Abstract:Abstract: This study aims to classify the nutritional status of toddlers based on anthropometric data using the K-Nearest Neighbor (KNN) algorithm. Data were obtained from 20 Integrated Health Posts (Posyandu) in Rumbai…
Timur District, including Lembah Sari Village and Limbungan Village with a total of 1,000 toddler data. After cleaning and preprocessing, 782 data were obtained ready for use. The preprocessing stages include data cleaning and transformation, outlier removal, minority class handling, and data normalization. Next, data balancing was carried out using the Synthetic Minority Oversampling Technique (SMOTE) to address class imbalance. The data was divided into 80% training data and 20% test data, then the K parameter was tested from 1 to 15 using 5-fold cross-validation. The results showed that the value of K = 1 provided the best performance with a macro recall of 0.8827 and an accuracy of 86.26%. These results indicate that the combination of the KNN algorithm with the SMOTE method and Min-Max normalization is effective in improving classification performance on imbalanced data and producing accurate and balanced predictions of toddler nutritional status between classes.
Keywords: k-nearest neighbor; toddler nutritional status; SMOTE; min-max scaling; classification; anthropometric data
Abstrak: Penelitian ini bertujuan untuk mengklasifikasikan status gizi balita berdasarkan data antropometri menggunakan algoritma K-Nearest Neighbor (KNN). Data diperoleh dari 20 Posyandu di Kecamatan Rumbai Timur, meliputi Kelurahan Lembah Sari dan Kelurahan Limbungan dengan total 1.000 data balita. Setelah melalui proses cleaning dan preprocessing, diperoleh 782 data yang siap digunakan. Tahapan pra-pemrosesan meliputi pembersihan dan transformasi data, penghapusan outlier, penanganan kelas minoritas, serta normalisasi data. Selanjutnya dilakukan penyeimbangan data menggunakan Synthetic Minority Oversampling Technique (SMOTE) untuk mengatasi ketidakseimbangan kelas. Data dibagi menjadi 80% data latih dan 20% data uji, kemudian dilakukan pengujian parameter K dari 1 hingga 15 menggunakan 5-fold cross-validation. Hasil penelitian menunjukkan bahwa nilai K = 1 memberikan performa terbaik dengan recall macro sebesar 0,8827 dan akurasi 86,26%. Hasil ini menunjukkan bahwa kombinasi algoritma KNN dengan metode SMOTE dan normalisasi Min-Max efektif dalam meningkatkan kinerja klasifikasi pada data tidak seimbang serta menghasilkan prediksi status gizi balita yang akurat dan seimbang antar kelas.
Kata kunci: k-nearest neighbor; status gizi balita; SMOTE; min-max scaling; klasifikasi; data antropometri
Abstract:Abstract: Information Technology (IT) has played a crucial role in various sectors, including the transportation sector, as seen in the Department of Transportation of Asahan Regency, North Sumatra. One of the challenges…
in this area is the performance of parking attendants, which affects the effectiveness of parking management and traffic safety. Poor performance of parking attendants can cause various issues, including traffic congestion, rule violations, and user discomfort. Therefore, evaluating the performance of parking attendants is essential to improve service quality and parking safety. In this context, the implementation of a technology-based information system is an appropriate solution to enhance the effectiveness of the performance evaluation process for parking attendants. Classification methods, such as k-nearest neighbor (KNN), are used to evaluate the performance of parking attendants more accurately and efficiently. This method allows early detection of poor performance, such as fraud or traffic rule violations, and provides feedback for improvements. The primary goal is to measure effectiveness, identify areas for improvement, and recognize parking attendants with good performance.
Keywords: Information Technology, Parking Attendants, Performance Evaluation, KNN, Asahan Regency.
Abstrak: Teknologi Informasi (TI) telah memainkan peran penting dalam berbagai sektor, termasuk sektor transportasi, seperti yang terlihat pada Dinas Perhubungan Kabupaten Asahan, Sumatera Utara. Salah satu tantangan di wilayah ini adalah kinerja juru parkir yang mempengaruhi efektivitas pengelolaan parkir dan keselamatan lalu lintas. Kinerja juru parkir yang kurang optimal dapat menimbulkan berbagai masalah, termasuk kemacetan, pelanggaran aturan, dan ketidaknyamanan pengguna parkir. Oleh karena itu, penilaian kinerja juru parkir menjadi sangat penting untuk meningkatkan kualitas layanan dan keamanan parkir. Dalam konteks ini, penerapan sistem informasi berbasis teknologi menjadi solusi yang tepat untuk meningkatkan efektivitas proses penilaian kinerja juru parkir. Metode klasifikasi, seperti k-nearest neighbor (KNN), digunakan untuk mengevaluasi kinerja juru parkir dengan lebih akurat dan efisien. Metode ini memungkinkan deteksi dini terhadap kinerja buruk, seperti penipuan atau pelanggaran aturan lalu lintas, serta memberikan umpan balik untuk perbaikan. Tujuan utamanya adalah mengukur efektivitas, mengidentifikasi area perbaikan, dan memberikan apresiasi bagi juru parkir yang memiliki kinerja baik.
Kata Kunci: Teknologi Informasi, Juru Parkir, Penilaian Kinerja, KNN, Kabupaten Asahan.
Abstract:Abstract: In this study, an analysis of the use of the Naive Bayes algorithm for sentiment analysis of reviews from Shopee app users on the Google Play Store was conducted, with classification divided into three categories:…
es: positive, negative, and neutral. To improve data quality, a preprocessing process was carried out with stages of cleaning, case folding, normalization, stop word removal, stemming, and tokenizing. Next, the text is formatted using the TF-IDF method to facilitate classification. For this data, the Naive Bayes model is used, which has an accuracy rate of 87% in detecting sentiment. Positive and negative categories can be easily identified compared to neutral sentiments due to the smaller amount of neutral data. Overall, the Naive Bayes algorithm successfully analyzed user sentiments well. The research can be developed with other algorithm methods, such as SVM, K-NN, or Decision Tree, in order to compare the performance of various algorithms.
Keywords: sentiment analysis; naive bayes; user reviews; e-commerce; shopee
Abstrak: Dalam penelitian ini dilakukan analisis penggunaan algoritma Naive Bayes untuk analisis sentimen review dari pengguna aplikasi Shopee di Google Play Store, klasifikasi dibagai menjadi 3 kategori yaitu positif, negatif, dan netral. Untuk meningkatkan kualitas data, dilakukam proses preprocessing dengan tahap cleanimg, case folding, normalisasi, stopword removal, stemming, dan tekonezing. Selanjutnya, teks diformat menggunakan metode TF-IDF untuk memudahkan klasifikasi. Untuk data ini, model Naive Bayes digunakan, yang memiliki tingkat akurasi 87% dalam mendeteksi sentimen. Kategori positif dan negatif dapat dengan mudah diidentifikasi dibadingkan sentiemen netral karena jumlah data netral yang lebih sedikit. Secara keseluruhan, algoritma Naive Bayes berhasil menganalisis perasaan pengguna dengan baik. Penelitian dapat dikembangkan dengan algoritma metode lain, seperti SVM, K-NN, atau Decision Tree, guna membandingkan kinerja berbagai algoritma.
Kata kunci: analisis sentiment; naive bayes; ulasan pengguna; e-commerce; shopee
Abstract:Abstract: Asahan District Library Service is a growing regional public library and is always making improvements, improvements, and trying to maintain the quality of its services. This is evidenced by the provision of services…
rvices such as borrowing and returning books (circulation), and adding to the book collection every year. Knowing and understanding visitors' reading interests is the main key in improving the quality of library services. However, managing reading interest from various levels of society is not an easy task. Each individual has different reading preferences and interests. Therefore, a systematic and efficient approach is needed in identifying reading interests to be able to manage the addition of book collections. Currently, in the process of adding a book collection, the library only makes employee recommendations, and the latest books, as a reference in increasing the number of book collections, without considering which books are most in demand to increase the collection. This can have a negative impact if there is an addition to the collection of books that are not in demand to read, which can cause problems in terms of service and finance. Based on this, the application of data mining, especially the K-Means method, will be carried out, to support the management of book collection additions, by grouping the reading interests of library visitors who have the same identity, so that libraries are more precise in managing book collections in grouping books that are rarely borrowed, often borrowed and very often borrowed.
Keywords: visitor reading interest; k-means method; library; data mining; book collection
Abstrak: Dinas Perpustakaan Kabupaten Asahan merupakan perpustakaan umum daerah sedang berkembang dan terus memperbaiki, membenahi, dan meningkatkan layanan. Diberikannya layanan seperti pinjaman dan sirkulasi, dan penambahan koleksi buku setiap tahunnya. Mengetahui dan memahami minat baca pengunjung menjadi kunci utama dalam meningkatkan kualitas layanan perpustakaan. Namun, mengelola minat baca dari berbagai lapisan masyarakat bukanlah tugas yang mudah. Setiap individu memiliki preferensi dan minat baca yang berbeda-beda. Oleh karena itu, diperlukan suatu pendekatan yang sistematis dan efisien dalam mengidentifikasi minat baca untuk dapat mengelola penambahan koleksi buku. Saat ini, ketika perpustakaan meningkatkan koleksi bukunya, mereka hanya bergantung pada rekomendasi karyawan dan buku terkini untuk menambah jumlah buku. Mereka tidak mempertimbangkan buku mana yang paling diminati untuk menambah koleksi mereka. Hal ini dapat berdampak negatif jika terdapat penambahan koleksi buku yang kurang diminati untuk dibaca, yang dapat menimbulkan masalah dari sisi pelayanan maupun finansial. Berdasarkan hal tersebut maka akan dilakukan penerapan data mining khususnya metode K-Means, untuk mendukung pengelolaan penambahan koleksi buku, dengan cara mengelompokkan minat baca pengunjung perpustakaan yang memiliki kesamaan identitas, sehingga perpustakaan lebih tepat dalam mengelola koleksi buku dalam mengelompokan buku yang jarang dipinjam, sering dipinjam dan sangat sering dipinjam.
Kata Kunci: minat baca pengunjung; metode k-means; perpustakaan; data mining; koleksi buku
Abstract:Tujuan penelitian ini adalah untuk mengetahui cara menganalisis sentimen dari ulasan pengguna pada game Roblox dan untuk mengetahui hasil perbandingan performa klasifikasi dengan menggunakan metode Support Vector Machine…
Dan Naive Bayes dalam menganalisis sentimen ulasan pengguna pada game Roblox. Data yang digunakan pada penelitian ini berjumlah sebanyak 10000 record data ulasan yang di ambil pada tanggal 15 Juni 2024. Hasil yang di peroleh dalam menganalisis sentimen data ulasan pada aplikasi Roblox cenderung mendapatkan sentimen positif dengan persentase 65,06% sedangkan untuk sentimen negatif dengan persentase 34,94%. Support Vector Machine merupakan algoritma terbaik dalam menganalisis sentimen data ulasan pada aplikasi Roblox dengan tingkat akurasi yang paling tinggi pada perbandingan data 90:10 yaitu 90 %, untuk precision, recall, dan f1-score yang dihasilkan pada sentimen positif yaitu 88%, 85%, dan 86%, sedangkan pada sentimen negatif adalah 91%, 93%, dan 92%. Algoritma Naïve Bayes mendapatkan tingkat akurasi yang paling tinggi pada perbandingan data 90:10 yaitu 72,4%, untuk precision, recall, dan f1-score yang dihasilkan pada sentimen positif yaitu 88%, 34%, dan 49%, sedangkan pada sentimen negatif adalah 70%, 97%, dan 81%.
Abstract:Abstract: PT. Padasa Enam Utama, a palm oil plantation company, currently assesses the quality of Fresh Fruit Bunches (FFB) based solely on physical aspects. They use Microsoft Excel without a specialized application system,…
tem, which can lead to subjective assessments and the risk of fraud. This research aims to develop a predictive system for the quality of Fresh Fruit Bunches. Data collection was conducted using quantitative methods through direct observation and interviews with relevant parties. The study shows that the use of the K-Nearest Neighbor method provides the best accuracy with a more efficient calculation process. With this system, the company’s performance in making decisions regarding FFB quality is expected to improve. The system helps reduce human errors in quality assessments and offers visualizations that make it easier for users to understand the classification of production quality. Although the results are reliable, there is still room for further development, such as improving accuracy through more advanced data preprocessing techniques or using more complex machine learning models.
Keywords: Data Mining; K-Nearest Neighbor algorithm; Fresh Fruit Bunches (FFB); Python; Streamlit.
Abstrak: PT. Padasa Enam Utama, sebuah perusahaan perkebunan kelapa sawit, saat ini menilai kualitas produksi Tandan Buah Segar (TBS) berdasarkan aspek fisik saja. Mereka menggunakan Microsoft Excel tanpa sistem aplikasi khusus, yang dapat menyebabkan penilaian tidak objektif dan risiko kecurangan. Penelitian ini bertujuan untuk mengembangkan sistem prediksi mutu kualitas Tandan Buah Segar. Dalam pengumpulan data, digunakan metode kuantitatif melalui observasi langsung dan wawancara dengan pihak terkait. Penelitian menunjukkan bahwa penggunaan metode K-Nearest Neighbor memberikan akurasi terbaik dengan proses perhitungan yang lebih efisien. Dengan adanya sistem ini, diharapkan kinerja perusahaan dalam membuat keputusan terkait mutu produksi TBS dapat meningkat. Sistem ini membantu mengurangi kesalahan manusia dalam penilaian mutu TBS dan memberikan visualisasi yang memudahkan pengguna memahami klasifikasi mutu produksi. Meskipun telah memberikan hasil yang dapat diandalkan, masih ada ruang untuk pengembangan lebih lanjut, seperti peningkatan akurasi melalui teknik preprocessing data yang lebih canggih atau penggunaan model-machine learning yang lebih kompleks.
Kata kunci: Data Mining; Algoritma K-Nearest Neighbor; Tandan Buah Segar (TBS); Python; Streamlit
Abstract:Kualitas hidup keluarga mencerminkan kesejahteraan masyarakat, yang diukur melalui berbagai aspek kehidupan seperti pendidikan, pekerjaan, penghasilan, kepemilikan, kondisi tempat tinggal, serta akses ke air bersih dan listrik.…
istrik. Untuk menentukan tingkat kesejahteraan di masyarakat, tiga kriteria dari semua variabel tersebut digunakan untuk membedakan apakah mereka berada pada cluster tinggi, menengah, atau rendah. Pondok Bungur, sebuah desa di Kabupaten Asahan dengan 10 dusun, kebanyakan penduduknya memiliki pendapatan rendah, tidak memiliki barang kebutuhan sekunder, menggunakan air bukan dari PDAM, dan memiliki akses daya listrik rendah. Karena belum ada klasifikasi yang jelas mengenai kesejahteraan, bantuan sosial sering kali tidak tepat sasaran. Sebagai solusi, teknik data mining dengan algoritma k-means diterapkan untuk mengklasifikasikan tingkat kesejahteraan di desa tersebut. Penelitian ini menemukan bahwa 2 dusun berada pada tingkat kesejahteraan tinggi (20%), 3 dusun pada tingkat menengah (30%), dan 5 dusun pada tingkat rendah (50%). Dusun 2 dan 5 merupakan yang paling sejahtera, sementara Dusun 1, 4, dan 9 memiliki tingkat kesejahteraan menengah. Sisa 50% dusun yang masih berada pada tingkat rendah perlu diprioritaskan dalam pemberian bantuan.
Abstract:Pemerintah Indonesia menghadapi sejumlah problematika dalam bidang perekonomian, memerlukan solusi tepat untuk meningkatkan kondisi ekonomi. Keterlibatan langsung pemerintah dalam merespon dan memecahkan masalah tersebut…
memerlukan pemahaman mendalam terhadap problematika yang dihadapi masyarakat. Pasar, sebagai pusat ekonomi, mengalami transformasi signifikan dengan adanya platform online seperti TikTok, yang sebelumnya menyediakan fitur belanja yang populer. Dalam menghadapi dampak positif dan negatif dari fitur belanja TikTok, pemerintah memutuskan untuk menutup fitur tersebut. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap kebijakan tersebut menggunakan Lexicon Based sebagai metode pelabelan, serta Naïve Bayes dan Random Forest sebagai model klasifikasi. Dengan menggunakan teknik crawling data, penelitian ini akan menyajikan analisis sentimen untuk memahami pandangan masyarakat terkait penutupan fitur belanja TikTok dan implikasinya terhadap perekonomian Indonesia.
Abstract:Pendidikan memainkan peran krusial dalam pengembangan individu dan masyarakat. Peningkatan mutu pendidikan menjadi fokus utama pembangunan di Indonesia, dengan peran guru sebagai faktor penting dalam mencapai tujuan tersebut.…
ebut. SMP Negeri 3 Kualuh Hulu, sebagai salah satu lembaga pendidikan, menghadapi tantangan dalam pengelompokan siswa baru ke dalam kelas unggulan. Penelitian ini menggunakan metode Data Mining, khususnya K-Means Clustering, untuk membantu dalam seleksi dan pengelompokan siswa berdasarkan nilai rapor mereka. Metode K-Means Clustering digunakan untuk mengklasifikasikan siswa ke dalam tiga kelompok: tinggi, sedang, dan rendah. Penelitian ini menggambarkan proses pengolahan data menggunakan Python untuk memperoleh hasil klasterisasi. Hasilnya menunjukkan bahwa 25 siswa memiliki nilai tinggi, 45 siswa memiliki nilai sedang, dan 41 siswa memiliki nilai rendah. Dengan informasi ini, sekolah dapat dengan cepat dan efisien menentukan siswa yang layak masuk kelas unggulan, memungkinkan peningkatan kualitas pembelajaran dan persiapan siswa untuk pendidikan lanjutan.
Abstract:Sistem Inventory merupakan suatu sistem untuk mengetahui persediaan stok barang pada suatu lokasi. Sistem Inventory sudah banyak dimanfaatkan atau dikembangkan pada suatu tempat dalam berbagai macam teknologi dan sistem.…
Permasalahan pada CV. Pacific Computer ini adalah belum tersedianya sistem Inventory barang sehingga belum dapat mengontrol stok barang yang tersedia, database yang tidak terintegrasi dan kurangnya tanggung jawab dalam proses transaksi barang. Oleh karena itu, pada skripsi ini akan merancang aplikasi Inventory dalam bentuk berbasis web, sehingga informasi mengenai stok barang dapat diketahui secara jelas dan terperinci. Aplikasi Inventory ini akan diterapkan menggunakan system localhost berbasis web, yang memungkinkan sistem informasi Inventory ini dapat diakses dalam ruang lingkup kerja saja. Sehingga tidak terjadi manipulasi data diluar jam kerja. Metode pengembangan sistem pada aplikasi ini menggunakan metode protoyping yang terdiri dari lima tahapan. Adapun tahapan tersebut yaitu komunikasi, Perencanaan secara cepat, Pemodelan perancangan secara cepat, pembentukan prototype dan penyerahan sistem perangkat lunak kepada pengguna. Aplikasi ini dirancang dengan menggunakan Bahasa pemrograman PHP dan Database phpMySQL. Berdasarkan konsep dan perancangan, dapat disimpulkan telah dibangun “RANCANG BANGUN SISTEM INVENTORY GUDANG CV. PACIFIC COMPUTER DALAM OPTIMALISASI MANAJEMEN STOK†untuk membantu admin dan Storeman dalam sistem Inventory. Dalam aplikasi ini admin dapat mengetahui dan mengelola data barang, data barang masuk, data barang keluar data kategori, data supplier dan data ajuan. Sedangkan storeman dapat menginput data barang masuk dan data ajuan pengeluaran barang. Admin dan storeman dapat berinteraksi dengan aplikasi ini sesuai dengan informasi yang dibutuhkan melalui menu yang tersedia.
Kata kunci: Inventory, Aplikasi Inventory, Website.