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: Stunting is a chronic or chronic malnutrition that can be seen in the height of toddlers shorter than toddlers their age. the prevalence of toddlers affected by stunting nationally was 37.6 percent (2007) and decreased…
ecreased to 35.8 percent (2010). However, it increased to 37.2 percent (2013) and decreased again to 29.9 percent (2018). The data shows an erratic stunting prevalence. Many factors influence stunting, especially parents' knowledge about balanced nutrition that prevents stunting. Prevention of stunting needs to be done by monitoring nutritional status regularly and fulfilling balanced nutrition for toddlers. For early detection of stunting, an expert system using the Dempster Shafer method is needed. The Dempster Shafer method allows decision making based on various possibilities based on symptoms in toddlers. The results of the expert system calculation show that the Dempster Shafer method can detect stunting in toddlers by more than 90%.
Keywords: dempster shafer; expert system; stunting
Abstrak: Stunting yaitu kekurangan gizi menahun atau kronis yang dapat terlihat pada tinggi badan balita lebih pendek dari balita seusianya. pravelensi balita yang terjangkit stunting secara nasional sebesar 37,6 persen (2007) dan mengalami penurunan menjadi 35,8 persen (2010). Namun meningkat menjadi 37,2 persen (2013) dan menurun kembali menjadi 29,9 persen (2018). Data tersebut menunjukkan pravelensi stunting yang tidak menentu. Banyak faktor yang mempengaruhi stunting khususnya pengetahuan orang tua mengenai gizi seimbang pencegah stunting. Pencegahan stunting perlu dilakukan dengan pemantauan status gizi secara berkala dan pemenuhan gizi seimbang Balita. Untuk deteksi stunting sejak dini dibutuhkan seuatu sistem pakar menggunakan metode dempster shafer. Metode dempster shafer memungkinkan pengambilan keputusan berdasarkan berbagai kemungkinan berdasarkan gejala pada balita. Hasil perhitungan sistem pakar menunjukkan bahwa metode dempster shafer dapat mendeteksi stunting balita lebih sebesar 90%.
Kata kunci: dempster shafer; sistem pakar; stunting
Abstract:Abstract: The development of AI assistants such as Gemini and ChatGPT can significantly assist in daily human tasks. In the field of Sentiment Analysis, AI assistants can be utilized as an automated labeling alternative…
to provide positive, negative, or neutral sentiments within a dataset. This research aims to enhance the performance of AI assistants in automated labeling processes by employing the Feature Selection algorithm, specifically Forward Selection. The methodology involves utilizing the Naïve Bayes and K-NN algorithms, and subsequently improving accuracy through the Feature Selection algorithm. The evaluation is conducted using K-Fold Cross Validation. Research findings indicate an improvement in the accuracy of the best model, which is ChatGPT, when using the Naïve Bayes algorithm and Shuffled Sampling technique. The initial accuracy of 79.09% increased to 87.18% after Feature Selection was applied. This demonstrates the effectiveness of Feature Selection, particularly Forward Selection, in enhancing the accuracy performance of the model.
Keywords: ai; assistant; chat gpt; feature selection; gemini.
Abstrak: Pekembangan Asisten AI seperti Gemini dan Chat GPT dapat membantu pekerjaan manusia sehari-hari. Dalam bidang Analisis Sentimen, Asisten AI dapat digunakan sebagai alternatif pelabelan otomatis untuk memberikan sentimen positif, negatif atau netral dalam suatu dataset. Penlitian ini bertujuan untuk meningkatkan performa yang dihasilkan oleh Asisten AI dalam proses pelabelan otomatis menggunakan Algortima Feature Selection yaitu Forward Selection. Metode yang digunakan adalah dengan menggunakan Algoritma Naïve Bayes dan K-NN kemudian hasil akurasi akan ditingkatkan menggunkan Algoritma Feature Selection. Evaluasi yang digunakan adalah K-Fold Cross Validation. Hasil penelitian menunjukkan peningkatan akurasi model terbaik berada pada Chat GPT dengan menggunakan Algoritma Naïve Bayes dan Teknik Shuffled Sampling, dari nilai akurasi awal sebesar 79.09%, setelah ditingkatkan menggunakan Feature Selection, maka nilai akurasinya meningkat menjadi 87.18%. Hal ini membuktikan peran Feature Selection, dimana yang digunakan adalah Forward Selection dalam meningkatkan akurasi ternyata memang efektif dalam meningkatkan performa akurasi model.
Kata kunci: ai; assisten; chat gpt; feature selection; gemini
Abstract:Abstract: The development of Internet of Things (IoT) technology has significantly impacted life, particularly in creating more efficient and secure smart homes. Smart homes integrate various electronic devices to enhance…
e comfort and energy efficiency. However, cost, integration complexity, and security issues remain. This study will simulate an IoT-based smart home system to analyse and evaluate device performance before real-world implementation. The simulation method involves testing connectivity and evaluating delay and packet loss using the ping method on each device. Results show the highest delay on CCTV devices at 41.8 ms and the lowest on motion detector 2 at 32.8 ms, with 0% packet loss. According to TIPHON standards, the network is rated excellent with an index of 4. The designed smart home system demonstrates optimal performance and is feasible for implementation but requires further development in configuration using AI and machine learning technologies.
Keywords: internet of things; simulation; smart home; testing
Abstrak: Perkembangan teknologi Internet of Things (IoT) telah membawa perubahan signifikan dalam kehidupan, terutama dalam pengembangan rumah pintar (smart home) yang lebih efisien dan aman. Smart home mengintegrasikan berbagai perangkat elektronik untuk meningkatkan kenyamanan dan efisiensi energi. Meskipun demikian, tantangan seperti biaya, kompleksitas integrasi, dan isu keamanan masih ada. Penelitian ini bertujuan untuk mensimulasikan sistem smart home berbasis IoT guna menganalisis dan mengevaluasi kinerja perangkat sebelum implementasi nyata. Metode simulasi yang digunakan melibatkan pengujian konektivitas dan evaluasi delay serta packet loss dengan metode ping pada setiap perangkat. Hasil menunjukkan delay tertinggi pada perangkat CCTV sebesar 41.8 ms dan terendah pada motion detector 2 sebesar 32.8 ms, dengan packet loss 0%. Berdasarkan standar TIPHON, jaringan dinilai sangat baik dengan indeks 4. Sistem smart home yang dirancang menunjukkan kinerja optimal dan layak diimplementasikan, namun masih memerlukan pengembangan lebih lanjut dalam konfigurasi menggunakan teknologi AI dan machine learning.
Keywords: internet of things; pengujian; simulasi; smart home
Abstract:Abstract: Lung cancer is most deadly cancers in the world. Identification and classification of the causes of understanding lung cancer is essential for developing more effective prevention and treatment strategies. The…
issue is that a lot of individuals are unaware about the characteristics and causes of lung cancer. The purpose of this study is to apply the K-Nearest Neighbor (K-NN) algorithm in the classification of the causes of lung cancer and provide education to the public must be aware of the traits of lung cancer patients and, to stay away from the causes of lung cancer. The dataset used consists of 309 samples with 16 relevant attributes. The K-NN algorithm was trained and tested to assess its ability to classify the factors that cause lung cancer. The results showed an accuracy of 90.32%, with a precision for the "YES" class of 96% and the "NO" class of 67%. The recall value for the "YES" class was 92% and for the "NO" class was 80%. The implementation of this algorithm gives good results in classification and can help in early detection and prevention of lung cancer which can be used in the development of more effective prevention and early diagnosis strategies.
Keywords: lung cancer; k-nearest neighbor; classification; machine learning
Abstrak: Kanker paru-paru tergolong jenis penyakit kanker yang memperoleh angka kematian paling tinggi di dunia. Identifikasi dan klasifikasi penyebab kanker paru-paru sangat penting untuk pengembangan strategi pencegahan dan pengobatan yang lebih efektif. Masalah yang terjadi adalah banyak orang yang belum mengetahui tentang ciri-ciri dan penyebab-penyebab dari kangker paru tersebut. Tujuan penelitian ini adalah mengimplementasikan algoritma K-Nearest Neighbor (K-NN) dalam klasifikasi penyebab kanker paru-paru serta memberikan edukasi kepada masyarakat banyak agar mengetahui ciri-ciri orang yang mengidap kangker paru-paru dan tentunya untuk menghindari penyebab-penyebab dari kangker paru-paru tersebut. Dataset yang digunakan terdiri dari 309 sampel dengan 16 atribut yang relevan. Algoritma K-NN kemudian dilatih dan diuji untuk menilai kemampuannya dalam mengklasifikasikan faktor-faktor penyebab kanker paru-paru. Hasil penelitian menunjukkan akurasi sebesar 90.32%, dengan skor precision untuk kelas "YES" sebesar 96% dan kelas "NO" sebesar 67%. Nilai recall untuk kelas "YES" adalah 92% dan untuk kelas "NO" sebesar 80%. Implementasi algoritma ini memberikan hasil yang baik dalam klasifikasi dan dapat membantu dalam deteksi dini serta pencegahan kanker paru-paru yang dapat digunakan dalam pengembangan strategi pencegahan dan diagnosis dini yang lebih efektif.
Kata kunci: kanker paru-paru; k-nearest neighbor; klasifikasi; machine learning
Abstract:Abstract: Technological developments are currently increasing rapidly, especially in the innovation of information data management. With so many media providing informationand services online, as well as the services provided…
vided by the Government of Sekadau Regency in the form of Webstie sekadaukab.go.id. Based on the survey results, the problems experienced by users are output and performance from sekadaukab.go.id still does not meet user expectations. Study this aims to measure the quality of information systems sekadaukab.go.id and also measure the level of user satisfaction with sekadaukab.go.id. By using the method McCall and EUCS (End User Computing Satisfaction) and using methods IPA (Importance Performance Analysis) to map variables into the level of importance and level of performance, the variables used are the variables in the method EUCS (End User Computing Satisfaction). Questionnaires were distributed to 100 users sekadaukab.go.id. The average quality generated by the method McCall of 43.6%, included in the pretty good category. For the results of measuring user satisfaction methods EUCS (End User Computing Satisfaction), each variable is included in the doubtful category range value 2.60 – 3.39. There are 18 recommendations for improvement based on the method McCall and the IPA method to the Kominfo Sekadau Regency against sekadaukab.go.id.
Keywords: EUCS; IPA; McCall; public service; quality system
Abstrak:Perkembangan teknologi saat ini semakin pesat, khususnya pada inovasi pengelolaan data informasi. Dengan banyaknya media menyediakan informasi dan pelayanan secara online, begitu juga dengan pelayanan yang disediakan oleh Pemerintah Kabupaten Sekadau berupa Webstie sekadaukab.go.id. Berdasarkan hasil survey, permasalahan yang dialami oleh pengguna yaitu output dan kinerja dari sekadaukab.go.id masih belum memenuhi harapan pengguna. Penelitian ini bertujuan untuk mengukur kualitas dari sistem informasi sekadaukab.go.id dan juga mengukur tingkat kepuasan pengguna terhadap sekadaukab.go.id. Dengan menggunakan metode McCall dan EUCS (End User Computing Satisfaction) serta menggunakan metode IPA (Importance Performance Analysis) untuk memetakan variabel kedalam tingkat kepentingan dan tingkat kinerja, variabel yang digunakan yaitu variabel pada metode EUCS (End User Computing Satisfaction). Kuesioner dibagikan kepada 100 orang pengguna sekadaukab.go.id. Rata- rata kualitas yang dihasilkan berdasarkan metode McCall sebesar 43,6%, masuk kedalam
kategori cukup baik. Untuk hasil pengukuran kepuasan pengguna metode EUCS (End User Computing Satisfaction), masing-masing variabel masuk kedalam kategori ragu- ragu dengan range nilai 2.60 – 3.39. Terdapat 18 rekomendasi perbaikan berdasarkan pada metode McCall dan metode IPA kepada pihak Kominfo Kabupaten Sekadau terhadap sekadaukab.go.id.
Kata kunci: EUCS; IPA; kualitas sistem; MCCALL; pelayanan publik
Abstract:Abstract: As a supermarket, we are committed to always improving everything, including selecting the greatest goods. To evaluate which items are more superior or popular and which are less popular, you will want a sizable…
e amount of information sources. To select products and identify those that belong in the superior product cluster, researchers employed the clustering method. The clustering strategy uses two forms of cluster analysis, k-means and k-medoids, which have related techniques. The research results show that the k-means algorithm's Davies Bouldin value is -0.430, whereas the k-medoids algorithm's Davies Bouldin value is -1.392. This suggests that the Davies Bouldin value of the k-medoids approach is the lowest, showing that the grouping findings of the k-means method are a better method to apply to the issue of choosing better products.
Keywords : k-means; k-medoids; clustering; algorithm; data mining
Abstract: Sebagai toko sembako, toko yuli berkomitmen untuk selalu meningkatkan segalanya, termasuk memilih barang terbaik. Untuk mengevaluasi item mana yang lebih unggul atau populer dan mana yang kurang populer, Anda memerlukan sumber informasi yang cukup banyak. Untuk memilih produk dan mengidentifikasi produk yang termasuk dalam cluster produk unggulan, peneliti menggunakan metode clustering. Strategi clustering menggunakan dua bentuk analisis cluster, k-means dan k-medoids, yang memiliki teknik terkait. Hasil penelitian menunjukkan nilai Davies Bouldin pada algoritma k-means sebesar -0,430, sedangkan nilai Davies Bouldin pada algoritma k-medoids sebesar -1,392. Hal ini menunjukkan bahwa nilai Davies Bouldin pada pendekatan k-medoids paling rendah, menunjukkan bahwa temuan pengelompokan metode k-means merupakan metode yang lebih baik untuk diterapkan pada permasalahan pemilihan produk yang lebih baik.
Keywords: k-means; k-medoids; clustering; algoritma; data mining
Abstract:Abstract: Usability testing of online animal adoption systems is important because it is not only related to the comfort and safety of users, but also to the welfare of the adopted animals. So far, usability testing of the…
he animal adoption system on Eidos has not been carried out and there is a problem that there is confusion with the process flow in this animal adoption system. This usability testing uses the Heuristic Evaluation method and the System Usability Scale (SUS), which involves in-depth interviews to obtain results that are not only statistical assessments, but also deeper insights from the user's perspective. The results of the evaluation using Heuristic Evaluation obtained 59 problems, with an average severity rating of 3 or major, whose improvements have resulted in several draft design recommendations. The recommendation design has gone through final testing using the System Usability Scale (SUS) which managed to achieve a score of 78, or categorized as good, along with some minor critical feedback for system improvement. Therefore, users as a whole feel very satisfied in using the online adoption system from the results of the existing recommendation design. The implications of the resulting recommendation design have been tested for usability by three UI/UX design experts and users directly so that they can be used as a basis for developing a better online animal adoption system.
Keywords: animal adoption system; heuristic; prototype; system usability scale; usability
Abstrak: Pengujian usability sistem adopsi hewan secara online penting untuk diperhatikan karena tidak hanya berkaitan dengan kenyamanan dan keamanan penggunanya saja, tetapi juga meningkatkan kesejahteraan hewan yang diadopsi. Sejauh ini, pengujian usability dari sistem adopsi hewan pada Eidos masih belum dilakukan dan ditemukannya masalah bahwa adanya kebingungan dengan alur proses dalam sistem adopsi hewan ini. Pengujian usability ini menggunakan metode Heuristic Evaluation dan System Usability Scale (SUS), yang melibatkan in-depth interview untuk memperoleh hasil yang bukan hanya berupa penilaian statistik saja, melainkan juga wawasan yang lebih mendalam dari sudut pandang pengguna. Hasil evaluasi menggunakan Heuristic Evaluation mendapatkan 59 permasalahan, dengan rata-rata perhitungan severity rating sebesar tiga atau major, yang perbaikannya telah menghasilkan beberapa rancangan desain rekomendasi. Adapun desain rekomendasi tersebut telah melalui pengujian akhir menggunakan System Usability Scale (SUS) yang berhasil meraih skor sebesar 78, atau terkategori good, disertai beberapa umpan balik kritis yang bersifat minor untuk peningkatan sistem. Dengan demikian, pengguna secara keseluruhan merasa sangat puas dalam menggunakan sistem adopsi online dari hasil desain rekomendasi yang ada. Implikasi desain rekomendasi yang dihasilkan telah teruji kegunaannya oleh sebanyak tiga ahli UI/UX design dan pengguna secara langsung sehingga dapat digunakan sebagai landasan bagi pengembangan sistem adopsi hewan secara online yang lebih baik.
Kata kunci: heuristik; kebergunaan; prototipe; sistem adopsi hewan; system usability scale
Abstract:Abstract: The growing business environment causes the business world to create in order to continue to survive, one of which is by increasing sales. One way is to use the data approach. One method of data approach that is…
s widely used is Market Basket Analysis. This study uses the Market Basket Analysis method with the a priori algorithm and FP-Growth. Grocery dataset analysis using two algorithms, Apriori and FP-Growth using a minimum support parameter of 0.45, has results sorted by the top 10 associations with the best confidence value. The association with the highest support value found is "Whole Milk -> Other Vegetables" with a support value of 0.0748347737. The analysis concludes that both algorithms produce the same association "Other Vegetables -> Whole Milk" with a Support value of 0.0748347737.
Keywords: apriori; FP-Growth; market basket analysis.
Abstrak : Lingkungan bisnis yang semakin berkembang menyebabkan dunia bisnis harus berkreasi agar dapat terus bertahan, salah satunya dengan cara meningkatkan penjualan. Salah satu caranya adalah dengan menggunakan pendekatan data. Salah satu metode pendekatan data yang banyak digunakan adalah Market Basket Analysis. Penelitian ini menggunakan metode Market Basket Analysis dengan algoritma apriori dan FP-Growth. Analisis dataset grosir menggunakan dua algoritma, Apriori dan FP-Growth dengan menggunakan parameter support minimum 0,45, memiliki hasil yang diurutkan berdasarkan 10 asosiasi teratas dengan nilai confidence terbaik. Asosiasi dengan nilai support tertinggi yang ditemukan adalah “Whole Milk -> Other Vegetables†dengan nilai support sebesar 0,0748347737. Analisis menyimpulkan bahwa kedua algoritma tersebut menghasilkan asosiasi yang sama “Other Vegetables -> Whole Milk†dengan nilai Support sebesar 0,0748347737.
Kata Kunci: apriori; FP-Growth; market basket analysis
Abstract:Abstract: This research will discuss predictions of demand for robes at the Fashion Gallery. The problem that occurs is that there is often a buildup in the number of robes provided in shops, thereby increasing additional…
l expenses, such as storage costs and demand costs. On the other hand, if there is too little stock of robes, it will result in losses because potential buyers do not get the items they need. In this case, the forecasting system will be used as a tool to solve the problem of robe accumulation. The WMA method prioritizes the most recent data points while smoothing out fluctuations. The advantage of this method is increased responsiveness to recent changes in demand patterns, contributing to more accurate forecasts by considering current information more prominently than historical data. By implementing the WMA method, it is hoped that the accumulation of robes can be avoided. From the results of prediction calculations in January 2024, it is predicted that there will be 143 adult robes, with a MAD of 7.685185, MSE 74.79938 and MAPE 5%. For small children's robes, it is predicted that there will be 56 shirts, with MAD of 8.388889, MSE of 91.16358 and MAPE of 12%. It can be concluded that the WMA method can make it easier for Fashion Gallery to predict demand for adult and children's robes in the following month.
Keywords: forecasting; robe request; weighted moving average
Abstrak: Dalam penelitian ini akan membahas prediksi permintaan baju gamis pada Fashion Gallery. Permasalahan yang terjadi sering terjadinya penumpukan pada jumlah baju gamis yang disediakan pada toko, sehingga meningkatkan beban tambahan, seperti biaya penyimpanan dan biaya permintaan. Sebaliknya, apabila stok gamis yang terlalu sedikit, mengakibatkan kerugian yang disebabkan karena calon pembeli tidak mendapatkan barang yang dibutuhkan. Dalam hal ini sistem forecasting akan digunakan sebagai alat bantu dalam menyelesaikan permasalahan penumpukan baju gamis. Metode WMA, lebih mementingkan titik data terkini sambil memperlancar fluktuasi. Kelebihan metode ini meningkatkan daya tanggap terhadap perubahan pola permintaan terkini, berkontribusi pada perkiraan yang lebih akurat dengan mempertimbangkan informasi terkini secara lebih menonjol dibandingkan data historis. Dengan diterapkannya metode WMA, diharapkan dapat menghindari terjadinya penumpukan baju gamis. Dari hasil perhitungan prediksi pada bulan Januari 2024, untuk baju gamis dewasa diprediksi sebanyak 143 baju, dengan MAD sebesar 7.685185, MSE 74.79938 dan MAPE 5%. Untuk baju gamis anak kecil diprediksi sebanyak 56 baju, dengan MAD sebesar 8.388889, MSE 91.16358 dan MAPE sebesar 12%. Dapat disimpulkan bahwa metode WMA dapat memudahkan Fashion Gallery dalam meramalkan permintaan baju gamis dewasa dan anak-anak pada bulan berikutnya.
Kata Kunci: forecasting; permintaan baju gamis; weighted moving average