seedlings can hinder growth and production. CNN…
NN has proven effective in image processing and classification, particularly in plant disease detection. In this study, we utilized a dataset of images containing oil palm seedling leaves infected with leaf spot disease and healthy leaves. We performed data processing, built a CNN model, and conducted hyperparameter tuning. The test results demonstrate that the developed CNN model achieves high accuracy in recognizing and distinguishing between oil palm seedling leaves infected with leaf spot disease and healthy ones. This research contributes to the development of plant disease detection technology that can support economic growth in the oil palm plantation sector.
Keywords: Convolutional Neural Network, image processing, leaf spot disease detection, oil palm seedlings.
Abstrak: Penelitian ini bertujuan untuk mengembangkan metode deteksi penyakit bercak pada bibit kelapa sawit menggunakan Convolutional Neural Network (CNN). Bibit kelapa sawit yang terinfeksi penyakit bercak dapat menghambat pertumbuhan dan produksi kelapa sawit. Metode CNN telah terbukti efektif dalam pengolahan citra dan klasifikasi, khususnya dalam deteksi penyakit pada tanaman. Dalam penelitian ini, kami menggunakan dataset citra daun bibit kelapa sawit yang terinfeksi penyakit bercak dan yang normal. Kami melakukan processing data, membangun model CNN, dan melakukan tuning hyperparameter. Hasil pengujian menunjukkan bahwa model CNN yang dikembangkan memiliki akurasi yang tinggi dalam mengenali dan membedakan citra daun bibit kelapa sawit yang terinfeksi penyakit bercak dan yang normal. Penelitian ini memberikan kontribusi dalam pengembangan teknologi deteksi penyakit tanaman yang dapat mendukung pertumbuhan ekonomi di sektor perkebunan kelapa sawit.
Kata kunci: bibit kelapa sawit, Convolutional Neural Network, deteksi penyakit bercak, pengolahan citra.
Abstract:Abstract: The service dramatically affects the number of guests staying at the hotel. Bali is the most visited tourist area by foreign tourists. Therefore, improved service is crucial for determining the rating level of…
a hotel. This research aims to combine two data mining algorithms: clustering and classification. This research is expected to contribute to hospitality in improving the best services for tourists, especially in the City of Bali. Clustering algorithms are used to group the best number of hotels based on the four clusters selected from the k-means clustering algorithm. The classification algorithm using C4.5 determines the factors most dominant in determining the hotel rating level based on the gain ratio. The data used in this study results from observations on the website agoda.com in Bali of 51 data. The results of this study explained that cluster_0 is the highest-rated cluster, with a total number of 19 hotels found in claster_0. Data cluster0 is used for classification analysis using a decision tree, and the most dominant factor is the service factor, with an accuracy of 80%.
Keywords: data mining; kmeans; decision tree; hotel; bali;
Abstrak: Pelayanan sangat mempengaruhi jumlah pengunjung yang menginap dihotel. Bali merupakan daerah wisata paling banyak dikunjungi oleh wisatawan mancanegara. Oleh karena itu, peningkatan pelayanan sangat penting untuk penentuan level rating dari hotel. Tujuan dari penelitian ini untuk menggabungkan dua algoritma data mining yaitu clustering dan klasifikasi. Dengan penelitian ini diharapkan dapat memberikan kontribusi bagi perhotelan dalam meningkatkan pelayanan yang terbaik bagi wisatawan khususnya di Kota Bali. Algoritma Clustering digunakan untuk mengelompokkan dari jumlah hotel yang terbaik berdasarkan empat cluster yang dipilih dari algoritma clustering berupa k-means. Algoritma klasifikasi menggunakan C4.5 digunakan untuk mengetahui faktor apa yang paling dominan dalam menentukan level rating hotel berdasarkan gain ratio. Data yang digunakan dalam penelitian ini hasil observasi di website agoda.com di bali sebanyak 51 data. Hasil dari penelitian ini menjelaskan dataset cluster_0 merupakan cluster rating tertinggi dengan jumlah 19 hotel yang terdapat di cluster_0. Data cluster_0 digunakan untuk analisis klasifikasi menggunakan decesion tree, didapat faktor yang paling dominan adalah faktor layanan dengan nilai akurasi sebesar 80%.
Kata kunci: data mining; kmeans; decision tree; hotel; bali;
Abstract:Abstract: Covid-19 cases started showing up in Indonesia in early March 2020, and they have since spread to several other areas. The number of corona virus infections from different Indonesian provinces plays a significant…
nt role in the decision-making process based on this data visualization. By creating a Business Intelligence system to display the results of the number of confirmed cases, deaths, and recoveries from various provinces in Indonesia, the goal of this project is to visualize data on corona virus cases. The Corona Virus Dataset in Indonesia from www.kaggle.com is processed using Grafana in this article. The findings of this article are presented as dashboard reports that include data on confirmed cases, fatalities, and recoveries in different Indonesian provinces. These reports can be utilized to help make decisions. With Grafana's interactive dashboard features, the data display resulting from routine analysis results can be engaging.
Keywords: Business Intelligence, OLAP, Covid 19
Abstrak: Kasus Covid-19 mulai muncul di Indonesia pada awal Maret 2020, dan sejak itu menyebar ke beberapa daerah lain. Keputusan berdasarkan visualisasi data sering kali mencakup statistik jumlah kasus virus corona dari berbagai provinsi di Indonesia. Dengan membuat sistem Business Intelligence untuk menampilkan temuan jumlah kasus terkonfirmasi, kematian, dan pemulihan dari berbagai provinsi di Indonesia, tujuan penelitian ini adalah untuk memvisualisasikan data kasus virus corona. Postingan ini menggunakan Grafana untuk menangani dataset virus corona Indonesia dari www.kaggle.com. Temuan artikel ini disajikan sebagai laporan dalam bentuk dasbor yang mencakup data jumlah kasus terkonfirmasi, kematian, dan pemulihan di berbagai provinsi di Indonesia. Dengan pengaturan dashboard interaktif Grafana, mungkin akan menarik untuk melihat data yang dihasilkan dari hasil analisis standar yang ditampilkan.
Kata kunci: Business Intelligence, OLAP, Covid 19
Abstract:Abstract: Unemployment is a global economic issue that directly impacts human life in both developed and developing countries, especially in Indonesia, which, if ignored, will severely impact society's social dynamics. To…
o overcome this problem, forecasts are made so that later, the government can take policies to control and suppress the unemployment growth rate. This research aims to predict unemployment in Indonesia in 2023 using the Weighted Moving Average method, widely used to determine the trend of a time series, which is part of one of the Time Series methods that gives different weights. The dataset used was obtained from the Central Statistics Agency (BPS) relating to unemployment data from 2000 to 2022 (23 years). To analyze the level of accuracy of the results of this unemployment forecast using the MAD, MSE, and MAPE methods. This research concludes that the Weighted Moving Average method can be applied in predicting unemployment in Indonesia in 2023. The results of this research are a prediction of the number of unemployed in Indonesia, as many as 8,874,942 people at a weight value of 3 (three) where the accuracy of the MAD value is 745786.1833, the MSE value is 948402050986.3 and MAPE is 8.28%.
Keywords: forecasting; unemployment; weigth moving average; indonesia
Abstrak: Pengangguran menjadi isu ekonomi global yang berdampak secara langsung terhadap tingkat kehidupan manusia di negara-negara yang sudah maju maupun yang sedang berkembang khususnya di negara Indonesia, yang jika diabaikan akan berdampak serius terhadap dinamika sosial masyarakat. Untuk mengatasi permasalahan tersebut dibuatlah peramalan agar nantinya pemerinta dapat mengambil kebijakan dalam mengendalikan dan menekan angka pertumbuhan pengangguran tersebut. Penelitian ini bertujuan untuk memprediksi pengangguran di Indonesia pada tahun 2023 menggunakan metode Weighted Moving Average dimana metode ini banyak digunakan untuk menentukan trend dari suatu deret waktu yang merupakan bagian dari salah satu metode Time Series yang memberikan bobot yang berbeda-beda. Adapun dataset yang digunakan diperoleh dari Badan Pusat Satatistik (BPS) berkaitan dengan data pengangguran dari tahun 2000 sampai dengan tahun 2022 (selama 23 tahun). Untuk menganalisa tingkat akurasi dari hasil peramalan pengangguran ini memakai metode MAD, MSE, dan MAPE. Kesimpulan dari penelitian ini yaitu dapat diterapkannya metode Weighted Moving Average dalam memprediksi pengangguran di Indonesia pada tahun 2023. hasil dari penelitian ini berupa prediksi jumlah pengangguran di Indonesia sebanyak 8.874.942 orang pada nilai bobot 3 (tiga) dimana akurasi nilai MAD sebesar 745786,1833, nilai MSE sebesar 948402050986,3 dan MAPE sebesar 8,28 %.
Kata kunci: peramalan; pengangguran; weigth moving average; indonesia
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: Marriage is a husband and wife relationship between a man and a woman to form a family. There are several conditions in marriage that must be fulfilled both religiously and legally in force in Indonesia. To carry…
ry out the marriage, the prospective bride and groom must register at the nearest Religious Affairs Office (KUA), KUA is an institution established by the government to handle marriage matters. At marriages, various age groups are often found registering at the KUA. This research was conducted using the Data Mining technique through the K-Means Clustering Model to determine the age grouping of marriage which aims to make it easier for the Office of Religious Affairs in educating the prospective bride and groom from a future perspective and an economic perspective in terms of having a child. The research dataset is data on prospective wedding brides at KUA Rawang Lama, Panca Arga in 2022 with a total of 102 samples, by forming 3 clusters, namely: the Ideal cluster of 76 prospective wedding brides (age 19-30 based on husband's age and age 18-25 based on age wife), a good cluster of 20 prospective marriage brides (age 28-44 based on husband's age and age 24-37 based on wife's age), and a risky cluster of 6 prospective marriage brides (age 49-72 based on husband's age and age 39-58 based on wife's age), and produces a Silhouette Score of 0.57.
Keywords: clustering; data mining; k-means; marriage
Abstrak: Pernikahan merupakan hubungan sebagai suami dan istri antara seorang laki-laki dan perempuan untuk membentuk sebuah keluarga. Terdapat beberapa syarat dalam pernikahan yang wajib dipenuhi baik secara agama maupun secara hukum yang berlaku di Indonesia. Untuk melakukan pernikahan, calon kedua mempelai harus mendaftarkan diri pada Kantor Urusan Agama (KUA) terdekat, KUA merupakan lembaga yang dibentuk oleh pemerintah untuk menangani masalah pernikahan. Pada pernikahan sering ditemukan berbagai kalangan umur yang mendaftarkan diri di KUA. Penelitian ini dilakukan dengan menggunakan teknik Data Mining melalui Model K-Means Clustering untuk menentukan pengelompokkan umur pernikahan yang bertujuan untuk mempermudah pihak KUA dalam mengedukasi calon mempelai pernikahan dalam sudut pandang masa depan dan sudut pandang ekonomi dalam hal memiliki seorang anak. Dataset penelitian ini adalah data calon mempelai pernikahan pada KUA Rawang Lama, Panca Arga pada tahun 2022 sebanyak 102 sampel, dengan membentuk 3 klaster yaitu : cluster Ideal sebanyak 76 calon mempelai pernikahan (usia 19-30 berdasarkan umur suami dan usia 18-25 berdasarkan umur istri), cluster baik sebanyak 20 calon mempelai pernikahan (usia 28-44 berdasarkan umur suami dan usia 24-37 berdasarkan umur istri), dan cluster beresiko sebanyak 6 calon mempelai pernikahan (usia 49-72 berdasarkan umur suami dan usia 39-58 berdasarkan umur istri), dan menghasilkan Silhouette Score 0.57.
Kata kunci: clustering; data mining; k-means; pernikahan
Abstract:Abstract: One example of the application of the use of information technology in public services is the use of SAHAJA ONLINE. SAHAJA ONLINE is a mobile-based application whose function is for the needs of Kediri Regency…
population document services with the aim of making it easier for the public to manage population documents and break down queues at the Kediri Regency Dispendukcapil office. There were several complaints that were felt by users, namely that there was information on the option selection feature in the moving certificate service which was difficult to understand and when resetting an account they were required to come directly to the Kediri Regency Dispendukcapil office. Despite these problems, people still use SAHAJA ONLINE in submitting population documents. With the conditions in the field, it certainly affects the acceptance of SAHAJA ONLINE. The purpose of this study was to find out what factors affect the acceptance of the SAHAJA ONLINE application at the Kediri Regency Civil and Civil Registration Office using the Technology Acceptance Model (TAM). The sample in this study were 365 SAHAJA ONLINE users. Data collected through questionnaires were analyzed using SmartPLS version 3.3.9. Based on the research results of the 10 hypotheses proposed, there are 9 accepted hypotheses. So that Information Quality, Complexity, Perceived Usefulness, Attitude Toward Using, Behavioral Intention to Use, and Actual Usage are acceptance factors of SAHAJA ONLINE.
Keywords: SAHAJA ONLINE; SmartPLS; TAM
Abstrak: Salah satu contoh penerapan pemanfaatan teknologi informasi dalam pelayanan publik yaitu penggunaan SAHAJA ONLINE. SAHAJA ONLINE adalah aplikasi berbasis mobile yang fungsinya untuk kebutuhan layanan dokumen kependudukan Kabupaten Kediri dengan tujuan untuk mempermudah masyarakat dalam mengurus dokumen kependudukan dan mengurai antrian di kantor Dispendukcapil Kabupaten Kediri. Ditemukan beberapa keluhan yang dirasakan oleh para pengguna yaitu terdapat informasi pada fitur pemilihan opsi dalam layanan surat keterangan pindah yang sulit dimengerti dan saat melakukan reset akun yang diharuskan datang langsung ke kantor Dispendukcapil Kabupaten Kediri. Meskipun terdapat permasalahan tersebut, masyarakat masih tetap menggunakan SAHAJA ONLINE dalam melakukan pengajuan dokumen kependudukan. Dengan adanya kondisi dilapangan tersebut tentunya berpengaruh terhadap penerimaan SAHAJA ONLINE. Tujuan dari penelitian ini adalah untuk mengetahui faktor-faktor apa saja yang mempengaruhi penerimaan aplikasi SAHAJA ONLINE Dispendukcapil Kabupaten Kediri menggunakan Technology Acceptance Model (TAM). Sampel dalam penelitian ini adalah 365 pengguna SAHAJA ONLINE. Data yang dikumpulkan melalui penyebaran kuesioner dianalisis menggunakan SmartPLS versi 3.3.9. Berdasarkan hasil penelitian dari 10 hipotesis yang diajukan, terdapat 9 hipotesis diterima. Sehingga Information Quality, Complexity, Perceived Usefulness, Attitude Toward Using, Behavioral Intention to Use, dan Actual Usage merupakan faktor penerimaan dari SAHAJA ONLINE.
Kata kunci: SAHAJA ONLINE; SmartPLS; TAM