Abstract:Abstract: Artificial Intelligence (AI) is currently gaining popularity across various industries, including healthcare, finance, and others. In this study, AI technology is employed to devise an optimal marketing strategy…
y for Code Verse Computer Accessories Store using the K-Means algorithm. As part of machine learning, the K-Means algorithm, categorized under unsupervised learning, is implemented to cluster sales data for computer accessory products over the last three months of 2023. The results of the K-Means analysis identify two main clusters. Cluster one (Cluster 1) comprises products such as Mouse, Keyboard, Monitor, Headset, and Speaker, indicating consistent purchasing patterns and high consumer interest. Recommendations are made to increase stock for Cluster 1. Meanwhile, Cluster two (Cluster 2) consists of Mic products with lower interest, and it is not advisable to increase stock. The implementation of K-Means provides insights into purchasing patterns, enabling Code Verse to develop more effective marketing and inventory management strategies.
Keywords: K-Means algorithm; artificial intelligence; clustering
Abstract: Kecerdasan Buatan (AI) kini meraih popularitas dalam berbagai industri, termasuk sektor kesehatan, keuangan, dan lainnya. Pada penelitian ini, teknologi AI digunakan untuk merancang strategi pemasaran optimal bagi Toko Aksesoris Komputer CodeVerse dengan menggunakan Algoritma K-Means. Sebagai bagian dari machine learning, Algoritma K-Means, yang termasuk dalam kategori unsupervised learning, diimplementasikan untuk mengelompokkan data penjualan produk selama tiga bulan terakhir tahun 2023. Hasil dari analisis K-Means mengidentifikasi dua cluster utama. Cluster pertama (Cluster 1) terdiri dari produk Mouse, Keyboard, Monitor, Headset, dan Speaker, menunjukkan pola pembelian yang konsisten dan tingginya minat konsumen. Rekomendasi untuk menambah stok diberikan. Sementara itu, Cluster kedua (Cluster 2) terdiri dari produk Mic dengan minat lebih rendah, dan tidak disarankan untuk menambah stok. Implementasi K-Means memberikan wawasan tentang pola pembelian, memungkinkan CodeVerse mengembangkan strategi pemasaran dan manajemen persediaan yang lebih efektif.
Keywords: Algoritma k-means; kecerdasan buatan; clustering
Abstract:Abstract: For all people in the world, the application of information and communication technology has become something that is used in everyday life. All information can be accessed easily using current developments in…
various technologies. The process of searching for various information on the internet has become a habit of today's society. One of the information that people often seek is about health. Several available online health consultation service applications provide considerable benefits for all users. One method used for the UI and UX design process is design thinking. The average user of the application is 18-35 years old. The user interface provided in this application is not yet user friendly, especially for the elderly. User interface (UI) and user experience (UX) are important so that users feel comfortable when using an application.
Keywords: information technology; consulting application; UI/UX; design thinking
Abstract: Bagi seluruh masyarakat di dunia, penerapan teknologi informasi dan komunikasi menjadi hal yang sudah digunakan dalam kehidupan sehari-hari. Seluruh informasi dapat diakses dengan mudah menggunakan perkembangan berbagai macam teknologi saat ini. Proses mencari berbagai informasi di internet sudah menjadi kebiasaan masyarakat saat ini. Salah satu informasi yang sering dicari oleh masyarakat yaitu tentang kesehatan. Beberapa aplikasi layanan konsultasi kesehatan online yang tersedia memberikan manfaat yang cukup besar bagi seluruh pengguna. Salah satu metode yang digunakan untuk proses desain UI dan UX adalah design thinking. Pengguna aplikasi tersebut rata-rata berusia 18-35 tahun. Tampilan user interface yang disediakan pada aplikasi tersebut belum bersifat user friendly, terutama bagi kalanagn lansia. User interface (UI) dan user experience (UX) menjadi hal penting supaya pengguna merasakan kenyamanan pada saat menggunakan sebuah aplikasi.
Keywords: teknologi informasi; aplikasi konsultasi; UI/UX; design thinking
Abstract:Abstract: Halodoc is an ICT that supports access to health service facilities, with various facilities such as consultations with doctors, purchasing medicines, making appointments with hospitals, as well as several other…
r health support facilities. This research is based on calculations using the Customer Satisfaction Index (CSI) method to determine the overall level of customer satisfaction with an approach that considers the level of importance of product or service attributes as measured by an importance scale (Importance), a satisfaction/performance level scale (Performance) and the question indicators include usability, information quality, interaction quality, then the satisfaction level criteria are obtained with a CSI value of 61.29%, meaning that the patient gives the criteria as being quite satisfied with Halodoc services. Keywords: CSI, halodoc, patient
Abstrak: Halodoc merupakan TIK yang mendukung akses fasilitas pelayanan kesehatan, dengan berbagai fasilitas yang dimiliki seperti konsultasi dengan dokter, pembelian obat, buat janji dengan rumah sakit, serta beberapa fasilitas pendukung kesehatan lainnya. Penelitian ini berdasarkan perhitungan menggunakan metode Customer Satisfaction Index (CSI) untuk menentukan tingkat kepuasan pelanggan secara menyeluruh dengan pendekatan yang mempertimbangkan tingkat kepentingan dari atribut-atribut produk atau jasa yang diukur dengan skala tingkat kepentingan (Importance), skala tingkat kepuasan/kinerja (Performance) dan indikator pertanyaan meliputi usability, information quality, interaction quality maka diperoleh kriteria tingkat kepuasan dengan nilai CSI 61.29% artinya bahwa pasien memberikan kriteria cukup puas terhadap layanan Halodoc.
Kata kunci: CSI, halodoc, pasien
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 habit of smoking is dangerous because of the addictive substances that make cigarettes addictive. Its addictive nature poses a significant risk, affecting personality with stress, depression and nervous disorders.…
orders. Body factors that indicate smoking include blood sugar levels, dental caries, and hemoglobin. To address this, research has been conducted with focused efforts to understand and address the risks associated with smoking and its impact on overall health. This research aims to choose the best method for predicting smokers by using feature selection techniques. The feature selection algorithms uses for that are Analysis of Variance (ANOVA), Recursive Feature Elimination (RFE), and Genetic Algorithm (GA) to select optimal attributes and uses the k-fold cross validation technique as the validation of the Artificial Neural Network algorithm. The data includes various parameters such as age, height, weight, vision, blood pressure, cholesterol, triglycerides, hemoglobin, AST, ALT, GTP, gender, dental caries and tartar. Hearing ability, urine protein content, and tartar were selected. The results showed that using the Analysis of Variance method showed higher accuracy (77.101%) compared to the Genetic Algorithm method (74.64%) and the Recursive Feature Elimination method (76.08%). Selection of relevant attributes increases the predictions and insights of the Artificial Neural Network model about the effects of smoking on health.
Keywords: artificial neural network; analysis of variance; genetic algorithm; recursive feature elimination; smoker prediction
Abstrak: Kebiasaan merokok berbahaya karena adanya zat adiktif yang membuat rokok menjadi ketagihan. Sifatnya yang membuat ketagihan menimbulkan risiko yang signifikan, mempengaruhi kepribadian dengan stres, depresi, dan gangguan saraf. Faktor tubuh yang mengindikasikan kebiasaan merokok antara lain kadar gula darah, karies gigi, dan hemoglobin. Untuk mengatasi hal ini, penelitian telah dilakukan dengan upaya terfokus untuk memahami dan mengatasi risiko yang terkait dengan merokok dan dampaknya terhadap kesehatan secara keseluruhan. Penelitian ini bertujuan untuk memilih metode terbaik dalam memprediksi perokok dengan menggunakan teknik seleksi fitur. Metode seleksi fitur yang digunakan adalah Analysis of Variance (ANOVA), Recursive Feature Elimination (RFE), dan Genetic Algorithm (GA) untuk memilih atribut yang optimal dan menggunakan teknik k-fold cross validation sebagai validasi algoritma Artificial Neural Network. Data tersebut mencakup berbagai parameter seperti umur, tinggi badan, berat badan, penglihatan, tekanan darah, kolesterol, trigliserida, hemoglobin, AST, ALT, GTP, jenis kelamin, karies gigi dan karang gigi. Kemampuan pendengaran, kandungan protein urin, dan karang gigi dipilih. Hasil penelitian menunjukkan bahwa penggunaan metode Analysis of Variance menunjukkan akurasi yang lebih tinggi (77,101%) dibandingkan dengan metode Genetic Algorithm (74,64%) dan metode Recursive Feature Elimination (76,08%). Pemilihan atribut yang relevan meningkatkan prediksi dan wawasan model Jaringan Syaraf Tiruan tentang dampak merokok terhadap kesehatan.
Kata kunci: artificial neural network; analysis of variance; genetic algorithm; prediksi perokok; recursive feature elimination
Abstract:Abstract : In Semester 6 students are required to choose mainstream elective courses at the STMIK Royal campus. In this study, researchers chose 2 mainstraim elective courses, namely Logic and Programming, and Database and…
nd Information Management. The purpose of choosing this elective course is for students to focus more on their majors. The process of selecting the data, researchers carry out an analysis process of student learning outcomes. This research data is semester 1 to semester 5 grades. All data on the value of student learning outcomes are divided into 2 parts, namely theory and practice and divided into the number of courses. For many uses, a data mining method using K-means cluster is needed. K-Means Clustering is a data analysis method or Data Mining method that performs an unsupervised learning modeling process and uses methods that group data from various partitions. The results of the k means clutering grouping with 2 clusters, namely cluster 0 of the mainstream group of logic and programming courses with a total of 28 students, and cluster 1 of the mainstream group of informatics database and management courses with a total of 72 students with a total of 100 students.
Keywords: data; K-means; student
Abstrak : Mahasiswa semester 6 diwajibkan memilih mainstream matakuliah pilihan yang ada di kampus STMIK Royal. Pada penelitian ini, peneliti memilih 2 mainstraim matakuliah pilihan yaitu Logika dan Pemprograman, serta Basis Data dan Manajemen Informatika. Tujuan pemilihan matakuliah pilihan ini adalah agar mahasiswa lebih terfokus pada jurusannya. Proses pemilihan datanya, peneliti melakukan proses analisa dari hasil belajar mahasiswa. Data penelitian ini nilai semester 1 sampai semester 5. Seluruh data nilai hasil belajar mahasiswa dibagi menjadi 2 bagian yaitu teori dan praktek serta dibagi jumlah banyaknya matakuliah. untuk penggunaan yang banyak, maka dperlukan metode data mining dengan menggunakan k-means cluster. K-Means Clustering adalah metode analisis data atau metode Data Mining yang melakukan proses pemodelan pembelajaran tanpa pengawasan dan menggunakan metode yang mengelompokkan data dari berbagai partisi. Hasil pengelompokan k means clutering dengan 2 cluster yaitu cluster 0 kelompok mainstream matakuliah logika dan pemprograman dengan jumlah mahasiswa 28 orang, dan cluster 1 kelompok mainstream matakuliah basis data dan manajemen informatika dengan jumlah mahasiswa 72 orang dengan total keseluruhan 100 mahasiswa.
Keyword : data; K-means; mahasiswa;
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: The use of intravenous infusion sets has greatly increased, but there are some problemscaused by various causes, namely negligence by nurses, lack ofsupervision by the patient's family and from the actions of the…
he patient who caninterfere with the infusion system. The urgency expected to be madeone of the effective and efficient solutions in the automation system for detecting the volume of infusion water and this innovation is expected to help nurses in monitoring intravenous fluid replacement, reducing the risk of delays in replacing intravenous fluids for patients and the public to know the system is running out of infusion water with the sound of an alarm/buzzer. The purpose of this study was to design an infusion control device by detecting the volume of infusion water based on the weight of the infusion using a Wireless Sensor Network. The Wireless Sensor Network used by the load cell sensor functions to detect the weight value of the infusion water in the infusion bag. The buzzer becomes an indicator indicating that the infusion bag is ready to be replaced and also through the Stuffing Machine the Internet of Things will inform the nurse via the Telegram application to inform that the infusion bag is worth replacing. So that nurses can monitor the process of detecting the volume of infused water remotely. Keywords: Arduino, Blind Detector, Indicator system, Prototype
Abstrak: Penggunaan infus set intravena sangat meningkat, namun ada beberapa masalah
yang disebabkan oleh berbagai penyebab yaitu kelalaian oleh perawat, kurangnya
pengawasan oleh keluarga pasien dan dari tindakan pasien yang dapat
menghambat sistem kerja pada infus. Urgensi yang diharapkan agar dapat dijadikan
salah satu solusi yang efektif dan efisien dalam sistem otomatisasi pendeteksian volume air infus dan inovasi ini diharapkan bisa membantu perawat dalam pemantauan penggantian cairan intravena, mengurangi resiko keterlambatan penggantian cairan intravena bagi pasien dan masyarakatpun mengetahui sistem habisnya air infus dengan bunyinya alarm/buzzer. Tujuan penelitian ini menghasilkan rancangan alat pengontrolan infus dengan cara mendeteksi volume air infus berdasarkan berat dari air infus dengan menggunakan Wireless Sensor Network. Wireless Sensor Network yang digunakan sensor load cell berfungsi untuk mendeteksi nilai berat air infus yang ada pada kantung infus. Buzzer menjadi sebuah indikator yang menandakan bahwa kantung airinfus sudah layak diganti dan juga melalui Stuffing Machine Internet Of Things akan menginformasikan ke perawat melalui aplikasi Telegram menginformasikan kantung air infus sudah layak diganti. Sehingga perawat dapat memonitoring proses pendeteksi volume air infus dari jarak jauh..
Kata kunci: Infused Water; Load Cells; Prototypes; Stuffing Machine Internet Of Things; Volume
Abstract:Abstract: Decision support systems (DSS) have become an important tool in various fields, including the selection of fish seeds. Selecting the right fish seeds is a crucial step in successful fish farming. In this context,…
t, the Weight Sum Model (WSM) method can be used as an approach in decision making. This research aims to develop a Decision Support System for selecting fish seeds using the Weight Sum Model (WSM) method. This method allows a systematic assessment of various criteria that are relevant in selecting fish seeds. The first step in this research is to identify the criteria that will be evaluated in selecting fish seeds. Each fish seed is assessed based on each criterion using the appropriate scale. In the WSM method, the values given to each criterion are multiplied by the weight of the corresponding criterion, and the results are added up for each fish seed. The fish seeds that have the highest number will be considered the best choice based on predetermined evaluation criteria. This Decision Support System can help fish farming farmers in making more informative and data-based decisions in selecting fish seeds that suit their needs.
Keywords: Decision Support Systems, Fish Seeds, Criteria, Weight Sum Model (WSM), Fish Cultivation.
Abstract: Sistem pendukung keputusan (SPK) telah menjadi alat penting dalam berbagai bidang, termasuk dalam pemilihan bibit ikan. Memilih bibit ikan yang tepat merupakan langkah krusial dalam budidaya ikan yang sukses. Dalam konteks ini, metode Weight Sum Model (WSM) dapat digunakan sebagai pendekatan dalam pengambilan keputusan. Penelitian ini bertujuan untuk mengembangkan Sistem Pendukung Keputusan untuk pemilihan bibit ikan menggunakan metode Weight Sum Model (WSM). Metode ini memungkinkan penilaian yang sistematis terhadap berbagai kriteria yang relevan dalam memilih bibit ikan. Langkah pertama dalam penelitian ini adalah mengidentifikasi kriteria-kriteria yang akan dievaluasi dalam pemilihan bibit ikan. Setiap bibit ikan dinilai berdasarkan setiap kriteria menggunakan skala yang sesuai. Dalam metode WSM, nilai-nilai diberikan pada setiap kriteria akan dikalikan dengan bobot kriteria terkait, dan hasilnya dijumlahkan untuk setiap bibit ikan. Bibit ikan yang memiliki jumlah tertinggi akan dianggap sebagai pilihan terbaik berdasarkan evaluasi kriteria yang telah ditentukan. Sistem Pendukung Keputusan ini dapat membantu para petani budidaya ikan dalam mengambil keputusan yang lebih informatif dan berdasarkan data dalam memilih bibit ikan yang sesuai dengan kebutuhan.
Kata kunci: Sistem Pendukung Keputusan, Bibit Ikan, Kriteria, Weight Sum Model (WSM), Budidaya Ikan.
Abstract:Abstract: Twitter, as a social media platform, has rapidly grown as a means for people to express their opinions and thoughts on various topics, including education. The number of Twitter users surged to 10.645.000 in 2020,…
20, with a significant increase during the pandemic. Telkom University, as a private institution of higher education in Indonesia, has become one of the topics of discussion on Twitter. Users’ opinions about Telkom University vary, ranging from positive to negative. To gain deeper insights into public view, sentiment analysis is essential. The analysis follows the Knowledge Discovery in Databases (KDD) process, utilizing the Naive Bayes classification algorithm. The evaluation results indicate the best accuracy achieved with an 80:20 data split, resulting in an accuracy rate of 82.05%, precision of 82.3%, recall of 82.05%, and F1-Score of 82.08%. The Naïve Bayes model demonstrates good performance for sentiment analysis of public views regarding Telkom University on Twitter.
Keywords: naïve bayes; sentiment analysis; twitter; telkom university.
Abstrak: Media sosial Twitter berkembang pesat sebagai sarana masyarakat berekspresi untuk menuangkan opini dan pikiran mereka mengenai topik apapun, termasuk pendidikan. Pengguna Twitter meningkat tajam hingga 10.645.00 pengguna pada tahun 2020 dan terus meningkat selama pandemi. Telkom University sebagai perguruan tinggi menjadi salah satu topik yang dibicarakan yang berkaitan dengan pendidikan. Pendapat mengenai Telkom University yang diungkapkan oleh pengguna Twitter beragam, baik positif maupun negatif. Analisis sentimen diperlukan untuk memahami pandangan publik lebih mendalam. Digunakan tahapan Knowledge Discovery in Databases dan algoritma klasifikasi Naïve Bayes dalam analisis ini. Hasil evaluasi menunjukkan akurasi paling baik dicapai dengan rasio data 80:20, dengan nilai akurasi sebesar 82.05%, nilai presisi sebesar 82.3%, nilai recall sebesar 82.05%, dan nilai F1-Score sebesar 82.08%. Model klasifikasi Naïve Bayes memiliki performa baik untuk analisis sentimen pandangan publik di Twitter mengenai Telkom University.
Kata kunci: analisis sentimen; naïve bayes; twitter; telkom university.