Abstract:Abstract: Used motorbikes are motorized vehicles that are used by many people in various cicles. For someone who is a prospective buyer of a used motorbike, before coming to the place of puchase they have several choices…
based on several criteria that have been determined according to the used motorbike they want to buy. A problem that often occurs for prospective buyers is the difficulty in determination which used motorbike is superior from several choices based on predetermined criteria. This results in potential buyers feeling confused in making their choice. The difficulty in determining used motorbikes is the reason this research was conducted. In this case, the decision support system will be used as a tool in providing superior used motorbike choices for potential buyers. The method offered in this research is to use a combination of the CoCoSo and SAW algorithms. The criteria for determination a used motorbike consist of 8 criteria namely mileage, price, brand, accessories, tire condition, body condition, engine condition and completeness of documents. In the results of this decision support system research, ranking results using a combination of CoCoSo and SAW methods show that the red Suzuki F1 alternative (A39) is ranked with the highest score.
Keywords: combined compromise solution; decision support system; simple additive weighting
Abstrak: Sepeda motor bekas merupakan kendaraan bermotor yang digunakan oleh sebagian banyak masyarakat dalam berbagai kalangan. Bagi seseorang calon pembeli sepeda motor bekas, sebelum datang ke tempat pembelian mereka memiliki beberapa ketentuan pilihan yang berdasarkan pada beberapa kriteria yang telah ditentukan sesuai dengan sepeda motor bekas yang ingin dibeli. Permasalahan yang sering kali terjadi bagi calon pembeli ialah kesulitan dalam menentukan sepeda motor bekas mana yang unggul dari beberapa alternatif pilihan berdasarkan kriteria yang telah ditentukan sebelumnya. Hal ini mengakibatkan, calon pembeli merasa kebingungan dalam menentukan pilihannya. Kesulitan dalam penentuan sepeda motor bekas tersebut menjadi alasan penelitian ini dilakukan. Dalam hal ini sistem pendukung keputusan akan digunakan sebagai alat bantu dalam memberikan pilihan sepeda motor bekas yang unggul bagi calon pembeli. Metode yang ditawarkan dalam penelitian ini yaitu dengan menggunakan kombinasi algoritma CoCoSo dan SAW. Kriteria-kriteria dalam penentuan sepeda motor bekas terdiri dari 8 kriteria yaitu jarak tempuh, harga, merek, aksesoris, kondisi ban, kondisi body, kondisi mesin dan kelengkapan surat. Dalam hasil penelitian sistem pendukung keputusan ini, memberikan hasil perangkingan dengan kombinasi metode CoCoSo dan SAW menunjukkan bahwa alternatif Suzuki F1 merah (A39) adalah peringkat dengan nilai tertinggi.
Kata kunci : combined compromise solution; simple additive weighting; sistem pendukung keputusan
Abstract:Abstract: Recognizing one's interests and talents early on is crucial in guiding an individual toward a prosperous future. While distinct, interests and talents share a close relationship. Interest denotes a genuine attraction…
action to something without external pressure, and when consistently nurtured, it evolves into a skill or talent. Machine learning, specifically utilizing the SVM algorithm with the RBF kernel, can be applied to categorize interests and talents. Prior to SVM modeling, conducting Exploratory Data Analysis (EDA) is imperative for scrutinizing interests and talents. This analysis facilitates the identification of variables, enabling the elimination of missing values and ensuring the selection of appropriate interest and talent variables. The primary objective is to achieve optimal accuracy in modeling the classification of interests and talents. The insights gained from this research contribute to the creation of an application designed for categorizing interests and talents within SDN XYZ school. This application is designed for student use, assisting them in making informed decisions about their future education and career paths
Keywords: exploratory data analysis; interests and talents; machine learning; SVM Algorithm
Abstrak: Mengenali minat dan bakat seseorang sejak dini sangat penting dalam membimbing individu menuju masa depan yang sukses. Meskipun berbeda, minat dan bakat memiliki hubungan yang erat. Minat mengindikasikan ketertarikan yang tulus terhadap sesuatu tanpa tekanan eksternal, dan ketika terus-menerus dibina, berkembang menjadi keterampilan atau bakat. Pembelajaran mesin, khususnya dengan menggunakan algoritma SVM dan kernel RBF, dapat digunakan untuk mengelompokkan minat dan bakat. Sebelum pemodelan SVM, melakukan Analisis Data Eksploratif (EDA) sangat penting untuk mengkaji minat dan bakat. Analisis ini memfasilitasi identifikasi variabel, memungkinkan penghilangan nilai yang hilang, dan memastikan pemilihan variabel minat dan bakat yang tepat. Tujuan utamanya adalah mencapai akurasi optimal dalam pemodelan klasifikasi minat dan bakat. Temuan dari penelitian ini berkontribusi pada pengembangan aplikasi yang ditujukan untuk mengkategorikan minat dan bakat di sekolah SDN XYZ. Aplikasi ini dirancang untuk digunakan oleh siswa, membantu mereka membuat keputusan yang terinformasi mengenai pendidikan dan karier masa depan mereka.
Kata kunci: Algoritma SVM; exploratory data analysis; machine learning; minat dan bakat
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 : Air conditioner is an important component in a room nowadays. Due to its function as a regulator of air circulation in a room that was previously hot and stuffy, it becomes cool and comfortable. STMIK Royal Kisaran…
saran which is one of the tertiary institutions in the field of computers which has lots of air conditioners in each room, both in the theory room and in the laboratory room. Where the control and monitoring is still done manually, namely through a switch or remote control . This becomes a problem that arises when there is negligence in extinguishing it or in the ignition process. So we need a system that can turn on the air conditioner in every theoretical room or laboratory room remotely. So that the work feels lighter and more effective. In designing this control system, a NodeMCU ESP8266 module is used, which acts as the brain of the remote control system and with a DHT11 temperature sensor that can monitor room temperature. The IR Transmitter sensor acts as a connecting medium between the NodeMCU ESP8266 module and the Air Conditioner engine to regulate the temperature. So that in this way, this control system can make it easier for officers to control the Air Conditioner in the STMIK Royal campus room.
Keywords : air conditioners; dht11; internet of things; nodeMCU esp8266.
Abstrak: Air conditioner merupakan sebuah komponen penting pada suatu ruang di jaman sekarang ini. Dikarenakan fungsinya sebagai pengatur sirkulasi udara di dalam ruangan yang sebelumnya panas dan pengap menjadi sejuk dan nyaman. STMIK Royal Kisaran yang merupakan salah satu perguruan tinggi dibidang komputer yang memiliki banyak sekali air conditioner di setiap ruangannya, baik pada ruang teori serta diruang laboratorium. Di mana pada pengontrolan dan pemantauannya masih secara manual, yaitu melalui sakelar atau remot kontrol. Hal ini menjadi satu persoalan yang timbul ketika terjadi kelalaian dalam memadamkannya ataupun dalam proses penyalaannya. Sehingga dibutuhkan sebuah sistem yang dapat menyalakan air conditioner di setiap ruang teori maupun ruang laboratorium dengan jarak jauh. Sehingga pekerjaan tersebut teras lebih ringan dan efektif. Dalam perancangan sistem kendali ini digunakan sebuah modul NodeMCU ESP8266, yang berperan sebagai otak dari sistem pengendalian secara jarak jauh dan dengan sensor suhu DHT11 yang dapat memantau temperatur suhu ruangan. Sensor IR Transmitter sebagai media penghubung antara modul NodeMCU ESP8266 ke mesin Air Conditioner untuk mengatur temperatur suhu. Sehingga dengan demikian, sistem kendali ini dapat mempermudah petugas dalam mengontrol Air Conditioner di ruangan kampus STMIK Royal.
Kata kunci : air conditioner; dht11; internet of things; nodeMCU esp8266.
Abstract:Abstract: Technology plays an important role in trading business management. The sales application is a system that performs data processing and financial transactions that are equipped with integrated management such as…
sales transaction processes such as cash registers and inventory calculations or stock items. the role of this goods sales application can simplify the operational form they need and be able to increase their work effectiveness. The main objective of software procurement is to replace manual operations with technology, which is able to make the business survive in the midst of business competition and be able to develop according to expectations. Rudi Sparepart Store is a motorcycle spare parts sales store located in Sei Kamah Baru, Sei Dadap District which is engaged in sales, especially motorcycle spare parts and all motorcycle accessories. By implementing a sales application at the Rudi Spare Parts Store, it can help the shop admin process sales transactions for motorbike spare parts and reports can be generated quickly.
Keywords: application; sales ; spare parts
Abstrak: Teknologi memegang peranan penting dalam manajemen bisnis perdagangan. Aplikasi penjualan merupakan suatu sistem yang melakukan pengolahan data serta transaksi keuangan yang dilengkapi dengan manajemen terintegrasi seperti proses transaksi penjualan seperti mesin kasir dan perhitungan inventory atau stok barang. peran aplikasi penjualan barang ini dapat mempermudah bentuk operasional yang mereka butuhkan dan mampu meningkatkan efektivitas kerja mereka. Tujuan utama pengadaan perangkat lunak adalah untuk menggantikan operasi manual dengan teknologi, yang mampu membuat bisnis bertahan di tengah persaingan bisnis dan mampu berkembang sesuai harapan. Rudi Sparepart Store merupakan toko penjualan sparepart sepeda motor yang berlokasi di Sei Kamah Baru , Kecamatan Sei Dadap yang bergerak di bidang penjualan khususnya spare part sepeda motor dan segala aksesoris sepeda motor. Dengan mengimplementasikan aplikasi penjualan di Toko Sparepart Rudi dapat membantu admin toko dalam memproses transaksi penjualan spare part motor dan laporan dapat dihasilkan dengan cepat.
Kata kunci: aplikasi; penjualan ; suku cadang
Abstract:Abstract: Toko IBIL Asahan is a retail business engaged in selling children's and adult clothing. Customer retention and marketing tactics are vital for corporate success. Especially for retail enterprises like the Ibil…
Asahan Store, it's critical to consistently create novel strategies to draw in new clients and keep existing ones. This research aims to design a web-based new customer acquisition and points program to increase buying interest and customer loyalty at IBIL Asahan stores. The research method used is a case study, which involves collecting data from primary and secondary sources. Primary data were obtained through direct observation at Toko IBIL Asahan and interviews with store management. The results of this study resulted in the design of a point program integrated with the web application to provide incentives to customers to shop regularly at Toko IBIL Asahan. This points program will give customers points every time they make a purchase, and these points can be redeemed for gifts or discounts in the future. In addition, new customer acquisition strategies are also proposed, including marketing through social media, promotional campaigns, and collaboration with local partners. This web application also provides information about point programs, special offers, and other features that can interest customers. In addition, the installation of point machines in stores will also be carried out to make it easier for customers to collect points and exchange them.
Keywords: Cashier Application; database; member; point; pos
Abstrak: Toko IBIL Asahan adalah sebuah usaha retail yang bergerak di bidang penjualan pakaian anak-anak dan dewasa. Strategi pemasaran dan retensi pelanggan menjadi faktor penting bagi keberhasilan bisnis. Terutama bagi bisnis ritel seperti Toko Ibil Asahan, penting untuk terus mengembangkan cara-cara baru untuk menarik pelanggan baru dan mempertahankan pelanggan yang sudah ada. Penelitian ini bertujuan untuk perancangan program poin dan akuisisi pelanggan baru berbasis web untuk meningkatkan minat beli dan loyalitas pelanggan pada toko IBIL Asahan. Metode penelitian yang digunakan adalah studi kasus, yang melibatkan pengumpulan data dari sumber primer dan sekunder. Data primer diperoleh melalui observasi langsung di toko IBIL Asahan dan wawancara dengan manajemen toko. Hasil penelitian ini menghasilkan perancangan program poin yang terintegrasi dengan aplikasi web untuk memberikan insentif kepada pelanggan untuk berbelanja secara teratur di Toko IBIL Asahan. Program poin ini akan memberikan poin kepada pelanggan setiap kali mereka melakukan pembelian, dan poin-poin ini dapat ditukarkan dengan hadiah atau diskon di masa mendatang. Selain itu, strategi akuisisi pelanggan baru juga diusulkan, termasuk pemasaran melalui media sosial, kampanye promosi, dan kolaborasi dengan mitra lokal. Aplikasi web ini juga menyediakan informasi tentang program poin, penawaran spesial, dan fitur-fitur lain yang dapat menarik minat pelanggan. Selain itu, pemasangan mesin poin di toko juga akan dilakukan untuk memudahkan pelanggan dalam mengumpulkan poin dan menukarkannya.
Kata kunci: aplikasi kasir; database; member; poin; pos
Abstract:Abstract: Generating caption image automatically is one of the challenges in computer vision. This field can be very helpful in many ways, for example search engines. Currently there are many image classification algorithms…
hms that we can use to create a caption image model. In this article, we will compare performance between the Resnet50 and InceptionV3 models for text images. We will use 2000 (1800 train & 200 validation) image data and each image has 5 example captions to train the model. After the model is successfully created, we evaluate the model using 100 images and each image has 5 examples of additional captions that are not used in the training and validation process. The result of this research is that the InceptionV3 model is better than Resnet50. BLEU-1 is 0.53, BLEU-2 is 0.35, BLEU-3 is 0.18, BLEU-4 is 0.09, and METEOR is 0.35 for InceptionV3 model. While Resnet50 model has a value of BLEU-1 is 0.51, BLEU-2 is 0.31, BLEU-3 is 0.16, BLEU-4 is 0.06, and METEOR is 0.33.
Keywords: caption image; inceptionv3; LSTM; resnet50
Abstrak: Membuat gambar teks secara otomatis adalah salah satu tantangan dalam computer vision. Bidang ini bisa sangat membantu dalam banyak hal, misalnya mesin pencari. Saat ini banyak sekali algoritma klasifikasi citra yang dapat kita gunakan untuk membuat model teks citra. Pada artikel ini, kami akan membandingkan performa antara model Resnet50 dan InceptionV3 untuk gambar teks. Kami akan menggunakan 2000 (1800 train & 200 validation) data gambar dan setiap gambar memiliki 5 contoh caption untuk melatih model. Setelah model berhasil dibuat, kami mengevaluasi model menggunakan 100 gambar dan setiap gambar memiliki 5 contoh caption tambahan yang tidak digunakan dalam proses training dan validation. Hasil dari penelitian ini adalah model InceptionV3 lebih baik dibandingkan dengan Resnet50. BLEU-1 0.53, BLEU-2 0.35, BLEU-3 0.18, BLEU-4 0.09, dan METEOR 0.35 untuk model InceptionV3. Sedangkan model Resnet50 memiliki nilai BLEU-1 0.51, BLEU-2 0.31, BLEU-3 0.16, BLEU-4 0.06, dan METEOR 0.33.
Kata kunci: caption image; inceptionv3; LSTM; resnet50
Abstract:Abstract: A research institute explains that with 83.7 million people using the Internet, Indonesia is among the top 20 internet users globally. Various individual or group activities require an internet network, one of…
which is playing games, for developments in the gaming sector, especially the MOBA (Massive Online Battle Arena) genre game, is being hotly discussed. There are various kinds of MOBA genre games, one of which is the Mobile Legends game. Many E-Sport Mobile Legends teams, especially in Asia, make this phenomenon a business space to generate large profits. In this study, the researcher recommends a good machine learning algorithm to predict the outcome of Mobile Legends matches. Of the 600 match history data analyzed, this study recommends the Artificial Neural Network (ANN) and Random Forest (RF) algorithms as the right algorithms to predict the outcome of the match. Prediction results from each algorithm can reach 82% and 80% accuracy. These findings can help the E-sports analysis team build their match strategy.
Keywords: artificial neural networ; machine learning; mobile legend; prediction; random forest
Abstrak: Sebuah lembaga penelitian menjelaskan bahwa dengan 83,7 juta penduduk yang menggunakan Internet, Indonesia termasuk di dalam 20 besar pengguna internet secara global. Berbagai aktivitas individu atau kelompok membutuhkan jaringan internet, salah satunya adalah bermain game, untuk perkembangan pada sektor game khususnya game bergenre MOBA (Massive Online Battle Arena) sedang hangat diperbincangkan. Ada berbagai macam game bergenre MOBA, salah satunya game Mobile Legends. Banyak tim E-Sport Mobile Legends khususnya di asia menjadikan fenomena ini sebagai ruang bisnis untuk menghasilkan keuntungnya yang besar. Dalam penelitian ini, peneliti merekomendasikan algoritma pembelajaran mesin yang baik untuk memprediksi hasil pertandingan Mobile Legends. Dari 600 data riwayat pertandingan yang dianalisis, penelitian ini merekomendasikan algoritma Artificial Neural Network (ANN) dan Random Forest (RF) sebagai algoritma yang tepat untuk memprediksi hasil pertandingan. Hasil prediksi dari masing-masing algoritma dapat mencapai 82% dan akurasi 80%. Temuan ini dapat membantu tim analisis E-sports membangun strategi pertandingan mereka.
Kata kunci: artificial neural network; machine learning; mobile legend; prediksi; random forest
Abstract:Abstract: l -The field of computer vision is research in development technology to obtain information from images and replicate or imitate human visual processes, so that they can understand the objects around them. Deep…
learning is a term used to describe a new era in learning that supports computer learning from big data machines. Convolutional Neural Networks (CNN) algorithms have made significant progress in the fields of object detection, image classification, and semantic segmentation. ;Object detection is a technique used to identify the type of object in a given image and the location of the object in the image. The field of computer vision is research in development technology to obtain information from images and replicate or imitate human visual processes, so that computers can know objects around them. Deep learning is the buzzword as a new era in machine learning that trains computers to find patterns from large amounts of data. Convolutional Neural Networks (CNN) algorithms have made significant progress in the fields of object detection, image classification, and semantic segmentation. Object detection is a technique used to identify the type of object in a particular image as well as the location of the object in the image.
Keywords: CNN, Computer Vision, Deep Learning, Face Detection;
Abstrak: 1 Bidang computer vision merupakan penelitian dalam teknologi pembangunan untuk memperoleh informasi dari citra dan mereplikasi atau meniru proses visual manusia, sehingga dapat memahami objek - objek disekelilingnya. Pembelajaran mendalam adalah istilah yang digunakan untuk menggambarkan era baru dalam pembelajaran mesin yang memungkinkan komputer belajar dari sejumlah besar data. [Algoritma Convolutional Neural Networks (CNN) telah membuat kemajuan yang signifikan di bidang deteksi objek, klasifikasi gambar, dan segmentasi semantik. Deteksi objek adalah teknik yang digunakan untuk mengidentifikasi jenis objek dalam citra yang diberikan serta lokasi objek di dalam citra. Bidang computer vision merupakan penelitian dalam teknologi pembangunan untuk memperoleh informasi dari citra dan mereplikasi atau meniru proses visual manusia, sehingga komputer dapat mengetahui objek - objek disekelilingnya. Deep learning adalah kata kunci sebagai era baru dalam machine learning yang melatih komputer dalam menemukan pola dari jumlah besar data. Algoritma Convolutional Neural Networks (CNN) telah membuat kemajuan yang signifikan di bidang deteksi objek, klasifikasi gambar, dan segmentasi semantik. /Deteksi objek adalah teknik yang digunakan untuk mengidentifikasi jenis objek dalam citra tertentu serta lokasi objek di dalam citra.
Kata kunci: CNN, Computer Vision, Deep Learning, Deteksi Wajah
Abstract:Abstract: Question classification is a computer science system, which aims to analyze questions and can label each question based on existing categories. Questions can be collected from several materials or topics that are…
re many and different. Therefore, the researcher intends to create a classification system for quiz questions Data Warehouse and Business Intelligence which can be grouped into topics Data Warehouse, Business Intelligence, Data Analytics, and Performance Measurement. One way to solve this problem is by approach machine learning. In this study, researchers used a comparison of machine learning algorithms, namely the algorithm NaïveBayes and SupportVectorMachine using SMOTE and methods Cross-Validation The results of this study show the best accuracy results and are very helpful. The results obtained in the method cross-validation before SMOTE resulted in an accuracy rate of 82.02% for the results after going through the SMOTE stage of 94.79% on the algorithm Naïve Bayes, while the algorithm SupportVectorMachine get accuracy of 81.39% in the process before SMOTE for the results after going through SMOTE of 96.52%.
Keywords: Cross-Validation; Machine Learning; Naive Bayes; Support Vector Machine; Question Classification
Abstrak: Klasifikasi pertanyaan merupakan sebuah sistem ilmu komputer, yang bertujuan untuk menganalisis pertanyaan serta dapat memberi label pada setiap pertanyaan berdasarkan kategori yang ada. Pertanyaan soal dapat dikumpulkan dari beberapa materi atau topik yang banyak dan berbeda. Oleh karena itu, bermaksud untuk membuat sistem klasifikasi pertanyaan soal kuis Data Warehouse dan Business Intelligence yang dapat dikelompokkan menjadi topik Data Warehouse, Business Intelligence, Data Analitik, dan Pengukuran Kinerja. Cara yang dapat dilakukan untuk permasalahan ini dengan menggunakan pendekatan MachineLearning. Pada penelitian kali ini menggunakan perbandingan algoritma MachineLearning yaitu algoritma NaïveBayes dan SupportVectorMachine menggunakan metode SMOTE dan Cross-Validation. Hasil penelitian ini menunjukkan hasil akurasi yang terbaik dan sangat membantu. Hasil yang diperoleh pada metode cross-validation sebelum SMOTE menghasilkan tingkat akurasi sebesar 82.02% untuk hasil sesudah melalui tahap SMOTE sebesar 94.79 % pada algoritma Naïve Bayes, sedangkan pada algoritma Support Vector Machine menghasilkan akurasi sebesar pada proses sebelum SMOTE 81.39% untuk hasil sesudah melalui SMOTE sebesar 96.52%.
Kata kunci: Klasifikasi Pertanyaan; Pembelajaran Mesin; Naive Bayes; Support Vector Machine; Cross-Validation