Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Jurnal Teknik Informatika

IMPLEMENTASI METODE DEEP LEARNING MOBILENET SSD DALAM MENGHITUNG JUMLAH PELANGGAN PADA TOKO BANGUNAN RAHAYU GYBSUM kahfi, gery; Sudin, Sakina; Muhammad, Abdul Haris
Jurnal Teknik Informatika (J-Tifa) Vol 7 No 2 (2024): Volume 7 No 2 September 2024
Publisher : Universitas Muhammadiyah Maluku Utara (Prodi Teknik Informatika)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52046/j-tifa.v7i2.2222

Abstract

Deteksi manusia adalah proses identifikasi dan penghitungan individu dalam sebuah gambar atau video menggunakan teknik dan algoritma pengolahan citra dan pembelajaran mesin. Tujuan dari penelitian ini adalah untuk memahami tren penjualan serta pola musiman dengan memeriksa data pelanggan yang datang dan total transaksi dalam kurun waktu tujuh hari. Data pelanggan diperoleh melalui rekaman kamera video CCTV yang dipasang di toko bangunan Rahayu Gybsum, sementara total transaksi terjadi di toko tersebut. Penghitungan pelanggan menggunakan metode Deep Learning dengan kerangka deteksi objek SSD (Single Shot Detector) dan arsitektur MobileNet. Perpustakaan yang digunakan untuk menghitung jumlah pelanggan di toko meliputi OpenCV, Pandas, Numpy, Dlib, dan Imutils. Selanjutnya, jumlah pelanggan yang datang di toko akan dibandingkan dengan jumlah transaksi yang terjadi pada saat yang sama untuk menghitung tingkat konversi. Hasil dari sistem pendeteksian pelanggan ini adalah visualasiasi tren penjualan yang terjadi secara berkala. Selain itu, analisis time series juga dilakukan untuk mengidentifikasi pola data dan memprediksi tindakan yang perlu diambil di masa depan. Penelitian ini menemukan bahwa jumlah pelanggan tidak selalu sejalan dengan pola transaksi. Hasil prediksi dengan menggunakan holt-winter itu menunukkan kisaran 45-65 untuk Conversion Rate nya. Rasio konversi yang dianalisis memiliki karakteristik yang dinamis dan sulit diprediksi secara akurat dalam jangka panjang.
SISTEM REKOMENDASI TOPIK PENELITIAN BERBASIS CHATBOT WHATSAPP MENGGUNAKAN ALGORITMA COSINE SIMILARITY (STUDI KASUS PRODI TEKNIK INFORMATIKA UNIVERSITAS MUHAMMADIYAH MALUKU UTARA ) maulur, hilman; Ibrahim, Adelina; Sudin, Sakina
Jurnal Teknik Informatika (J-Tifa) Vol 7 No 2 (2024): Volume 7 No 2 September 2024
Publisher : Universitas Muhammadiyah Maluku Utara (Prodi Teknik Informatika)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52046/j-tifa.v7i2.2223

Abstract

Mahasiswa Program Studi Teknik Informatika Universitas Muhammadiyah Maluku Utara sering menghadapi kesulitan dalam menentukan topik penelitian yang relevan dan sesuai dengan bidang studi mereka. Penelitian ini bertujuan untuk mengembangkan sebuah sistem rekomendasi topik penelitian berbasis chatbot pada platform WhatsApp. Sistem ini dirancang untuk membantu mahasiswa menemukan judul skripsi yang tepat dengan menggunakan algoritma Cosine Similarity, yang menganalisis kemiripan judul penelitian dari basis data yang ada. Hasil penelitian menunjukkan bahwa sistem ini mampu memberikan rekomendasi judul dengan tingkat akurasi mencapai 73%. Penelitian ini menyimpulkan bahwa sistem yang dikembangkan efektif dalam membantu mahasiswa memilih topik penelitian. Untuk pengembangan lebih lanjut, disarankan agar basis data terus diperbarui, fitur interaktif dikembangkan, dan uji coba yang lebih luas dilakukan guna meningkatkan akurasi dan pengalaman pengguna.
PENERAPAN ALGORITMA C4.5 UNTUK KLASIFIKASI PENENTUAN PENERIMA BANTUAN LANGSUNG TUNAI (BLT) DI DESA POHEA pora, rizkiriyanti; santosa, santosa; Sudin, Sakina
Jurnal Teknik Informatika (J-Tifa) Vol 8 No 1 (2025): Volume 8 No 1 Maret 2025
Publisher : Universitas Muhammadiyah Maluku Utara (Prodi Teknik Informatika)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52046/j-tifa.v8i1.2268

Abstract

Penelitian ini bertujuan untuk menggunakan algoritma C4.5 dalam mengklasifikasikan penerima Bantuan Langsung Tunai (BLT) di Desa Pohea. Data yang dianalisis mencakup berbagai variabel seperti jenis pekerjaan, tingkat penghasilan, status pernikahan, dan informasi lainnya yang berkaitan dengan status penerimaan BLT. Algoritma C4.5 dipilih karena keunggulannya dalam mengelola data kategorikan serta kemampuannya membentuk pohon keputusan yang efektif dalam klasifikasi data. Diharapkan bahwa hasil penelitian ini dapat memberikan rekomendasi yang objektif dan tepat dalam menentukan penerima BLT, sekaligus memberikan pemahaman yang lebih mendalam tentang faktor-faktor yang mempengaruhi proses klasifikasi. Dengan demikian, penelitian ini berpotensi meningkatkan transparansi dan efisiensi dalam distribusi bantuan sosial di Desa Pohea. Untuk mengukur kinerja dari sistem ini, penelitian ini juga menggunakan aplikasi Rapidminer agar dapat menghitung hasil kinerja sistem dan memperoleh hasil yang akurat. Berdasarkan perhitungan pengujian sistem dengan menggunakan 50 dataset untuk 40 data latih dan 10 data uji menunjukkan hasil akurasi algoritma adalah 91,67%.