Garuda - Garba Rujukan Digital

Sistem Pendukung Keputusan Pemilihan Makanan Bergizi Untuk Ibu Hamil Menggunakan Metode TOPSIS Amirullah Amirullah; Zulfan Khairil Simbolon; Miranti Septriani
Jurnal Infomedia:Teknik Informatika, Multimedia & Jaringan Vol 4, No 2 (2019): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jim.v4i2.1106

Kehamilan merupakan suatu fase yang paling dinantikan oleh rata-rata wanita, sebagai ekspresi rasa perwujudan diri dan identitasnya sebagai wanita. Kurangnya perhatian kandungan makanan yang akan dikonsumsi menyebabkan sebagian ibu hamil mudah terjadinya perdarahan, anemia, berat badan tidak bertambah, mempengaruhi proses persalinan dan keguguran. Dalam pemenuhan kebutuhan nutrisi, jumlah kalori merupakan salah satu faktor yang perlu diperhatikan. Jika setiap kali ibu akan mempersiapkan makanan harus mempertimbangkan pemenuhan kalori tersebut maka akan sangat tidak efisien waktu dan tenaga. Untuk itu, penelitian ini mengusulkan dibangunnya sebuah sistem rekomendasi menu makanan ibu hamil dengan mempertimbangkan kebutuhan kalori harian ibu hamil menggunakan metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) yang bertujuan untuk membantu para ibu hamil untuk memilih menu makanan yang baik di konsumsi ataupun tidak. Dalam penelitian ini, ada sebanyak 20 alternatif makanan, dari makanan tersebut dibuat kombinasi paket makanan sebanyak 190 paket makanan untuk mencukupi kebutuhan kalori ibu hamil. Kriteria yang digunakan ada 3 kandungan makanan yaitu karbohidrat, protein dan lemak. Sesi penilaian berisikan bobot pada masing-masing kriteria yang mana bobot telah ditentukan oleh pakar ahli gizi, untuk karbohidrat 40, protein 30 dan lemak 20. Jadwal makan per waktu diasumsikan untuk makan pagi memenuhi kecukupan kalori 35% dari total kebutuhan kalori harian, makan siang memenuhi kecukupan kalori 40% dari total kebutuhan kalori harian dan makan malam memenuhi kecukupan kalori 25% dari total kebutuhan kalori harian. Hasil penelitian ini berupa nilai rekomendasi pemilihan makanan ibu hamil yang disajikan dalam bentuk perangkingan yang dilihat berdasarkan urutan makanan sehingga yang memiliki nilai preferensi yang terbesar akan menempati urutan teratas dan yang memiliki nilai preferensi terendah akan menempati urutan terendah. Dipilih 5 rangking terbaik tujuannya agar ibu hamil dapat memilih makanan yang akan dikonsumsi berdasarkan kebutuhan kalori ibu hamil. Dari hasil pengujian sistem, salah satu kasus ibu hamil dengan berat badan 47 kg , tinggi badan 150 cm, umur 21 tahun, usia kehamilan 7 bulan dan aktifitas sedang memperoleh total kalori sebanyak 2508.723 kkal. Jadwal makan pagi membutuhkan sebanyak 878.05305 kkal maka akan tampil 5 rangking makanan yang mendekati kebutuhan kalori ibu hamil. Paket makanan tersebut adalah paket 18 dengan nilai preferensi terbesar yaitu 0.8195, paket 19 dengan nilai preferensi 0.7873, paket 9 dengan nilai preferensi 0.7650, paket 6 dengan nilai preferensi 0.7620 dan paket 10 dengan nilai preferensi terendah yaitu 0.7401. Jadwal makan siang membutuhkan sebanyak 1003.4892 kkal maka akan tampil 5 rangking makanan yang mendekati kebutuhan kalori ibu hamil. Paket makanan tersebut adalah paket 2 dengan nilai preferensi terbesar yaitu 0.7995, paket 18 dengan nilai preferensi 0.7732, paket 5 dengan nilai preferensi 0.7531, paket 19 dengan nilai preferensi 0.7337 dan paket 7 dengan nilai preferensi terendah 0.7207. Jadwal makan malam membutuhkan sebanyak 627.18075 kkal maka akan tampil 5 rangking makanan yang mendekati kebutuhan kalori ibu hamil. Paket makanan tersebut adalah paket 53 dengan nilai preferensi terbesar yaitu 0.6623, paket 41 dengan nilai preferensi 0.5548, paket 190 dengan nilai preferensi 0.5479, paket 149 dengan nilai preferensi 0.5440 dan paket 178 dengan nilai preferensi terendah yaitu 0.5361.

Prediksi Produksi Kelapa Sawit Menggunakan Metode Regresi Linier Berganda Adji Prasetyo; Salahuddin Salahuddin; Amirullah Amirullah
Jurnal Infomedia:Teknik Informatika, Multimedia & Jaringan Vol 6, No 2 (2021): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jim.v6i2.2343

Sektor industri di Indonesia khusunya daerah Kabupaten Aceh Utara banyak didominasi oleh tanaman kelapa sawit, sektor industri tersebut merupakan komoditas utama dalam perekonomian masyarakat. PT. Perkebunan Nusantara I (PTPN I) merupakan perusahaan yang bergerak dalam bidang industri kelapa sawit berupaya untuk meramalkan perencanaan demi menjaga kestabilan serta meningkatkan hasil produksi kelapa sawit. Untuk menunjang upaya tersebut dibutuhkan penentuan kebijakan, pengawasan, serta perencanaan yang baik dalam memprediksi hasil produksi kelapa sawit kedepanya, pembelajaran mesin merupakan salah satu teknik yang dapat diterapkan untuk melakukan prediksi hasil produksi dimasa yang akan datang. Metode peramalan yang digunakan pada penelitian ini adalah Regresi Linier Berganda dengan variabel predictor yang digunakan dalam memprediksi adalah bulan, curah hujan, umur luas lahan, jumlah pokok, jumlah tandan, rerata berat, dengan variabel terikat yaitu hasil produksi kelapa sawit.Sumber dari data yang digunakan berasal dari PT. Perkebunan Nusantara I dan sebuah data eksternal berupa curah hujan yang bersumber dari Badan Meteorologi, Klimatalogi, dan Geofisika. Data training berjumlah 180 dan data testing sebanyak 20% dari data training. Hasil penelitian menunjukan persamaan Regresi Linier Berganda yang didapatkan yaitu Y= -415337,95+ 1073,82208X1 + 3736,68741X2 + -15306,629X3 + -621,89932X4 + 11,7449262X5 + 7,47948459X6 + 33441,5621X7 dengan Mean Absolute Percentage error (MAPE) sebesar 14.28%.

Aplikasi Augmented Reality Sebagai Media Edukasi Protokol Kesehatan dan Informasi Penyebaran COVID-19 di Indonesia Amirullah Amirullah
Jurnal Infomedia:Teknik Informatika, Multimedia & Jaringan Vol 6, No 2 (2021): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jim.v6i2.2326

Situasi pandemi atau epidemi global menunjukkan bahwa penyebaran COVID-19 sangat pesat, termasuk Indonesia. Pada penelitian sebelumnya media edukasi yang dihasilkan hanya berupa poster mengenai Informasi Covid-19 yang nantinya akan di sebar luaskan melalui masyarakat, juga terdapat penelitian sebelumnya yang menerapkan teknologi augmented reality sebagai media pembelajaran virus, tetapi tidak terdapat informasi berupa dubbing didalamnya. Sedangkan pada penelitian ini sebagai media edukasi protokol kesehatan dan informasi penyebaran Covid-19 disajikan dengan menggabungkan objek 3D yang dapat di-explore langsung oleh pengguna beserta dubbing suara yang menjelaskan tentang objek tersebut. Tujuan dari penelitian ini untuk menerapkan teknologi Augmented Reality kedalam media edukasi protokol Kesehatan dan Informasi Penyebaran COVID-19 di Indonesia, dimana objek protokol Kesehatan (menjaga jarak, memakai masker dan mencuci tangan) dan informasi penyebaran COVID-19 disajikan dalam bentuk 3 dimensi. Pengujian pada aplikasi ini dilakukan dengan menguji jarak dan sudut terhadap marker, pengujian aplikasi terhadap versi device yang bertujuan supaya masyarakat dapat menggunakan aplikasi ini walaupun dengan spesifikasi dan versi android yang berbeda serta pengujian menggunakan kuesioner. Hasil pengujian jarak dan sudut diperoleh bahwa jarak ideal yang terdeteksi berada diantara jarak 15 – 50 cm, sedangkan sudut ideal yang terdeteksi berada diantara sudut 0º – 60º. Pada hasil pengujian versi device, beberapa device dengan RAM dibawah 4 GB saat menekan tombol AR Camera terdapat jeda waktu yang lebih lama dibandingkan dengan device yang menggunakan kapasitas RAM sebesar 4 GB atau lebih. Hasil pengujian menggunakan kuesioner menghasilkan jawaban tertinggi adalah 50,00% Sangat Setuju. Dengan adanya aplikasi ini, dapat memberikan kontribusi berupa media edukasi untuk menerapkan protokol kesehatan serta mengetahui sejauh mana perkembangan virus COVID-19 di Indonesia.

Notifikasi Jadwal Mengajar Menggunakan SMS Gateway Mahdi Mahdi; Muhammad Rizka; Amirullah Amirullah
Jurnal Infomedia:Teknik Informatika, Multimedia & Jaringan Vol 5, No 1 (2020): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jim.v5i1.1650

Kehadiran dosen mengajar tepat waktu sesuai dengan jadwal yang telah ditentukan oleh program studi merupakan penentu kualitas belajar mengajar di kelas. Banyaknya matakuliah dan banyaknya dosen akan sulit untuk mengingat jadwal mengajar setiap hari, sehingga akan berpengaruh kepada ketepatan waktu masuk kuliah. Hal ini disebabkan dosen sering lupa akan jadwal kuliah, sehingga harus ada yang memberitahu terlebih dahulu jadwal mengajar. Sistem Informasi Jadwal Mengajar Berbasis SMS Gateway merupakan suatu bentuk alternatif termudah untuk mengirim jadwal mengajar yang menggunakan sistem SMS Gateway, yang tentunya berpengaruh kepada kegiatan dan rutinitas mengajar sehari-hari yang mudah dan praktis untuk mengingatkan jadwal kapan saja dosen harus mengajar. Solusi yang diberikan dengan membangun sistem notifikasi dengan fasilitas SMS Gateway sebagai penyampaian informasi jadwal mengajar. Penelitian ini menghasilkan sebuah aplikasinotifikasi SMS Gateway sebagai sarana untuk menyampaikan informasi jadwal mengajar dengan memanfaatkan komputer sebagai alat bantu untuk mengakses data. Sistem ini dapat membantu ketua program studi untuk memberikan layanan informasi dengan mudah kepada dosen.

ImplementasiAlgoritmaNaïve Bayes ClassifierDalam Menentukan Topik Tugas Akhir Mahasiswa Berbasis Web T. Zakia Maulani; Zulfan Khairil Simbolon; Amirullah Amirullah
Jurnal Infomedia:Teknik Informatika, Multimedia & Jaringan Vol 4, No 1 (2019): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Tugas akhir merupakan karya tulis ilmiah yang memuat hasil pengamatan dari suatu penelitian terhadap beberapa masalah yang terjadi dengan menggunakan kaidah/aturan maupun metode yang berkaitan dengan bidang ilmu tersebut. Mahasiswa tingkat akhir yang akan menghadapi Tugas Akhir (TA) harus memiliki topik yang akan diajukan dalam Seminar Proposal, di mana topik tersebut akan menjadi pokok bahasan dalam Tugas Akhir. Tidak sedikit mahasiswa yang mengalami kesulitan dalam memilih topik Tugas Akhir. Banyaknya mata kuliah yang telah ditempuh justru membuat mahasiswa semakin sulit menentukan pilihan pada satu bidang yang akan difokuskan sebagai Tugas Akhir. Untuk itu, penelitian ini mengusulkan dibangunnya sebuah sistem penentuan topik tugas akhir dengan melihat nilai probabilitas tertinggi pada suatu classdengan menggunakan metode Naïve Bayes Classifieryang bertujuan untuk memudahkan mahasiswa dalam menentukan kategori topik tugas akhir yang akan dipilih. Sistem yang dibuat ini menghasilkan sistem informasi berbasis web dengan menggunakan beberapa parameter yaitu nilai mata kuliah inti yang diambil dari semester 1 sampai 6 pada program studi Teknik Informatika Politeknik Negeri Lhokseumawe, data dosen pembimbing tahun ajaran 2018/2019 dan minat kategori atau class topik tugas akhir yang dikelompokkan menjadi 8 classyaitu Sistem Informasi, Sistem Pendukung Keputusan, Sistem Informasi Geografis, Sistem Pakar, Sistem Cerdas, E-Learning, Citra, dan Jaringan Komputer. Sistem ini menggunakan data mahasiswa Teknik Informatika tahun 2014 dan 2015 sebagai data latih dan data uji yang dibagi menjadi 76 data latih dan 20 data uji. Pada penelitian ini, berhasil dibangun sistem penentuan topik tugas akhir mahasiswa yang menghasilkan satu kategori classsebagaihasil rekomendasi yang dilihatberdasarkan nilai probabilitas tertinggi diantara 8 class yang ada. Selain itu, akan ditampilkan referensi jurnal-jurnal terkait kategori atau class yang telah direkomendasikan sebelumnya. Dari hasil pengujian sistem, salah satu mahasiswa memperoleh kategori Sistem Pendukung Keputusan di mana class tersebut memiliki nilai probabilitas tertinggi yaitu 0,982661230600192 di antara class-class lainnya. Penelitian yang telah dilakukan dengan metode naïve bayes ini diharapkan dapat membantu mahasiswa dalam menentukan kategori topik tugas akhir, serta dengan adanya referensi jurnal-jurnal yang diberikan oleh sistem dapat mempermudah mahasiswa dalam memilih judul untuk diajukan dalam proposal tugas akhir

Decision Support System Group Of Learning Evaluation At SMA Negeri Lhokseumawe Mulyadi; Azhar; Zulfan Khairil Simbolon; Hendrawati; Amirullah
INFOKUM Vol. 10 No. 5 (2022): December, Computer and Communication
Publisher : Sean Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (257.809 KB)

Teachers as educators who have the main task of educating the nation's children to become the next generation who are intelligent and knowledgeable. Teachers can develop students' potential and motivate students to excel. The quality of teachers is influenced by the level of teacher performance in providing knowledge to students and the way of providing clear and appropriate material when teaching. Students must also be involved in the process of assessing the quality of the performance of teachers who have been teaching. Based on these problems, input from students about teacher performance is generally done manually by filling out a satisfaction questionnaire on the teaching and learning process. As a result, we require an assessment system and a model for the quality of learning, particularly in the core school subjects. The evaluation in teacher assessment uses the AHP (Analytical Hierarchy Process) method and group borda. The AHP model process is used to evaluate and improve the quality of student learning so that it can provide objective results. The stages of research using research and development include the first stage, namely the preliminary study stage, theoretical study, and planning stage. The variables measured included attendance, accuracy, ease of capturing material, and the ability to manage classes and formulate problems. The second stage is to test and revise the AHP and Borda models. The third stage is the feasibility test of the decision model with AHP and Borda. The result of the group model is to get the ranking value of each variable, and this value will be entered into the AHP model and the Borda group model. The Borda results are given by the school principal, vice principal, and policy makers. The results of the AHP Model value of K1 (Teaching Attendance Rate) with a priority weight value of 0.280, rank 2, K2 (Accuracy of Starting and Ending Study Hours) of 0.207, and ranking 4, K3 (Ease of Submission of Materials to Be Understood) of 0.295. 1, K4 (Ability to Manage Class Interaction) 0.217, ranking 3. The results of the board for selecting the best teacher: alternative A1 with a value of 0.24 ranking 3. Alternative A2 with a ranking value of 0.20; Alternative A3 with a value of 0.28 ranking 1. Alternative A4 with a value of 0.27 and a rating of 2. The results of this study are the assessment of students and each teacher from the AHP model. Furthermore, the results of the Borda group are in the form of rankings from policy makers. The results of the research are more objective because of the decision-making on the part of students and groups/policy-makers.

Pengenalan Jenis Ikan Cupang Menggunakan Metode YOLO Munawarah Nasution; Mahdi Mahdi; Amirullah Amirullah
Journal of Artificial Intelligence and Software Engineering Vol 3, No 2 (2023)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v3i2.4588

Ikan cupang merupakan salah satu ikan hias yang menarik, warna dan motifnya yang beragam membuat ikan ini banyak diburu penggemar untuk menghiasi keindahan rumah ataupun hanya sekedar kesenangan. Banyaknya jenis saat ini juga menjadi masalah baru bagi orang awam untuk mengenali jenis Ikan cupang. Berdasarkan permasalahan tersebut maka peneliti merancang Sistem Deteksi pengenalan jenis ikan cupang dengan menerapkan Metode You Only Look Once (YOLO) ini bisa dijadikan solusi. Penerapan sistem ini memungkinkan untuk mendeteksi jenis ikan cupang. Perancangan sistem dilakukan melalui perancangan Use Case Diagram, activity diagram dan flowchart. Sistem ini dibangun dengan menggunakan bahasa pemograman python dengan menggunakan algoritma YOLO, library Tensorflow dan library PyQT5. Dataset menggunakan 200 data yang di ambil dari google.dengan pembagian 150% untuk data training dan 50% untuk data uji .Hasil output dari sistem ini berupa perhitungan objek sesuai dengan jenisnya dan divisualisasikan. Akurasi yang dihasilkan untuk pendeteksian jenis ikan cupang menggunakan data uji berupa foto adalah ikan cupang halfmoon 29%, ikan cupang double tail 44%, ikan cupang plakat 55%, dan ikan cupang crown tail 38%. Hasil keseluruhan pengenalan jenis ikan cupang menggunakan metode yolo 85%.Kata kunci— Jenis, Ikan, Cupang, YOLOAbstractThe betta fish are is of the interesting ornamental fish, the various colours and motifs make the fish is hunted by many people to decorate the beauty of their home or just for fun. The large number of types is also a new problem for ordinary people now to recognize the types of betta fish. Based on these problems, the researchers designed a Detection System for recognizing betta fish species by applying the You Only Look Once (YOLO) method which could be used as a solution. The application of this system makes it possible to detect the type of betta fish. System design is carried out through designing Use Case Diagrams, activity diagrams and flowcharts. This system was built using the Python programming language using the YOLO algorithm, Tensorflow library and PyQT5 library. The dataset uses 200 data taken from Google, with a division of 150% for training data and 50% for test data. The output results from this system are in the form of object calculations according to their type and visualized. The resulting accuracy for detecting betta fish types using test data in the form of photos is 29% for halfmoon betta fish, 44% for double tail betta fish, 55% for plaque betta fish, and 38% for crown tail betta fish. The overall result of recognizing Betta fish species using the Yolo method was 85%.Keywords— Type, Fish, Betta, YOLO

Sistem Penilaian Mahasiswa Terhadap Fasilitas Kampus Politeknik Negeri Lhokseumawe Menggunakan Natural Language Processing Muhammad Icshan; Huzaeni Huzaeni; Amirullah Amirullah
Journal of Artificial Intelligence and Software Engineering Vol 4, No 1 (2024)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v4i1.5404

Fasilitas, sebagai elemen pendukung dalam pelaksanaan tugas dan kegiatan, mendefinisikan sarana serta prasarana yang esensial untuk menunjang aktivitas suatu institusi. Studi ini dilakukan di Politeknik Negeri Lhokseumawe (PNL), di mana mahasiswa partisipan diminta untuk mengevaluasi fasilitas kampus melalui kuesioner Google. Kuesioner ini menyajikan 15 pertanyaan yang dapat diakses melalui tautan formulir kuesioner, mencakup aspek-aspek seperti ruang kelas, laboratorium, perabot belajar, peralatan pengajaran, dan layanan perpustakaan hingga teknologi e-learning. Saat ini, belum ada metode formal untuk mengklasifikasikan pandangan mahasiswa terhadap fasilitas kampus. Oleh karena itu, diperkenalkan metode klasifikasi sentimen dengan menggunakan Natural Language Processing (NLP) untuk membersihkan dan mengolah data teks. Setelah itu, data tersebut dimasukkan ke dalam model klasifikasi menggunakan Multi-layer Perceptron, yang mampu memberikan prediksi akurasi sebesar 80% berdasarkan 78 responden yang berpartisipasi dalam penelitian ini. Skenario eksperimen melibatkan 1023 data latih dan 105 data uji, termasuk ekstraksi fitur opini, menunjukkan bahwa model klasifikasi ini efektif dalam mengelola data berukuran besar dan kompleks. Abstract Facilities, as a supporting element in the implementation of tasks and activities, define the facilities and infrastructure that are essential to support the activities of an institution. This study was conducted at Politeknik Negeri Lhokseumawe (PNL), where participating students were asked to evaluate campus facilities through a Google questionnaire. The questionnaire presents 15 questions that can be accessed through the questionnaire form link, covering aspects such as classrooms, laboratories, learning furniture, teaching equipment, and library services to e-learning technology. Currently, there is no formal method to classify students' views on campus facilities. Therefore, a sentiment classification method is introduced by using Natural Language Processing (NLP) to clean and process the text data. Afterwards, the data was fed into a classification model using Multi-layer Perceptron, which was able to provide a prediction accuracy of 80% based on 78 respondents who participated in the study. Experimental scenarios involving 1023 training data and 105 test data, including opinion feature extraction, show that this classification model is effective in managing large and complex data.

Title

Found 8 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 8 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 8 Documents
Search