Abstract:Abstract: The Manual Drawing Laboratory and Computer Laboratory of the Furniture Design Study Program are some of the infrastructures used to support learning and practicum in the Polytechnic of Furniture Industry and Wood…
od Processing. Services at these two laboratories utilize the Laboratory website which can be accessed publicly via the address https://labdesainfurnitur.poltek-furnitur.ac.id/, in which the purpose of developing the website is to simplify the process for stakeholders to access information regarding practicum activities conducted in the laboratories. Ease of access to this information needs to be evaluated, especially related to usability on the website. The evaluation of the laboratory website's usability is performed using the System Usability Scale (SUS) method, which provides a structured approach to measuring the effectiveness and user experience of the website. It is hoped to obtain a representation of the user's experience of the function and appearance of the laboratory website as advice on what features might be developed to improve the services. According to the results of data processing from 44 respondents, the average SUS score was 59.32. Based on this score, the Acceptability Range category is still in the marginal range, meaning there are still several things that need to be corrected or improved so the website can help in the daily operational activities of the laboratory.
Keywords: laboratory; SUS; usability; user; website
Abstrak: Laboratorium Gambar dan Laboratorium Komputer Program Studi Desain Furnitur merupakan sarana penunjang praktikum di Politeknik Industri Furnitur dan Pengolahan Kayu. Pelayanan pada kedua laboratorium ini telah memanfaatkan website yang dapat diakses secara publik melalui alamat https://labdesainfurnitur.poltek-furnitur.ac.id/, pemanfaatan website bertujuan untuk memudahkan para pengguna dalam memperoleh informasi seputar kegiatan praktikum di laboratorium di setiap waktu. Adanya pemanfaatan teknologi informasi tersebut perlu dievaluasi untuk mengetahui kegunaan website bagi para pengguna serta sebagai masukan untuk pengelola laboratorium dalam mengembangkan website di masa mendatang. Evaluasi website laboratorium dilakukan dengan metode System Usability Scale (SUS). Melalui evaluasi kegunaan pada website laboratorium diharapkan diperoleh representasi pengalaman pengguna terhadap fungsi dan tampilan website laboratorium dan diperoleh saran fitur-fitur yang dapat dikembangkan untuk meningkatkan pelayanan di laboratorium. Data yang diperoleh sebanyak 44 responden menghasilkan skor SUS dengan rata-rata 59,32. Berdasarkan skor tersebut, rentang akseptabilitas website masih berada pada rentang marginal, sehingga masih ada beberapa fitur yang perlu ditingkatkan agar website dapat membantu kegiatan operasional laboratorium sehari-hari.
Kata kunci: kegunaan; laboratorium; pengguna; SUS; website
Abstract:Abstract: Software quality analysis is essential to ensure applications are reliable, efficient, and meet user needs. The FURPS+ model (Functionality, Usability, Reliability, Performance, Supportability, plus) provides a…
comprehensive framework for evaluating software quality. This study analyzes the implementation of Software Quality Assurance (SQA) in the SKEK UINSA application, a Learning Management System (LMS) designed to record extracurricular activities of UINSA students. With 100 respondents (lecturers, students, and alumni), the research employs a quantitative approach to examine both functional and non-functional aspects. The results show that functionality and usability aspects scored an average of 71%, reliability 66%, performance 61%, supportability 79%, and additional factors (plus) 64%. Overall, the SKEK UINSA application demonstrates good quality in terms of functionality, ease of use, performance, and flexibility.
Keywords: FURPS+; Reliability; SKEK; Validity; Quantitative Method
Abstrak: Analisis kualitas perangkat lunak penting untuk memastikan aplikasi andal, efisien, dan sesuai kebutuhan pengguna. Model FURPS+ (Functionality, Usability, Reliability, Performance, Supportability, plus) menawarkan kerangka komprehensif untuk evaluasi kualitas perangkat lunak. Penelitian ini menganalisis penerapan Software Quality Assurance (SQA) pada aplikasi SKEK UINSA, aplikasi semacam LMS (Learning Management System) untuk mencatat kegiatan ekstrakurikuler mahasiswa UINSA. Dengan 100 responden (dosen, mahasiswa, dan alumni), penelitian menggunakan pendekatan kuantitatif untuk mengkaji aspek fungsional dan non-fungsional. Hasilnya, aspek functionality dan usability memiliki persentase rata-rata 71%, reliability 66%, performance 61%, supportability 79%, dan faktor tambahan (plus) 64%. Secara keseluruhan, aplikasi SKEK UINSA menunjukkan kualitas baik dalam fungsi, kemudahan penggunaan, kinerja, dan fleksibilitas.
Kata kunci: FURPS+; Metode Kuantitatif ; SKEK; Validitas; Reliabilitas
Abstract:Abstract: Advances in technology and the internet have an impact on various daily activities, including the teaching and learning process. E-learning facilitates flexible learning without being constrained by space and time…
ime constraints. With e-learning, subject matter can be delivered consistently and more standardly than conventional learning which depends on the conditions of the teacher or instructor. One school in Banjarnegara Regency faced problems with students who had difficulty in learning, especially English. The learning media owned is limited to package books only. Therefore, schools need to have media that can support the learning process to be more optimal. This study aims to design and test UI/UX e-learning designs that suit the needs of the school using the design thinking method. This UI/UX design is expected to be an effective solution to overcome the limitations of learning media and improve the quality of student learning. Before the UI/UX design is implemented into the system, this study also conducts testing of the UI/UX design to assess its feasibility. Testing using the SUS (System Usability Scale) method resulted in a value of 82 with grade B, so it can be concluded that the design developed in this study is feasible to be deployed into the system and further developed.
Keywords: E-learning; design thinking; system usability scale; UI/UX
Abstrak: Kemajuan teknologi dan internet berdampak pada berbagai aktivitas sehari-hari, termasuk proses belajar-mengajar. E-learning memfasilitasi pembelajaran yang fleksibel tanpa terkendala oleh batasan ruang dan waktu. Dengan e-learning, materi pelajaran dapat disampaikan secara konsisten dan lebih standar dibandingkan pembelajaran konvensional yang bergantung pada kondisi guru atau instruktur. Salah satu sekolah di Kabupaten Banjarnegara menghadapi permasalahan dengan peserta didik yang kesulitan dalam pembelajaran, khususnya bahasa Inggris. Media pembelajaran yang dimiliki terbatas hanya pada buku paket saja. Oleh karena itu, sekolah perlu memiliki media yang dapat menunjang proses pembelajaran agar lebih optimal. Penelitian ini bertujuan untuk merancang dan menguji desain UI/UX e-learning yang sesuai dengan kebutuhan sekolah tersebut menggunakan metode design thinking. Desain UI/UX ini diharapkan dapat menjadi solusi efektif untuk mengatasi keterbatasan media pembelajaran dan meningkatkan kualitas belajar siswa. Sebelum desain UI/UX diterapkan ke dalam sistem, penelitian ini juga melakukan pengujian terhadap desain UI/UX untuk menilai kelayakannya. Pengujian menggunakan metode SUS (System Usability Scale) menghasilkan nilai 82 dengan grade B, sehingga dapat disimpulkan bahwa desain yang dikembangkan dalam penelitian ini layak untuk dideploy ke dalam sistem dan dikembangkan lebih lanjut.
Kata kunci: E-learning; design thinking; system usability scale; UI/UX
Abstract:Abstract: Schools become educational institutions in supporting the teaching and learning process to increase student potential. In the world of education, determining the best students is still an obstacle that is often…
faced such as subjectivity assessment resulting in diverse mindsets. SMP Negeri 3 Kisaran which is located at Jalan Madong Lubis, Selawan, East Kisaran District, Asahan Regency. The process of determining the overall champion students still relies on conventional assessments by manual means so that it requires a long assessment time, assessment is also subjective, this tends to limit recognition of diverse student potential. The purpose of this study is to design a decision support system application in determining the overall champion students at SMP Negeri 3 Kisaran with specified criteria. The SAW method is used as a weighted summation method of the performance of each alternative across all attributes. The best alternative decision result as the General Champion Student of class IX in the Odd Semester of 2023/2024 at SMP Negeri 3 Kisaran is Naurah Ghaisani Lubis with a score of 0.906. Based on these results, it can help SMP Negeri 3 Kisaran in determining the overall champion students and become a reference in decision making.
Keywords: decision support system; simple addictive weighting; general champion students
Abstrak: Sekolah menjadi institusi pendidikan dalam mendukung proses belajar mengajar untuk meningkatkan potensi siswa. Dalam dunia pendidikan menentukan siswa terbaik masih menjadi kendala yang sering dihadapi seperti penilaian secara subjektivitas mengakibatkan pola pikir yang beragam. SMP Negeri 3 Kisaran yang beralamatkan di Jalan Madong Lubis, Selawan, Kecamatan Kisaran Timur, Kabupaten Asahan. Proses penentuan siswa juara umum masih mengandalkan penilaian konvensional dengan cara manual sehingga membutuhkan waktu penilaian yang cukup lama, penilaian juga bersifat subjektif, hal ini cenderung membatasi pengakuan atas potensi siswa yang beragam. Tujuan penelitian ini untuk merancang aplikasi sistem pendukung keputusan dalam menentukan siswa juara umum di SMP Negeri 3 Kisaran dengan kriteria yang ditentukan. Metode SAW digunakan sebagai metode penjumlahan terbobot dari kinerja setiap alternatif di semua atribut. Hasil keputusan alternatif terbaik sebagai Siswa Juara Umum kelas IX pada Semester Ganjil Tahun 2023/2024 di SMP Negeri 3 Kisaran adalah Naurah Ghaisani Lubis dengan nilai 0.906. Berdasarkan hasil tersebut dapat membantu pihak SMP Negeri 3 Kisaran dalam menentukan siswa juara umum dan menjadi acuan dalam pengambilan keputusan.
Kata Kunci: sistem pendukung keputusan; simple addictive weighting; siswa juara umum
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: 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: 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