Abstract:Abstract: Gross Regional Domestic Product (GRDP) is one of the most important socio-economic indicators. In order to gain a more comprehensive understanding of the current economic situation and regional differences, estimating…
imating GRDP using integration of satellite imagery and official statistics data can provide valuable information. This research estimates the GRDP value in 2022 by using data in 2019 to 2021 related to two aspects, agriculture and non-agriculture. Soil adjusted vegetation index (SAVI), enhanced vegetation index (EVI), and land cover (LC) used as agriculture aspect, while nighttime light (NTL), human settlement index (HSI), land area, and population per regency/city used as non-agriculture aspect. GRDP estimation are produced with machine learning approach using support vector machine (SVM) and random forest (RF) method. Correlation test on each variable shows only land area that does not have a significant correlation with GRDP. RF model then chosen as the best model with RMSE, MSE, MAE, and R2 value of 0.2549; 0.5049; 0.7727; and 0.2543, respectively. The estimated values acquired in several regencies/cities have rather near, some even very close to the official statistics values.
Keywords: GRDP; satellite imagery; machine learning; random forest; support vector machine
Abstrak: Produk Domestik Regional Bruto (PDRB) merupakan salah satu indikator sosio-ekonomi yang penting. Penghitungan nilai PDRB dengan pendekatan yang melibatkan kombinasi data citra satelit dan statistik resmi dapat memberikan informasi serta pemahaman yang lebih komprehensif. Penelitian ini melakukan estimasi nilai PDRB pada tahun 2022 menggunakan data tahun 2019 hingga 2021 dengan melibatkan dua aspek, agrikultur dan non-agrikultur. Data soil adjusted vegetation index (SAVI), enhanced vegetation index (EVI), dan tutupan lahan (land cover/LC) digunakan sebagai aspek agrikultur, sementara data citra cahaya malam (NTL), human settlement indeks (HSI), luas wilayah kabupaten/kota, dan jumlah populasi per kabupaten/kota digunakan sebagai aspek non-agrikultur. Estimasi PDRB dihasilkan dengan menggunakan pendekatan machine learning berupa support vector machine (SVM) dan random forest (RF). Pengecekan korelasi antarvariabel menunjukkan bahwa hanya variabel luas wilayah tidak berpengaruh signifikan terhadap nilai PDRB. Model random forest kemudian dipilih sebagai model terbaik dengan nilai evaluasi RMSE, MSE, MAE, dan berturut-turut sebesar 0.2549, 0.5049, 0.7727, dan 0.2543. Nilai estimasi yang diperoleh di beberapa kabupaten/kota cukup mendekati, bahkan ada yang sangat dekat dengan nilai statistik resmi.
Kata kunci: PDRB; citra satelit; machine learning; random forest; support vector machine
Abstract:Abstract: Children's nutritional issues are an important concern for parents to pay attention to growth and development, especially health and well-being. According to the results of the Ministry of Health's Indonesian Nutrition…
utrition Status Survey (SSGI), there are 4 nutritional problems for children in Indonesia, namely stunting, wasting, underweight and everweight. In this research, how to predict signs of symptoms of a decline in a child's nutritional status using a machine learning algorithm, a prediction model was designed using logistic regression in Python IDE to predict whether a child is indicated by a decline in nutrition or not. Dataset from Bengkayang Community Health Center data consisting of 657 pediatric patient data. The dataset is divided into 7 features (independent variables) and 1 predictor (dependent variable). Test results show perfect performance with precision, recall, F1-score, accuracy values of 100%. Then the visualization results on the ROC (Receiver Operating Characteristic) curve to depict the TP (True Positive) value on the Y axis against the FP (false Positive) value on the become overfit. It is recommended that in preparing the training dataset, measure the training data and reduce the features, after carrying out feature selection to increase the accuracy of the model.
Keywords: child nutritional status; growth and development logistic regression; machine learning
Abstract: Masalah Gizi anak menjadi perhatian penting bagi orangtua untuk memperhatikan tumbuh kembang, terutama kesehatan dan kejahteraan. Menurut hasil survei status Gizi Indonesia (SSGI) Kemenkes memperlihatkan 4 permasalahan gizi anak di Indonesia yaitu stunting, wasting, underweight, dan everweight. Dalam penelitian ini, bagaimana memprediksi tanda gejala penurunan status gizi anak menggunakan algoritma machine learning dirancang model prediksi menggunakan logistic regression pada Python IDE dengan memprediksi anak terindikasi penurunan gizi atau tidak. Dataset dari data Puskesmas Bengkayang yang terdiri 657 data pasien anak. Dataset dibagi menjadi 7 feature (variabel independen) dan 1 predictor (variabel dependen). Hasil Pengujian memperlihatkan kinerja yang sempurna dengan nilai presisi, recall, F1-score, akurasi, sebesar 100%. Kemudian hasil Visualisasi pada kurva ROC (Receiver Operating Characteristic) untuk menggambarkan nilai TP (True Positif) di sumbu Y terhadap nilai FP (false Positif) di sumbu X juga menunjukkan nilai yang sangat tinggi dan sudah mendekati angka 1 ini pertanda bahwa model ini menjadi overfit. Sebaiknya dalam persiapan training dataset diukur dengan data training dan mengurangi feature, setelah melakukan feature Selection untuk meningkatkan akurasi model.
Keywords: logistic regression; machine learning; status gizi anak; tumbuh kembang
Abstract:Abstract: Technology-based learning media is currently widely developed in accordance with the 21st-century learning model. Many subject matters are better delivered when using technology-based media. One of the media that…
at can be used is Augmented Reality. Based on this, the purpose of this study is to develop Augmented Reality in conveying the material of nets and ribs in Build Space. Augmented Reality is developed using 3D modeling, rigging, and animating methods, which are then combined using Unity. The results of the development of Augmented Reality applications in understanding the nets and ribs of this building space have been validated by experts and users. The validation results of this Augmented Reality application are rated Very Good.
Keywords: augmented reality; nets; ribs; spatial building.
Abstrak: Media pembelajaran berbasis teknologi saat ini banyak dikembangkan sesuai dengan model pembelajaran abad 21. Banyak materi pelajaran yang lebih baik disampaikan bila menggunakan media berbasis teknologi. Salah satu media yang dapat digunakan adalah Augmented Reality. Berdasarkan hal tersebut, tujuan penelitian ini adalah untuk mengembangkan Augmented Reality dalam menyampaikan materi jaring-jaring dan rusuk pada Bangun Ruang. Augmented Reality ini dikembangkan dengan menggunakan metode 3D modeling, rigging dan animating, yang selanjutnya digabungkan dengan menggunakan Unity. Hasil pengembangan aplikasi Augmented Reality dalam memahami jaring-jaring dan rusuk dari bangun ruang ini telah divalidasi oleh ahli dan user. Hasil validasi aplikasi Augmented Reality ini dinilai Sangat Baik.
Kata kunci: augmented reality; bangun ruang; jaring-jaring; rusuk
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: Project-Based Learning is a type of learning that is quite widely recommended today, especially in vocational type institutions where the learning is effective in the aim of involving students with direct learning…
ing content. The process of evaluating project-based learning on project teams in the performance assessment of each team to rank the order of best performance of all teams is still assessed based on subjective assessments. To overcome these problems, in this study the performance measurement of the project-based learning team by applying the VIKOR method and Rank Order Centroid in conducting assessments with test samples, namely in the Introduction to Database course. The test results obtained based on the calculation of VIKOR and Rank Order Centroid, namely PBL-TRPL01 Team 1 as the best alternative by obtaining based on variations of testing the VIKOR index value with values v=0.4, v=0.5, and v=0.6. Thus, it can be seen that the VIKOR and Rank Order Centroid methods can be applied to the calculation process of measuring team performance in project-based learning.
Keywords: decision Support System; project-based learning; rank order centroid; VIKOR
Abstrak: Pembelajaran Berbasis Proyek merupakan jenis pembelajaran yang cukup banyak direkomendasikan di masa kini khususnya pada institusi berjenis vokasional. Pembelajaran tersebut efektif dalam tujuan melibatkan para peserta didik dengan konten pembelajaran secara langsung. Proses evaluasi pembelajaran berbasis proyek pada tim proyek dalam penilaian performa dari masing-masing tim untuk memeringkatkan urutan performa terbaik dari seluruh tim masih dinilai berdasarkan penilaian secara subyektif. Untuk mengatasi persoalan tersebut, pada penelitian ini pengukuran performa tim project-based learning dengan menerapkan metode VIKOR dan Rank Order Centroid dalam melakukan penilaian dengan sampel pengujian yaitu pada mata kuliah Pengantar Basis Data. Hasil pengujian yang diperoleh berdasarkan perhitungan VIKOR dan Rank Order Centroid yaitu bahwa alternatif PBL-TRPL01 Tim 1 sebagai alternatif terbaik dengan peroleh berdasarkan variasi pengujian nilai indeks VIKOR. Maka dengan demikian, dapat diketahui bahwa metode VIKOR dan Rank Order Centroid dapat diterapkan pada proses perhitungan pengukuran performa tim pada pembelajaran berbasis proyek.
Kata kunci: pembelajaran berbasis proyek; rank order centroid; sistem pendukung keputusan; VIKOR
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:Student development includes conduct as a key component. Student behavior becomes crucial in deciding how successful students will be in different spheres of life. The variety of student behavior can hinder the learning…
process and personal development of students. Through the development of an expert system-based counseling model based on backward chaining, this study seeks to discover trends in student behavior. The research process starts with problem analysis, goal setting, literature study, data collection, system design and implementation, and results analysis. It then moves on to counseling model development and implementation in the school setting. To determine the reasons for the unruly behavior of the kids, data were analyzed using a backward chaining methodology. UML Usecase diagrams are used in system design to define the roles of actors and users. The established counseling model, which consists of 14 behaviors, 67 phenomena/symptoms, and 14 rules, focuses on goals and methods to modify student behavior. Three students underwent system testing based on previously achieved goals from therapy. The findings revealed "Smoking," "Emotional Problems," and "Fighting" among the student behaviors. When the Backward Chaining-based counseling model is used, it is simpler for homeroom teachers to gather information about students' conduct from them and to offer remedies based on the transfer of professional knowledge without having to wait for the counselor guidance procedure
Abstract:Abstract: Stunting is one of the nutritional problems that the world pays the most attention to and a major nutritional problem in Indonesia. Stunting is a problem in toddler growth which is characterized by a toddler's…
height that is too short compared to toddlers of his age. In the research location, namely Asahan Regency, the mapping of areas prone to increased stunting rates has not been carried out optimally. The process of exploring the stunting data warehouse is useful for adding information that can assist the government in making policies. Therefore, the aim of this research is to map stunting-prone areas in Asahan district based on the number of stunting cases in Asahan district using the machine learning-based K-Means clustering model. Based on previous research reviews, the k-means clustering method used has not used the normalization process. In addition, distance measurement only uses Euclidean Distance. Meanwhile, in this research, clustering performance analysis was carried out using a more in-depth process, namely by applying data normalization at the beginning, using the elbow method to determine the best number of clusters (K), measuring distance using Euclidean Distance, Manhattan Distance and Minkowski Distance to obtain comparison results. better clusters. The analysis results show that the best number of clusters is cluster 2 which shows the mapping results into 2 groups with a DBI of 0.51290 and a silhouette_score of 0.71432.
Keywords: stunting; k-means clustering; machine learning
Abstrak: Stunting menjadi salah satu permasalahan gizi yang paling diperhatikan dunia dan permasalahan gizi yang utama di Indonesia. Stunting merupakan masalah pada pertumbuhan balita yang ditandai dengan tinggi badan balita yang terlalu pendek dibanding balita seusianya. Pada lokasi penelitian yaitu Kabupaten Asahan, pemetaan daerah rawan peningkatan angka stunting belum dilakukan dengan optimal. Proses eksplorasi gudang data stunting ini berguna untuk menambah informasi yang dapat membantu pemerintah dalam mengambil kebijakan. Maka dari itu, tujuan dari penelitian ini adalah pemetaan daerah rawan stunting di kabupaten Asahan berdasarkan jumlah kasus stunting di Kabupaten Asahan menggunakan model clustering metode K-Means berbasis machine learning. Berdasarkan tinjauan penelitian terdahulu, metode k-means clustering yang digunakan belum menggunakan proses normalisasi. Selain itu, pengukuran jarak hanya menggunakan Euclidean Distance. Sedangkan dalam penelitian ini, analisis kinerja clustering yang dilakukan dengan proses yang lebih mendalam yaitu dengan penerapan normalisasi data di awal, penggunaan elbow method untuk penentuan jumlah cluster (K) terbaik, pengukuran jarak dengan Euclidean Distance, Manhattan Distance dan Minkowski Distance untuk mendapatkan hasil perbandingan cluster yang lebih baik. Hasil analisis menunjukkan bahwa jumlah cluster terbaik yaitu cluster 2 yang menunjukkan hasil pemetaan menjadi 2 kelompok dengan DBI 0.51290 dan silhouette_score sebesar 0.71432.
Kata kunci: stunting; k-means clustering; machine learning
Abstract:Abstract: The advances in information technology have substantially affected the world of education. One of these impacts is the emergence of the concept of innovative schools. The Smart School application is a solution…
to increase the effectiveness and efficiency of managing the educational procedures in schools. This research intends to design a Smart School application using the Web-based Prototype method. The prototype method allows developers to design and develop application prototypes that can be tested by users (teachers, students, and parents) before implementing the actual application. This will help identify user needs, collect feedback and ensure that the resulting Smart School application meets the expectations and needs of all stakeholders. The Smart School application has many features, such as student data management, lesson schedules, homework and test management, communication between teachers, students and parents, and tracking student learning progress. This application is designed with a web interface like computers, tablets and smartphones. The resulting Smart School application using the Prototype approach will be better able to meet changing user needs and help improve the quality of education in schools. Apart from that, web technology will make it easier to access and use applications by all stakeholders in the world of education.
Keywords: Smart School Application; Prototype; Website
Abstrak: Kemajuan teknologi informasi sudah meninggalkan efek yang substansial terhadap dunia pendidikan. Salah satu dampak tersebut adalah munculnya konsep sekolah cerdas. Aplikasi Smart School merupakan solusi untuk meningkatkan efektivitas dan efisiensi pengelolaan prosedur pendidikan di sekolah. Riset ini bermaksud untuk merancang aplikasi Smart School dengan menggunakan metode Prototype berbasis Web. Metode Prototipe memungkinkan pengembang merancang dan mengembangkan prototipe aplikasi yang dapat diuji oleh pengguna (guru, siswa, dan orang tua) sebelum menerapkan aplikasi sebenarnya. Hal ini akan membantu mengidentifikasi kebutuhan pengguna, mengumpulkan umpan balik dan memastikan bahwa aplikasi Smart School yang dihasilkan memenuhi harapan dan kebutuhan seluruh pemangku kepentingan. Aplikasi Smart School dirancang dengan banyak fitur yang beragam seperti pengelolaan data siswa, jadwal pelajaran, pengelolaan pekerjaan rumah dan ulangan, komunikasi antara guru, siswa dan orangtua, serta pelacakan kemajuan perkembangan pembelajaran siswa. Aplikasi ini dirancang dengan antarmuka web seperti komputer, tablet, dan smartphone. Dengan menggunakan pendekatan Prototype, diharapkan aplikasi Smart School yang dihasilkan akan lebih mampu memenuhi perubahan kebutuhan pengguna dan dapat membantu meningkatkan kualitas pendidikan di sekolah. Selain itu, pemanfaatan teknologi web akan memudahkan akses dan penggunaan aplikasi oleh seluruh pemangku kepentingan di dunia pendidikan.
Kata kunci: Aplikasi Smart School; Prototype; Website
Abstract:Abstract: The rapid development of technology makes stakeholders need easy and fast services. One of them is an easy and fast tutor search service. Parents who have a very busy life and school materials that develop very…
rapidly make parents less able to help their children learn at home so parents need a solution in the form of an information system to facilitate the search for tutors. In the development of this information system adopts by combining the architecture of the model view controller (MVC) and restful web service because development using the architecture is very easy, fast and can be developed into multi platforms. Then in the development of this system using the Agile Scrum Methodology approach which is able to complete system development very quickly and organized. Regular communication in this Scrum approach makes the team feel comfortable because each member knows each other's progress process and obstacles. So that the achievements of each target can always be controlled and completed. So that the creation of an information system for the search for tutors is on target and can be used by the public.
Keywords: Agile, Agile Scrum Methodology, Information System, restful web service
Abstrak: Pesatnya perkembangan teknologi membuat stakeholder membutuhkan pelayanan yang mudah dan cepat. Salah satunya adalah layanan pencarian guru les yang mudah dan cepat. Orang tua yang memiliki kehidupan yang sangat sibuk dan materi sekolah yang berkembang sangat pesat membuat orang tua kurang bisa membantu anaknya belajar di rumah sehingga orang tua membutuhkan solusi berupa sistem informasi untuk memudahkan pencarian tutor. Dalam perkembangannya sistem informasi mengadopsi dengan menggabungkan arsitektur model view controller (MVC) dan restful web service karena pengembangan menggunakan arsitektur tersebut sangat mudah, cepat dan dapat dikembangkan menjadi multi platform. Kemudian dalam pengembangan sistem ini menggunakan pendekatan Agile Scrum Methodology yang mampu menyelesaikan pengembangan sistem dengan sangat cepat dan terorganisir. Komunikasi yang teratur dalam pendekatan Scrum ini membuat tim merasa nyaman karena setiap anggota saling mengetahui proses kemajuan dan hambatan masing-masing. Sehingga capaian setiap target dapat selalu terkontrol dan selesai. Serta terciptanya sistem informasi pencarian tutor tepat sasaran dan dapat digunakan oleh masyarakat
Kata kunci: Agile, Agile Scrum Methodology, Sistem Informasi, restful web service