Claim Missing Document
Check
Articles

Found 4 Documents
Search

SYSTEM DATA BASE TERPADU UNTUK MENDUKUNG SISTEM MONITORING PERKULIAHAN Eriya, Eriya; Sari, Risna
MULTINETICS Vol 6, No 1 (2020): Multinetics May (2020)
Publisher : POLITEKNIK NEGERI JAKARTA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32722/multinetics.v6i1.2705

Abstract

Sistem informasi akademik terintegrasi perlu dikembangkan guna mendukung proses layanan kepada dosen dan mahasiswa. Salah satu adalah untuk monitoring perkuliahan mahasiswa. Sistem ini bertujuam untuk menyediakan informasi terkait proses perkuliahan dan prestasi akademik mahasiswa. Sistem ini memerlukan sebuah system database terpadu yang menggabungkan berbagai data yang dibutuhkan seperti data kehadiran, data perkuliahan, data kegiatan yang diikuti mahasiswa serta data-data lainnya. System database terpadu merupakan sebuah media penyimpanan data secara terpusat. Sistem ini digunakan untuk mengelola data dan informasi. Database terpadu akan membuat penyajian data / informasi menjadi lebih cepat dan akurat. Dengan adanya system database terpadu sebagai pusat data pada program studi, akan memudahkan program studi dalam memperoleh informasi yang berkualitas untuk pengambilan keputusan dan kebijakan-kebijakan terkait pengembangan program studi ke depan
Pembuatan Sistem Bank Sampah Online pada Kelurahan Serua Maulana, Hata; Sari, Risna; Oktavianti, Euis; Ismail, Iklima Ermis; Oktaviana, Shinta
Mitra Akademia: Jurnal Pengabdian Masyarakat Vol 2, No 1 (2019): Mitra Akademia
Publisher : Unit Penelitian dan Pengabdian kepada Masyarakat (UP2M) Politeknik Negeri Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32722/mapnj.v2i1.1990

Abstract

Teknologi Informasi juga dapat didekatkan sebagai solusi permasalahan yang terjadi pada aspek kehidupan sosial masyarakat. Salah satu masalah sosial yang masih memerlukan penanganan serius adalah pengelolaan sampah limbah rumah tangga, secara spesifik adalah pada sampah anorganik. Bank sampah merupakan solusi yang sedang dikembangkan oleh pemerintah untuk menekan peningkatan sampah anorganik. Kelurahan Serua, Kecamatan Bojongsari, Depok merupakan salah satu lembaga pemerintahan di lingkungan Kota Depok menghadapi permasalahan pengelolaan sampah anorganik. Dalam hal ini secara khusus pada wilayah Kelurahan Serua Bojongsari Depok, untuk mendukung program pemerintah Kota Depok menuju cyber city, maka berencana menyelesaikan masalah pengelolaan sampah anorganik dengan pendekatan TI. Sebuah sistem Bank Sampah online diterapkan sebagai alternatif pelayanan pemerintah dalam mengelola sampah anorganik dilingkungan masyarakat sekitar. Sistem Bank Sampah online memiliki fitur yang memudahkan masyarakat dalam menyukseskan program pemerintah ini. Beberapa fiturnya antara lain penukaran saldo ke pulsa listrik atau Handphone, melihat saldo, dan transfer saldo ke sesama pengguna. Sistem juga dirancang dapat dibuka pada browser smartphone. Pembuatan dan implementasi sistem ini dalam program pengabdian masyarakat Program Studi Teknik Informatika Politeknik Negeri Jakarta. Implementasi sistem ditujukan pada masyarakat setempat dalam bentuk pelatihan di awal serta dilanjutkan dengan monitoring sebagai kontrol pelaksanaan program ini.
Pemanfaatan Metode Multiclass-SVM pada Model Klasifikasi Pesan Bencana Banjir di Twitter Delimayanti, Mera Kartika; Sari, Risna; Laya, Mauldy; Faisal, Muhammad Reza; Pahrul, Pahrul
Edu Komputika Journal Vol 8 No 1 (2021): Edu Komputika Journal
Publisher : Jurusan Teknik Elektro Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/edukomputika.v8i1.47858

Abstract

Musibah bencana alam banjir merupakan salah satu musibah alam yang sangat umum kejadian di Indonesia baik di pulau Jawa ataupun di luar Pulau Jawa. Sumber informasi dari media social Twitter dapat digunakan sebagai Social Network Sensor (SNS) untuk bencana banjir. Penelitian ini bertujuan untuk melakukan klasifikasi pesan twitter khususnya tentang bencana banjir sebagai hasil dari algoritma machine learning. Pada klasifikasi pesan bencana banjir dilakukan serangkaian proses data preprocessing dan dilanjutkan dengan ekstraksi fitur dan pembobotan kata dari data twitter. Berbagai teknik yang dilakukan pada proses data preprocessing berpengaruh terhadap tingkat akurasi hasil klasifikasi yang dihasilkan. Selanjutnya, penelitian ini menyampaikan bahwa algoritma Support Vector Machine (SVM) adalah sebuah algoritma dapat dimanfaatkan untuk klasifikasi data ke dalam tiga (3) kelas kelas saksi mata, kelas non saksi mata dan kelas tidak diketahui. Total jumlah data yang telah diolah sebanyak 3000 data untuk 3 kelas label data. Pendekatan metode One Versus One (OVO) untuk dua kelas label data dan One Versus All (OVA) untuk lebih dari dua kelas label pada algoritma SVM. Pada penelitian ini telah diterapkan algoritma Support Vector Machine untuk multiclass dengan metode OVA. Hasil eksperimen telah menunjukkan pendekatan OVA pada algoritma SVM dengan kernel RBF menghasilkan evaluasi performansi yang paling tinggi. Hasil evaluasi tersebut adalah nilai akurasi hingga 87.03%. Sedangkan hasil riset sebelumnya dengan algoritma SVM tetapi pendekatan yang berbeda hanya mencapai nilai akurasi hingga 77.87%.
Pemanfaatan Metode Multiclass-SVM pada Model Klasifikasi Pesan Bencana Banjir di Twitter Delimayanti, Mera Kartika; Sari, Risna; Laya, Mauldy; Faisal, Muhammad Reza; Pahrul, Pahrul
Edu Komputika Journal Vol 8 No 1 (2021): Edu Komputika Journal
Publisher : Jurusan Teknik Elektro Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/edukomputika.v8i1.47858

Abstract

Musibah bencana alam banjir merupakan salah satu musibah alam yang sangat umum kejadian di Indonesia baik di pulau Jawa ataupun di luar Pulau Jawa. Sumber informasi dari media social Twitter dapat digunakan sebagai Social Network Sensor (SNS) untuk bencana banjir. Penelitian ini bertujuan untuk melakukan klasifikasi pesan twitter khususnya tentang bencana banjir sebagai hasil dari algoritma machine learning. Pada klasifikasi pesan bencana banjir dilakukan serangkaian proses data preprocessing dan dilanjutkan dengan ekstraksi fitur dan pembobotan kata dari data twitter. Berbagai teknik yang dilakukan pada proses data preprocessing berpengaruh terhadap tingkat akurasi hasil klasifikasi yang dihasilkan. Selanjutnya, penelitian ini menyampaikan bahwa algoritma Support Vector Machine (SVM) adalah sebuah algoritma dapat dimanfaatkan untuk klasifikasi data ke dalam tiga (3) kelas kelas saksi mata, kelas non saksi mata dan kelas tidak diketahui. Total jumlah data yang telah diolah sebanyak 3000 data untuk 3 kelas label data. Pendekatan metode One Versus One (OVO) untuk dua kelas label data dan One Versus All (OVA) untuk lebih dari dua kelas label pada algoritma SVM. Pada penelitian ini telah diterapkan algoritma Support Vector Machine untuk multiclass dengan metode OVA. Hasil eksperimen telah menunjukkan pendekatan OVA pada algoritma SVM dengan kernel RBF menghasilkan evaluasi performansi yang paling tinggi. Hasil evaluasi tersebut adalah nilai akurasi hingga 87.03%. Sedangkan hasil riset sebelumnya dengan algoritma SVM tetapi pendekatan yang berbeda hanya mencapai nilai akurasi hingga 77.87%.