Articles
<![CDATA[Pengembangan PDPT Berbasis Framework Dengan Teknologi Web Service SOAP dan REST di Universitas Semarang ]]>
<![CDATA[Whisnumurti Adhiwibowo]]>;
<![CDATA[Galet Guntoro Setiaji]]>;
<![CDATA[Tirta Jurista Kumkamdhani]]>
<![CDATA[ Jurnal Informatika Upgris Vol 5, No 2: Desember (2019) ]]>
Publisher : <![CDATA[Universitas PGRI Semarang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26877/jiu.v5i2.4209
<![CDATA[One indication of the development of a tertiary institution can be seen from the number of students applying from year to year. The increasing number of students is an identification that the tertiary institution is in high demand by the community. University student data is stored in a university database or often called PDPT. PDPT data is used for various things, such as calculating the ratio of lecturers and students, calculating the number of graduations, calculating class ratios to university income. Because of the importance of the PDPT data, the validity of the PDPT data must be maintained. The problem that arises at the University of Semarang is that the data is only contained in the central server and is not distributed well globally or in detail up to the Study Program and the Quality Assurance Agency. This requires an alternative way to validate student data so that student data can be monitored continuously. The method can be done by using software development methods using a framework. Data obtained through the computer center by utilizing a web service so that data can be retrieved directly.]]>
<![CDATA[Perbandingan Algoritma Klasifikasi untuk Prediksi Cacat Software dengan Pendekatan CRISP-DM ]]>
<![CDATA[Nurtriana Hidayati]]>;
<![CDATA[Joko Suntoro]]>;
<![CDATA[Galet Guntoro Setiaji]]>
<![CDATA[ Jurnal Sains dan Informatika Vol. 7 No. 2 (2021): Jurnal Sains dan Informatika ]]>
Publisher : <![CDATA[Teknik Informatika, Politeknik Negeri Tanah Laut ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34128/jsi.v7i2.313
<![CDATA[Proses prediksi cacat software merupakan bagian terpenting dalam sebuah pengujian kuliatas software sering juga disebut dengan software quality yang bertujuan untuk mengetahui mutu software dalam pemenuhan kebutuhan fungsional dan kinerjanya. Metode machine learning mempunyai kinerja lebih baik untuk menemukan cacat software daripada metode manual. Algoritma klasifikasi dalam machine learning yang pernah digunakan untuk prediksi cacat software antara lain k-Nearest Neighbor (k-NN), Naïve Bayes (NB) dan Decision Tree (CART). Dalam penelitian ini akan dibandingkan kinerja antara algoritma - algoritma klasifikiasi yaitu k-NN, NB, dan CART untuk prediksi cacat software dengan pendekatan CRISP-DM. CRISP-DM merupakan model proses data mining dengan 6 tahapan yaitu: Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment dalam menentukan perbandingan algoritma klasifikasi dalam memprediksi cacat software. Software Matrix yang digunakan pada penelitian ini adalah tujuh dataset dari NASA MDP. Hasil penelitian menunjukkan bahwa nilai rata-rata akurasi algoritma CART lebih baik daripada algoritma k-NN dan NB dengan nilai 0,867. Sedangkan nilai rata-rata akurasi algoritma k-NN dan NB masing-masing 0,859 dan 0,778.]]>
<![CDATA[PENINGKATAN KEMAMPUAN PENGELOLAAN WEBLOG DENGAN KONTEN INTERNET SEHAT SEBAGAI SARANA PUBLIKASI DAN INFORMASI PADA SISWA SMA NEGERI 2 SEMARANG ]]>
<![CDATA[Galet Guntoro Setiaji]]>;
<![CDATA[April Firman Daru]]>;
<![CDATA[Saifur Rohman Cholil]]>
<![CDATA[ TEMATIK Vol 2, No 1: July 2020 ]]>
Publisher : <![CDATA[TEMATIK ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26623/tmt.v2i1.1828
<![CDATA[Community Service Activities (PkM) "Increasing the Capability of Management of Healthy Weblogs with Internet Content as a Means of Publication and Information for Students of Semarang 2 High School" involving partners of High School Middle School students in the city of Semarang. Many school students have not used the weblog to provide information and publications about activities related to learning, school organization activities and other activities. In this activity, partners will be given training in making weblogs with healthy internet content by the PKM team tailored to the level of needs and resources of each partner. At the end of this activity, it is expected that all students who take part in the training can create a weblog by filling out healthy internet content for the better so that it will improve the ability of publications and information to internet users as a form of community service. The purpose of this service is to increase the ability of weblogs to share knowledge, publications and information of students by creating a healthy internet on the weblog.]]>
<![CDATA[Komparasi Metode Naive Bayes dan C4.5 Pada Klasifikasi Persalinan Prematur ]]>
<![CDATA[Hanif, Mohammad Burhan]]>;
<![CDATA[Rani, Handini Arga Damar]]>;
<![CDATA[Rifai, Ahmad]]>;
<![CDATA[Setiaji, Galet Guntoro]]>
<![CDATA[ Joined Journal (Journal of Informatics Education) Vol 5 No 1 (2022): Volume 5 Nomor 1 (2022) ]]>
Publisher : <![CDATA[Universitas Ivet ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31331/joined.v5i1.2242
<![CDATA[Persalinan prematur adalah persalinan diluar masa lahir bayi yang menyebabkan kematian bagi bayi serta komplikasi terhadap ibu bayi. Juga menjadi beban tenaga medis dengan tren peningkatan sebanyak 8%. Klasifikasi data mining hadir sebagai pemecah masalah deteksi pencegahan awal persalianan premature. Dengan memanfaatkan algoritma klasfikasi C4.5 dan algoritma naïve bayes yang dianggap baik secara kinerja. Untuk memilih algoritma terbaik dalam klasifikasi persalinan prematur maka harus diukur dengan baik kinerjanya. Dari hasil pebandingan algoritma naïve bayes dengan algoritma C4.5 didapatkan akurasi sebesar 98.75% dengan AUC 0.5. Sedangkan capaian dari algoritma naïve bayes sebesar 81.88% dan AUC 0.945. Maka dari hasil perbandingan nilai akurasi kedua algoritma tersebut disimpulkan bahwa algoritma C4.5 mampu lebih unggul dalam penanganan data persalianan premature dibandingakan dengan algortima naïve bayes.]]>
<![CDATA[Pelatihan Editing Video Guru SMK Walisongo Dengan Adobe Premier ]]>
<![CDATA[Pramono, Basworo Ardi]]>;
<![CDATA[Guntoro Setiaji, Galet]]>;
<![CDATA[Rifa i, Ahmad]]>
<![CDATA[ TEMATIK Vol. 1 No. 1 (2021): Januari ]]>
Publisher : <![CDATA[Universitas Semarang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26623/tmt.v1i1.2551
<![CDATA[The development of technology in this modern era is very fast, currently technology has provided many benefits in advancing in various aspects. This development is not only in a matter of years, months or days, but hours, even minutes or seconds, especially in relation to information and communication technology supported by electronic technology. The use of technology by humans to help complete work is a necessity in life. The development of this technology must also be followed by developments in Human Resources (HR). The concept of service will teach vocational teachers who have minimal knowledge in the field of video editing. The video editing training with Adobe Premiere is expected to be a learning tool to create content for the learning of Walisongo Vocational School teachers. This training activity is carried out at the Walisongo Vocational School Lab and is supported by a question and answer session, a practicum module will also be given to each training participant. The purpose of implementing this community service is to increase the creativity of the Walisongo Vocational School teachers who will create learning content for their students. From the implementation of community service, it is hoped that it can improve skills and creativity by using Adobe Premiere software, so that later when they create interactive and interesting learning content, either making videos to be given to students or uploaded on YouTube and they can have an in-depth understanding of multimedia, especially the field. video editing with adobe premiere.]]>
<![CDATA[PEMANFAATAN DESAIN FLYER UNTUK MENINGKATKAN PEMASARAN PRODUK PADA FORUM KOPERASI DAN USAHA MIKRO KECAMATAN SEMARANG LOR ]]>
<![CDATA[Hanif, Mohammad Burhan]]>;
<![CDATA[rifai, ahmad]]>;
<![CDATA[Setiaji, Galet Guntoro]]>;
<![CDATA[Gunata, Krida Pandu]]>
<![CDATA[ TEMATIK Vol. 3 No. 1 (2023): Januari ]]>
Publisher : <![CDATA[Universitas Semarang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26623/tmt.v3i1.6137
<![CDATA[Pengabdian ini dilatar belakangi oleh UMKM GERAI KOPIMI Kecamatan Semarang Lor, yang belum optimal dalam memasarkan produknya karena hanya mengandalkan model pemasaran konvensional yaitu dengan menawarkan dari pintu ke pintu dan memajang hasil usahanya di tempat masing-masing. Selain itu produk dan cara promosi yang ditawarkanpun hanya nampak sederhana terkesan kurang menarik serta kurang mencuri perhatian dan terlihat alakadarnya. Dalam pelaksanaannya, pengabdian kepada masyarakat ini dilaksanakan dalam rangkaian kegiatan untuk memberikan pengetahuan tentang meningkatkan marketing dengan desain flyer menggunakan aplikasi canva sebagai sarana pemasaran yang mencuri perhatian. Hasil desain flyer ini nantinya akan diterapkan pada sosial media menggunakan teknologi informasi. Kegiatan ini juga akan meningkatkan nilai tambah produk hasil dengan cara desain pengemasan ulang dalam bentuk yang lebih baik dan lebih menarik. Rangkaian kegiatan yang akan dilakukan meliputi inventarisasi permasalahan yang dialami mitra, melakukan perancangan metode pemasaran dan sarana promosi produk, melakukan sosialisasi dan pelatihan terhadap metode yang telah dibuat, evaluasi kegiatan, dan pelaporan hasil kegiatan. Kata Kunci: UMKM, Desain Flyer, Pengemasan ProdukPEMANFAATAN DESAIN FLYERUNTUK MENINGKATKAN PEMASARAN PRODUK PADA FORUM KOPERASI DAN USAHA MIKRO KECAMATAN SEMARANG LOR]]>
<![CDATA[Peningkatan Pengelolaan Sampah Melalui Aplikasi Bank Sampah di Desa Truko Kendal ]]>
<![CDATA[Hanif, Mohammad Burhan]]>;
<![CDATA[Setiaji, Galet Guntoro]]>;
<![CDATA[Putri, Astrid Novita]]>
<![CDATA[ TEMATIK Vol. 3 No. 2 (2023): Juli ]]>
Publisher : <![CDATA[Universitas Semarang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26623/tmt.v3i2.7354
<![CDATA[Kegiatan pengabdian kepada masyarakat yang dilaksanakan sebenarnya bertujuan untuk meningkatkan proses dan cara pengelolaan Bank Sampah Desa Truko Kendal. Bank sampah sejatinya bisa menjadi salah satu wujud pengelolaan sampah di lingkup masyarakat umum di mana limbah sampah rumah tangga akan dikelompokkan menjadi satu untuk dipilah, dan dijual kembali kepada pihak ketiga yaitu pengepul. Melalui bank sampah, limbah sampah rumah tangga dapat dikelola menjadi suatu hal yang bernilai ekonomis. Pengelolaan dengan cara bank sampah sendiri mengadopsi sistem perbankan pada dasarnya, namun bentuknya lebih kecil dan sederhana. Dimana Nasabah bank sampah adalah bagaian dari warga sekitar, yang akan menyerahkan sampah untuk dicatat sebagai saldo sesuai nilai ekonomisnya. Dalam prakteknya, pengelolaan bank sampah di Desa Truko Kendal mempunyai berbagai kendala. Program pengabdian masyarakat ini dilakukan untuk menyelesaikan kendala itu serta meningkatkan pengelolaan bank sampah melalui kegiatan yang bernilai ekonomis bagi warga. Peningkatan proses pengelolaan bank sampah dikerjakan dengan menerapkan Sistem Digital Manajemen melalui komputer. Selain itu, juga diadakan berbagai pendampingan juga pelatihan produk kreatif dari limbah hasil sampah plastik. Hal ini untuk meningkatkan kinerja pengelolaan bank sampah dan kegiatan operasional bank sampah di Desa Truko Kendal untuk program pengabdian berikutnya.]]>
<![CDATA[Random State Parameter Undersampling untuk Penanganan Data dengan Kelas Tidak Seimbang pada Algoritme Random Forest ]]>
<![CDATA[Setiaji, Galet Guntoro]]>;
<![CDATA[Suntoro, Joko]]>;
<![CDATA[Rifa'i, Ahmad]]>
<![CDATA[ Jurnal Transformatika Vol. 21 No. 2 (2024): Januari 2024 ]]>
Publisher : <![CDATA[Jurusan Teknologi Informasi Universitas Semarang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26623/transformatika.v21i2.8901
<![CDATA[Algoritme Random Forest (RF) sangat populer digunakan pada metode klasifikasi karena waktu learning yang cepat, mampu melakukan pembobotan pada variabel, dan kinerja yang sangat baik pada dataset berukuruan besar, namun algoritme RF mempunyai performa yang buruk saat menangani data dengan kelas tidak seimbang. Data dengan kelas tidak seimbang adalah jumlah data pada kelas tertentu lebih banyak dibandingkan dengan jumlah data pada kelas lainnya. Undersampling (US-RF) adalah salah satu metode yang digunakan untuk penanganan data dengan kelas tidak seimbang, namun metode undersampling akan memilih dan mereduksi data secara acak pada kelas mayoritas sehingga berakibat hilangnya data yang berpotensi berguna. Untuk menghindari hilangnya data yang berpotensi berguna tersebut karena dipilih secara acak, maka akan diterapkan penetapan nilai random state pada metode undersampling. Metode yang diusulkan diberi nama random state parameter undersampling Random Forest (RSUS-RF). Dalam penelitian ini akan dibandingkan antara metode RF, US-RF dan RSUS-RF. Hasil penelitian menunjukkan nilai rata-rata akurasi metode RSUS-RF lebih tinggi dibandingkan dengan metode RF dan US-RF dengan nilai rata-rata akurasi metode RSUS-RF sebesar 0.8259, sedangkan nilai rata-rata akurasi metode RF dan metode US-RF sebesar 0.8035 dan 0.7945. Serta terdapat perbedaan secara signifikan diantara ketiga metode tersebut ketika diuji menggunakan Friedman Test dengan nilai p-value adalah 0.005. ]]>
<![CDATA[Perbandingan Algoritma K-Means dan K-Medoids Untuk Clustering Harga Beras di Provinsi Jawa Tengah ]]>
<![CDATA[Setiaji, Galet Guntoro]]>;
<![CDATA[Putri, Astrid Novita]]>;
<![CDATA[Wicaksana, Dinar Anggit]]>
<![CDATA[ Jurnal Transformatika Vol. 22 No. 1 (2024): July 2024 ]]>
Publisher : <![CDATA[Jurusan Teknologi Informasi Universitas Semarang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26623/transformatika.v22i1.10092
<![CDATA[Beras merupakan komoditas pangan utama bagi masyarakat di Indonesia khususnya di Jawa Tengah. Sebagai kebutuhan pokok, ketersediaan dan harga beras sangat mempengaruhi stabilitas ekonomi dan kesejahteraan masyarakat. Oleh karena itu, pemantauan dan analisis harga beras menjadi hal yang sangat penting. Salah satu hal dalam memahami harga beras adalah dengan melakukan clustering atau pengelompokan harga berdasarkan harga eceran beras medium. Clustering dapat memberikan gambaran lebih jelas variasi harga di jawa tengah metode yang digunakan yaitu K-Means dan K-Medoid dengan membandingkan metode tersebut diharapkan mendapatkan informasi detail dan pola harga beras di berbagai daerah. Hasil yang didapatkan bahwa validitas DBI K-Means dengan K=3 dan K=5 lebih unggul dari pada menggunakan K-Medoids.]]>
<![CDATA[GA-SVM Wrapper Feature Selection untuk Penanganan Data Berdimensi Tinggi ]]>
<![CDATA[Rifa'i, Ahmad]]>;
<![CDATA[Suntoro, Joko]]>;
<![CDATA[Setiaji, Galet Guntoro]]>
<![CDATA[ Jurnal Transformatika Vol. 21 No. 2 (2024): Januari 2024 ]]>
Publisher : <![CDATA[Jurusan Teknologi Informasi Universitas Semarang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26623/transformatika.v21i2.8886
<![CDATA[Peningkatan data dalam beberapa tahun terakhir ini mengalami peningkatan yang sangat signifikan karena penggunaan sosial media dan peralihan menjadi era digital. Teknik untuk pengolahan data menjadi informasi yang berguna dinamakan dengan data mining. Namun masalah yang terjadi ketika menerapkan data mining, khususnya metode klasifikasi adalah data berdimensi tinggi karena data berdimensi tinggi mempengaruhi hasil evaluasi dalam klasifikasi menjadi rendah. Data berdimensi tinggi didefinisikan sebagai data dengan jumlah fitur yang banyak dan kompleks, kompleksitas fitur mengakibatkan sulitnya memilih subset fitur yang optimal karena terdapat fitur yang tidak relevan. Dalam penelitian ini akan digunakan teknik wrapper dengan menerapkan metode metaheuristik yaitu algoritma genetika (GA) untuk pemilihan subset fitur agar lebih optimal, dan algoritma pengklasifikasi yang digunakan adalah algoritma Support Vector Machine (SVM), metode ini disebut dengan GA-SVM WFS. Hasil akurasi metode GA-SVM WFS lebih tinggi dibandingkan dengan metode SVM, dengan rata-rata hasil akurasi masing-masing sebesar 0,902 dan 0,874. Dalam penelitian ini terdapat perbedaan secara signfikan antara metode GA-SVM WFS dan metode SVM setelah dilakukan uji paired t-test dengan nilai p-value sebesar 0,01 dengan nilai α sebesar 0,05.]]>
