Claim Missing Document
Check
Articles

Found 5 Documents
Search

RANCANG BANGUN APLIKASI PEMESANAN TIKET KAPAL LAUT BERBASIS ANDROID MENGGUNAKAN METODE USER CENTERED DESIGN Hodaifi, Akhmad; Fardiansyah, Fardiansyah; Dharmawan, johan
Scientica: Jurnal Ilmiah Sains dan Teknologi Vol. 2 No. 11 (2024): Scientica: Jurnal Ilmiah Sains dan Teknologi
Publisher : Komunitas Menulis dan Meneliti (Kolibi)

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pelabuhan Kalianget merupakan pelabuhan penyeberangan yang berlokasi di Desa Kalianget, Kec. Kalianget, Kab. Sumenep. Pelabuhan Kalianget menghubungkan Kabupaten Sumenep dengan beberapa pulau disekitarnya, seperti pulau Sapudi, pulau Ra'as, pulau Kangean, dan lain-lain. Pelayanan di pelabuhan Kalianget dengan menggunakan fasilitas yang manual menjadi penyebab dari kesulitan para calon penumpang untuk mendapatkan tiket kapal laut. Sehingga, penelitian ini menawarkan usulan dalam perbaikan fasilitas tersebut, yaitu dengan mengaplikasikan pelayanan pemesanan tiket kapal laut dengan penerapan aplikasi TikLab (Tiket Pelabuhan Kalianget). Hasil dari penelitian ini menunjukkan proses rancang bangun aplikasi pemesanan tiket kapal laut berbasis android, dengan nama Tiket Pelabuhan Kalianget. Yang kemudian, konsep ini diimplementasikan dalam proses pemesanan tiket, dan hasilnya terlihat secara nyata dalam pengurangan antrian di loket, sekaligus memberikan kemudahan kepada calon penumpang untuk mengakses informasi terkait pelabuhan dan melaksanakan pembelian tiket kapal secara online.
ANALIS DIAGNOSA ANAK BERKEBUTUHAN KHUSUS MENGGUNAKAN METODE DECISION TREE (STUDI KASUS DI SEKOLAH LUAR BIASA SUMENEP) Pramunsyi, Ilham Yoga; Dharmawan, Johan
Journal of Advanced Research in Informatics Vol 3 No 1 (2024): Journal of Advanced Research in Informatics
Publisher : Fakultas Teknik, Universitas Wiraraja

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24929/jars.v3i1.3785

Abstract

ABSTRAK - Anak dengan kebutuhan khusus merupakan kelompok masyarakat yang membutuhkan perhatian dan perawatan khusus karena adanya gangguan dalam perkembangan dan fungsi, baik secara fisik maupun mental. Dalam istilah "disabilitas", mereka termasuk individu dengan berbagai bentuk keterbatasan seperti kehilangan penglihatan, gangguan pendengaran, ketidaksempurnaan fisik, dan disabilitas intelektual. Pendidikan yang disesuaikan dengan kebutuhan mereka menjadi kunci untuk mendukung perkembangan yang optimal. Setelah mengklafikasikan anak berkebutuhan khusus, akan diketahui apakah anak tersebut memiliki keterbatasan. Program pembelajaran yang dirancang berdasarkan temuan ini akan dibuat. klafikasi keterbatasan memerlukan alat dan assesmen untuk mengidentifkasi anak berkebutuhan khusus. Saat ini, proses identifikasi keterbasan berbeda antara SLB di Sumenep. Identifkasi ini dapat dipermudah dengan data mining menggunakan algoritma c4.5 yang menghasilkan pohon keputusan. Dari total identifikasi sebanyak 56 gejala dan data set diidentifikasi sebanyak 92 anak berkebutuhan khusus. Algoritma Decision Tree C4.5 diuji menggunakan cross validation dan confusion matrix untuk mengukur akurasi. Hasil pengujian menunjukkan bahwa dengan 10% data training dan 90% data testing, akurasi sebesar 33,33%; dengan 20% data training dan 80% data testing, akurasi sebesar 66,67%; dan dengan 30% data training dan 70% data testing, akurasi sebesar 78,57%. Pengujian dengan 10-fold validation menghasilkan akurasi sebesar 90,67%, dengan 5-fold validation sebesar 84,09%, dan dengan 3-fold validation sebesar 61,15%. Hasil dari pohon keputusan metode Decision Tree C4.5 memudahkan dalam memprediksi dan mengidentifikasi keterbatasan pada anak.
SISTEM INFORMASI GEOGRAFIS MUSHOLLAH(TPQ) LEGALITAS KEMENAGKABUPATEN SITUBONDO BERBASIS WEB MENGGUNAKAN PHP DAN MYSQL Helmi, Fauzi; Dharmawan, Johan
Journal of Advanced Research in Informatics Vol 1 No 2 (2023): JARS : Journal of Advanced Research in Informatics
Publisher : Fakultas Teknik, Universitas Wiraraja

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24929/jars.v1i02.2664

Abstract

Geographic Information System (GIS) is a computer-based system used to store and manipulate geographic information. GIS is designed to collect, store, and analyze objects and phenomena in which geographical location is an important or critical characteristic to be analyzed. Regarding the location of Musollah (TPQ), the people of Kabupaten Situbondo do not know much about its distribution. So in need of a system to map Musollah (TPQ). This study focuses on Musollah mapping (TPQ) supported by information about Musollah (TPQ). This GIS build uses data collection methods by collecting data in the Musollah Section of the Ministry of Religious Affairs Office of Situbondo Regency with a sample of several Musollah (TPQ), Waterfall system development method and Data Flow Diagram (DFD) for its system design. The tool used to build the GIS is to use the Google Maps API as a base map to show Situbondo County area, PHP as a web programming language, and to use MySQL as its database. The output of this system is the dispersion map of Musollah (TPQ) in Situbondo based on its coordinate location with supporting information which includes the address of Musollah (TPQ), Caregiver, and the number of santri and the existing facilities in Musollah (TPQ).
Prediksi Coin Kripto Dengan Menggunakan Metode LSTM (Long Short-Term Memory) Dwi Harjo, Rizal Sapta; Anugrah, Rifqi; Dharmawan, Johan
Journal of Advanced Research in Informatics Vol 3 No 2 (2025): Journal of Advanced Research in Informatics
Publisher : Fakultas Teknik, Universitas Wiraraja

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24929/jars.v3i2.4240

Abstract

Dalam studi ini, dilakukan penelitian mengenai sejauh mana akurasi algoritma AI (Kecerdasan Buatan) dapat memprediksi harga mata uang kripto, khususnya bitcoin. Dari sekian banyak metode AI, peneliti memilih LSTM karena penelusuran literatur yang ada menunjukkan bahwa LSTM banyak digunakan dalam metode prediksi yang memiliki akurasi sangat tinggi terhadap data yang diberikan. Dalam penerapannya, dapat disimpulkan bahwa LSTM menghasilkan nilai MSE (Mean Squared Error) dan RMSE (Root Mean Squared Error) yang baik, serta dapat memprediksi mata uang kripto. Dalam pengujiannya, dapat disimpulkan bahwa LSTM bekerja dengan cara memprediksi berdasarkan 50 data sebelumnya untuk memprediksi data selanjutnya, termasuk memprediksi data yang pada awalnya tidak ada perubahan harga atau datanya masih sedikit. Penelitian ini dapat menjadi referensi bagi para trader yang berkecimpung dalam bisnis mata uang kripto.
DESAIN APLIKASI KINERJA DOSEN PENGAMPU MATA KULIAH DI UNIVERSITAS WIRARAJA BERDASARKAN KEPUASAN MAHASISWA MENGGUNAKAN ALGORITMA K-MEANS iddrus; Gusaema Susiliwati, Arda; Dharmawan, Johan; Agus Setia Budi
Jurnal Teknika Vol 17 No 1 (2025): MARET
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/jt.v17i1.1371

Abstract

Evaluasi kinerja dosen merupakan salah satu aspek penting dalam meningkatkan kualitas pendidikan di perguruan tinggi. Salah satu cara untuk melakukan evaluasi ini adalah dengan menganalisis tingkat kepuasan mahasiswa terhadap proses pendidikan dan pengajaran yang diberikan oleh dosen. Dalam penelitian ini, digunakan metode K-Means Clustering untuk mengelompokkan data kepuasan mahasiswa yang dikumpulkan melalui Penjamin Mutu, dengan jumlah data sebanyak 543.652. Pengolahan data dalam jumlah besar memerlukan metode yang tepat agar hasil analisis lebih akurat dan dapat diinterpretasikan dengan baik. Oleh karena itu, penelitian ini mengembangkan model clustering berbasis K-Means serta mengimplementasikannya dalam sistem berbasis website. Proses K-Means Clustering dimulai dengan menentukan nilai centroid secara acak, kemudian iterasi dilakukan hingga tidak ada perubahan nilai centroid antara satu iterasi dengan iterasi berikutnya. Pengujian dilakukan menggunakan Google Colab dengan evaluasi menggunakan Davies-Bouldin Index (DBI). Hasil penelitian menunjukkan bahwa metode K-Means berhasil mengelompokkan dosen ke dalam empat cluster, yaitu: (1) Cluster 4 (Kategori Unggul) dengan 83 dosen (42%), (2) Cluster 3 (Kategori Baik) dengan 63 dosen (31%), (3) Cluster 2 (Kategori Cukup) dengan 45 dosen (23%), dan (4) Cluster 1 (Kategori Kurang) dengan 8 dosen (4%). Nilai DBI sebesar 0,260 menunjukkan bahwa hasil clustering memiliki tingkat akurasi yang baik. Dengan adanya pengelompokan ini, evaluasi kinerja dosen dapat dilakukan secara lebih efektif, sehingga institusi dapat mengambil langkah strategis dalam meningkatkan kualitas pengajaran dan kepuasan mahasiswa.