Claim Missing Document
Check
Articles

Found 2 Documents
Search

ANALISIS KESIAPAN PEMERINTAH KABUPATEN PAMEKASAN DALAM MEMBANGUN KOTACERDAS (SMART CITY) MENGGUNAKAN GARUDA SMART CITY MODEL Hoiriyah Hoiriyah; Yuri Efenie
TEKNOKOM Vol. 2 No. 2 (2019): TEKNOKOM
Publisher : Department of Computer Engineering, Universitas Wiralodra

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (169.013 KB) | DOI: 10.31943/teknokom.v2i2.40

Abstract

Pamekasan merupakan salah satu kabupaten yang berada di pulau Madura Provinsi Jawa Timur dengan total jumlah penduduk 863.004 jiwa.Adanya perkembangan teknologi yang hampir mengiringi setiap aktivitas masyarakat membuat pemerintah kabupaten Pamekasan beirinisiatif menjadikan Kabupaten Pamekasan sebagai kota cerdas (smart city) dengan mengintegrasikan semua layanan yang ada pada pemerintahan untuk memudahkan pelayanan dan membangun transparansi informasi kepada masyarakat. Inisiatif pembangunan smart city ini diharapkan dapat direalisasikan, oleh sebab itu penelitian ini dilakukan untuk mengetahui kematangan kesiapan pemerintah kabupaten Pamekasan dalam membangun smart city dengan menerapkanGaruda Smart City Model (GSCM). Objek penelitian dilakukan di Dinas Komunikasi dan Informatika, Dinas Lingkungan Hidup dan Dinas Kependudukan dan Pencatatan Sipil. Hasil penelitian menunjukkan bahwa DISKOMINFO dan DISPENDUKCAPIL telah mencapai kematangan sebesar 91% dan 80% untuk dapat menjalankan pembangunan smart city, sedangkan untuk Dinas Lingkungan Hidup hanya 50% dan masih membutuhkan perhatian dari pemangku jabatan di Kabupaten Pamekasan.
IMPLEMENTASI METODE K-NEAREST NEIGHBOUR (K_NN) UNTUK MENDUGA SALINITAS AIR LAUT yuri efenie; Miftahul Walid
Jurnal Aplikasi Teknologi Informasi dan Manajemen (JATIM) Vol 1 No 1 (2020): Jurnal Aplikasi Teknologi Informasi dan Manajemen (JATIM) April 2020
Publisher : Universitas Islam Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31102/jatim.v1i1.755

Abstract

In this research, trying to predict the salinity of sea water using the K-Nearest Neighbor method, this method serves to clarify the input data using the distance measurement method with training data, the variable used in this study is the value of the location of coordinates (latitude and longitude) and the output is in the form of salinity, the case study in this study is the southern waters of Sumenep, the system has been able to make an estimate but with an error rate of 1.00 so that there is a need for re-analysis because the data used is only small, the need for additional data so that the results will be more optimal, it is also necessary to experiment with changing methods or simplifying rules or by adding input variables in the system that have been created so that it produces better accuracy values, because the existing system still requires a long time in estimating.