Anastasia L Maukar
Universitas Presiden

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

PENGUKURAN TINGKAT KEMATANGAN KOPI ARABIKA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR Anastasia L Maukar; fitri marisa; Ahmad Farhan; Erdian Ari Widodo; Ilhamsyah I; Inayati Sa'adah; Rivaldo Tito L Dasilva
J I M P - Jurnal Informatika Merdeka Pasuruan Vol 6, No 3 (2021): DESEMBER
Publisher : Fakultas Teknologi Informasi Universitas Merdeka Pasuruan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37438/jimp.v6i3.280

Abstract

Coffee has an important role in improving the national economy. Coffee is also one of the fourth major export commodities in foreign countries. Assessing the level of ripeness of a good coffee can be seen depending on the type of coffee itself. Arabika coffee will start to ripen on days 310 to 350 and for Arabica coffee types it will start to look ripe at the age of 210 to 250 days. In classifying coffee maturity, the K-Nearest Neighbor (KNN) method can be used. By taking a sample image of 3 arabika coffee grains with different levels of maturity twice. The existing data will be processed using the HSV feature to assess the RGB of the coffee bean image data. Based on the test results that have been determined. An accuracy calculation has been used to measure KNN and HSV's performance in determining the ripeness of arabika coffee. The calculation results show the performance of KNN at K=1 is outstanding,, 93.33%.Keywords— Arabica Coffee, ripeness level, K-Nearest Neighbor, HSV, accuracy
ANALISIS PENGARUH MOTIVASI BELAJAR PADA PEMBELAJARAN MODEL GAMIFICATION DI MASA PANDEMI COVID 19 Fitri Marisa; Anastasia L Maukar; Anang Aris Widodo; Muhammad Iqbal Muzakki; Alif Dio Raka Wisnu
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 7, No 2 (2022)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v7i2.2832

Abstract

Pemberlakuan pembelajaran daring di masa pandemic Covid-19 ini semakin menuntut inovasi-inonasi baru dalam penyajian model pembelajaran. Berbagai macam media pembelajaran dan sumber belajar yang beredar maupun model pembelajaran yang dilakukan pengajar juga beraneka ragam dan berkembang.  Tujuan penelitian ini adalah mengamati dan menganalisis besarnya pengaruh model gamifikasi dalam sistem pembelajaran daring saat ini. Metode penelitian menggunakan uji analisis regresi linier dengan dua variabel yang bertujuan untuk menguji besar pengaruh pembelajaran gamifikasi terhadap motivasi belajar siswa. Sementara penjaringan data dilakukan dengan menyebar kuesioner kepada mahasiswa secara acak. hasil penelitian menunjukkan bahwa gamifikasi dapat menaikkan kinerja siswa/ mahasiswa yang bersangkutan ke arah yang lebih positif yang juga menghasilkan output pembelajaran berupa semangat belajar yang lebih baik dan lebih di nikmati oleh siswa/ mahasiswa yang bersangkutan. Selain itu, hasil penelitian juga menunjukkan bahwa sistem pembelajaran daring (SPD) atau di sebut juga pembelajaran online, menurunkan semangat siswa/mahasiswa. Ini terjadi karena siswa/ mahasiswa yang bersangkutan tidak terlalu memahami pelajaran/ matakuliah yang di berikan secara online.
PEMETAAN DAN ANALISIS PERKEMBANGAN BIDANG GAMIFICATION BERBASIS METODE KOMBINASI OPEN KNOWLEDGE MAP DAN VOS VIEWER Fitri Marisa; Arie Restu Wardhani; Wiwin Purnomowati; Anastasia L Maukar
JURNAL INFORMATIKA DAN KOMPUTER Vol 6, No 2 (2022): ReBorn -- September 2022
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1597.494 KB) | DOI: 10.26798/jiko.v6i2.606

Abstract

Artikel ini melaporkan tentang kajian penelusuran mengenai perkembangan bidang gamification dalam 10 tahun terakhir. Sumber data diperoleh dari meta data publikasi jurnal ilmiah, tesis, dan disertasi dalam rentang tahun 2012 hingga 2022. Kajian ini menggunakan metode penelusuran literature review yang mengkombinasikan aplikasi Open Knowledge Map (OKM) dan Vos Viewer (VV) dimana data diolah dengan mengikuti prosedur aplikasi yang digunakan kemudiaan dianalisis. Hasil kajian ini menyajikan pemetaan dan analisis peluang-peluang riset masa depan terkait gamification dan bagaimana keterkaitan antar penelitian dalam membentuk state of the art penelitian. OKM digunakan untuk memetakan kluster-kluster bidang gamification, sedangkan VV berperan untuk melihat kluster gamifikasi dengan analisis dan sumber yang berbeda. Berdasarkan hasil analisis, terdapat kecenderungan sub bidang gamification design menjadi topik yang memiliki literatur terbanyak, terkini dan te relasi dengan beberapa sub topik. Untuk itu peluang penelitian di sub bidang ini masih terbuka luas dan masih perlu untuk dikembangkan. 
ANALISIS DATA PENERIMAAN MAHASISWA BARU BERBASIS K-MEANS Anastasia L Maukar; Fitri Marisa; Anang Aris Widodo
JURNAL INFORMATIKA DAN KOMPUTER Vol 6, No 2 (2022): ReBorn -- September 2022
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (348.671 KB) | DOI: 10.26798/jiko.v6i2.558

Abstract

Pendaftaran mahasiswa pada perguruan tinggi yang di selenggarakan setiap tahunnya membuahkan hasil penumpukan informasi calon mahasiswa baru. Informasi yang berlimpah tersebut alangkah baiknya diolah untuk menghasilkan analisa data yang berguna. Penelitian ini menggunakan sample data penerimaan mahasiswa baru di Universitas Widyagama Malang. Metode dilakukan dengan cara pengelompokan data (cluster) calon mahasiswa baru melalui tahap pemrosesan data / informasi menggunakan algoritma K-Means Clustering. Atribut yang digunakan dalam tahap pemrosesan data ini adalah Nama Calon Mahasiswa, jurusan yang dipilih dan Sekolah Asal. Data yang digunakan adalah data mahasiswa Angkatan 2020/2021 dengan mengambil sampel 100 baris data. Sampel yang didapatkan ini diolah dengan cara membagi 3 cluster sampai didapatkan pemodelan data yang sesuai dengan aturan algoritma K-Means Clustering. Cluster1 menunjukkan peminat jurusan ekonomi banyak dari SMA dan SMK, Cluster 2 Menunjukkan peminat jurusan Teknik dari SMK dan MAN, Cluster 3 menunjukkan peminat jurusan hukum dari SMA. Output penelitian ini digunakan sebagai bahan pertimbangan untuk mengatur strategi pengenalan institusi ke sekolah menengah atas yang ada di Kota Malang khususnya.Keywords: Clustering, K-Means, Student Admission.
POTENTIAL CUSTOMER ANALYSIS USING K-MEANS WITH ELBOW METHOD Fitri Marisa; Arie Restu Wardhani; Wiwin Purnomowati; Anik Vega Vitianingsih; Anastasia L Maukar; Erri Wahyu Puspitarini
JURNAL INFORMATIKA DAN KOMPUTER Vol 7, No 2 (2023): SEPTEMBER 2023
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v7i2.911

Abstract

This study aims to obtain cluster data of potential customers using the K-Means clustering approach supported by the elbow method to determine the correct number of clusters. The data sample that was processed was 100 customer data from a minimarket containing three criteria (gender, age, and purchase retention). The number of initial clusters is determined as 5 and then processed by calculating K-Means. The calculation of the SSE value in the K-Means process produces the lowest SSE value, and the sharpest elbow angle graph visualization is in cluster 4. So, it can be stated that the best number of clusters in this K-Means calculation is four (4) which are used as material for further analysis. Then the analysis results of four (4) clusters state that potential customers are those with high purchase retention, consisting of female customers who dominate in the three (3) clusters. Most potential female customers are customers with an age range above 35 years. Meanwhile, customers with less potential are spread across each cluster with varied gender and age but are not dominant. Thus, this knowledge can be used as a consideration for the management in determining the right promotion strategy.