Claim Missing Document
Check
Articles

Found 36 Documents
Search

Pengenalan Sistem Aquaponik Cerdas untuk Memfasilitasi Kemampuan Mandiri pada Siswa Berkebutuhan Khusus di SLB Anggraeni, Wiwik; Risqiwati, Diah; Husniah, Lailatul; Sugiyanto; Aulia Sidharta, Hanugra; Budiyanta, Nova Eka; Djunaidy, Arif; Tyasnurita, Raras; Ali, Achmad Holil Noor; Divka, Princessa Sissy; Rahmanisa, Fathia
Sewagati Vol 8 No 2 (2024)
Publisher : Pusat Publikasi ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j26139960.v8i2.967

Abstract

SLB ABCD Bakti Sosial merupakan sebuah sekolah luar biasa yang melayani siswa dengan kebutuhan khusus, terletak di Kecamatan Simo, Kabupaten Boyolali, Jawa Tengah.SLB tersebut memiliki 28 siswa SD, 18 siswa SMP, dan 17 siswa SMA, yang dibimbing oleh 11 guru. Berdasarkan diskusi dengan para guru, diketahui bahwa tempat tinggal siswa memiliki radius hingga 25 kilometer, karena jumlah SLB di Jawa Tengah yang belum sebanding dengan jumlah siswa. Metode pengajaran di SLB ini berbeda dengan sekolah umum, dengan kurikulum tahun 2013 yang mengalokasikan 40% pembelajaran pada materi teori dan 60\% pada keterampilan praktis. Untuk meningkatkan keterampilan siswa, Tim Pengabdian Masyarakat ITS mengusulkan penerapan sistem smart-aquaponic. Sistem ini tidak hanya menjadi alat latihan, tetapi juga sesuai dengan latar belakang pertanian masyarakat Boyolali, yang merupakan mata pencaharian utama di daerah tersebut. Materi video dan modul pendukung diperkenalkan untuk membantu para guru dalam membimbing siswa berkebutuhan khusus. Pengajaran ini bertujuan untuk meningkatkan keterampilan siswa dengan memperkenalkan integrasi budidaya ikan dan tanaman melalui otomatisasi sederhana. Otomatisasi ini meliputi pemberian pakan ikan secara terjadwal dan aliran air yang dapat disesuaikan berdasarkan kebutuhan tanaman. Dengan memperkenalkan smart-aquaponic di SLB ABCD Bakti Sosial, harapannya adalah guru dan siswa dapat mengembangkan keterampilan aquaponik dan menyesuaikannya dengan kebutuhan daerah sekitar.
Implementasi Prediksi Siswa Dropout pada MOOC Menggunakan Metode Stacking Super Learner dalam Lingkungan Komputasi Berkinerja Tinggi Rahmi, Mery Yulinda; Djunaidy, Arif; Akbar, Izzat Aulia
Jurnal Teknik ITS Vol 13, No 1 (2024)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373539.v13i1.129115

Abstract

Permasalahan utama di berbagai platform MOOC (massive open online course), yaitu tingginya tingkat dropout yang bahkan dapat mencapai 91%–93%. Hal ini tentu berdampak terhadap profitabilitas bisnis MOOC. Oleh sebab itu, diperlukan model prediksi siswa dropout pada MOOC untuk memungkinkan adanya intervensi pencegahan dropout. Namun, besarnya ukuran data siswa MOOC membuat proses pemodelan tersebut memerlukan komputasi yang tinggi. Dengan melihat permasalahan tersebut, maka penelitian ini membangun model prediksi menggunakan metode stacking yang mutakhir, yakni Super Learner, dan dikomputasikan secara paralel menggunakan GPU atau CPU dalam lingkungan komputasi berkinerja tinggi. Pembelajar dasar yang menyusun model Super Learner meliputi Logistic Regression, KNN, SVM, Naïve Bayes, Random Forest, dan XGBoost, sedangkan meta-learner yang dieksperimenkan adalah NNloglik (non-negative binomial likelihood maximization) dan AUC-maxim (AUC maxi-mization). Hasil eksperimen menunjukkan bahwa Super Learner dengan meta-learner AUC-maxim maupun NNloglik berhasil mengungguli kinerja model pembelajar dasar dan model yang menggunakan metode stacking lainnya, yaitu Stacked Generalization. Kedua model tersebut mencapai skor F1 secara berurutan sebesar 0,90139 dan 0,90126. Di samping itu, ditemu-kan bahwa paralelisasi GPU pada percobaan ini menghasilkan speedup komputasi hingga 2,4–23,3 kali lebih unggul daripada paralelisasi pada CPU.
Prediksi Churn Pelanggan pada Perusahaan Telekomunikasi Menggunakan Algoritma Pembelajaran Ensambel Berbasis Bagging Nafitra, Hasna Dhiya; Djunaidy, Arif
Jurnal Teknik ITS Vol 13, No 3 (2024)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373539.v13i3.149189

Abstract

Perkembangan yang pesat dan munculnya banyak pesaing di industri telekomunikasi menuntut perusahaan untuk menerapkan strategi manajemen hubungan pelanggan yang efektif untuk mengatasi masalah churn yang dapat merugikan perusahaan. Churn adalah peristiwa berpindahnya pelanggan ke perusahaan lain karena alasan tertentu. Perusahaan harus mampu mengidentifikasi faktor-faktor yang memengaruhi pelanggan untuk melakukan churn karena biaya mempertahankan pelanggan lebih murah daripada memperoleh pelanggan baru. Salah satu upaya yang dapat dilakukan adalah membuat model prediksi churn bagi para pelanggannya. Dalam Tugas Akhir ini, model prediksi Boosted Bagging (BoBag) dipilih karena model ini menawarkan pendekatan ensambel berbasis bagging yang inovatif dengan hyperparameter yang dapat disesuaikan, seperti jumlah sampel, jumlah estimator, dan learning rate. Tugas Akhir ini menghasilkan sebuah model prediksi BoBag terbaik untuk kombinasi hyperparameter dengan jumlah estimator sebesar 200, jumlah sampel sebesar 0,5, dan learning rate sebesar 0,01. Kombinasi terbaik ini menghasilkan model dengan akurasi, F1, dan AUC berturut-turut sebesar 0,8589, 0,7112 dan 0,9176. Analisis terhadap model yang dihasilkan memberikan implikasi bahwa perusahaan harus memberikan perhatian khusus kepada para pelanggan bulanan dengan cara memberikan insentif atau diskon dan berusaha agar pelanggan tersebut bersedia untuk beralih ke kontrak yang lebih panjang. Selain itu, perusahaan harus tetap memperbaiki layanan internal agar dapat bersaing dengan para kompetitor di bidangnya.
Implementasi CMS WordPress dalam Pengembangan website Sekolah SLB ABCD Bakti Sosial Anggraeni, Wiwik; Purnama, I Putu Adhitya Pratama Mangku; Risqiwati, Diah; Sugiyanto, Sugiyanto; Sidharta, Hanugra Aulia; Budiyanta, Nova Eka; Djunaidy, Arif; Vinarti, Retno Aulia; Rikasakomara, Edwin; Mahananto, Faizal; Kusumawardhani, Renny Pradina; Meilani, Maulidiya
Sewagati Vol 9 No 1 (2025)
Publisher : Pusat Publikasi ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j26139960.v9i1.2321

Abstract

Pengabdian masyarakat ini bertujuan untuk mengembangkan Sistem Informasi Sekolah Luar Biasa (SLB) ABCD Bakti Sosial berbasis website dengan menggunakan Content Management System (CMS) WordPress. Metode yang digunakan adalah Agile Software Engineering, yang terdiri dari lima tahapan, yaitu perencanaan, perancangan, pengembangan, pengujian, serta publikasi dan evaluasi. Melalui Focus Group Discussion (FGD), dilakukan pengumpulan kebutuhan dari pihak sekolah, diikuti dengan perancangan desain prototipe website. Sistem informasi dikembangkan menggunakan CMS WordPress dan plugin Elementor, yang memungkinkan sekolah untuk mengelola konten pada website tanpa keahlian pemograman secara khusus. Pengujian dilakukan bersama pihak sekolah untuk memastikan kesesuaian fungsi dengan kebutuhan yang ada. Hasilnya adalah website yang dapat diakses publik melalui https://slbbaktisosial.com dan sebuah modul teknis untuk mengelola website. Luaran yang dihasilkan ini dapat mendukung akselerasi program digitalisasi sekolah, meningkatkan visibilitas sekolah, dan efisiensi manajemen data.
ALGORITMA SHARED NEAREST NEIGHBOR BERBASIS DATA SHRINKING Rifki Fahrial Zainal; Arif Djunaidy
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 7, No 1, Januari 2008
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (178.689 KB) | DOI: 10.12962/j24068535.v7i1.a56

Abstract

Shared Nearest Neighbor (SNN) algorithm constructs a neighbor graph that uses similarity between data points based on amount of nearest neighbor which shared together. Cluster obtained from representative points that are selected from the neighbor graph. The representative point is used to reduce number of clusterization errors, but also reduces accuracy. Data based shrinking SNN algorithm (SSNN) uses the concept of data movement from data shrinking algorithm to increase accuracy of obtained data shrinking. The concept of data movement will strengthen the density of neighbor graph so that the cluster formation process could be done from neighbor graph components which still has a neighbor relationship. Test result shows SSNN algorithm accuracy is 2% until 8% higher than SNN algorithm, because of the termination of relationship between weak data points in the neighbor graph is done slowly in several iteration. However, the computation time required by SSNN algorithm is three times longer than SNN algoritm computational time, because SSNN algorithm constructs neighbor graph in several iteration.
PEMBANGKIT DATA OTOMATIS BERBASIS POLA DISTRIBUSI POISSON UNTUK KEBUTUHAN PENGETESAN PERANGKAT LUNAK DATA MINING DALAM PENCARIAN POLA ASOSIASI DAN POLA SEKUENSIAL Arif Djunaidy; Rully Soelaiman; Adhita Pratiwi
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 1, No 1 Juli 2002
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (274.358 KB) | DOI: 10.12962/j24068535.v1i1.a97

Abstract

Data transaksi tiruan yang menyerupai transaksi nyata pada lingkungan ritel dibutuhkan dalam pengetesan teknik data mining untuk pencarian pola asosiasi dan pola sekuensial dari basis data berskala besar. Dalamdunia nyata, terdapat kecenderungan bahwa pembeli melakukan pembelian beberapa item secara bersamaan dengan ukuran transaksi terkelompok di sekitar nilai rerata banyaknya item yang dibeli dan membentuk poladistribusi Poisson. Makalah ini membahas pengembangan pembangkit data otomatis yang mengikuti pola distribusi Poisson untuk kebutuhan pengetesan perangkat lunak data mining dalam pencarian pola asosiasi dan pola sekuensial.Dalam proses pembangkitan data, perangkat lunak ini menggunakan beberapa parameter, seperti jumlah item, ukuran rerata itemset, ukuran maksimum large itemset, jumlah large itemset, ukuran rerata transaksi, ukuranmaksimum transaksi, dan jumlah transaksi. Sedang tahapan pembuatan transaksi tiruan meliputi pembentukan item yang akan dimasukkan ke dalam transaksi, pembuatan large itemset dari kumpulan item, dan pembuatantransaksi. Ukuran masing-masing itemset dan transaksi didasarkan pada pola distribusi Poisson dengan rerata sama dengan ukuran rerata large itemset/transaksi.Uji coba perangkat lunak yang dilakukan terhadap berbagai nilai parameter membuktikan bahwa pembangkit data otomatis mampu menghasilkan data transaksi tiruan dalam jumlah besar dengan waktukomputasi yang relatif singkat. Hasil uji coba menunjukkan bahwa (a) semakin besar ukuran rerata transaksi, semakin besar pula jumlah record, waktu pembuatan dataset, ukuran basis data, dan jumlah frequent itemsetyang ditemukan, (b) semakin besar jumlah transaksi, semakin besar pula jumlah record, waktu pembuatan dataset, dan ukuran basis data yang dihasilkan, dan (c) semakin besar jumlah itemset yang dibuat, semakinsedikit jumlah pola yang ditemukan. Kata kunci: pembangkit data otomatis, pola distribusi poisson, data mining, pola asosiasi, pola sekuensial.