Claim Missing Document
Check
Articles

Found 27 Documents
Search

PELATIHAN PENGGUNAAN GOOGLE DRIVE SEBAGAI MEDIA MANAJEMEN ARSIP BAGI PERANGKAT DESA DI DESA PANGGUNG KECAMATAN PELAIHARI Jaka Permadi; Hendrik Setyo Utomo; Eka Wahyu Sholeha
Jurnal Pengabdian Kepada Masyarakat (MEDITEG) Vol 6 No 1 (2021): Jurnal Pengabdian Kepada Masyarakat (MEDITEG)
Publisher : Pusat Penelitian dan Pengabdian Kepada Masyarakat (P3M) Politeknik Negeri Tanah Laut (Politala)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/mediteg.v6i1.93

Abstract

The Panggung village officials in carrying out its performance has problems in archive management. Files stored in personal computers can be lost and corrupted due to a number of factors. Another problem is the difficulty of sharing files via social media such as WhatsApp, especially if the size is large. Finding files that have been shared for a long time is also difficult. Training on the use of Google Drive was carried out as a solution to the problem of archive management in Panggung Village. This training was wrapped in the form of community service and was held on June 2nd, 2021 at the Panggung Village Office which was attended by 20 Panggung village officials. The training is divided into four training materials: introduction to Google Drive, storing documents in Google Drive, sharing files and folders, and collaborating in managing documents on Google Drive. At the end of the training participants were asked to fill out a service partner satisfaction questionnaire. As a result, 93.5% of participants stated that they were very satisfied with the training. The remaining of them, about 6% of participants said that they were satisfied and 0.5% of participants said that they were not satisfied.
PERBANDINGAN K-NEAREST NEIGHBOR DAN BACKPROPAGATION NEURAL NETWORK DALAM PREDIKSI RESIKO DIABETES TAHAP AWAL Jaka Permadi; Herfia Rhomadhona; Winda Aprianti
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 8, No 3 (2021)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v8i3.419

Abstract

Diabetes is one of the most dangerous and deadly diseases in Indonesia, after stroke and coronary heart disease. Early prediction of diabetes risk is needed for early treatment. In this study, a comparison of classification methods was carried out in predicting the risk of early-stage diabetes. The dataset used is an open database collected from a questionnaire to a sample of patients at Sylhet Hospital, Bangladesh. The classification methods compared are K-Nearest Neighbor (KNN) and Backpropagation Neural Network (BPNN), because both are often used in research for the classification of human diseases. Based on the results of the study, BPNN is a classification method that is better than KNN in predicting the risk of early stage diabetes. BPNN with learning rate = 0.3, = 0.4 or = 0.5 and the number of hidden nodes = 5 units, has an accuracy rate of 90%, precision is 90% and recall is 90%. Meanwhile, KNN with K = 5, K = 7 or K = 9 has an accuracy rate of 83.75%, precision of 85.5497% and recall of 83.75%.Keywords: Backpropagation Neural Network, K-Nearest Neighbor, diabetes predictionDiabetes adalah salah satu penyakit berbahaya dan mematikan di Indonesia, setelah stroke dan jantung koroner. Prediksi resiko diabetes sejak awal diperlukan untuk penanganan penyakit ini sejak dini. Pada penelitian ini dilakukan perbandingan metode klasifikasi dalam prediksi resiko diabetes tahap awal. Dataset yang digunakan merupakan open database yang dikumpulkan dari kuesioner terhadap sample pasien di rumah sakit Sylhet, Bangladesh. Metode klasifikasi yang dibandingkan adalah K-Nearest Neighbor (KNN) dan Backpropagation Neural Network (BPNN), karena keduanya sering digunakan dalam penelitian untuk klasifikasi penyakit manusia. Berdasarkan hasil penelitian, BPNN merupakan metode klasifikasi yang lebih baik dibandingkan dengan KNN dalam memprediksi resiko diabetes tahap awal. BPNN dengan learning rate ? = 0.3, ? = 0.4 atau ? = 0.5 dan jumlah node hidden = 5 unit, memiliki tingkat akurasi sebesar 90%, presisi sebesar 90% dan recall sebesar 90%. Sementara KNN dengan K = 5, K = 7 atau K = 9 memiliki tingkat akurasi sebesar 83.75%, presisi sebesar 85.5497% dan recall sebesar 83.75%. Kata kunci: Backpropagation Neural Network, K-Nearest Neighbor, prediksi diabetes
Normalization-Simple Additive Weighting to Determination of a Single Tuition Winda Aprianti; Herfia Rhomadhona; Jaka Permadi; Yuniska Fithriyyah
Jurnal Inotera Vol. 7 No. 1 (2022): January-June 2022
Publisher : LPPM Politeknik Aceh Selatan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31572/inotera.Vol7.Iss1.2022.ID169

Abstract

Determination of a single tuition appropriately is important to ensure that every student gets a fair single tuition in accordance with their economic conditions. The single tuition team to determine a single tuition sometimes they have differences of opinion in determining a single tuition so that it requires a relatively long time. This problem can be solved by applying Simple Additive Weighting to student data. The collected data is formed into Data1 and Data 2. There is a value of 0 for the cost attribute so that it requires normalization which can solve the problem. The results of the application of Simple Additive Weighting facilitate the determination of a single tuition because by entering student data a preference value is generated as a reference for determining a single tuition. Application in Data 1 produces several similarities in preference values but is in different groups, but the application of Data 2 always results in different preference values. This difference shows that the application of Simple Additive Weighting to Data 2 is better than the application of Data 1.
Aplikasi Augmented Reality (AR) Sebagai Media Pembelajaran Siklus Embrio Manusia Berbasis Android Safar Safar; Jaka Permadi; Hendrik Setyo Utomo
Jurnal Humaniora Teknologi Vol. 4 No. 1 (2018): Jurnal Humaniora Teknologi
Publisher : P3M Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jht.v4i1.41

Abstract

Augmented Reality (AR) combining real things and virtual things into 3D’s objects that are appeared on a display screen. AR technology in mobile (smartphones and tablets) can applied for learning media. Specially for Android that have many users from students in Indonesia. The used of mobile among students is still not optimal, because the most of them only use it for communication, social media and playing games. The purpose of development AR based Android for learning media of human embrio cycles is to create a learning environment that is more interactively. From this media the students can interacting directly with cyber objects so that they can learn delightly. The development application performs 3D’s objects and videos virtually from markers that is described as pictures in student’s textbooks. Application will detect markers and then displaying 3D’s models in the screen of the mobile real time and it can performs sounds. The apllication is developed by some softwares like Blender, Unity and Vuforia.
Aplikasi Pendaftaran Rawa BaTIK (Ruang Aktivitas Warga Belajar Aplikasi dan TIK) Berbasis Web Much Rifani; Jaka Permadi
Jurnal Humaniora Teknologi Vol. 5 No. 1 (2019): Jurnal Humaniora Teknologi
Publisher : P3M Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jht.v5i1.51

Abstract

Dinas Komunikasi dan Informatika (DISKOMINFO) Kabupaten Tanah Bumbu memiliki program yang sedang digiatkan yaitu Ruang Aktivitas Warga Belajar Aplikasi dan TIK (Rawa BaTIK). Program tersebut bertujuan untuk memberikan kesempatan bagi pelajar dan masyarakat untuk dapat belajar TIK di pusat study DISKOMINFO. Permasalahan yang muncul yaitu calon peserta harus mendaftar langsung di kantor DISKOMINFO, dimana lokasi pendaftaran tersebut cukup jauh dari pusat kota. Berdasarkan permasalahan tersebut dibangunlah aplikasi pendaftaran Rawa BaTIK berbasis web. Aplikasi tersebut dibangun dengan menggunakan model waterfall, dimana perancangannya menggunakan ERD, DFD dan flowchart, dan bahasa pemrograman yang digunakan adalah HTML, PHP dan JavaScript. Aplikasi tersebut sudah diuji menggunakan metode Black Box Testing dengan hasil pengujian menunjukkan bahwa semua fungsionalitas dari aplikasi pendaftaran Rawa BaTIK berjalan seluruhnya.
Rancang Bangun Sistem Informasi Rawa BaTIK Berbasis Web Much Rifani; Jaka Permadi; Winda Aprianti
Jurnal Humaniora Teknologi Vol. 6 No. 1 (2020): Jurnal Humaniora Teknologi
Publisher : P3M Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jht.v6i1.76

Abstract

Sistem pendaftaran Rawa BaTIK (Ruang Kegiatan Warga Belajar Aplikasi dan TIK) yang dikelola oleh Dinas Komunikasi dan Informatika Kabupaten Tanah Bumbu saat ini masih dilakukan dengan cara manual atau langsung ke kantor Dinas Kominikasi dan Informatika. Kantor Dinas Komunikasi dan Informatika yang jaraknya cukup jauh dari Pusat Kota Tanah Bumbu hal ini tentu saja memberatkan bagi Pelajar atau Masyarakat yang ingin mendaftar. Berdasarkan permasalahan tersebut, diperlukan suatu sistem yang dapat memfasilitasi para calon peserta untuk mendaftar secara online agar tidak perlu lagi datang ke kantor Dinas Komunikasi dan Informatika, maka dibuatlah Sistem Informasi Rawa BaTIK (Ruang Masyarakat Belajar Aplikasi dan TIK) Berbasis Web. Pembuatan sistem ini menggunakan metode waterfall dimana pembangunan sistem informasi menggunakan bahasa pemrograman PHP yang kemudian diuji menggunakan black box. Sistem informasi Rawa BaTIK telah berhasil dibangun dan hasil pengujian juga menunjukkan fungsionalitas sistem dapat berfungsi sesuai dengan hasil yang diharapkan.
Perbandingan Elman Recurrent Neural Networks, Backpropagation Neural Networks, dan Exponential Smoothing dalam Peramalan Produksi Palawija Winda Aprianti; Jaka Permadi; Herfia Rhomadhona
MUST: Journal of Mathematics Education, Science and Technology Vol 5, No 2 (2020): DECEMBER
Publisher : Universitas Muhammadiyah Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30651/must.v5i2.6255

Abstract

Jumlah produksi tanaman palawija di Kabupaten Tanah Laut yang fluktuatif berdampak pada jumlah persediaan pangan. Jika terjadi penurunan jumlah produksi tanaman palawija dibanding tahun sebelumnya, maka pemerintah sebagai pemangku kepentingan harus mempunyai rencana untuk menghadapi keadaan ini. Hal ini dapat dilakukan apabila pemerintah mempunyai hasil prediksi produksi tanaman palawija. Hasil peramalan yang tepat dapat dihasilkan dengan memilih metode yang tepat pula. Penelitian ini menggunakan tiga metode untuk meramalkan produksi tanaman palawija, yakni Elman Recurrent Neural Network (ERNN), Backpropagation Neural Network (BPNN), dan Exponential Smoothing (ES). Mean Absolute Percentage Error (MAPE) digunakan untuk mengetahui performa terbaik dari ketiga metode peramalan tersebut. Visual Basic digunakan sebagai alat bantu untuk menjalankan program dan perhitungan MAPE. Penelitian ini menghasilkan bahwa MAPE untuk ERNN berada pada rentang 0.0151 sampai dengan 3.3610, BPNN pada rentang 0.0896 sampai dengan 3638.0264, ES pada rentang 0.4987 sampai dengan 44357.4931. ERNN menghasilkan MAPE terkecil untuk dataset jagung, kacang hijau, kacang tanah, kedelai, padi, dan ubi kayu. Sedangkan BPNN menghasilkan MAPE terkecil untuk dataset ubi jalar. Oleh karena itu, ERNN merupakan metode dengan performa terbaik karena MAPE yang dihasilkan terkecil untuk enam dari tujuh dataset.
Perbandingan PNN dan LVQ dalam Identifikasi Jenis Bercak pada Daun Cabai Jaka Permadi
Jurnal Sains dan Informatika Vol. 2 No. 2 (2016): Jurnal Sains dan Informatika
Publisher : Teknik Informatika, Politeknik Negeri Tanah Laut

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

Abstract

Learning Vector Quantization (LVQ) dan Probabilistic Neural Network (PNN) adalah dua buah metode dari Jaringan Syaraf Tiruan. Untuk beberapa kasus, dapat dikatakan LVQ dan PNN memiliki kemampuan yang setara dalam kasus klasifikasi, seperti identifikasi atau deteksi. Pada penelitian ini, dilakukan perbandingan kemampuan LVQ dengan PNN untuk identifikasi jenis bercak pada daun dengan memanfaatkan metode cross validation k-fold CV. Hasil dari penelitian yang dilakukan LVQ memiliki estimasi test error sebesar 0.4227 dengan akurasi validasi tertinggi sebesar 62.89%. Hasil yang dimiliki LVQ ini lebih baik daripada PNN dengan nilai estimasi test error sebesar 0.4495 dengan akurasi validasi tertinggi sebesar 59.79%. Dengan kata lain LVQ lebih baik daripada PNN dalam kasus identifikasi jenis bercak pada daun cabai berdasarkan citra daun tersebut. Kata Kunci: Identifikasi, k-fold CV, LVQ, PNN, Test error.
Aplikasi Penggajian Berbasis Web PT. Tirta Sukses Perkasa Lia Kumala Sari; Jaka Permadi
Jurnal Sains dan Informatika Vol. 4 No. 1 (2018): Jurnal Sains dan Informatika
Publisher : Teknik Informatika, Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jsi.v4i1.123

Abstract

Tirta Sukses Perkasa merupakan perusahaan yang kehadiran karyawannya menjadi salah satu faktor dalam penentuan pemberian gaji karyawan. Kehadiran karyawan direkam pada aplikasi finger print, walaupun demikian pengolahan data kehadiran sampai perhitungan gaji menggunakan Ms. Excel. Sehingga data harus dicatat secara manual dan diproses berulang kali dalam penyusunan laporan penggajian. Berdasarkan permasalahan yang ada, dibangunlah aplikasi penggajian karyawan berbasis web yang diharapkan dapat mengurangi intensitas pekerjaan admin keuangan dalam melakukan rekap gaji dan laporan keuangan. Laporan tersebut bermanfaat sebagai monitoring agar tidak terjadi lagi keterlambatan dalam pemberian gaji. Aplikasi dibangun berbasis web agar dapat diakses oleh admin keuangan dan karyawan. Aplikasi dirancang menggunakan ERD, DFD dan Flowchart. Aplikasi telah diuji fungsionalitasnya menggunakan black-box testing dengan tingkat keberhasilan sebesar 82,35%.
Klasifikasi Berita Kriminal Menggunakan Naïve Bayes Classifier (NBC) dengan Pengujian K-Fold Cross Validation Herfia Rhomadhona; Jaka Permadi
Jurnal Sains dan Informatika Vol. 5 No. 2 (2019): Jurnal Sains dan Informatika
Publisher : Teknik Informatika, Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jsi.v5i2.177

Abstract

Berita kriminalitas merupakan berita yang selalu menjadi trending topik di setiap media massa, khususnya media massa online. Media massa online terlah menyediakan beberapa fasilitas untuk mempermudah masyarakan dalam mencari sebuah berita berdasarkan topik. Media massa online melabeli suatu berita berdasarkan kategorinya. Namun, media massa online tidak memberikan sub kategori pada berita tersebut. Sebagai contoh jika seorang pengguna membuka kategori kriminal, maka yang ditampilkan adalah semua jenis berita kriminal tanpa memberikan informasi yang spesifik dari jenis kriminalitasnya. Permasalahan tersebut dapat diatasi dengan mengklasifikasikan berita kriminalitas berdasarkan subkategori. Penelitian ini menggunakan metode Naïve Bayes Classifier (NBC) untuk mengklasifikasi berita berdasarkan sub kategorinya. Adapun subkategori terbagi kedalam 5 kategori yaitu korupsi, narkoba, pencurian, pemerkosaan dan pembunuhan. Penelitian ini bertujuan untuk mengetahui kemampuan NBC dalam mengklasifikasi berita dengan melakukan pengujian menggunakan teknik K-Fold Cross Validation dengan nilai K dari 3 sampai 10. Hasil pengujian menyatakan bahwa NBC memiliki kemampuan dalam klasifikasi berita kriminal dengan nilai precision sebesar 98,53 %, nilai recall sebesar 98,44 % dan nilai accuracy sebesar 99,38 %.