Claim Missing Document
Check
Articles

Found 8 Documents
Search
Journal : Journal of Computer and Information System (J-CIS)

Implementasi SPK untuk Pemilihan Konsentrasi Studi Mahasiswa menggunakan AHP-TOPSIS wahyuni wahyuni rahman; Nahya Nur; Sugiarto Cokrowibowo
Journal of Computer and Information System ( J-CIS ) Vol 3 No 2 (2020): J-CIS Volume 3 No. 2 2020
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v2i1.721

Abstract

Pemilihan konsentrasi studi mahasiswa masih sering terjadi kesalahan karena pemilihannya yang dilakukan secara asal-asalan dengan mengikuti pilihan temannya atau saran dari orangtuanya tanpa mempertimbangkan kemampuan dan bakat yang dimiliki sendiri oleh mahasiswa tersebut sehingga masih banyak mahasiswa yang menyesal dengan pilihan konsentrasi yang sudah dipilihnya. Dari masalah tersebut dibutuhkan suatu SistemPendukung Keputusan (SPK) yang dapat membantu mahasiswa dalam menentukan keputusan untuk memilih konsentrasi studi sesuai dengan kriteria Minat Bakat, Jurusan Sebelumnya dan Pekerjaan. Metode yang digunakan dalam Sistem Pendukung Keputusan (SPK) adalah metode Analytic Hierarchy Process (AHP) digunakan untuk menentukan bobot dari setiap kriteria dan subkriteria kemudian Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) digunakan untuk melakukan perangkingan hasil pemilihan konsentrasi studi mahasiswa. Dari pilihan rekomendasi konsentrasi yang diberikan oleh SPK diharapkan agar mahasiswa tidak lagi menyesal dengan pilihan konsentrasi yang sudah diambil.
Perbandingan Metode k-NN dan Naïve Bayes dalam Klasifikasi Penentuan Calon Pendonor Darah Nahya Nur; Asmawati; Nur Syahra
Journal of Computer and Information System ( J-CIS ) Vol 4 No 1 (2021): J-CIS Volume 4 Issue 1 2021
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (371.502 KB) | DOI: 10.31605/jcis.v4i1.875

Abstract

Donor darah adalah proses pengambilan darah dari seorang yang sehat dengan dinyatakan memenuhi syarat dengan meninjau beberapa faktor seperti seperti pengukuran tekanan darah, golongan darah, kadar hemoglobin (Hb), status pendonor, konsultasi medis dan sebagainya. Klasifikasi adalah proses menemukan fungsi atau model yang dapat membedakan suatu konsep atau kelas data untuk memprediksi kelas suatu objek yang tidak diketahui. Penelitian ini dilakukan untuk mencari metode terbaik berdasarkan perbandingan nilai akurasi menggunakan 100 data latih donor darah dari RSUD Majene yang diproses dengan mengimplementasikan metode K-Nearest Neighbor dan Naive Bayes. Hasil analisis menunjukkan bahwa algoritma K-Nearest Neighbor menunjukkan performa yang lebih baik dengan tingkat akurasi sebesar 86% sedangkan algoritma Naïve Bayes memperoleh nilai akurasi sebesar 76%.
Pengoptimalan Penghitungan Keuntungan Produksi menggunakan Algoritma Genetika Syarkia Yunus; Nahya Nur; heliawaty hamrul
Journal of Computer and Information System ( J-CIS ) Vol 4 No 1 (2021): J-CIS Volume 4 Issue 1 2021
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (295.919 KB) | DOI: 10.31605/jcis.v1i1.984

Abstract

Perkembangan ilmu pengetahuan dan teknologi yang semakin maju di era sekarang memunculkan berbagai permasalahan baru pula. Hal tersebut sangat dirasakan oleh para pelaku industri. Hal seperti ini tentu saja akan memberi tuntutan tersendiri pada para pelaku bisnis, sehingga dituntut untuk dapat mengambil langkah yang bijaksana dari pilihan-pilihan alternatif yang ada untuk mendukung keputusan agar tujuan perusahaan dapat tercapai. Adapun sampel yang akan menjadi tempat penelitian ini adalah perusahaan sabun mapaccing. Namun perusahaan ini tergolong masih baru, sehingga tentu saja perhitungan laba/kentungan pada perusahaan ini masih menggunakan cara manual. Cara seperti ini tentu saja tidak akan mampu memberikan hasil yang akurat dan cepat melihat banyaknya konsumen perusahaan tentu saja harus mencari solusi yang efektif untuk menangani masalah tersebut. Berdasarkan permasalahan pada setiap perusahaan, adanya optimasi keuntungan menjadi hasil utama dalam proses produksi pada perusahaan. Perhitungan dan analisis yang tepat sangat dibutuhkan untuk mendukung tercapainya keuntungan yang maksimal dari perusahaan. Maka dari itu, dibutuhkan sebuah yang digunakan untuk mendapatkan hasil optimasi keuntungan maksimum yang akurat dan efisien, dan salahsatu hal yang daoat diaplikasi adalah dengan penerapan algoritma genetika untuk melakukan optimasi laba/keuntungan disebuah perusahaan atau industry.
Prediksi Hasil Panen Kakao Di Desa Minanga Menggunakan Algoritma Random Forest Regression Rian, Andrian; Irianti, Arnita; Nur, Nahya; Heri, Adi
Journal of Computer and Information System ( J-CIS ) Vol 8 No 1 (2025): J-CIS Vol. 8 No. 1 Tahun 2025
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v8i1.4936

Abstract

Hasil produksi tanaman kakao di Desa Minanga sering mengalami fluktuasi, baik dalam bentuk penurunan maupun peningkatan yang tidak menentu disetiap musimnya. Kondisi ini berdampak pada ketidakpastian pendapatan, sehingga para petani kesulitan dalam merencanakan keuangan mereka dengan baik. Penelitian ini menggunakan algoritma random forest regression dengan tujuan untuk membantu dalam memprediksi hasil panen kakao pada petani Desa Minanga, dengan menggunakan kriteria luas lahan, jumlah tanaman kakao, jenis bibit, jenis pupuk, hama dan penyakit, penanggulangan hama dan penyakit, tingkat curah hujan, tenaga kerja, dan hasil. Data yang digunakan dalam penelitian ini merupakan data hasil panen kakao dari tahun 2019 hingga 2023, dengan total 2980 data yang akan diolah. Berdasarkan hasil pengujian jumlah pohon yang paling optimal adalah 100 pohon, dengan tingkat akurasi sebesar 98.95% dengan nilai Mean Absolute Percentage Error (MAPE) diperoleh adalah 1.04%, Root Mean Square Error (RMSE) yaitu 6.26 dan Koefisien Determinasi (R2) sebesar 0.99 pada rasio data 80:20. Variabel yang memiliki nilai importance paling tinggi yaitu variabel hama dan penyakit.
Analisis Performa K-Nearest Neighbor Dalam Mengklasifikasi Sentimen Pengguna Aplikasi PeduliLindungi Sulfayanti; -, Ika Nurul Fadhillah; Nahya Nur
Journal of Computer and Information System ( J-CIS ) Vol 7 No 1 (2024): J-CIS Vol. 7 No. 1 Tahun 2024
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v7i1.3767

Abstract

Virus Corona 19 (Covid-19) merupakan inveksi vius menular yang kini telah menyebar ke berbagai negara, termasuk Indonesia. Pemantauan penyebaran Covid-19 di Indonesia ditangani langsung oleh Pemerintah Indonesia khususnya oleh Kementerian Komunikasi dan Informatika (KOMINFO) dengan pembuatan aplikasi PeduliLindungi yang dapat diunduh di Google Play Store. Pengguna memberikan ulasan atau komentar mereka tentang aplikasi dengan tujuan untuk mengevaluasi dan meningkatkan kualitas produk kedepannya. Salah datu cara dalam mengevaluasi ulasan adalah dengan menganalisis sentiment ulasan tersebut. Analisis terhadap sentiment ulasan dilakukan untuk menentukan apakah opini atau komentar terhadap suatu permasalahan atau isu terkait topik tertentu memiliki kecenderungan positif, negatif, atau netral. Sehingga peneliti ingin mengetahui sejauh mana gambaran umum masyarakat mengenai Aplikasi PeduliLindungi dengan memanfaatkan hasil analisis ini dengan melakukan teknik klasifikasi terhadap ulasan PeduliLindungi menggunakan Algoritma K-Nearest Neighbor. Hasil pengklasifikasian sentimen yang diperoleh yaitu opini kategori positif sebesar 58,66%, sentimen dengan kategori negatif sebesar 26,12%, dan sentimen dengan kategori netral sebesar 15,22% ulasan dari total 7.500 ulasan. Hasil ini menunjukkan bahwa masyarakat percaya dengan aplikasi PeduliLindungi dan menilai bahwa aplikasi tersebut layak untuk diinstal. Performa algoritma K-Nearest Neighbor dalam mengklasifikasi sentimen pengguna menghasilkan akurasi sebesar 60,66%, dengan nilai presisi 64%, recall 62,79%, dan F1-score 54,44%.
Implementasi Data Mining menggunakan Algoritma Apriori untuk Menentukan Pola Pembelian Obat di Rumah Sakit Aulia, Novita; Indra; Nur, Nahya
Journal of Computer and Information System ( J-CIS ) Vol 4 No 2 (2021): J-CIS Vol 4 No. 2 Tahun 2021
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v4i2.1259

Abstract

Data mining merupakan proses untuk mendapatkan informasi yang berguna dari gudang basis data yang berupa ilmu pengetahuan. penelitian ini melakukan analisa data dengan menggunakan data mining dan metode algoritma apriori. Sistem yang dibangun ditujukan untuk pemenuhan dalam penentuan pola pembelian obat dengan menggunakan bahasa pemrograman PHP dan database Mysql pada studi kasus Apotik rumah sakit umum majene. Sistem ini dibangun berdasarkan kebutuhan pengguna yang diperoleh melalui metode wawancara dan studi lapangan dengan jumlah data yang diperoleh yaitu 250 data . Metodelogi pengembangan sistem yang digunakan yaitu metode Research and Development (R & D). yang terdiri Analisis, Desain, Pengkodean dan Pengujian. Hasil pengujian dengan algoritma apriori dan sistem yang dibangun menunjukan hasil yang telah memenuhi kebutuhan dalam penentuan pola pembelian obat di rumah sakit berdasarkan kecenderungan pembelian obat oleh pelanggan
Pengenalan Huruf Aksara Lontara Menggunakan Metode Convolutional Neural Network mustafa, mukhdar; Nur, Nahya; wajidi, farid; Asnan Cirua, A. Amirul; Ismaun
Journal of Computer and Information System ( J-CIS ) Vol 7 No 1 (2024): J-CIS Vol. 7 No. 1 Tahun 2024
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v7i1.3768

Abstract

Salah satu warisan budaya aksara nusantara, aksara lontara saat ini perlu di lestarikan agar tidak mengalami kepunahan. Beberapa hal yang menyebabkan aksara Lontara ini terancam punah diantaranya adalah tren penggunaan bahasa asing yang didukung oleh pesatnya perkembangan teknologi, serta kurangnya pendidikan dan pembelajaran yang mendukung kelestarian aksara Lontara pada generasi mudaPengenalan huruf aksara lontara menggunakan metode Convolutional Neural Network merupakan suatu sistem yang mampu menegenali huruf aksara lontara secara realtime. Pada penelitian ini menggunakan jenis penelitian eksperimen karena penelitian ini bersifat uji coba dimana penelitian ini menghasilkan suatu sistem pengenalan huruf aksara lontara dengan hasil akhir berupa perhitungan persentase pengujian. Implementasi Convolutional Neural Network sebagai metode yang digunakan untuk mendapatkan model. Berdasarkan tingkat akurasi terhadap model yang di dapatkan pada proses training dengan menggunakan 575 data uji sebanyak 48 data uji yang tidak dapat dikenali oleh sistem dan 527 data yang dapat dikenali dengan persentase sebesar 91.6%. Algoritma CNN sudah cukup baik dalam melakukan pengenalan huruf aksara lontara.
Analisis Sentimen Komentar YouTube terhadap Ganjar Pranowo Pasca Pemilu 2024 dengan Pendekatan Long Short-Term Memory Putri, Haerya; Rensa, Erma; Nur, Nahya; Wajidi, Farid
Journal of Computer and Information System ( J-CIS ) Vol 7 No 2 (2024): J-CIS Vol. 7 No. 2 Tahun 2024
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v7i2.4529

Abstract

Pemilihan umum 2024 menuai banyak kontroversi, terutama setelah pelaksanaannya pada 14 Februari 2024. Ganjar Pranowo, sebagai salah satu calon presiden, menjadi topik hangat di media sosial, termasuk YouTube. Beragam komentar yang muncul menyulitkan untuk melihat secara keseluruhan apakah komentar tersebut berpihak atau sebaliknya. Kesulitan tersebut menjadi masalah yang perlu diatasi. Penelitian ini bertujuan untuk menganalisis sentimen terhadap Ganjar Pranowo yang ditayangkan pada saluran YouTube Metro TV. Metode yang digunakan adalah Deep Learning dengan model Long Short-Term Memory (LSTM) untuk mengklasifikasikan sentimen positif, netral, atau negatif. Dataset terdiri dari 3.100 komentar yang dikumpulkan melalui YouTube Data API. Proses preprocessing mencakup case folding, text cleaning, stopword removal, normalization, tokenizing, dan stemming. Hasil penelitian menunjukkan bahwa sentimen netral yang lebih banyak pada komentar YouTube dalam menanggapi Ganjar Pranowo pasca pemilu 2024 dengan 1019 komentar, dalam hal ini metode LSTM mampu mengklasifikasi sentimen dengan akurasi sebesar 75%. Evaluasi kinerja model menggunakan metrik accuracy, precision, recall, f1-score serta confusion matrix dan word cloud menunjukkan bahwa model ini efektif dalam memahami dan menganalisis sentimen dari data teks.