Claim Missing Document
Check
Articles

Found 19 Documents
Search
Journal : Journal of Informatics and Computer Science (JINACS)

Sistem Rekomendasi Wedding Organizer Menggunakan Metode Content-Based Filtering Dengan Algoritma Random Forest Regression Dewi Ayu Pratiwi; Anita Qoiriah
Journal of Informatics and Computer Science (JINACS) Vol 3 No 03 (2022)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1369.83 KB) | DOI: 10.26740/jinacs.v3n03.p231-239

Abstract

Dewasa ini, jasa vendor pernikahan banyak diminati calon pengantin dalam mempersiapkan acara pernikahan agar efisiensi waktu dan biaya. Selalu ada problematika ketika memilih penyedia jasa pernikahan diantaranya adalah budget dari pengantin akan mendapat fasilitas apa saja dari konsep acara yang diinginkan serta wedding organizer mana yang akan dipilih yang sesuai dengan budget dan letaknya tidak jauh. Untuk memudahkan calon pengantin dalam menemukan wedding organizer yang sesuai maka diperlukan perhitungan khusus dengan kriteria tertentu dari calon pengantin. Maka dilakukan penelitian dengan membentuk sistem rekomendasi wedding organizer dalam mendukung pengambilan keputusan. Sistem rekomendasi merupakan aplikasi yang menyediakan serta merekomendasikan item ketika user menentukan keputusan. Sistem rekomendasi disini menggunakan metode Content-Based Filtering dan algoritma Random Forest Regression. Content-Based Filtering merupakan metode yang biasa digunakan untuk membangun sistem rekomendasi. Content-based filtering pada penelitian ini memberikan rekomendasi berdasarkan hasil analisis kemiripan item di beberapa atribut yang akan menghasilkan nilai kesamaan berupa cosine similarity. Kemudian cosine similarity akan diproses dengan metode Random Forest Regression sehingga menghasilkan model yang mampu menghitung nilai kesamaan dari dua paket wedding organizer. Nilai kesamaan yang tertinggi akan menjadi hasil rekomendasi. Digunakannya Random Forest Regression karena merupakan algoritma machine learning yang bagus dalam memecahkan masalah klasifikasi maupun regresi. Dari pengujian menggunakan pemodelan Random Forest Regression memeproleh hasil akurasi 83,750% dengan nilai MAPE sebesar 16,249% pada pengujian K=10 dalam 100 tree random forest. Penelitian dengan membentuk sistem rekomendasi wedding organizer ini diharapkan dapat memudahkan calon pengantin dalam memilih wedding organizer untuk kelancaran dalam menyiapkan pesta pernikahan. Kata Kunci— Wedding Organizer, Sistem Rekomendasi, Sistem Pendukung Keputusan, Content-Based Filtering, Random Forest.
Implementasi Pathfinding dengan Algoritma A* pada Aplikasi Indoor Navigation Menggunakan Unity Navmesh Muhammad Iqbalul Hidayat; Anita Qoiriah
Journal of Informatics and Computer Science (JINACS) Vol 3 No 03 (2022)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (756.252 KB) | DOI: 10.26740/jinacs.v3n03.p334-342

Abstract

Saat ini sistem indoor navigasi sudah banyak diterapkan dan dikembangkan di beberapa tempat mengingat banyaknya gedung yang memiliki ratusan ruangan. Sistem indoor navigasi saat ini banyak dimanfaatkan sebagai pengganti GPS yang tidak dapat bekerja secara optimal apabila berada di dalam ruangan, biasanya sistem indoor navigasi ini bekerja dengan cara memanfaatkan wifi pada sebuah gedung untuk menentukan posisi pengguna sehingga sistem dapat mencarikan rute terbaik menuju lokasi yang ingin pengguna tuju. Namun, sistem tersebut masih tidak dapat menampilkan posisi yang detail didalam ruangan dan interaksi pengguna dengan aplikasi masih berupa peta dengan susunan ruangan dua dimensi. Maka dibuatlah sistem indoor navigasi berbasis augmented reality. Algoritma yang digunakan untuk penentuan rute dalam sistem ini adalah algoritma A* dan Unity Navmesh sebagai navigasinya. Pada penelitian ini, Studi kasus dilakukan di rumah penulis. Hasil uji akurasi pathfinding yang didapatkan pada penelitian ini menggunakan algoritma A* dan Unity Navmesh yaitu mendapatkan ketepatan 100% dengan margin kesalahan rata[1]rata 0,226 meter dan kecepatan pencarian rute rata-rata 24,857 mS.
Aplikasi Pembelajaran Bahasa Indonesia Berbasis Web Dengan Pendekatan Gamifikasi Menggunakan Algoritma Linear Congruent Method Alfin Falah Sugiarto; Anita Qoiriah
Journal of Informatics and Computer Science (JINACS) Vol 3 No 04 (2022)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1083.842 KB) | DOI: 10.26740/jinacs.v3n04.p435-445

Abstract

Abstrak—. Berdasarkan penelitian yang telah dilakukan pada tahun 2019 silam, pengguna Internet di Indonesia mencapai 274,9 Juta pengguna. Angka ini meningkat lagi pada saat Virus Covid-19 menyebar pada 2020 silam yang membuat semua pembelajaran dilakukan secara online. Data yang diambil dari Kemendikbud adalah rata-rata nilai UN (Ujian Nasional) untuk mata pelajaran Bahasa Indonesia di bawah 65 pada tahun 2018 dan 2019. Angka ini sangat disayangkan karena Bahasa Indonesia digunakan sebagai bahasa sehari-hari tetapi mendapatkan nilai yang kurang maksismal. Dari fakta ini, penulis mencoba mengembangkan sebuah Web pembelajaran Bahasa Indonesia. Web pembelajaran ini menggunakan menerapkan Gamifikasi dan metode pengacakan soal dengan Algoritma LCM (Linear Congruent Method). Web ini terdiri atas materi yang bisa dibaca oleh siswa dan Level yang bisa digunakan untuk menguji kemampuan pemahaman siswa atas materi tersebut. Pada Level diterapkan sistem KKM untuk mengetahui tolak ukur seorang siswa dalam penguasaanny pada materi tersebut. Apabila siswa tidak bisa memenuhi KKM maka siswa tidak bisa mengakses ke Level selanjutnya. Tujuan penggunaan Algoritma ini adalah untuk mengurangi kecurangan pengguna dalam mengerjakan soal. Pengujian pengacakan soal dilakukan oleh lima siswa dengan dua Level yang berbeda dan hasilnya tidak satupun dari setiap pengujian itu mendapatkan urutan soal yang sama. Black Box Testing juga dilakukan guna menguji jalannya program agar sesuai rancangan dan bisa segera memperbaiki bila ada kekurangan dalam program. Setelah dilakukan perancangan, pembuatan dan pengujian maka hasilnya adalah Web berhasil mengacak soal setiap kali ditampilkan oleh pengguna dan berhasil menerapkan Gamifikasi dengan sistem Level. Dan juga laman riwayat yang mempermudah guru untuk memantau hasil pengerjaan murid pada Level tersebut. Kata Kunci— LCM (Linear Congruent Method), Web Pembelajaran, Algoritma, Metode Pengacakan Soal, Pembelajaran Bahasa Indonesia, Level
Implementasi Metode Backpropagation dalam Pengolahan Citra Teks Tulisan Tangan Menjadi Teks Digital dan Text-to-Speech pada Sistem Operasi Android Sebagai Alat Bantu Komunikasi Tuna Wicara Salsabila Maharani Alvananda Herlambang; Anita Qoiriah
Journal of Informatics and Computer Science (JINACS) Vol 3 No 04 (2022)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (883.2 KB) | DOI: 10.26740/jinacs.v3n04.p446-455

Abstract

Penyandang tuna wicara umumnya berkomunikasi menggunakan bahasa isyarat, namun juga ada beberapa yang menggunakan media alat tulis. Kasus ini berlaku untuk penyandang tuna wicara yang mengerti dan memahami bahasa tulisan atau abjad dengan baik. Aplikasi ini dibangun untuk membantu komunikasi penyandang tuna wicara dengan memanfaatkan metode backpropagation dalam mengubah tulisan tangan menjadi teks digital. Teks digital tersebut nantinya akan diubah menjadi ucapan (text-to-speech) agar langsung bisa dimengerti oleh lawan bicara. Pengembangan aplikasi ini membutuhkan dua bahasa pemrogaman dalam pengembangannya, yakni python dan Android Studio. Pemrosesan metode backpropagation dan pengembangan model dilakukan pada python dilanjutkan dengan mengekeskpor hasil graph model yang telah dibekukan (freeze) menggunakan bantuan library TensorFlow pada Android Studio untuk melanjutkan pembuatan interface aplikasi sehingga menjadi aplikasi berbasis Android yang dapat digunakan pada smartphone berbasis sistem operasi android. Hasil akurasi model yang didapat dalam proses pelatihan sebesar 83,22%. Pengujian aplikasi dengan menggunakan pengujian blackbox testing mendapat hasil sempurna, sedangkan pengujian berdasarkan sampel karakter masukan dari pengguna sebanyak 67 karakter yang mewakili huruf abjad besar, huruf abjad kecil, dan angka mendapat hasil 57 karakter terdeksi dengan benar dan 10 karakter terdeteksi salah.
Penerapan Algoritma C4.5 Untuk Mengatur Persediaan Stok Barang Berbasis Website Abastian Dwi Saputra; Anita Qoiriah
Journal of Informatics and Computer Science (JINACS) Vol 3 No 04 (2022)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (754.108 KB) | DOI: 10.26740/jinacs.v3n04.p481-493

Abstract

Pandemi Corona Virus Disease (COVID-19) masih terjadi di Indonesia. Pencegahan COVID-19 yang dilakukan oleh pemerintah yaitu menerapkan peraturan Pembatasan Sosial Berskala Besar (PSBB) dan Pemberlakuan Pembatasan Kegiatan Masyarakat (PPKM). Usaha Mikro, Kecil, dan Menengah (UMKM) adalah salah satu dampak dari diterapkan peraturan PSBB dan PPKM. Masalah yang terjadi pada UMKM yaitu mendapatkan masalah dalam menentukan stok persediaan barang, yang mana apabila barang mengalami kelebihan atau kekurangan akan menyebabkan kerugian. Dengan masalah yang terjadi pada UMKM, peneliti akan membantu UMKM dalam menentukan persediaan stok barang. Permasalahan tersebut dapat diatasi menggunakan data mining dengan klasifikasi algoritma C4.5. Algoritma C4,5 merupakan metode dengan mengklasifikasi data yang ada sehingga membentuk pohon keputusan. Pohon keputusan akan membantu menentukan persediaan stok barang yang perlu untuk ditambah atau tidak. Pada penelitian ini yaitu membantu UMKM penjual madu yang berjualan pada toko online untuk menentukan persediaan stok madu pada bulan berikutnya. Hasil dari penelitian dengan menggunakan algoritma C4.5 yaitu membentuk pohon keputusan yang dapat membantu UMKM dalam menentukan persediaan stok barang untuk satu bulan berikutnya. Algoritma C4.5 pada penelitian ini mempunyai accuracy sebesar 86.46%, precision sebesar 88,51%, recall sebesar 96,25%, dan F1 sebesar 92,22% .
Perbandingan Algoritma Cosine Similarity dan Euclidean Distance pada Sistem Rekomendasi Film dengan Metode Item-Based Collaborative Filtering Muhammad Alfian Ma'ruf; Anita Qoiriah
Journal of Informatics and Computer Science (JINACS) Vol 4 No 02 (2022)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v4n02.p160-168

Abstract

Sistem rekomendasi saat ini semakin dibutuhkan seiring dengan semakin banyaknya film yang ada, terutama di media digital. Item-Based Collaborative Filtering adalah salah satu dari sekian banyak metode dalam sistem rekomendasi. Metode Item-Based Collaborative Filtering menentukan film yang direkomendasikan berdasarkan kemiripan dengan film lainnya berdasarkan film-film lain yang telah diberi rating. Pada serangkaian proses yang ada dalam Item-Based Collaborative Filtering, terdapat satu tahapan dengan algoritma untuk menentukan similaritas atau kemiripan antar item. Penelitian ini membandingkan dua algoritma untuk menentukan kemiripan antar item. Algoritma yang dibandingkan yaitu Cosine Similarity dan Euclidean Distance. Kedua algoritma tersebut diterapkan dan dilakukan pengujian pada sistem rekomendasi film dengan metode Item-Based Collaborative Filtering pada data rating film MovieLens. Perbandingan dilakukan dengan menghitung nilai Mean Absolute Error dan Root Mean Square Error untuk mengevaluasi hasil akurasi pada tiap algoritma yang digunakan. Pada percobaan dengan menggunakan algoritma Cosine Similarity menghasilkan nilai akurasi dengan Mean Absolute Error sebesar 2,21 serta nilai Root Mean Square Error sebesar 2,51. Sedangkan pada percobaan dengan menggunakan algoritma Euclidean Distance menghasilkan nilai akurasi dengan Mean Absolute Error sebesar 2,24 serta nilai Root Mean Square Error sebesar 2,55. Dari hasil penelitian yang telah dilakukan, algoritma Cosine Similarity memiliki tingkat akurasi lebih baik dibandingkan dengan algoritma Euclidean Distance. Hal tersebut dapat dilihat dari nilai Mean Absolute Error dan juga Root Mean Square Error pada algoritma Cosine Similarity yang lebih memiliki nilai lebih kecil dari algoritma Euclidean Distance.
Penerapan Metode TF-IDF dan Deep Neural Network untuk Analisa Sentimen pada Data Ulasan Hotel Fachriza Dian Adhiatma; Anita Qoiriah
Journal of Informatics and Computer Science (JINACS) Vol 4 No 02 (2022)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v4n02.p183-193

Abstract

Data ulasan pelanggan memainkan peran yang penting dalam dunia bisnis karena dapat digunakan oleh para pelaku usaha untuk lebih memahami pelanggan serta mengetahui kelebihan dan kekurangan dari produk yang ditawarkannya. Namun, data ulasan tersebut hadir dalam jumlah yang besar di internet dan terus bertambah setiap harinya sehingga proses analisis menjadi lebih susah jika dilakukan secara manual. Analisa sentimen merupakan teknik untuk mengklasifikasikan data-data teks kedalam berbagai kelas sentimen. Penelitian ini bertujuan untuk membuat sistem analisa sentimen untuk data perhotelan menggunakan metode TF-IDF dan deep neural network. Metode TF-IDF digunakan untuk mengubah data teks menjadi vektor numerik, sedangkan deep neural network digunakan untuk mengklasifikasikan data vektor tersebut kedalam tiga kelas sentimen, yaitu positif, negatif dan netral. Penelitian ini juga bertujuan untuk mengeksplorasi kombinasi parameter yang memberikan hasil terbaik atau biasa juga disebut dengan hyperparameter tuning. Beberapa parameter yang diuji adalah kombinasi n-gram, nilai learning rate, dan jumlah hidden layers. Dari hasil penelitian yang dilakukan, metode TF-IDF dan deep neural network terbukti mampu untuk menyelesaikan permasalahan analisa sentimen untuk data perhotelan. Selain itu, kombinasi parameter yang memberikan hasil terbaik yaitu n-gram dengan jumlah 3, nilai learning rate 0,001, dan hidden layers dengan jumlah 3.
Analisis Sentimen Pengguna Platform Belajar Online Coursera menggunakan Random Forest dengan Metode Ekstraksi Fitur Word2vec Muhammad Jazaal Aufa; Anita Qoiriah
Journal of Informatics and Computer Science (JINACS) Vol 4 No 02 (2022)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v4n02.p244-255

Abstract

Pembelajaran daring mengharuskan para pelajar dan mahasiswa menggunakan platform belajar online sebagai penunjang belajar di luar kelas, menyebabkan penggunanya meningkat, salah satunya Coursera. Berdasarkan grafik data review selama 2015-2020, pengguna Coursera meningkat drastis sebesar 256% saat awal pembelajaran daring. Namun menurun setelahnya sebesar 24%, sehingga diperlukan sistem analisis sentimen untuk mengetahui polaritas pengguna kursus saat itu secara otomatis. Algoritma klasifikasi yang efisien untuk analisis sentimen adalah Random Forest. Pada kasus text classification jumlah fitur adalah jumlah kata, kumpulan teks review yang mengandung banyak kata menghasilkan jumlah fitur yang banyak pula, maka waktu yang dibutuhkan untuk membangun model menggunakan Random Forest akan sangat lama, sehingga kurang efektif. Dibutuhkan ekstraksi yang mampu mereduksi jumlah fitur, seperti Word2vec. Menggunakan Word2vec sebagai ekstraksi fitur bertujuan agar sistem tidak hanya efisien tapi juga efektif untuk analisis sentimen, karena mampu mendeteksi semantik antar kata. Dari hasil pengujian menggunakan proporsi data berbeda dan parameter Word2vec acak, menunjukkan akurasi terbaik pada proporsi data 80:20 dengan ukuran fitur 100 dimensi dan window 5, dengan akurasi train score dan test score sebesar 92,71% dan 91,42%. Selain menghasilkan peforma paling baik, kombinasi Random Forest dengan Word2vec membutuhkan waktu training model 20 kali lebih cepat dibanding Random Forest dengan TF dan Random Forest dengan pembobotan TF-IDF.
Aplikasi Android Untuk Terapi Arachnophobia Berbasis Markerless Augmented Reality Bramianto Gading Gumilang; Anita Qoiriah
Journal of Informatics and Computer Science (JINACS) Vol 4 No 03 (2023)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v4n03.p322-333

Abstract

Fobia adalah rasa ketakutan yang berlebihan pada sesuatu objek, kondisi atau fenomena. Fobia dapat menghambat kehidupan orang yang mengidapnya dari stres ringan hingga bunuh diri. Pada dasarnya fobia bisa dikatakan abnormalitas mental.Fobia dikolompakan dalam berbagai jenis Berdasarkan objek ketakutan, salah satunya adalah fobia spesifik/kusus yang memiliki objek ketakutan terhadap suatu benda, salah satunya hewan. Fobia bukanlah gangguan yang tidak bisa disembuhkan, Fobia dapat disembuhkan salah satunya dengan terapi. Namun di zaman modern ini pengobatan terapi fobia dengan menggunakan objek secara lanngsung dianggap kejam tidak etis terlebih untuk menggunakan hewan hidup asli yang berkemungkinan terbunuh saat praktik terapi dilakukan, dan disisi lain juga para terapis kesulitan untuk mendapatkan objek fobia untuk penterapian terutama objek hewan, terutama adalah objek hewan. Oleh karena itu untuk mempermudah para terapis serta menarik minat masyarakat pengidap fobia, perlu dikembangkanya penterapian melalui objek virtual dengan menggunakan Augmented Reality (AR). Augmented Reality sendiri sering digunakan sebagai media pembelajaran maupun hiburan yang ada pada smartphones. Dengan begitu praktik terapi akan lebih mudah dan menarik dengan adanya aplikasi yang dibangun. Tujuan dari dibentuknya penelitian ini adalah untuk mengembangkan aplikasi yang mampu menunjang pengobatan terapi dengan bantuan objek dari Augmented Reality. Hasil penelitian ini adalah aplikasi sebagai media terapi fobia Laba-laba berbasis Augmented Reality dengan menggunakan Markerless AR agar mempermudah terapis dalam melakukan terapi.