Claim Missing Document
Check
Articles

Found 4 Documents
Search

CEKPOLUSI (ANDROID): SISTEM INTERAKTIF KUALITAS UDARA MENGAJAK MASYARAKAT DALAM MENURUNKAN POLUSI UDARA Hafidz, Irmasari; Azmi, Zain Maulana; Firdiyanto, Ilham; A, Pramitya Lisnawaty; Nandika, Dina; Cahyaningtyas, Ratih; Rakhmawati, Nur A
SISFO Vol 7 No 1 (2017)
Publisher : Department of Information Systems, Institut Teknologi Sepuluh Nopember

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

Abstract

Polusi udara merupakan perubahan komposisi dari zat udara sehingga kualitas dari zat tersebut menjadi berkurang atau tidak bisa lagi diperuntukkan sesuai fungsinya. CekPolusi (android) adalah aplikasi berbasis Android sebagai sistem yang menampilkan informasi secara akurat dan informatif mengenai kualitas udara, dampak, serta cara mengantisipasinya, yang merupakan project lanjutan dari Cek Polusi web version di tautan http://cekpolusi.addi.is.its.ac.id/. Sumber data berasal dari informasi stasiun pemantau, tingkat konsentrasi polutan, dan nilai batas toleransi dari Kementrian Lingkungan Hidup, Badan Lingkungan Hidup (atau BLH) Surabaya dan Environation ITS. CekPolusi (android) menginformasikan kondisi kualitas udara dalam angka dan tingkat kualitas udara sesuai Air Quality Index. CekPolusi (android) mengajak masyarakat untuk mengurangi polusi udara dengan kampanye udara sehat. CekPolusi (android) memiliki fitur gamifikasi berupa My Emission dan Let’s Walk yang diharapkan dapat memotivasi masyarakat untuk mengurangi penggunaan kendaraan bermotor. Pengembangan aplikasi CekPolusi (android) dilakukan dengan metode SDLC prototype dan aplikasi ini sudah dapat ditemukan di PlayStore.
RANCANG BANGUN DASHBOARD DAN VISUALISASI DATA KICKSTARTER DENGAN PENDEKATAN BUSINESS INTELLIGENCE Mirfak, Achmad; Azhari, Anisah; Adianto, Aufar Ilham; Fuad, Berry Humaidi; Farabi, M. Ihsan; Hafidz, Irmasari
SISFO Vol 8 No 2 (2019)
Publisher : Department of Information Systems, Institut Teknologi Sepuluh Nopember

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

Abstract

Kickstarter is one of the most famous worldwide crowdfunding platforms. Pebble smart watch slash wearable technology is one example of successful story on Kickstarter. With current trend on how successful a project can be delivered until its product launch, Kickstarter must analyze its data to asses which projects that is successful and how its revenue progress. With business intelligence approach, Kickstarter could make performance evaluation from three aspects, such as Strategic, Management, and Operational. This will detect which project is failed to reach their goal and how project grow each region. Based on our approach, there are four types of insights, namely descriptive, diagnostic, predictive, and prescriptive insights. This insight could be used as a reference for companies reaching their goals. Although there are some of the biggest and most-pledged projects done in 2015, Kickstarter hit their worst year because they found that many projects could not reach their target. However, respectively in 2016 and 2017 Kickstarter had their percentage of success projects increase slowly although there are many competitors, such as new crowdfunding platform.
Clustering Kelompok Swadaya Masyarakat (KSM) dalam Menentukan Kebijakan Bantuan Badan Pemberdayaan Masyarakat di Kota Surabaya dengan Menggunakan Metode Self-Organizing Map (SOM) dan K-Means Cahyo Aji Nugroho; Rully A Hendrawan; Irmasari Hafidz
Jurnal Teknik ITS Vol 1, No 1 (2012)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (292.599 KB) | DOI: 10.12962/j23373539.v1i1.1117

Abstract

Kelompok Swadaya Masyarakat (KSM) adalah bentuk usaha yang dilakukan masyarakat dengan modal terbatas dalam upaya menciptakan lapangan pekerjaan baru, meningkatkan perekonomian rakyat dan mengurangi tingkat pengangguran di masyarakat. Salah satu cara dengan membina para pelaku KSM agar dapat meningkatkan usahanya serta memiliki potensi yang cukup strategis dalam  perekonomian daerah. Selain itu KSM yang merupakan awal dari pertumbuhan badan usaha kecil, dapat meningkatkan pendapatan perkapita masyarakat. Perkembangan KSM di Surabaya cukup pesat namun belum semuanya bisa mendapatkan bantuan  dikarenakan belum bisa memenuhi persyaratan yang ditetapkan. Untuk meningkatkan jumlaj usaha KSM  yang diperlukan saat ini adalah permodalan,  pelatihan,dan pemasaran . Pada penelitian ini akan dilakukan klastering UKM di Surabaya dengan menggunakan metode Self-Organizing feature Map (SOM)  yang diintegrasikan dengan metode K-means. Dengan hasil klaster tersebut akan dihasilkan beberapa golongan karakteristik KSM. Setelah itu hasil tersebut akan dianalisa karakeriktik setiap golongannya. Setelah dilakukan penelitian terdapat 6 golongan klaster yang didapatkan setelah dilakukan perhintungan dengan SOM dan Kmeans yang memiliki karakteristik berbeda-beda Berdasarkan data perkembangan KSM yang telah dilakukan proses klaster 80% para pelaku KSM telah dapat melakukan produksi, dan namun hanya 65% yang dapat melakukan pemasaran secara aktif.
Chatbot Model Development Using BERT for West Sumatera Halal Tourism Information Hafidz, Irmasari; Mukti, Bayu Siddhi; Naseela, Qudsiyah Zahra Ilham; Yudistira, Ahmadhian Daffa; Purnama, I Putu Adhitya Pratama Mangku; Ariyani, Nurul Fajrin; Astuti, Hanim Maria; Tjahyanto, Aris
Halal Research Vol 4 No 2 (2024): July
Publisher : Halal Center ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j22759970.v4i2.1819

Abstract

Halal tourism in Indonesia is growing rapidly, highlighting the need for Muslim halal tourism information that gives unique and relevant information for traveller. However, providing timely and reliable information, specifically related to halal tourism remains a challenge. This research aims to address this by developing a chatbot model using BERT for West Sumatra’s halal tourism. A total of 1,125 questions were prepared, divided into nine categories or labels with 125 questions each. Eighty percent (900 questions) was used to fine-tune the BERT-base-multilingual-uncased model, while 20% (225 questions) was used for evaluation. The model was fine-tuned using BertForSequenceClassification for three epochs with a batch size of 32. The chatbot demonstrated high performance, with an overall accuracy of 0.96. However, the lowest precision value was 0.89 for “budaya” (or culture) and “kuliner” (or culinary) labels, and the lowest recall value was 0.64 for the “belanja” (or shopping) label, yielding an F1-score of 0.78. This study describes chatbot model development, from data collection and pre-processing to experimental setup and model training using a fine-tuned BERT-base-multilingual-uncased model. The chatbot model can group user queries into specific purposes and respond to a predefined list. However, one label (e.g “belanja” or shopping) may have the lowest recall due to a poor training dataset and query variation.