Claim Missing Document
Check
Articles

Found 27 Documents
Search

ANALISIS REGRESI LINIER BERGANDA DALAM ESTIMASI PRODUKTIVITAS TANAMAN PADI DI KABUPATEN KARAWANG Tesa Nur Padilah; Riza Ibnu Adam
FIBONACCI: Jurnal Pendidikan Matematika dan Matematika Vol 5, No 2 (2019): FIBONACCI: Jurnal Pendidikan Matematika dan Matematika
Publisher : Fakultas Ilmu Pendidikan Universitas Muhammadiyah Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (889.277 KB) | DOI: 10.24853/fbc.5.2.117-128

Abstract

Karawang merupakan salah satu pusat penanaman padi di Pulau Jawa. Sebagai pusat penanaman padi, sudah seharusnya produktivitas padi dari tahun ke tahun mengalami peningkatan. Namun, produktivitas padi ternyata tidak konsisten, tahun 2015 mengalami kenaikan sedangkan tahun 2016 mengalami penurunan. Oleh karena itu, diperlukan suatu estimasi sehingga dapat diketahui produktivitas padi untuk tahun-tahun berikutnya. Beberapa algoritma yang dapat digunakan untuk mengestimasi hubungan antar variabel diantaranya regresi linier, fuzzy, dan jaringan syaraf tiruan. Regresi linier terbagi menjadi regresi linier sederhana dan regresi linier berganda. Regresi linier berganda digunakan untuk menelusuri pola hubungan antara variabel terikat dengan dua atau lebih variabel bebas. Berdasarkan suatu penelitian, regresi linier berganda lebih baik jika dibandingkan dengan metode fuzzy dan jaringan syaraf tiruan. Oleh karena itu, masalah produktivitas padi di Kabupaten Karawang dapat diestimasi dengan menggunakan analisis regresi linier berganda. Model regresi linier berganda dapat dinyatakan dalam bentuk perkalian matriks. Selanjutnya, perhitungan nilai-nilai koefisien regresi dapat dicari dengan menggunakan eliminasi Gauss. Berdasarkan model regresi yang didapat, sebesar 80,46% faktor-faktor produktivitas padi dapat dijelaskan oleh produksi, luas panen, luas tanam, curah hujan, dan hari hujan. Sedangkan sisanya 19,54% dapat dijelaskan oleh faktor-faktor lain yang tidak diteliti dalam penelitian ini. Variabel-variabel yang mempengaruhi peningkatan jumlah produktivitas yaitu variabel produksi dan curah hujan, sedangkan variabel-variabel yang mempengaruhi penurunan jumlah produktivitas yaitu variabel luas panen, luas tanam, dan hari hujan. Rata-rata kesalahan relatif regresi yang diperoleh yaitu 0,04642 atau 4,642%. 
Cluster Analysis of Covid-19 Distribution Using K-Means Clustering Algorithm Ato Sugiharto; Betha Nurina Sari; Tesa Nur Padilah
INTECOMS: Journal of Information Technology and Computer Science Vol 4 No 2 (2021): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/intecoms.v4i2.2776

Abstract

Coronavirus disease (covid-19) has become a global concern after on January 20, 2020, three people were killed in the city of Wuhan, Hubei province, China. Covid-19 was first reported to have entered Indonesia on March 2, 2020, with two cases. This study aims to conduct a cluster analysis of the distribution of COVID-19 cases in West Java province as of April 1, 2021 with the variables of isolation, recovery, and death. By using the elbow method, the difference in SSE in each cluster, the silhouette graph, and the factoextra diagram, the optimum number of clusters is 3, the evaluation results show the Dunn index value = 0.4776, connectivity = 9.4738, and silhouette = 0.5839 (data structure reasoned). The clustering results show a good variance of 75.8%. Cluster 1 consists of 1 city/district, cluster 2 consists of 6 cities/districts, and cluster 3 consists of 20 cities/districts.
Pelatihan Digital Marketing Usaha Mikro, Kecil dan Menengah (UMKM) di Kabupaten Karawang Ade Andri Hendriadi; betha nurina sari; Tesa Nur Padilah
J-Dinamika : Jurnal Pengabdian Masyarakat Vol 4 No 2 (2019): Desember
Publisher : Politeknik Negeri Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25047/j-dinamika.v4i2.1133

Abstract

Internet sudah digunakan oleh berbagai kalangan masyarakat termasuk di dalamnya para pengusaha UMKM di daerah. Namun kurangnya wawasan dan edukasi bagi para pengusaha UMKM menyebabkan tidak optimalnya penggunaan internet dalam mendukung proses bisnis guna meningkatkan laba yang diraih oleh pelaku UMKM. Salah satu pemanfaatan internet dalam manajemen bisnis adalah digital marketing yang merupakan salah satu usaha untuk memasarkan atau mempromosikan sebuah produk melalui media internet agar bisa menjangkau konsumen maupun calon konsumen dengan cepat. Sehingga diharapkan manajemen usaha menjadi lebih optimal dan mendapatkan hasil yang maksimal.Produk unggulan dari UMKM Dapur MomieBaranie dengan BuTaRi (Bloeder Tape Durian) dan bolu terubuk serta UMKM dodol, minuman segar Cola van Java dan jus buah Kawista yang berbahan dasar buah Kawista yang merupakan buah khas Karawang, aktif di promosikan dengan mengangkat branding oleh – oleh khas Karawang melalui pengaplikasiandigital marketing. Akan tetapi belum optimalnya pengaplikasiandigital marketing yang dilakukan memotivasi usulan pelaksanaan pengabdian masyarakat dalam hal mengedukasi UMKM di Karawang terkait pengoptimalan digital marketing. Pelatihan digital marketing ini membantu UMKM untuk meningkatkan kemampuan para pengusaha UMKM dalam pemanfaatan digital marketing, ditandai dengan adanya kenaikan jumlah pesanan produk dari media online.
PENGOLAHAN CITRA DIGITAL PREDIKSI BOBOT SAPI MENGGUNAKAN EKSTRAKSI FITUR CANNY DAN KLASIFIKASI K-NEAREST NEIGHBOR Iip Supiyani; Jajam Haerul; Tesa Nur Padilah
NUSANTARA : Jurnal Ilmu Pengetahuan Sosial Vol 8, No 7 (2021): NUSANTARA : Jurnal Ilmu Pengetahuan Sosial
Publisher : Universitas Muhammadiyah Tapanuli Selatan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31604/jips.v8i7.2021.2204-2212

Abstract

Produktivitas utama sapi potong adalah bobot badan sapi, yang menentukan kinerja pengelolaan sapi. Berat sapi dapat dihitung dengan mengalikan beratnya dengan persentase 85-100 persen yang telah ditentukan sebelumnya. Metode tradisional, perhitungan formula, dan perkiraan visual manusia semuanya dapat digunakan untuk menentukan berat sapi. Di sisi lain, penimbangan sapi secara manual dianggap berat. Dengan membangun sistem dalam program aplikasi yang ditujukan untuk mengatasi masalah dalam peramalan berat badan sapi, Teknologi Informasi dan Komputasi dapat digunakan untuk membantu memberikan solusi alternatif untuk masalah ini, seperti menggunakan pemrosesan citra digital untuk mengidentifikasi ukuran tubuh sapi yang sebenarnya. Sistem prediksi bobot sapi yang telah dibangun pada program aplikasi ini mengambil input berupa foto atau gambar sapi dan menghasilkan output berupa bobot sapi serta klasifikasi ternak berdasarkan bobot sapi yang diterima. Pendekatan ekstraksi fitur Canny Edge Detection dan klasifikasi K-Nearest Neighbor (KNN) digunakan dalam pekerjaan ini untuk membuat sistem untuk perangkat lunak aplikasi prediksi berat sapi. Anda dapat menghitung berat sapi dengan persentase 100 persen menggunakan rumus Schrool. Matlab digunakan untuk membuat program aplikasi yang digunakan untuk menaksir bobot sapi. Dengan waktu komputasi 9.161s, kombinasi metode canny dan klasifikasi K-NN dapat menghasilkan sistem dalam program aplikasi yang memiliki akurasi prediksi 97,46 persen dan akurasi klasifikasi 90 persen. 
Analisis Sentimen Terhadap Bakal Calon Presiden 2024 Dengan Algoritme Naïve Bayes Muhammad Raihan Fais Sya' bani; Ultach Enri; Tesa Nur Padilah
JURIKOM (Jurnal Riset Komputer) Vol 9, No 2 (2022): April 2022
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v9i2.3989

Abstract

Presiden Indonesia saat ini telah memegang jabatan yang sama selama 2 periode secara berturut – turut yang mana pada dasar peraturan untuk menjadi calon presiden sudah tidak bisa mencalonkan kembali menjadi presiden, dalam hal itu banyak lembaga survei yang telah mengeluarkan hasil survei terhadap beberapa tokoh yang memiliki elektabilitas untuk bisa menjadi calon presiden, berdasarkan hal tersebut juga banyak warganet yang menyampaikan pendapat, dari pendapat tersebut bisa dibuat kesimpulan mengenai sentimen warga masyarakat terhadap suatu tokoh bakal calon presiden tersebut dengan menggunakan metode Knowledge Discovery from Data dengan menggunakan algoritme naïve bayes dan perhitungan skor sentimen dengan harapan dari penelitian ini bisa memberikan bahan referensi kepada masyarakat dalam memilih presiden di pilpres yang akan datang. Hasil dari penelitian ini mendapatkan kesimpulan bahwa warganet memiliki sentimen positif terhadap setiap tokoh bakal calon presiden yang akan datang. Kemudian untuk hasil evaluasi dari algoritme naïve bayes yang didapatkan dari dataset pertama adalah 73,68 akurasi dan AUC 0,74 pada fold ke-7, dataset kedua adalah 71,43 untuk akurasi dan AUC 1,0 pada fold ke – 5, untuk dataset ketiga nilai akurasi yang didapat 60% dan AUC 0,92 pada fold ke-1, dan untuk dataset terakhir nilai akurasi yang didapatkan adalah 62,5% dan AUC 0,65 pada fold ke-3.
Application of C5.0 Algorithm in Prediction of Learning Outcomes in Calculus Subject Fida Nafisah Giustin; Betha Nurina Sari; Tesa Nur Padilah
Journal of Applied Engineering and Technological Science (JAETS) Vol. 3 No. 2 (2022): Journal of Applied Engineering and Technological Science (JAETS)
Publisher : Yayasan Riset dan Pengembangan Intelektual (YRPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (357.91 KB) | DOI: 10.37385/jaets.v3i2.673

Abstract

Calculus is one of the basic subject that must be studied at the computer science faculty of the informatics engineering study program. For some students, especially in the Faculty of Informatics Engineering, calculus is a subject that is considered quite difficult, even though this subject is important for them. And the resulted for some students having to repeat this subject. For this reason, predictions of calculus learning outcomes are carried out by applying the data mining process and using the C5.0 method for the prediction process based on the classification concept that will be carried out. This study applies the Cross Industry Standard Process for Data Mining (CRISP – DM) methodology with the C5.0 algorithm. The results are in the form of a decision tree (Decision tree) and the rules in it using the attributes of guardian, number of family members, status of residence, internet, activity, desire to continue study, the last education of parents (father and mother), parents' occupations, grades on assignments, UAS, and UTS. The C5.0 algorithm is able to predict the results of learning calculus. The evaluation results show that the applied C5.0 algorithm has an accuracy of 95%.
SISTEM PAKAR HAMA DAN PENYAKIT CABAI BERBASIS TEOREMA BAYES (STUDI KASUS : DINAS PERTANIAN KARAWANG) Rizal Zulfikar Rahman; Garno -; Tesa Nur Padilah
JUTEKIN (Jurnal Teknik Informatika) Vol 9, No 1 (2021): JUTEKIN
Publisher : LPPM STMIK DCI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51530/jutekin.v9i1.468

Abstract

Sistem Pakar adalah suatu program komputer yang dirancang untuk mengambil keputusan seperti keputusan yang diambil oleh seseorang atau beberapa orang pakar. produksi cabai dari tahun 2012-2016 mengalami fluktuasi yang disebabkan oleh faktor iklim dan gangguan serangan hama penyakit. Tahun 2015 jumlah produksi cabai di Kabupaten karawang menempati puncak tertinggi sebesar 3.517,50 Kw, sedangkan pada tahun 2016 mengalami penurunan menjadi 3.103,00 Kw, karena musim panen cabai bertepatan dengan peningkatan curah hujan, yang menyebabkan buah cabai diserang jamur dan akhirnya rontok sebelum siap panen. Usaha tani adalah ilmu yang mempelajari bagaimana mengalokasikan sumber daya yang dimiliki petani agar berjalan secara efektif dan efisien dan memanfaatkan sumber daya tersebut agar memperoleh keuntungan yang setinggi- tingginya. Dalam hal ini peran seorang expert atau pakar sangat diandalkan untuk menentukan jenis penyakit serta memberikan cara pengendalian guna mendapatkan solusinya. Salah satu metode yang dapat digunakan untuk membangun sistem pakar identifikasi hama dan penyakit cabai menggunakan metode Teorema Bayes. Hasil implementasi pada aplikasi ini adalah pengguna dapat mengetahui hama dan penyakit yang diderita berdasarkan gejala yang dialami pada cabai. Dengan adanya aplikasi ini, pengguna menjawab beberapa pertanyaan gejala yang sesuai dengan yang dialami oleh petani sehingga mendapatkan hasil atau kesimpulan sesuai dengan gejala yang dijawab dalam pertanyaan yang ada pada aplikasi sistem pakar hama dan penyakit cabai berbasis teorema bayes, dengan 6 penyakit yang dibahas. Kata Kunci: Produksi cabai, Sistem Pakar, Hama dan penyakit.
Prediction of Student Graduation Accuracy Using C45 Algorithm (Case Study: Fasilkom Unsika): Prediksi Ketepatan Kelulusan Mahasiswa Menggunakan Algoritma C45 (Studi Kasus: Fasilkom Unsika) Dyah Ayu Wulandari; Betha Nurina Sari; Tesa Nur Padilah
SYSTEMATICS Vol 4 No 1 (2022): April 2022
Publisher : Universitas Singaperbangsa Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35706/sys.v4i1.6307

Abstract

The Faculty of Computer Science at University Singaperbangsa Karawang has had problems in the last 3 years, namely the low level of accuracy of graduation. The number of students from the 2013 batch graduated on time as many as 43 out of 349. In 2014 51 out of 343 graduated on time. In 2015 there were 79 students graduating on time or 49%. The purpose of this study is to perform data mining using the C4.5 algorithm on Weka tools to determine the classification of student graduation determination. So that research is carried out to facilitate the determination of graduation. The distribution of training and testing data is carried out in 5 categories, namely 90:10, 80:20, 70:30, 60:40, 50:50 to find out the best results from the dataset comparison category. The results of the study show that the best accuracy values ​​are 90% training data and 10% testing data with an accuracy value of 84.2% and an ROC value of 0.852. Based on the results of the highest accuracy and ROC values, so it has a better and more accurate model.
Model Epidemi SIRS dengan Pertumbuhan Logistik Tesa Nur Padilah
Jurnal Silogisme : Kajian Ilmu Matematika dan Pembelajarannya Vol 2, No 1 (2017): Juni 2017
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (377.381 KB) | DOI: 10.24269/js.v2i1.471

Abstract

The phenomenon of the spread of infectious disease can be formed as an epidemic model. Simplest epidemic model is SI model which can be extended to SIR and SIS model. If recover person will not be susceptible to same disease until the immunity dies out, then the model will be SIRS model. If all person in SIRS model are in population which have restrictiveness of carrying capacity, then it will be formed SIRS model with logistic growth. This model can be presented mathematically using a system of differential equations. Based on SIRS model with logistic growth, it is obtained three disease-free equilibrium points and one endemic equilibrium point. Two disease-free equilibrium points are not stable, while one more point is asymptotically stable if modified reproduction ratio number more than one and the ratio between intrinsic growth rate with death rate which is caused of disease less than proportion of number of infected person with total population. Based on modified reproduction ratio number, loss of disease from population is affected by the interaction rate between susceptible person with infected person, recovery rate of infected person, death rate which is caused of disease, and birth rate. An endemic equilibrium point is asymptotically stable if basic reproduction ratio number more than one. Based on basic reproduction ratio number, epidemic case in population are affected by several things, they are the interaction rate between susceptible person with infected person, recovery rate of infected person, death rate which is caused of disease, birth rate, the factor which influence birth rate decrease, and intrinsic growth rate.
Pengaruh Jumlah Record Dataset Terhadap Algoritma Klasifikasi Berdasarkan Data Customer Churn Anita; Anggito Wicaksono; Tesa Nur Padilah
Jurnal Ilmiah Informatika Vol. 6 No. 1 (2021): Jurnal Ilmiah Informatika
Publisher : Department of Science and Technology Ibrahimy University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35316/jimi.v6i1.1223

Abstract

Telecommunication is one of the fastest growing industrial sectors so that there are more telecommunication companies. This can create various threats if the company does not use the strategy properly. Customer churn refers to the level of customer reduction which is one of the threats to reducing the company's revenue. This is an important issue for developing companies to evaluate in order to reduce the potential for churn that occurs. The initial stage that needs to be done is to predict customers who have the potential to switch from the company, one of which is the data mining approach. Classification is a data mining technique that can predict the class of datasets with various existing classification algorithms. The purpose of this study is to identify the effect of the number of dataset records on several classification algorithms. This research was conducted based on the CRISP-DM method by applying three classification algorithms, namely Logistic Regression, Naïve Bayes, and Decision Tree C4.5. The results showed that the greater the number of records in the dataset, the higher the accuracy value will be obtained. In dataset-1, logistic regression is a better algorithm based on an accuracy value of 80.09%, while naïve Bayes is superior based on an AUC value of 0.733 and an execution time of 0.00798 seconds. In dataset-2, it is found that decision tree is an algorithm that is more suitable than logistic regression and naïve Bayes algorithms, with an accuracy of 91.9% and an AUC value of 0.846 which is included in the good classification criteria. However, in execution time, the naïve Bayes algorithm only takes a processing time of 0.00403 seconds.