Abstract:Abstract: This research focuses on technology and integration tools for IoT environments, with an emphasis on three main aspects: the integration of Building Information Modeling (BIM) and IoT, the utilization of real-time…
me data, and the urban IoT framework. The integration of BIM and IoT enables a smarter and more efficient building management system by utilizing IoT data to monitor real-time building conditions and improve maintenance and operational processes. This research seeks to identify challenges and solutions for technology integration in increasingly complex IoT environments, while also offering guidance for practical implementation in the urban and building sectors. In this research, we use a literature analysis approach, the main process is to identify relevant sources, including articles, journals, conferences, books, and industry reports published in the last five years. The results of this study are an implication that the application of IoT device integration with BIM can help improve operational and maintenance efficiency, optimize construction management, improve safety and mitigate risks in a company.
Keywords: building informations modelling(BIM); environment; internet of things(IoT)
Abstrak: Penelitian ini berfokus pada teknologi dan alat integrasi untuk lingkungan IoT, dengan penekanan pada tiga aspek utama: integrasi Building Information Modeling (BIM) dan IoT, pemanfaatan data real-time, dan kerangka kerja IoT perkotaan. Integrasi antara BIM dan IoT memungkinkan sistem manajemen bangunan yang lebih cerdas dan efisien dengan memanfaatkan data IoT untuk memantau kondisi real-time bangunan serta memperbaiki proses pemeliharaan dan operasional. Penelitian ini berupaya mengidentifikasi tantangan dan solusi integrasi teknologi dalam lingkungan IoT yang semakin kompleks, sekaligus menawarkan panduan untuk penerapan praktis di sektor perkotaan dan bangunan. Pada penelitian ini kami menggunakan metode pendekatan analisis literatur, proses utamanya adalah dengan mengidentifikasi sumber sumber relevan, meliputi artikel, jurnal, konferensi, buku, dan laporan industri yang dipublikasikan dalam lima tahun terakhir. Hasil dari penelitian ini yaitu didapatkan sebuah implikasi bahwa penerapan pengintegrasian perangkat IoT denan BIM dapat membantu meningkatkan efisiensi operasional dan pemeliharaan, optimasi manajemen kontruksi, peningkatan keselamatan dan mitigasi resiko pada sebuah perusahaan.
Kata kunci: building informations modelling(BIM); environment; internet of things(IoT)
Abstract:Abstract: In the manufacturing industry, production scheduling become an important aspect that affects operational efficiency and customer satisfaction. The main challenge in scheduling is optimizing the use of resources…
to meet demand by minimizing production costs and time. Suboptimal scheduling can lead to problems such as delays in stocking, stock buildup, and increased operational costs. Thus, a method can to handle the complexity and uncertainty in the production process is needed. The Fuzzy Tahani Model is an approach in decision support systems. this can be used to help companies achieve more efficient and adaptive production scheduling, to consider various variables such as demand, production capacity, and inventory levels. This research aims to develop and implement the model in the context of production scheduling, with the hope of improving operational performance and customer satisfaction. At this time, the proposed Fuzzy Model Tahani technology is in TKT 4, which is the validation stage of technology components in a laboratory environment. The system creates an optimal production schedule based on fuzzy rules and defuzzification results, making it a useful tool for production decisions.
Keywords: fuzzy model tahini; decision support system; production optimization; production scheduling.
Abstrak: Dalam industri manufaktur, penjadwalan produksi adalah aspek penting yang mempengaruhi efisiensi operasional dan kepuasan pelanggan. Tantangan utama dalam penjadwalan adalah mengoptimalkan penggunaan sumber daya untuk memenuhi permintaan dengan meminimalkan biaya dan waktu produksi. Penjadwalan yang tidak optimal dapat menyebabkan masalah seperti keterlambatan pengiriman, penumpukan stok, dan peningkatan biaya operasional. Oleh karena itu, diperlukan suatu metode yang mampu menangani kompleksitas dan ketidakpastian dalam proses produksi. Fuzzy Model Tahani adalah salah satu pendekatan yang dapat digunakan dalam sistem pendukung keputusan untuk membantu perusahaan mencapai penjadwalan produksi yang lebih efisien dan adaptif, dengan mempertimbangkan berbagai variabel seperti permintaan, kapasitas produksi, dan tingkat persediaan. Penelitian ini bertujuan untuk mengembangkan dan mengimplementasikan model tersebut dalam konteks penjadwalan produksi, dengan harapan dapat meningkatkan performa operasional dan kepuasan pelanggan. Pada saat ini, teknologi Fuzzy Model Tahani yang diusulkan berada pada TKT 4, yaitu tahap validasi komponen teknologi dalam lingkungan laboratorium. Sistem ini menciptakan jadwal produksi yang optimal berdasarkan aturan fuzzy dan hasil defuzzifikasi, menjadikannya alat yang berguna untuk pengambilan keputusan produksi.
Kata kunci: fuzzy model tahani; optimasi produksi; penjadwalan produksi; sistem pendukung keputusan.
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: Clustering methods such as K-Means and K-Medoids are often used to analyze data, including student data, due to their efficiency. However, this method has weaknesses, such as sensitivity to selecting cluster centers…
nters (centroids) and cluster results that depend on medoid data. Clustering, an essential technique in data analysis, aims to reveal the natural structure of the data, even in the absence of labeled information. The study, conducted with complete objectivity, compared the performance of two popular clustering methods, K-Means, and K-Medoids, on student data. Three evaluation metrics, namely the Davies-Bouldin Index (DBI), silhouette score, and elbow method, were used to compare clustering and determine the ideal number of clusters for the two algorithms. The data taken in this study are in the form of names, attendance, assignments, formative, midterm exams, final exams, and quality numbers. Based on the existing optimization results, it can be concluded that the K-Means method excels in grouping Student Data. The best results were obtained from the K-Means Algorithm with the Silhouette Coefficient Method with a value of 0.7509 in cluster 2, and the Elbow Method with a value of 1428076.08 in cluster 2, DBI K-Medoids with a value of 0.7413 in cluster 3. So, the best cluster lies in 3 clusters.
Keywords: clustering; davies-bouldin indek; elbow method; k-means; k-medoids; silhouette score;
Abstrak : Metode clustering seperti K-Means dan K-Medoids sering digunakan untuk menganalisis data, termasuk data siswa, karena efisiensinya. Namun, metode ini memiliki kelemahan, seperti sensitivitas terhadap pemilihan pusat klaster (centroids) dan hasil klaster yang bergantung pada data medoid. Clustering, sebuah teknik penting dalam analisis data, bertujuan untuk mengungkapkan struktur alami dari data, bahkan tanpa adanya informasi berlabel. Penelitian ini, yang dilakukan dengan objektivitas penuh, membandingkan kinerja dua metode clustering populer, yaitu K-Means dan K-Medoids, pada data mahasiswa. Tiga metrik evaluasi, yaitu Davies-Bouldin Index (D.B.I.), silhouette score, dan metode elbow, digunakan untuk membandingkan clustering dan menentukan jumlah cluster yang ideal untuk kedua algoritma tersebut. data yang diambil dalam penelitian ini berupa nama, kehadiran, tugas, formatif, ujian tengah semester, ujian akhir semester, angka mutu. Berdasarkan hasil optimasi yang ada, dapat disimpulkan bahwasannya metode K-Means unggul dalam pengelompokkan Data Mahasiswa. Sehingga di peroleh hasil terbaik dari Algoritma K-Means dengan Metode Silhouette Coefficient dengan nilai 0,7509 di cluster 2, dan Elbow Method dengan nilai 1428076,08 di cluster 2, DBI K-Medoids dengan nilai 0,7413 di cluster 3. Sehingga cluster terbaik terletak pada 3 cluster.
Kata kunci: klasterisasi; davies-bouldin indek; elbow method; k-means; k-medoids; silhouette score;
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:Abstract: In the digital era of transformation, educational websites serve as vital platforms for transparently disseminating information to stakeholders. This study evaluates the effectiveness of the Jember Regency Education…
ation Department website using the COBIT 5 framework. This study aims to enhance the effectiveness and usability of the Department of Education website in Jember Regency by aligning it with stakeholders' evolving needs through comprehensive evaluation and targeted recommendations. Employing a qualitative descriptive approach, the research identifies challenges such as mobile optimization issues, slow loading times, security vulnerabilities, and content relevance concerns. Despite commendable accessibility, these challenges significantly impact user experience and website credibility. The findings underscore the urgent need for website optimization, improved security measures, and continuous content updates. This research provides actionable recommendations to align the website with IT governance standards, offering a roadmap for enhancement. Furthermore, the MEA Capability Results highlight discrepancies between the current scores and expected standards, indicating the necessity for comprehensive alignment with COBIT 5 guidelines to optimize website functionality and better meet user expectations.Top of Form
Keywords: COBIT 5 framework; Jember Regency Department of Education; website effectiveness
Abstrak: Pada era transformasi digital, situs web pendidikan menjadi platform penting untuk menyebarkan informasi secara transparan kepada para pemangku kepentingan. Studi ini mengevaluasi efektivitas situs web Dinas Pendidikan Kabupaten Jember menggunakan kerangka kerja COBIT 5. Studi ini bertujuan untuk meningkatkan efektivitas dan kegunaan situs web Dinas Pendidikan di Kabupaten Jember dengan menyelaraskannya dengan kebutuhan yang berkembang dari para pemangku kepentingan melalui evaluasi komprehensif dan rekomendasi yang ditargetkan. Dengan pendekatan deskriptif kualitatif, penelitian ini mengidentifikasi tantangan seperti masalah optimasi seluler, waktu muat yang lambat, kerentanan keamanan, dan kekhawatiran tentang relevansi konten. Meskipun aksesibilitasnya baik, tantangan-tantangan ini secara signifikan memengaruhi pengalaman pengguna dan kredibilitas situs web. Temuan ini menegaskan perlunya pengoptimalan situs web, peningkatan langkah-langkah keamanan, dan pembaruan konten yang berkelanjutan. Penelitian ini memberikan rekomendasi yang dapat dilaksanakan untuk menyelaraskan situs web dengan standar tata kelola TI, menawarkan panduan untuk peningkatan. Selain itu, hasil Kemampuan MEA menyoroti perbedaan antara skor saat ini dan standar yang diharapkan, menandakan kebutuhan akan penyesuaian yang komprehensif dengan pedoman COBIT 5 untuk mengoptimalkan fungsionalitas situs web dan memenuhi harapan pengguna dengan lebih baik.
Top of Form
Kata kunci: Dinas Pendidikan Kabupaten Jember; efektivitas website; kerangka kerja COBIT 5
Abstract:Abstract: Gender classification is one of the most important tasks of video analysis. A machine learning-based approach was presented to identify male and female facial images with a data set of 2000 images taken from kaggles. …
ggles. This method plays a role in finding the weight value that gives the best output value. This study uses the most appropriate learning rate of each optimization method as a criterion for stopping training. The results showed that the Artificial Neural Network with Adam optimization produced the highest accuracy, which was 91.5% compared to the SGD and ADADELTA optimization methods. Deep Learning techniques that are applied extensively to image recognition used utilize Adam's optimizer method.
Keywords: artificial neural networks; adadelta; adam; gender; sgm;
Abstrak: Klasifikasi gender adalah salah satu tugas analisis video yang paling penting. Pendekatan berbasis machine learning disajikan untuk mengidentifikasi gambar wajah Pria dan Wanita dengan kumpulan data sebanyak 2000 gambar yang diambil dari kaggle. Metode ini berperan dalam menemukan nilai bobot yang memberikan nilai keluaran terbaik. Penelitian ini menggunakan learning rate yang paling sesuai dari masing-masing metode optimasi sebagai kriteria pemberhentian pelatihan. Hasil penelitian menunjukkan Jaringan Saraf Tiruan dengan optimasi Adam menghasilkan akurasi tertinggi yaitu 91,5 % dibandingkan dengan dengan metode optimasi SGD dan ADADELTA. Teknik Deep Learning yang diterapkan secara ekstensif pada pengenalan gambar yang digunakan memanfaatkan metode optimizer Adam.
Kata kunci: Adadelta; Adam; Jaringan Syaraf; Gender; Tiruan; SGM;
Abstract:Abstract: Patient’s symptoms could be used as features in Covid-19 classification. Using multi layer perceptron, the classification uses data set that contains patient’s diagnosis which has Covid-19 symptoms dan processes…
s dan processes the data set to see if the patient is Covid-19 positive or not. This paper compare four activation function such as identity, logistic, ReLu and tanh and combined them with optimizer such as L-BFGS-B, SGD and Adam. Using 5-fold and 10-fold cross validation technique to get the accuracy, F1, precision and recall values, the result that we get is that logistic function with L-BFGS-B optimizer and ReLu function with L-BFGS-B optimizer are the best combinations. The logistic function with SGD optimizer, ReLu function with Adam optimizer and tanh function with Adam optimizer are the worst combinations according to their accuration values. The logistic function with SGD optimizer is the worst combination according to its F1 value. The logistic function with SGD optimizer and tanh function with L-BFGS-B optimizer are the worst combinations according to their precision values. The logistic function with SGD optimizer, ReLu function with Adam optimizer and tanh function with Adam optimizer are the worst combinations according to their recall values.
Keywords: activation function, covid-19; multi layer perceptron; optimizer algorithm
Abstrak: Diagnosa gejala yang dialami pasien dapat digunakan sebagai fitur dalam klasifikasi penderita Covid-19. Dengan multi layer perceptron, klasifikasi dilakukan menggunakan data set yang berisi hasil diagnosa pasien yang memiliki gejala Covid-19 dan selanjutnya diolah untuk melihat apakah memang pasien tersebut menderita Covid-19 atau tidak. Penelitian ini membandingkan fungsi aktivasi identity, logistic, ReLu dan tanh yang dikombinasikan dengan algoritma optimasi L-BFGS-B, SGD dan Adam. Hasil evaluasi cross validation menggunakan 5-fold dan 10-fold digunakan sebagai dasar menentukan kombinasi yang terbaik dan terburuk, dengan hasil yang menunjukkan bahwa kombinasi fungsi logistic dengan optimasi L-BFGS-B dan fungsi ReLu dengan optimasi L-BFGS-B merupakan kombinasi terbaik. Kombinasi fungsi logisctic dengan optimasi SGD, fungsi ReLu dengan optimasi Adam dan fungsi tanh dengan optimasi Adam merupakan yang terburuk dari nilai accuracy. Kombinasi fungsi logistic dan optimasi SGD merupakan kombinasi terburuk dari nilai F1. Kombinasi fungsi logistic dengan optimasi SGD dan fungsi tanh dan optimasi L-BFGS-B merupakan yang terburuk dari nilai precision. Kombinasi fungsi logisctic dengan optimasi SGD, fungsi ReLu dengan optimasi Adam dan fungsi tanh dengan optimasi Adam merupakan kombinasi terburuk dari nilai recall.
Kata kunci: algoritma optimasi; covid-19; fungsi optimasi; multi layer perceptron
Abstract:Abstract: The technique of multiclass classification based on SVMs has been widely used. SVM optimization will be accomplished by examining the extraction features of Principal Component Analysis (PCA), Box-Cox Transformation,…
ation, and Recursive Feature Elimination (RFE). The dataset contains 13,611 rows and 17 variables, generated from the UCI repository's multiclass dry bean data. Barbunya, Bombay, Cal, Dermas, Horoz, Seker, and Sira are just a few of the dry bean kinds available. The dataset was tested using SVM Linear kernel and SVM Radial Basis.According to the results, the combination of scale-center-BoxCox-SVM Radial extraction achieves the maximum accuracy of 93.16 percent and the shortest processing time of 6.10 minutes. 96.00 percent, 100 percent, 96.71 percent, 95.16 percent, 97.60 percent, 97.74 percent, and 91.95 percent, according to bean class.RFE-SVM Radial has a 91.18 percent accuracy and a processing time of 6.55 minutes. BoxCox outperforms conventional techniques in terms of prediction accuracy while requiring less training time.
Keywords: Bean, PCA, BoxCox, SVM, RFE
Abstrak: Klasifikasi Multikelas menggunakan SVM telah banyak digunakan. Pada penelitian ini akan diuji fitur ekstraksi Principal Component Analysis, Box Cox Transformation dan fitur eliminisi Recursive Feature Elimination untuk mendapatkan optimasi SVM. Dataset berasal dari data multikelas kacang kering UCI repository dengan jumlah 13.611 baris dan 17 variabel. Kelas kacang kering yakni : Barbunya, Bombay, Cal, Dermas, Horoz, Seker dan Sira. Dataset diuji menggunakan kernel SVM Linier dan SVM Radial Basis. Didapatkan hasil, bahwa kombinasi fitur ekstraksi : scale-center-BoxCox-SVM Radial memiliki akurasi terbaik yakni 93,16% dan waktu proses 6,10 menit. Klasifikasi berdasarkan kelas kacang berturut-turut 96,00%,100%, 96,71%, 95,16%, 97,60%, 97,74% dan 91,95%. RFE- SVM Radial hanya memberikan akurasi sebesar 91,18 % dengan waktu proses sebesar 6.55 menit. Penggunaan BoxCox dibandingkan dengan lainnya, memberikan hasil prediksi lebih baik dan namun tidak mempercepat waktu pelatihan.
Kata kunci: BoxCox; Kacang; PCA; RFE; SVM
Abstract:Penelitian ini bertujuan untuk menganalisis efisiensi biaya persediaan bahan baku menggunakan metode Economic Order Quantity (EOQ) pada CV Putra CS. Data dikumpulkan melalui wawancara, dokumentasi, dan observasi dengan metode…
etode analisis yang dipakai yaitu analisis komparatif. Hasil penelitian ini menunjukkan adanya penghematan biaya persediaan apabila metode Economic Order Quantity (EOQ) dipakai dalam perhitungan biaya persediaan CV Putra CS dimana untuk balken kotak sebesar Rp43.230.633,24, balken super sebesar Rp44.099.610,23, balken tebal daging sebesar Rp112.138.399,98, balken all grade sebesar Rp144.259.150,20 dan balken owol sebesar Rp95.448.715,14, sehingga keseluruhan penghematan biaya persediaan sebesar Rp439.176.508,79.