Garuda - Garba Rujukan Digital

Analisis Level Keselamatan Kerja (K3) Proyek Konstruksi Terhadap Risiko dan Manajemen K3 (Studi Kasus : Proyek Pembangunan Terminal II Bandara Radin Inten II, Gedung Parkir Bandara Radin Inten II, Showroom Auto 2000) ayuma milen; Ika Kustiani; amril siregar
Jurnal Rekayasa Sipil dan Desain Vol 4, No 4 (2016): Edisi Desember 2016
Publisher : Jurnal Rekayasa Sipil dan Desain

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

Whetherconstructionutilizingsimpleorcomplextechnology,theyarealwayspronetorisk of accidents.Applyingmanagementofoccupationalsafetyandhealthisveryimportantbecauseit cancreateagoodandsecureworkingenvironment.Howeverallitneedscommitmentfrom all stakeholdersto besuccessful. Thepurpose ofthisresearchistoassesthe implementationofsafetymanagementsystemin constructionprojects,identifyandquantifytheriskofaccidenteventsinconstructionprojects. Theresearchinvolvesquestionnairestogatherthemtheinformation. Therespondentscamefrom the projectcasesofstationII developmentRadinIntenIIairport,developmentofmulti-storeycar parkRadin Inten IIairport and developmentof auto 2000 showroom soekarno-hatta. This analysis was utilizing SPSS and the methode of analysis was frequency, validity and reliability test.Theresultsshowthatallthe threeprojectcaseshasamedium risk dueto accident causedbyignoring thesafetystandards and procedureareobvious. Keywords:Risk Management,Healthand SafetyEnvironment(SHE),SafetyManagement

Penerapan Data Mining Clustering Dalam Menentukan Tingkat Pembelian Kredit Tertinggi Algoritma K-Means dan K-Medoids Dhitta Yusup; Amril Siregar; Santi Lestari
Scientific Student Journal for Information, Technology and Science Vol. 4 No. 2 (2023): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

— Pembelian kendaraan bermotor makin meningkat tiap tahunnya dikarenakan kebutuhan masyarakat akan transportasi, berniaga, sekolah dan menunjang pekerjaan. Namun bagi sebagian orang membeli kendaraan secara tunai adalah suatu hal yang sulit maka dari itu sebagian orang memilih membeli kendaraan secara kredit agar bisa memakainya terlebih dahulu dan membayarnya di kemudian hari. Pembelian kredit memiliki beberapa ketentuan dan perjanjian yang tertuang di akta jaminan fidusia dan tentunya harus disepakati oleh kedua belah pihak. Jumlah pembelian kredit di beberapa pasti berbeda. Untuk mengetahui daerah mana saja dengan pembelian kredit tertinggi diperlukan data mining untuk mengelompokan daerah pembelian kredit tinggi, daerah pembelian kredit sedang dan daerah pembelia kredit rendah. Data terdiri dari 7 daerah dan 1.770 akta yang diolah menggunakan algoritma kmeans dan k-medoids sebagai pembanding. Perhitungan akan dilakukan menggunaka dua cara yaitu perhitungan manual danperhitungan menggunakan python. Evaluasi menggunakan metode silhouette coefficient dan di dapatkan hasil tingkat akurasi k-means lebih besar dari algoritma k-medoids.

Implementasi Algoritma K-Means Untuk Pengelompokan Pada Penyakit Menular Manusia Di Kabupaten Karawang Yoga Nugraha; Amril Siregar; Rahmat Rahmat
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 1 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Penyakit tuberkulosis, diare, kusta, dan pneumonia dapat dikategorikan sebuah penyakit menular yang patut diwaspadai. Terdapat permasalahan penyakit menular di daerah Kabupaten Karawang, hal ini ditandai dengan adanya kenaikan jumlah penderita penyakit menular pada setiap tahun nya. Hal ini ditandai penderita pneumonia dengan jumlah balita di Kabupaten Karawang sebanyak 239.792 perkiraan jumlah penderita penyakit pneumonia 10.133, jumlah kasus tuberkulosis anak tahun 2020 mengalami kenaikan yang cukup signifikan jumlah kasus dari 240 kasus menjadi 856 kasus, sedangkan jumlah pengidap diare yang ditemui serta ditangani Karawang tahun 2020 sebanyak 39.035 pengidap untuk seluruh usia ataupun 61%. Maka dari itu penelitian kali ini bertujuan untuk mengelompokan penyakit menular disetiap puskesmas Karawang ke dalam beberapa kelompok menggunakan algoritma k-means clustering. Dari hasil penelitian Algoritma K-Means Clustering dalam melakukan pengelompokkan diperoleh 1 data puskesmas pada cluster 1, 4 data puskesmas pada cluster 2, 45 data puskesmas pada cluster 3 dari 50 data puskesmas. Adapun hasil evaluasi menggunakan metode Elbow untuk mencari nilai K terbaik, dimana hasil K=3 merupakan jumlah cluster terbaik. Kemudian hasil tersebut dievaluasi menggunakan SSE (Sum of Square Error). Hasil evaluasi menggunakan SSE (Sum of Square Error) tingkat akurasi yang didapat, yaitu 1.949. Nilai jarak dari 2 cluster ke 3 cluster tersebut merupakan nilai yang mengalami penurunan paling signifikan atau paling besar sehingga 3 cluster merupakan cluster terbaik.

Penentuan penerima beasiswa dengan motode Naïve Bayes pada SMK Nahdlatul Ulama Karanganyar Yusril Budimansyah; Amril Siregar; Dwi Kusumaningrum
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 1 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Pendidikan memiliki pengaruh penting dalam menghasilkan anak didik yang berkarakter, inovatif dan berprestasi. Prestasi tentu dapat diraih berdasarkan kemampuan individu yang didasari pengetahuan yang baik dari tiap mata pelajaran. Salah satu keinginan murid meraih prestasi diluar maupun didalam sekolah adalah mendapatkan beasiswa. Namun pemberian bantuan beasiswa seringkali kurang tepat sasaran, maka dibuat penentuan penerimaan beasiswa di SMK Nahdlatul Ulama dengan tahapan pembersihan data, seleksi data, transformasi data, perhitungan manual maupun didalam program python, dan evaluasi pola menggunakan algoritma Naïve Bayes. Dengan hasil 25 data True positive, 96 data True negative dan 7 data False positive. Lalu evaluasi dari algoritma Naïve Bayes dengan menggunakan 31 data training, serta 128 data testing yang menghasilkan nilai akurasi 94,5%, presisi 78,1%, dan recall 100%.

Implementasi Algoritma Naive Bayes Pada Analisis Sentimen Terhadap Pelayanan Jasa Pengiriman Berdasarkan Opini Twitter Abdul Majid; Amril Siregar; Deden Wahiddin
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Tujuan penelitian ini menganalisis yang hasilnya dapat di olah bahan untuk evaluasi bagi pelayanan jasa pengiriman. Dalam penelitian ini data yang di Crawling Data dengan berbentuk format excel terbagi menjadi 3 kelas yaitu kelas positif, negatif, dan netral. Setelah itu data mengalami tahap filter data dari labelling data menjadi 2 kategori yaitu kategori kelas positif dan kelas negatif yang ada di data tweet menggunakan metode klasifikasi dengan label positif ditandai angka 1, sedangkan label negatif ditandai dengan angka -1. Data yang sudah dilakukan pelabelan sebanyak 1325 data tweet yang masuk dalam kata kunci ”Kurir” terdapat kelas positif ada 848 data tweet, dan kelas negatif ada 477 data tweet dengan menggunakan Algoritma Naïve Bayes. Lalu akan melakukan tahapan text preprocessing yang terdiri dari case folding, tokenizing, filtering, stemming, dan TF-IDF dan akan menghasilkan nilai sentimen positif dan negatif. Selanjutnya akan melakukan tahap pembagian dataset dibagi menjadi data training sebanyak 927 data, dan data testing sebanyak 398 data dengan menggunakan rasio 0.3 yang artinya 70% data training dan 30% data testing. Selanjutnya melakukan tahap evaluasi model klasifikasi algoritma Naive Bayes dengan menggunakan Confusion Matrix. Dari pengujian tersebut didapatkan hasil analisis sentimen dengan kata kunci ”kurir” mendapatkan nilai akurasi yang cukup baik dengan nilai akurasi sebesar 80%, presion 84%, dan Recall sebesar 87%.

Model Prediksi Harga Rumah Di Kabupaten Bandung Menggunakan Multiple Linear Regression Dan Support Vector Regression Aenul Fuadah; Amril Siregar; Yana Cahyana
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Rumah suatu bangunan dengan peran yang sangat penting untuk kehidupan manusia, karena rumah sebagai tempat hunian dan berkumpulnya keluarga. Semakin banyaknya pembangunan rumah yang dibangun oleh pemerintah dan pengembang, dapat mempengaruhi pada suatu harga rumah. Maka konsumen juga memiliki banyak pilihan dalam memilih tempat tinggal, dengan harga rumah yang setiap tahunnya berbeda-beda. Untuk mempertimbangkan pembelian rumah sesuai harga yang diinginkan, perlu adanya metode untuk memprediksi harga perumahan. Salah satu cara untuk mengetahui prediksi harga rumah, dapat melakukan analisis pada data harga rumah sebelumnya. Pada penelitian ini dilakukan prediksi harga rumah pada kabupaten Bandung menggunakan algoritma Multiple Linear Regression dan algoritma Support Vector Regression. Tujuan penelitian ini untuk mengetahui kinerja algoritma mana yang lebih baik dalam pembuatan model prediksi menggunakan data harga rumah kabupaten Bandung. Hasil penelitian ini, pada algoritma Multiple Linear Regression memperoleh R2-Square sebesar 69% dan RMSE sebesar 694.18. Pada algoritma Support Vector Regression menghasilkan nilai R2-Square sebesar 68% dan RMSE sebesar 704.93. maka algoritma Multiple Linear Regression lebih baik dalam memprediksi harga rumah kabupaten Bandung.

IMPLEMENTASI ALGORITMA NAÏVE BAYES DAN K-NEAREST NEIGHBOR UNTUK ANALISIS SENTIMEN TERHADAP LAYANAN INDIHOME BERDASARKAN OPINI TWITTER Aida Solehah; Amril Siregar; Adi Pratama
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Dengan berkembang pesatnya teknologi, maka semakin besar juga penggunaan internet. Untuk menunjang kebutuhan internet agar semakin cepat dan nyaman digunakan maka diperlukan pula provider jaringan yang cepat untuk mengakses internet. Pada tahun 2018, Sebanyak 18,9% dari pengguna internet menyatakan bahwa media sosial adalah penggunaan utama internet mereka. Twitter adalah salah satu media sosial yang banyak digunakan untuk mencari hiburan, bisnis, ekonomi, politik, dan jenis informasi lainnya. Indihome merupakan provider yang banyak digunakan pengguna untuk mengkases internet, Di tahun 2022, IndiHome dinyatakan sebagai pemilik Internet Service Provider (ISP) yang paling banyak digunakan oleh pengguna ISP dibandingkan provider lainnya sehingga indihome dapat menarik perhatian masyarakat yang lebih besar. Penelitian ini akan melakukan analisis sentimen terhadap pelayanan indihome, data diambil dari opini-opini pengguna twitter. Data yang digunakan berjumlah 1008 data tweet dan data akan diklasifikasikan menjadi dua yaitu opini negatif dan positif. Algoritma Naive Bayes dan K-Nearest Neighbor digunakan untuk mengklasifikasikan data setelah dibagi menjadi 70% data latih dan 30% data uji. Algoritma Naive Bayes memiliki akurasi 81,8%, presisi 88,5%, dan recall 86,6%, sedangkan Algoritma K-Nearest Neighbor memiliki akurasi 59,0%, presisi 95,4%, dan recall 46,8% saat diuji menggunakan Confusion Matrix.

Prediksi Harga Rumah Di Karawang Menggunakan Algoritma Multiple Linear Regression dan Support Vector Regression Ali Handani; Amril Siregar; Tohirin Mudzakir
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Rumah atau tempat tinggal merupakan kebutuhan utama bagi manusia, sehingga perlu perencanaan yang baik agar setiap keluarga dapat memiliki tempat tinggal yang layak. Dalam perencanaan tersebut, diperlukan prediksi atau perkiraan harga rumah di masa depan. Oleh karena itu, penelitian ini bertujuan untuk membuat model prediksi harga rumah menggunakan algoritma Multiple Linear Regression (MLR) dan Support Vector Regression (SVR) untuk dibandingkan. Data penelitian dikumpulkan melalui web scrapping dari beberapa situs web di bidang jual beli rumah, adapun variable yang mempengaruhi harga rumah seperti alamat, luas tanah, luas bangunan, kamar tidur, kamar mandi. Untuk tingkat yang baik dalam prediksi harga rumah, penelitian dilakukan beberapa kali dengan menggunakan data dependent dan data independent sebanyak 1732 data. Hasil perbandingan mendapatkan nilai akurasi 0.5439 dan evaluasi RMSE 148.3586 untuk algoritma Multiple Linear Regression (MLR), sedangkan algoritma Support Vector Regression (SVR) mendapatkan akurasi 0.5104 dan evaluasi RMSE 153.7563.

Perbandingan Algoritma Regresi Linear Dan Polynomial Pada Prediksi Kasus Gempa Bumi Di Indonesia Fifi Pikriyati; Amril Siregar; Rahmat Rahmat
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Bumi sebagai tempat tinggal kehidupan semua makhluk hidup dengan kekayaan yaitu sumber daya alam dan juga dapat menimbulkan potensi bencana alam, bencana alam yang dapat menghancurkan bumi dengan kerusakan yang cukup besar diantaranya gempa bumi. Gempa bumi merupakan sebuah energi yang didapatkan dari tekanan lempengan yang bergerak. Pada penelitian ini algoritma Regression Linear dan Polynomial digunakan sebagai metode untuk memprediksi gempa bumi berdasarkan kedalaman gempa dan besaran magnitude yang terjadi di Indonesia, menggunakan bahasa python. Proses penelitian ini lebih berfokus pada penerapan dan perbandingan algoritma. Data yang digunakan adalah data gempa bumi di Indonesia 2019-2022 dengan sebanyak 42408 data, pada peneltian ini menggambil wilayah di Indonesia Hasil penelitian ini diketahui bahwa menggunakan algoritma Regression Linear dan Polynomial dapat memprediksi gempa bumi di Indonesia, menghasilkan nilai error RMSE (root mean squared error) pada algoritma Polynomial menggunakan orde 3 menghasilkan nilai sebesar RMSE 0.7975 R2_Score 0.0690 dengan pemrograman python, sedangkan menggunakan algoritma Regression Linear menghasilkan nilai error sebesar dengan pemrograman python nilai RMSE 0.0611 dan R2_Score 0.8009. Berdasarkan hasil yang telah di dapatkan terjadi sebuah peningkatan nilai akurasi dengan penurunan nilai RMSE yang telah di dapatkan. Berdasarkan hasil yang diperoleh, pada penelitian ini menggunakan algoritma Polynomial lebih direkomendasikan dalam kasus memprediksi gempa bumi berdasarkan kedalaman gempa dan besaran magnitude yang terjadi di Indonesia dengan tingkat nilai akurasi yang lebih baik dan memiliki nilai error yang lebih kecil.

Title

Found 9 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 9 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 9 Documents
Search