Abstract:Abstract: The ABC Islamic boarding school is one of the Islamic boarding schools in Madiun Regency, in addition to the Islamic boarding schools in the Islamic boarding school there are also SMP and SMA which are under the…
e same foundation. The ABC Islamic boarding school also applies information technology as a companion to its operational activities. The large number of employees and teachers in Islamic boarding schools, junior high schools and senior high schools creates difficulties in the staffing division for management. The management method that is currently running in the personnel department is deemed insufficient, because the existing information technology to support their work has not yet functioned optimally to support the strategy. The zachman framework is chosen so that planning is carried out in strategic steps, easy to understand and can be a control for future information system development. The results of this research are in the form of a blueprint for the system design which is mapped in the form of a Zachman matrix from the perspective of the Planner and Owner.
Keywords: Information Systems, Strategic Planning, Zachman's Framework
Abstrak: Pondok pesantren ABC merupakan salah satu Pondok Pesantren yang ada di Kabupaten Madiun, selain pondok pesantren di lingkungan ponpes tersebut juga terdapat SMP dan SMA yang dinaungi satu yayasan yang sama. Pondok pesantren ABC juga menerapkan teknologi informasi sebagai salah satu pendamping kegiatan operasional nya. Banyaknya karyawan dan guru yang terdapat di pondok pesantren, SMP dan SMA menimbulkan kesulitan pada bagian kepegawaian untuk pengelolaannya. Cara pengelolaan yang sedang berjalan di bagian kepegawaian dirasa tidak lagi mencukupi, karena teknologi informasi yang ada untuk menunjang pekerjaan mereka belum berfungsi optimal sebagai pendukung strategi. Kerangka kerja zachman dipilih agar perencanaan dilakukan dengan langkah-langkah yang strategis, mudah dipahami dan bisa menjadi kontrol untuk pengembangan sistem informasi ke depan. Hasil penelitian ini berupa blue print rancangan sistem yang dipetakan didalam bentuk matrik Zachman yang dilihat dari sudut pandang Planner dan Owner.
Kata kunci: Kerangka kerja Zachman, Perencanaan Strategis, Sistem Informasi
Abstract:Abstract: In today's technological developments, digital images are a medium that is often used to store a person's identity. Digital images are currently widely used for data security needs. On the other hand, images can…
n also be used as a medium for tapping data. Today's digital media provide many things in manipulating and changing the information contained in these images. In this study, the authors conducted a study to examine similarities in digital images so that it could be seen whether the information was authentic or not. detecting image similarities can help find out information whether the image is the same as the original object or not. The method used in this research is the Eigen Face method. The face eigen method is a method that can be used to check and match the similarities of an image. With the eigenface value, Figure 1, Figure 2, Figure 3, it can be determined that with other eigenface values can be determined based on the eigenface matrix values obtained from each image. Based on the values obtained from Figures 1, 2, and 3, it can be concluded that the eigenface method is able to present facial similarities with a presentation value of 80%.
Keywords: Eigenface; Face Recognation; Images; Images Processing
Abstrak: Dalam perkembangan teknologi saat ini, gambar digital merupakan media yang sering digunakan untuk menyimpan identitas seseorang. Gambar digital saat ini banyak digunakan untuk kebutuhan keamanan data. di sisi lain, gambar juga dapat digunakan sebagai media penyadapan data. Media digital saat ini menyediakan banyak hal dalam memanipulasi dan mengubah informasi yang terdapat pada gambar tersebut. Dalam penelitian ini penulis melakukan penelitian untuk menelaah kemiripan pada citra digital sehingga dapat diketahui apakah informasi tersebut otentik atau tidak. Mendeteksi kemiripan citra dapat membantu mengetahui informasi apakah citra tersebut sama dengan objek aslinya atau tidak. Metode yang digunakan dalam penelitian ini adalah metode Eigen Face. Metode eigen wajah merupakan metode yang dapat digunakan untuk mengecek dan mencocokkan kemiripan suatu citra. Dengan nilai eigenface, Gambar 1, Gambar 2, Gambar 3, dapat ditentukan bahwa dengan nilai eigenface lainnya dapat ditentukan berdasarkan nilai matriks eigenface yang diperoleh dari masing-masing citra. Berdasarkan nilai yang diperoleh dari Gambar 1, 2, dan 3, dapat disimpulkan bahwa metode eigenface mampu menghadirkan kemiripan wajah dengan nilai presentasi 80%..
Kata kunci: Citra; Eigenface; Pengolahan Citra Digital; Pengenalan Wajah
Abstract:Abstrak: Lembaga Pendidikan dan Pelatihan LPS Komputer Air Joman berdiri sejak tahun 2010 dibawah naungan Dinas Pendidikan Kabupaten Asahan. Ditinjau dari sisi letaknya yang berada diantara Kota Kisaran dengan Kota Masya…
asya Tanjung Balai maka LPP LPS Komputer Air Joman harus bekerja lebih keras untuk dapat menarik minat konsumen untuk belajar di lembaga tersebut. Untuk itu perlu pemilihan media promosi yang tepat. Rumusan masalah pada penelitian ini adalah bagaimana mengimplementasikan metode SAW dalam menentukan media promosi terbaik bagi LPP LPS Komputer Air Joman. Tujuannya adalah mengimplementasikan media SAW dalam menentukan media promosi yang tepat bagi LPP LPS Komputer Air Joman. Pemilihan media promosi dilakukan dengan metode Simple Additive Weithing (SAW). Langkah-langkah yang dilakukan adalah: menentukan nilai kriteria masing-masing alternativ , menentukan bobot , melakukan normalisasi matrik dan melakukan proses normalisasi matriks keputusan ke skala yang dibandingkan dengan semua rating alternative. Hasil Penelitiannya adalah bauran promosi dengan alternative Promosi Penjualan sebagai media yang terbaik dengan nilai 1,75.
Kata Kunci : Metode SAW, Promosi, Media Promosi, Lembaga Pendidikan dan Pelatihan, LPS
Abstract: Education and Training Institute LPS Computer Air Joman established since 2010 under the auspices of the Asahan District Educational Office. It is Located between Kisaran City and Kota Madya Tanjung Balai then LPP LPS Computer Air Joman must work harder to be able to attract consumers to study at the institution. For that we need the right promotion media to be informs that institusion. The formulation problem in this research is how to implement SAW method in determining the best promotion media for LPP LPS Computer Air Joman. The goal is to implement SAW media in determining the right media promotion for LPP LPS Computer Air Joman. The selection of promotion media is done by Simple Additive Weithing (SAW) method. The steps taken are: determine the criteria value of each alternative, determine the weight, normalize the matrix and perform the process of normalizing the decision matrix to the scale compared with all the alternative rating. The result of the research is promotion mix with Sales Promotion alternative as the best media with value 1.75.
Keywords: SAW Method, Promotion, Media Promotion, Institute of Education and Training, LPS
Abstract:Meat is one of the essential food ingredients in meeting the nutritional needs. The current problem lies in the consumers' lack of knowledge on how to differentiate between pork, beef, goat, and lamb meat. This is because…
e when the meat is already cut, their appearances may seem similar at first glance. Many consumers are unaware of the practice of mixing different types of meat for consumption. One way to classify animal meat is by using image processing. In this research, an image processing system is created to classify meat, specifically pork, beef, goat, and lamb. Support Vector Machine (SVM) is a development of Machine Learning that can be used in classifying images into specific classes. SVM method as a classifier is performed using a confusion matrix. The test results show the highest accuracy value obtained in the class of Goat Meat 91.4%, the highest precision in the class of goat meat 80%, the highest recall in the class of beef 81.3%, and the highest F1-score in the class of beef 0.76.
Abstract:Penelitian ini bertujuan untuk menganalisis strategi pemasaran benih ikan pada Balai Pembibitan Ikan Air tawar Desa Genteng Kecamatan Genteng Wetan. Dengan menggunakan metode kualitatif, penelitian ini mengidentifikasi faktor internal…
faktor internal dan eksternal yang mempengaruhi pemasaran benih ikan air tawar melalui Internal Factor Evaluation Matrix (IFE) dan External Factor Evaluation Matrix (EFE). Hasil analisis menunjukkan bahwa kekuatan utama Balai Pembibitan Ikan terletak pada kualitas benih yang tinggi dan proses produksi yang efisien. Namun, terdapat kelemahan dalam keragaman produk dan ketersediaan modal. Peluang yang ada antara lain meningkatnya permintaan pasar dan dukungan kebijakan pemerintah, sedangkan ancaman utama adalah persaingan yang ketat dan perubahan preferensi konsumen. Berdasarkan analisis SWOT, disarankan strategi pemasaran yang agresif untuk memanfaatkan kekuatan dan peluang yang ada, serta mengembangkan produk dan memperluas jangkauan pasar. Penerapan strategi ini diharapkan dapat meningkatkan daya saing dan pertumbuhan Pusat Pembibitan Ikan Air Tawar di masa depan.
Abstract:Kanker payudara merupakan salah satu jenis kanker yang paling umum ditemukan pada wanita dan menjadi penyebab utama kematian akibat kanker di seluruh dunia. Ketepatan dalam diagnosis kanker payudara menjadi sangat krusial…
l untuk penanganan yang tepat. Penelitian ini bertujuan untuk membandingkan performa algoritma Naive Bayes dan Random Forest dalam mengklasifikasikan kanker payudara menggunakan dataset Breast Cancer Wisconsin. Metodologi penelitian dimulai dengan pengumpulan data dari dataset Breast Cancer Wisconsin yang terdiri dari 569 sampel dengan 32 atribut. Proses preprocessing data meliputi konversi data dari format nominal ke binominal untuk atribut diagnosis. Implementasi algoritma menggunakan tools RapidMiner dengan pendekatan cross validation (k=10) untuk evaluasi model yang lebih robust. Performa kedua algoritma dibandingkan menggunakan berbagai metrik evaluasi termasuk accuracy, precision, recall, dan analisis confusion matrix. Hasil penelitian menunjukkan bahwa algoritma Random Forest memberikan performa yang lebih unggul dengan tingkat akurasi 94,91% (±5,06%), precision 95,33%, dan recall 93,90%. Sementara itu, Naive Bayes mencapai akurasi 93,51% (±5,30%), precision 93,68%, dan recall 92,67%. Random Forest juga menunjukkan keunggulan dalam mengurangi false positive, dengan hanya 8 kasus dibandingkan 15 kasus pada Naive Bayes. Analisis confusion matrix menunjukkan bahwa kedua algoritma memiliki kemampuan yang baik dalam mengklasifikasikan kasus kanker payudara, meskipun Random Forest menunjukkan performa yang lebih stabil dan akurat. Kesimpulan dari penelitian ini menunjukkan bahwa kedua algoritma efektif untuk klasifikasi kanker payudara, dengan Random Forest menunjukkan keunggulan dalam hal akurasi dan presisi. Hasil ini dapat menjadi pertimbangan dalam pengembangan sistem pendukung keputusan untuk diagnosis kanker payudara, dimana Random Forest dapat menjadi pilihan utama ketika akurasi menjadi prioritas, sementara Naive Bayes tetap menjadi alternatif yang valid ketika kesederhanaan implementasi dan efisiensi komputasi diperlukan.
Abstract:Gangguan tidur seperti insomnia dan sleep apnea merupakan masalah kesehatan global yang dapat menurunkan kualitas hidup. Deteksi dini terhadap gangguan ini penting dilakukan, khususnya dengan bantuan teknologi seperti algoritma…
goritma data mining untuk meningkatkan ketepatan diagnosis. Data mining adalah bagian esensial dari analitik data dalam disiplin ilmu data science, yang memberikan berbagai manfaat luas dan aplikasi yang relevan. Penelitian ini menggunakan dataset Sleep Health and Lifestyle dari Kaggle untuk mengevaluasi kinerja tiga algoritma data mining, yaitu Naïve Bayes, Support Vector Machine (SVM), dan Neural Network, dalam mengklasifikasi gangguan tidur. Proses pengembangan model mengikuti tahapan CRISP-DM dengan pengujian akurasi menggunakan Cross Validation dan evaluasi menggunakan Confusion Matrix dan kurva ROC. Berdasarkan hasil pengujian, algoritma Neural Network menunjukkan kinerja terbaik dengan akurasi 93,08% dan nilai AUC yang termasuk dalam klasifikasi "Excellent." Temuan ini menunjukkan bahwa Neural Network efektif dalam mengklasifikasi gangguan tidur, sehingga dapat mendukung proses diagnosa dan penanganan gangguan tidur secara lebih akurat.
Abstract:Stunting pada balita merupakan permasalahan kesehatan masyarakat yang serius dan memerlukan penanganan segera melalui deteksi dini yang akurat. CNN (Convolutional Neural Network) merupakan metode yang akurat, efektif dan…
tepat sasaran dalam memberikan hasil yang akurat dan presisi. Implementasi metode CNN dapat mengklasifikasikan status stunting pada balita berdasarkan parameter antropometri dan karakteristik kesehatan. Dataset yang digunakan terdiri dari 6.500 sampel data balita dengan 8 variabel meliputi jenis kelamin, usia, berat lahir, panjang lahir, berat badan, panjang badan, riwayat ASI eksklusif, dan status stunting. Metodologi yang digunakan melibatkan serangkaian tahapan preprocessing data termasuk standardisasi fitur menggunakan StandardScaler, pemisahan data training (80%) dan testing (20%), serta penggunaan arsitektur CNN yang terdiri dari layer konvolusi 1D dengan 32 filter, max pooling, dan dense layer. Model dilatih menggunakan optimizer Adam dengan fungsi loss categorical crossentropy selama 10 epoch dan batch size 32. Evaluasi performa model dilakukan menggunakan berbagai metrik termasuk accuracy, precision, recall, dan F1-score.
Hasil penelitian menunjukkan bahwa model CNN yang dikembangkan mencapai performa yang sangat baik dengan akurasi 90%, precision 89%, recall 92%, dan F1-score 91%. Analisis confusion matrix mengkonfirmasi kemampuan model dalam mengklasifikasikan kedua kelas yaitu pada stunting dan non-stunting secara seimbang. Temuan ini mengindikasikan bahwa implementasi CNN efektif dalam mengidentifikasi status stunting pada balita dan berpotensi menjadi alat bantu yang berharga dalam screening stunting di fasilitas kesehatan.
Abstract:Abstract: Sipaku Area Village currently has a population of 1963 family cards with a density of 7423 people divided into 8 hamlets. Villages can still register people who do not have an Indonesia Smart Card with the concerned…
erned office by recording the data on the people who have KPS, PKH or SKTM, to get the Indonesia Smart Card (KIP) program, because many people submit applications and there are many criteria that must be taken into account. faced by the Sipaku Area Village Head Office in determining the priority of potential KIP recipients is very difficult, not transparent and inefficient. Therefore, to overcome this problem, it is necessary to have a system for determining the priority of potential KIP recipients by adding some more basic criteria. In this study a decision support system was designed using the AHP (Analitycal Hierarchy Process) method. The results of calculations using the pairwise comparison matrix for the use of criteria show that the most important priority is shown in the status of an active applicant of 0.391, the second priority is the completeness of the files of 0.406, the third priority is the orphanage of 0.095, the fourth priority is parental income of 0.066, and the priority the fifth is a dependent of 0.041. Meanwhile, for alternative use, the data obtained is that the highest value weight determines the recipient of Smart Indonesia Card Assistance (KIP), namely Rizky Amelia Ritonga with a value of 0.171, the second alternative is Rangga Pranata with a value of 0.141 and the third alternative is Elva Radis with a value of 0.124.
Keywords: Smart Indonesian Card Recipients (KIP), AHP Method, PHP and MySQL.
Abstrak: Desa Sipaku Area yang sekarang ini mempunyai jumlah penduduk 1963 kartu keluarga dengan kepadatan 7423 jiwa yang terbagi dalam 8 Dusun. Desa tetap bisa mendaftarkan masyarakat yang tidak memiliki Kartu Indonesia Pintar ke Dinas yang bersangkutan dengan mendata masyarakatnya yang memiliki KPS, PKH atau SKTM, untuk mendapat program Kartu Indonesia Pintar (KIP), karena banyaknya masyarakat mengajukan permohonan dan banyak kriteria yang harus diperhitungkan, sehingga Kendala yang dihadapi oleh pihak Kantor Kepala Desa Sipaku Area dalam menentukan prioritas calon penerima KIP sangat sulit, tidak transparan dan tidak efesien. Oleh Karena itu, untuk mengatasi permasalahan tersebut perlu adanya sistem dalam menentukan prioritas calon penerima KIP dengan menambahkan beberapa kriteria yang lebih mendasar. Pada penelitian ini dirancang sistem pendukung keputusan menggunakan metode AHP (Analitycal Hierarchy Process). Hasil perhitungan menggunakan matrik perbandingan berpasangan untuk penggunaan kriteria menunjukkan bahwa prioritas yang paling utama ditunjukkan pada status Pemohon aktif sebesar 0.391, prioritas kedua yaitu Kelengkanpan Berkas sebesar 0.406, prioritas ketiga yaitu kondisi yatim piatu sebesar 0.095, prioritas keempat yaitu penghasilan orangtua sebesar 0.066, dan prioritas kelima yaitu tanggungan sebesar 0.041 Sedangkan untuk penggunaan alternatif diperoleh data yaitu bobot nilai paling tinggi menentukan Penerima Bantuan Kartu Indonesia Pintar (KIP) yaitu Rizky Amelia Ritonga dengan nilai 0.171, alternatif kedua Rangga Pranata dengan nilai 0.141 dan alternatif ketiga Elva Radis dengan nilai 0.124.
Kata kunci : Penerima Bantuan PIP, Metode AHP, PHP dan MySQL.