Articles
Klasifikasi Neive Bayes Berbasis Particle Swarm Optimization Untuk Prediksi Penerima Bantuan Iuran Bpjs Kesehatan
Fajar Surya Putro;
Ema Utami;
Anggit Dwi Hartanto
Indonesian Journal Computer Science Vol. 1 No. 1 (2022): April 2022
Publisher : LPPM Universitas Bina Sarana Informatika
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (380.922 KB)
|
DOI: 10.31294/ijcs.v1i1.1154
Pada masa pandemi sangat berdampak besar pada kehidupan ekonomi masyarakat utamanya golongan rumah tangga kelas menengah ke bawah. Bantuan yang sangat dibutuhkan masyakat khususnya untuk mengatasi masalah kemiskinan dan kesehatan. Penerima Bantuan Iuran BPJS (PBI) merupakan salah satu usaha pemerintah untuk membantu meringankan masyarakat miskin yang mengalami kesulitan untuk membayar biaya iuran bulanan BPJS Kesehatan. Data penerima bansos BPJS (PBI) diambil dari Data Terpadu Kesejahteraan Sosial (DTKS) Kementerian Sosial. Hasil klasifikasi yang didapat 95% Penerima PBI BPJS DTKS diprediksi Tidak tidak layak menerima. Sedangkan 5 % diprediksi layak menerima. Dari hasil analisis optimasi algoritma Naïve Bayes dengan particle swarm optimization (PSO) dapat disimpulkan bahwa nilai akurasi yang didapat model algoritma Naïve Bayes berbasis PSO adalah 99,98%. Lebih baik jika dibandingkan dengan hanya model algoritma Naïve Bayes menghasilkan nilai akurasi sebesar 99,95%. Selisih antara kedua model tersebut sebesar 0,03%. Sedangkan untuk nilai precision yang didapat model algoritma Naïve Bayes berbasis PSO menunjukkan maximal value yaitu 100%. Lebih baik jika dibandingkan dengan hanya model algoritma Naïve Bayes menghasilkan nilai Precision sebesar 99.96%. Untuk nilai Recall model algoritma Naïve Bayes berbasis PSO menunjukkan nilai 99,59 %. Lebih baik jika dibandingkan dengan hanya model algoritma Naïve Bayes menghasilkan nilai Precision sebesar 98,84%.
OPTIMASI ANFIS UNTUK PREDIKSI DATA TIME SERIES
Ma'ruf Aziz Muzani;
Ema Utami;
Anggit Dwi Hartanto
JATISI (Jurnal Teknik Informatika dan Sistem Informasi) Vol 9 No 3 (2022): JATISI (Jurnal Teknik Informatika dan Sistem Informasi)
Publisher : Lembaga Penelitian dan Pengabdian pada Masyarakat (LPPM) STMIK Global Informatika MDP
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.35957/jatisi.v9i3.2956
ANFIS is a combination of 2 methods, namely fuzzy and artificial neural networks. From the combination of these 2 methods, ANFIS has the advantage of predicting time series data. However, the use of the ANFIS method also has its drawbacks. The drawback is that it can decrease the accuracy obtained. The decrease is because the data used is widely error-value and does not vary. In addition, the data used does not go through the preprocessing process first. Data collection comes from the BMKG website. The data will later be preprocessed to overcome the imbalance class. The results of training and testing with the process of optimizing the ANFIS method by normalizing and cleaning erorr data on rainfall data there are few similarities in both training and testing. For performance measurement, prediction accuracy uses RMSE for both 3:2 and 4:1 data ratios – getting 0.0728 and 0.0539, respectively. Based on the results of the application of the ANFIS method and normalization in the rainfall dataset of Sleman regency with parameters of the number of membership functions, input membership functions, learning rate, data ratios of 3:2 and 4:1 shows that the ANFIS method with data that has been carried out the normalization process and cleaning of error data can be an alternative method to predict rainfall levels with time series data.
EVALUASI MANAGED ENTERPRISE ARCHITECTURE PADA PENGADAAN ALAT PEMBELAJARAN TEKNOLOGI INFORMASI MENGGUNAKAN COBIT 2019 (Studi Kasus: SMKN 1 Nglipar)
Ridwan Dwi Irawan;
Ema Utami;
Alva Hendi Muhammad
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 7, No 3 (2022)
Publisher : STKIP PGRI Tulungagung
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29100/jipi.v7i3.3146
Kebutuhan operasional sebuah instansi sekolah terhadap pengadaan alat menjadi sebuah kegiatan yang dapat mendukung suatu aktivitas pembelajaran. Pedoman yang menjadi acuan dalam penentuan alat pembelajaran yaitu Standar Harga Barang Jasa atau SHBJ. Pedoman ini diatur dalam Peraturan Presiden RI No 54 tahun 2010 guna meningkatkan kualitas pelayanan masyarakat di bidang pendidikan. Dalam melaksanakan praktek pengadaan alat tentunya penting bagi kedua belah pihak baik pemberi dan penerima ajuan untuk menyesuaikan kebutuhan operasional dengan dokumentasi anggaran yang telah disepakati baik penentuan nilai barang maupun pengadaan berorientasi hasil dengan demikian pengadaan alat dapat dipenuhi sesuai biaya serapan maksimal yang distandarisasikan oleh pemerintah dalam APBD yang merupakan kepanjangan dari Anggaran Pendapatan Belanja Daerah. Proses audit yang dilakukan untuk mengukur proses bisnis yang ada pada instansi sekolah dalam melakukan pelayanan masyarakat. Hasil dari pedoman ini akan melakukan penyelarasan visi, misi, serta tujuan organisasi di SMKN 1 Nglipar. Pemilihan Domain APO03 didasari oleh pengisian data value pada design toolkit yang dimiliki oleh cobit 2019 dan didapatkan bahwa nilai terbesar yang ada pada canvas design toolkit adalah APO03 yaitu Managed Enterprise Architecture. Dari hasil beberapa audit yang dilakukan, dapat diperkirakan bahwa rata-rata nilai maturitas dari jumlah 5 subdomain APO03 adalah 3,18 yang masih berkisar pada level 3. Hasil audit menunjukkan bahwa tata kelola TI SMKN 1 Nglipar pada awalnya hampir terpenuhi Nilai yang diharapkan ketika diproses berdasarkan domain APO03.
PREDIKSI PRODUKSI JAGUNG MENGGUNAKAN ALGORITMA APRIORI DAN REGRESI LINEAR BERGANDA (STUDI KASUS : DINAS PERTANIAN KABUPATEN DOMPU)
Muh Adha;
Ema Utami;
Hanafi Hanafi
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 7, No 3 (2022)
Publisher : STKIP PGRI Tulungagung
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29100/jipi.v7i3.3139
Pangan Jagung adalah termasuk sumber karbohidrat yang penting. Diberbagai wilayah, pangan jagung merupakan jenis makanan yang dapat membakar lemak dikarenakan jagung mempunyai kandungan tinggi lemak dan kalori daripada nasi. Selain itu, asam lemak dan essensial yang dimiliki oleh jagung dapat membantu mencegah penyakit. Sebagai permasalahan pada studi kali ini, permintaan pangan jagung terus meningkat secara signifikant. Akibat dari konsumsi pangan jagung yang terus tumbuh dan meningkat namun produksi jagung itu sendiri masih dalam cakupan rendah sehingga menimbulkan ketimpangan dalam memenuhi kebutuhan pangan jagung. Seiring berjalannya waktu, perubahan produksi jagung Kabupaten Dompu setiap tahun, maka diperlukan suatu metode untuk memperkirakan produksi jagung kedepannya apakah akan menurun atau akan meningkat. Hasil ramalan ini nantinya digunakan sebagai indikator pangan jagung di Kabupaten Dompu. Pada studi kali ini, menggunakan data panen jagung yang didapatkani Dinas Pertanian Perkebunan Kabupaten Dompu periode tanam tahun 2012 sampai 2021. Maka dari itu, studi prediksi produksi jagung ini membutuhkan beberapa teknik algoritma diantaranya regresi linear berganda sebagai teknik prediksi produksi jagung, sedangkan apriori untuk melakukan peramalan pencarian barang yang sering dibeli oleh pelanggan menggunakan teknik asosisasi. Hasil perhitungan teknik regresi linear berganda untuk memprediksi jagung menggunakan pengujian MAD senilai 54, MSE senilai 231372 dan RMSE senilai 481 dan hasil persamaan regresi linear berganda diperoleh Y= -70.860 + -0.505x1 + 7.069x2 + -4.349x3. Sedangkan perhitungan menggunakan teknik asosiasi, didapatkan 2 rules dengan ketentuan minimal nilai support 10% dan confidence 70% diperoleh IF BUY Gandasil THEN BUY Ricestar with confidence 100%.
Prediksi Kapasitas Kargo Pada Bandara Deo Sorong
Muhammad Surahmanto;
Ema Utami;
Hanif Al Fatta
Insect (Informatics and Security): Jurnal Teknik Informatika Vol. 8 No. 1 (2022): Oktober 2022
Publisher : Universitas Muhammadiyah Sorong
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33506/insect.v8i1.1912
Kota Sorong memiliki letak yang strategis sehingga menjadi pintu keluar masuk dan transit ke Provinsi Papua Barat. Kota Sorong memiliki Bandara Domine Eduard Osok (DEO) yang melayani penerbangan berjadwal domestik dan Penerbangan perintis. Aktiftas pengiriman barang yang akan keluar ataupun menuju kota sorong dan sekitarnya otomatis akan terpusat di Bandara DEO. Untuk memastikan kelancaran aktifitas Kargo di Bandara DEO, pihak bandara harus memastikan kesiapan fasilitas layanan Kargo termasuk mengantisipasi jika kedepannya volume kargo semkin meningkat. Untuk itu diperlukan penelitian mengenai peramalan kapasitas kargo. Hal ini bertujuan untuk menghasilkan suatu sistem prediksi kapasitas kargo di bandara DEO dengan hasil data numerik. Metode ARIMA (Autoregressive Integrated Moving Average ) merupakan salah satu metode prediksi atau peramalan yang dapat menghasilkan ramalan-ramalan berdasarkan sintesis dari pola data secara historis. Metode ini memiliki tingkat kedekatan yang tinggi serta nilai kesalahan yang kecil dikarenakan proses perhitungan secara bertahap. Dengan menggunkan data volume kargo harian pada Bandara DEO tahun 2018, peneliti mencoba melakukan permodelan prediksi meggunakan model ARIMA. Dengan melakukan pengujian uji t ADF serta melakukan visualisasi menggunakan koefisien Autocorrelation Function (ACF) dan Partial Autocorrelation Function (PACF). Untuk melihat performa model menggunakan nilai RSS. Dari hasil penelitian, didapatkan bahwa model yang dibuat dapat melakukan prediksi dengan baik.
RETRACTED: Pengamatan Tren Ulasan Hotel Menggunakan Pemodelan Topik Berbasis Latent Dirichlet Allocation
Suparyati Suparyati;
Emma Utami;
Agus Fathurahman
Journal of Applied Informatics and Computing Vol 6 No 1 (2022): July 2022
Publisher : Politeknik Negeri Batam
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30871/jaic.v6i1.3645
Artikel dengan judul "Pengamatan Tren Ulasan Hotel Menggunakan Pemodelan Topik Berbasis Latent Dirichlet Allocation" telah dilakukan pencabutan artikel (RETRACT) dari vol. 6 no. 1 tahun 2022 Journal of Applied Informatics and Computing (JAIC), karena ditemukan duplikasi publikasi oleh penulis yang bersangkutan pada JIKO (Jurnal Informatika dan Komputer) https://ejournal.akakom.ac.id/index.php/jiko/article/view/579Penulis meminta maaf dan meminta untuk melakukan pencabutan artikel dari Journal of Applied Informatics and Computing (JAIC). Berikut surat permohonan pencabutan artikel dari penulis disini.
The Praktik Murabahah Emas Pada Bank Syariah di Indonesia Berdasarkan Tinjauan Hukum Fiqih Muamalah
Dina Juni Marianti;
Zulfa Rasyida;
Ema Utami
AT-Tahdzib: Jurnal Studi Islam dan Muamalah Vol 10 No 2 (2022): At-Tahdzib
Publisher : Sekolah Tinggi Agama Islam At-Tahdzib Ngoro Jombang Indonesia
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
Background. This study exists to examine the concept of investing or saving gold in Islamic banks which is carried out with the murabahah (buying and selling) financing model. Researchers found a problem, namely in the murabahah contract, and the gold payment mechanism which was carried out by means of fixed monthly installments.Aim. This paper aims to present the practice of gold murabahah at Bank Mandiri Syariah as an evaluation of the practice of saving gold with gold murabahah contracts in Islamic banksMethods. This study uses a comparative approach analysis method by analyzing the comparative law used by Islamic banks, namely the DSN MUI fatwa with a review of Fiqh muamalah according to the number of scholars. To explain this, the researcher uses a qualitative descriptive method with a muamalah fiqh approach, through this approach the researcher suggests how to practice according to the Shari'a.Results. The researcher found that there were differences of opinion among scholars regarding the concept of murabahah, and gold installments which the majority of scholars forbade it. Therefore, this study contributes to the analysis of the practice of saving gold in Islamic banks based on the fiqh muamalah review.
Pengamatan Tren Ulasan Hotel Menggunakan Pemodelan Topik Berbasis Latent Dirichlet Allocation
suparyati suparyati;
Emma Utami
JURNAL INFORMATIKA DAN KOMPUTER Vol 6, No 2 (2022): ReBorn -- September 2022
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (466.452 KB)
|
DOI: 10.26798/jiko.v6i2.579
Ketepatan dalam mengekstrak dan meringkas ribuan ulasan ke dalam beberapa topik menjadi kunci dalam pelaksanaan pengolahan data dan informasi lebih lanjut. Tidak terkecuali dalam industri perhotelan yang mana suatu ulasan merupakan sebuah aset yang apabila diolah dapat menghasilkan suatu informasi yang nantinya akan digunakan untuk kepentingan ekspansi bisnis dan keberlangsungan usahanya. Penelitian pemodelan topik ulasan hotel ini menggunakan Latent Dirichlet Allocation sebagai sarana untuk peringkasan dokumennya. Latent Dirichlet Allocation terbukti efektif dalam pengolahan peringkasan kata-kata dan banyak penelitian yang menggunakan metode ini. Adapun tujuan dari penelitian yang dilakukan untuk mendapatkan ringkasan kata-kata yang membentuk suatu topik yang mewakili keseluruhan ulasan yang mana dapat menghasilkan suatu data bagi manajemen hotel dalam mempertahankan eksistensinya dalam bisnis tersebut serta melakukan ekspansi dengan mempertimbangkan hasil dari pemodelan topik tersebut. Dari hasil pemodelan topik Latent Dirichlet Allocation yang telah dilakukan terhadap dataset review Tripadvisor dapat disimpulkan bahwa tren ulasan lebih banyak membahas mengenai lokasi, pelayanan, hotel, sarapan, resort dan pantai.
Comparative Analysis of ADDIE and ASSURE Models in Designing Learning Media Applications
Hasna Nirfya Rahmandhani;
Ema Utami
Jurnal Educative: Journal of Educational Studies Vol 7, No 2 (2022): December 2022
Publisher : Universitas Islam Negeri Sjech M. Djamil Djambek Bukittinggi
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30983/educative.v7i2.6005
Learning media is an important part of producing quality learning. Therefore, learning media development is needed that supports the learning objectives. Several models can be used in designing learning media, such as the ADDIE and ASSURE models. The ADDIE model has the following development steps: (1) Analysis, (2) Design, (3) Development, (4) Implementation, and (5) Evaluation. While the ASSURE model has the following development steps: (1) Analyzing learners, (2) Stating learning objectives, (3) Selecting media and methods, (4) Utilizing media and methods, (5) Requiring learner response, (6) Evaluating. The purpose of this study is to compare the use of the ADDIE model and ASSURE model according to the learning objectives. The research was conducted using the literature review method from 36 articles and books that discuss the making of learning media with ADDIE and ASSURE design models. The literature review references were taken from Google Scholar with publication years between 2012 - 2022. The results of this study show that the use of the ADDIE design model is more effective in designing learning media applications because it focuses on material content and application feasibility so that students can use it optimally to achieve goals. Meanwhile, the ASSURE model is more effective for designing learning systems or teaching materials because itfocuses on the application of learning media design models that can attract student interest to generate learning motivation.
Perbandingan Kinerja Model TF-IDF dan BOW untuk Klasifikasi Opini Publik Tentang Kebijakan BLT Minyak Goreng
Dedy Sugiarto;
Ema Utami;
Ainul Yaqin
JURNAL TEKNIK INDUSTRI Vol. 12 No. 3 (2022): VOLUME 12 NO 3 NOVEMBER 2022
Publisher : Jurusan Teknik Industri, Fakultas Teknologi Indusri Universitas Trisakti
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25105/jti.v12i3.15669
Intisari— Penelitian ini bertujuan untuk membandingkan kinerja klasifikasi dari metode Naïve Bayes (NB) dan Regresi Logistik (LR) menggunakan dua model ekstraksi ciri, yaitu Count Bag of Word (BOW) dan Term Frequency-Inverse Document Frequency (TF-IDF). Kasus yang diangkat adalah opini publik dari data Twitter terkait kebijakan Bantuan Langsung Tunai (BLT) minyak goreng yang dikeluarkan oleh Pemerintah pada awal April 2022. Tahap penelitian diawali dengan proses crawling dengan bantuan Twitter API menggunakan kata kunci Minyak Goreng BLT dan dilanjutkan dengan tahap pra-pemrosesan data dan pelabelan secara manual. Data teks yang bersih dan memiliki label kemudian dibelah menjadi data latih (90%) dan data uji (10%) dan diubah menjadi data numerik dengan menggunakan model BOW dan TF-IDF untuk kemudian digunakan sebagai input pada algoritma klasifikasi. Proses crawling menghasilkan 5058 tweet dan menyusut menjadi 1335 tweet bersih setelah pra-pemrosesan data. Terdapat 25,62% tweet positif, 14,38 % tweet negatif, dan 60% tweet netral. Hasil perbandingan model ekstraksi ciri dan algoritma klasifikasi menunjukkan bahwa model dengan performansi tertinggi diperoleh melalui model regresi logistik dengan BOW (LR-BOW) yang menghasilkan F1-score sebesar 0,70 dan akurasi sebesar 0,72. Hasil prediksi sentiment dengan model terbaik dapat menjadi bahan pertimbangan bagi pemerintah khususnya Kementerian Sosial dan Kementerian Perdagangan untuk lebih memperkuat tema kebijakan BLT yang membangkitkan sentiment positif serta memperbaiki tema yang membangkitkan sentiment negative. Abstract—This study aims to compare the classification performance of the Naïve Bayes (NB) and Logistics Regression (LR) methods using two feature extraction models, namely Count Bag of Word. (BOW) and Term Frequency-Inverse Document Frequency (TF-IDF). The case raised is public opinion from Twitter data related to the Cooking Oil Direct Cash Assistance (BLT) policy issued by the Government in early April 2022. The research phase begins with a crawling process with the help of the Twitter API using the keyword BLT Cooking Oil and continues with the pre-processing stage of data and manual labeling.. The clean and labeled text data were then split into training data (90%) and test data (10%) and converted into numeric data using the BOW and TF-IDF models to be used as input to the classification algorithm. The crawling process resulted in 5058 tweets and shrunk to 1335 clean tweets after data pre-processing. There were 25.62% positive tweets, 14.38% negative tweets, and 60% neutral tweets. The results of the comparison of feature extraction models and classification algorithms show that the model with the highest performance is obtained through a logistic regression model with BOW (LR-BOW) which produces an F1-score of 0.70 and an accuracy of 0.72. The results of sentiment prediction with the best model can be taken into consideration for the government, especially the Ministry of Social Affairs and the Ministry of Trade to further strengthen the BLT policy theme that evokes positive sentiment and improves the theme that evokes negative sentiment.