Claim Missing Document
Check
Articles

Found 36 Documents
Search

Pengembangan Sistem Aplikasi Web Scraper Harga Komoditas Menggunakan Metode Design Oriented Research Muhammad Irsad Arief; Robert Kurniawan
Jambura Journal of Informatics VOL 2, NO 1: APRIL 2020
Publisher : Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (889.191 KB) | DOI: 10.37905/jji.v2i1.4474

Abstract

Teknologi informasi turut berkembang sejalan dengan perkembangan peradaban manusia Salah satu jenis implementasi teknologi informasi dalam hal bisnis adalah perdagangan elektronik (e-commerce) yang mengakibatkan tersedianya data harga produk secara online. Hal ini menimbulkan peluang baru untuk proses pengumpulan data harga yang lebih efisien dan efektif. Salah satu metode pungumpulan data secara online yang lebih efisien, murah dan mudah adalah web scraping. Penelitian ini bertujuan mengembangkan sistem aplikasi yang mampu melakukan web scraping harga dengan mudah, membuat sistem basis data untuk menampung hasil web scraping serta membangun sistem yang dapat memberikan informasi harga dengan akurat dan real time. Selain informasi tentang harga, sistem aplikasi yang dihasilkan juga menyediakan informasi peramalan harga di masa yang akan datang. Penelitian ini menggunakan metode Design Oriented Research dengan hasil yang diharapkan berupa artefak sistem aplikasi web scraper data harga komoditas, dengan mengidentifikasi masalah yang terjadi serta usaha dalam penyelesaiannya. Selain itu, juga dilakukan pengujian dengan menggunakan pengujian blackbox testing, whitebox testing, dan system usability scale (SUS). Hasil dari pengujian aplikasi menunjukkan bahwa aplikasi berjalan sesuai dengan hasil yang diharapkan dan dapat diterima dengan baik dengan skor SUS 75,5. Information technology develops in line with human civilization development. One type of information technology implementation in business is electronic commerce (e-commerce), which resulted in the availability of online price data. It raises new opportunities for more efficient and effective price data collection. One method of online data collection that is more efficient, cheaper, and more accessible is web scraping. This research develops an application system which can do web scraping of price easily, database system to accommodate web scraping result and a dashboard system that can give price information accurately and real-time. In addition to pricing information, the resulting application system also provides price forecasting. This research uses the Design Oriented Research method with the expected results in the form of a web scraper application system for commodity price data, by identifying problems that occur as well as efforts in their resolution. Also, testing is done by black-box testing, white-box testing, and system usability scale (SUS). The results of the application show that the use is acceptable with 75.5 scores and goes as expected result.
PERBANDINGAN ALGORITMA LSDBC DAN DBSCAN PADA PEMETAAN DAERAH RAWAN KEBAKARAN HUTAN Fella Ulandari; Robert Kurniawan
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 12 No 2 (2020): Journal of Statistical Application and Computational Statistics
Publisher : Pusat Penelitian dan Pengabdian Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v12i2.281

Abstract

Kebakaran hutan merupakan salah satu kejadian bencana alam di Indonesia yang menyebabkan deforestasi dan berbagai kerugian pada aspek ekologi, ekonomi, dan sosial. Pencegahan kebakaran hutan dan lahan dapat dilakukan dengan menyediakan data dan informasi meliputi lokasi/areal kebakaran dan daerah rawan kebakaran hutan dan lahan. Penutupan lahan yang cenderung cepat berubah menjadikan peta rawan kebakaran hutan yang dievaluasi setiap tiga tahun sekali menjadi tidak akurat lagi. Permasalahan ini dapat diatasi dengan pemanfaatan data titik panas yang disediakan secara real time oleh Lembaga Penerbangan dan Antariksa Nasional (LAPAN). Penelitian sebelumnya berhasil memetakan daerah rawan kebakaran hutan menggunakan penerapan algoritma Density Based Clustering Application with Noise (DBSCAN) pada data titik panas. Pada penelitian ini, algoritma Locally Scaled Density Based Clustering (LSDBC) digunakan pada data titik panas sebagai perbaikan dan perbandingan terhadap algoritma DBSCAN. Penelitian ini telah berhasil memetakan daerah rawan kebakaran hutan menggunakan algoritma DBSCAN dan LSDBC. Namun, algoritma LSDBC belum mampu menghasilkan klaster yang lebih baik dibandingkan algoritma DBSCAN.
EVALUASI PENDUGAAN ANGKA PARTISIPASI KASAR PERGURUAN TINGGI TAHUN 2018 DENGAN SMALL AREA ESTIOMATION BENCHMARKING Robert Kurniawan; Dini Arifatin; Amalia Noviani; Fadhlullah Fadhlullah
Seminar Nasional Official Statistics Vol 2019 No 1 (2019): Seminar Nasional Official Statistics 2019
Publisher : Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (361.358 KB) | DOI: 10.34123/semnasoffstat.v2019i1.86

Abstract

Selama ini, Angka Partisipasi Kasar Perguruan Tinggi (APKPT) yang merupakan salah satu target dari Sustainable Development Goal’s (SDG’s) disajikan oleh Badan Pusat Statistik (BPS) masih angka setiap Provinsi, dan untuk mendapatkan angka per kabupaten/kota sangat sulit. Hal ini terkendala jumlah sampel yang kurang memadai untuk dilakukan estimasi per kabupaten/kota. Sehingga untuk megestimasi sampai level area kecil dibutuhkan metode Small Area Estimation (SAE). Tetapi SAE pada area kecil dengan menggunakan metode Empirical Best Linear Unbiased Prediction (EBLUP) belum mampu mengatasi masalah agregasi area yang lebih besar, sehingga menyebabkan estimasi pada area kecil yang dihasilkan tidak konsisten dengan hasil estimasi langsungnya. Untuk mengatasi hal tersebut, maka digunakan metode EBLUP Benchmark untuk mendapatkan agregasi estimasi area kecil yang konsisten dengan estimasi langsung yang sudah ada. Misalnya hasil dari estimasi angka kabupaten/kota, jika di agregasikan, maka hasilnya sama dengan angka provinsi yang sudah di publikasikan terlebih dahulu. Sehingga pada penelitian ini bertujuan untuk mengevaluasi metode SAE Benchmark yang diaplikasikan untuk penghitungan estimasi APKPT di 6 provinsi Pulau Jawa. Hasilnya terlihat bahwa untuk provinsi yang jumlah kabupaten/kotanya banyak, seperti Jawa Barat, Jawa Tengah, dan Jawa Timur cenderung lebih bagus hasil estimasinya jika di hitung dengan SAE EBLUP Benchmark dibandingkan dengan SAE EBLUP. Cara menghitung ternyata juga berpengaruh dalam mendapatkan hasil estimasi. Berdasarkan caranya, dengan menghitung secara mandiri per Provinsi lebih bagus hasilnya dibandingkan dengan penghitungan berkelompok dan Nasional.
IDENTIFIKASI TEMPAT TINGGAL, BEKERJA/DOMISILI DAN TUJUAN BERLIBUR PENDUDUK DENGAN DATA TWITTER Nashir Wahyudi; Robert Kurniawan
Seminar Nasional Official Statistics Vol 2019 No 1 (2019): Seminar Nasional Official Statistics 2019
Publisher : Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (453.558 KB) | DOI: 10.34123/semnasoffstat.v2019i1.109

Abstract

Twitter merupakan salah satu jejaring sosial yang sangat populer dan banyak diminati kalangan masyarakat di seluruh dunia. Dengan menggunakan informasi pada tweet akun-akun di sosial media ini kita dapat memperkirakan letak tempat tinggal serta tempat domisili dari penduduk di suatu wilayah, khususnya Jabodetabek. Penelitian ini memperkirakan jumlah penduduk yang tinggal di suatu wilayah serta tempat domisilinya di wilayah Jabodetabek berdasarkan tweet yang dilakukan. Pengolahan data untuk peneletian ini menggunakan software berikut bahasa pemrograman R, serta aplikasi lai sebagai penunjang. Berdasarkan data yang ada dapat diketahui bahwa pengguna twitter pada bulan februari 2014 paling banyak bertempat tinggal di daerah Bekasi diikuti oleh jakarta timur dan jakarta pusat. Penduduk bekasi sendiri paling banyak berdomisili atau melakukan aktivitasnya di daerah Jakarta terutama Jakarta pusat.
KAJIAN KEBIJAKAN PENENGGELAMAN KAPAL PELAKU ILLEGAL FISHING DENGAN DISCOURSE NETWORK ANALYSIS Wahyu Hassapni; Robert Kurniawan
Seminar Nasional Official Statistics Vol 2019 No 1 (2019): Seminar Nasional Official Statistics 2019
Publisher : Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (819.328 KB) | DOI: 10.34123/semnasoffstat.v2019i1.115

Abstract

Kebijakan penenggelaman merupakan salah satu langkah langka yang dilakukan oleh Menteri Kelautan dan Perikanan (KKP) untuk mengurangi pencurian ikan di wilayah perairan Indonesia. Kebijakan tersebut memberikan dampak positif diantaranya meningkatkan kesejahteraan nelayan, namun terdapat juga kontra yang muncul terhadap kebijakan ini. Pro dan kontra kebijakan ini dimuat dalam wacana berita online. Untuk menganalisa suatu wacana dibutuhkan suatu metode yang tepat. Pada penelitian ini menggunakan metode baru untuk analisis wacana yang disebut dengan Analisis Jaringan Wacana. Hasil dari penerapan metode tersebut adalah kompleksitas dari suatu wacana dalam bentuk jaringan.
PEMODELAN NOWCASTING TINGKAT PENGANGGURAN TERBUKA MENGGUNAKAN DATA GOOGLE TRENDS DENGAN METODE ANTLION OPTIMIZATION-SUPPORT VECTOR REGRESSION Ilmi Aulia Akbar; Robert Kurniawan
Seminar Nasional Official Statistics Vol 2020 No 1 (2020): Seminar Nasional Official Statistics 2020
Publisher : Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (302.418 KB) | DOI: 10.34123/semnasoffstat.v2020i1.504

Abstract

Tingkat Pengangguran Terbuka adalah salah satu indikator strategis nasional yang didapatkan oleh BPS melalui Survei Angkatan Kerja Nasional (SAKERNAS) yang dilaksanakan dua kali dalam satu tahun, yaitu pada Februari dan Agustus. Terdapat lag waktu tiga bulan sejak data dikumpulkan hingga data dipublikasikan yang dapat diatasi menggunakan nowcasting dengan memanfaatkan data Google Trends. Data indeks pencarian dari kueri yang berkaitan dengan proses pencarian kerja kemudian diseleksi menggunakan koefisien korelasi Pearson dan LASSO hingga diperoleh kueri pencarian yang relevan dengan nilai TPT. Pemodelan nowcasting dilakukan menggunakan Support Vector Regression dengan parameter yang dioptimisasi menggunakan Ant-Lion Optimization. Hasil dari penelitian ini, diperoleh tiga kueri pencarian yang relevan dan dapat digunakan untuk nowcasting TPT Jawa Barat yaitu “lowongan kerja”, “lowongan pekerjaan”, dan “job”. Hasil dari pemodelan juga menunjukkan MAE, MAPE, dan RMSE yang baik.
PENGELOMPOKAN WILAYAH INDONESIA DALAM MENGHADAPI REVOLUSI INDUSTRI 4.0 DENGAN METODE BICLUSTERING Nurmawiya -; Robert Kurniawan
Seminar Nasional Official Statistics Vol 2020 No 1 (2020): Seminar Nasional Official Statistics 2020
Publisher : Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (387.118 KB) | DOI: 10.34123/semnasoffstat.v2020i1.511

Abstract

Indonesia sedang berada dalam era revolusi industri 4.0 yang mana untuk menghadapi era tersebut diperlukan kesiapan dari berbagai sisi terutama masyarakat. Era ini dapat memberikan keuntungan pertumbuhan ekonomi bagi Indonesia, akan tetapi dapat berakibat buruk berupa hilangnya sejumlah lapangan pekerjaan akibat adanya automasi. Oleh karena itu, kesiapan masyarakat memegang peranan penting dalam menghadapi era ini. Berkaitan dengan hal tersebut, penelitian ini dilakukan untuk mengelompokkan wilayah kabupaten/kota di Indonesia dengan menggunakan variabel indikator kesiapan yang terdapat dalam networked readiness index (NRI) oleh World Economic Forum (WEF). Metode pengelompokan yang digunakan adalah biclustering dengan algoritma cheng dan church. Pengelompokan dengan metode tersebut menghasilkan 5 bicluster di mana bicluster 4 adalah kelompok yang memiliki nilai rataan terendah untuk setiap variabel. Posisi terendah ini kemudian diikuti oleh bicluster 3. Berdasarkan hasil tersebut, pemerintah perlu menjadikan kabupaten/kota yang tercakup dalam bicluster 4 dan 3 sebagai prioritas dalam melakukan pembenahan untuk mempersiapkan masyarakatnya menghadapi revolusi industri 4.0.
IDENTIFIKASI PENGGUNAAN LAHAN MENGGUNAKAN CITRA SATELIT LANDSAT 8 MELALUI GOOGLE EARTH ENGINE Ratu Kintan Karina; Robert Kurniawan
Seminar Nasional Official Statistics Vol 2020 No 1 (2020): Seminar Nasional Official Statistics 2020
Publisher : Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (460.825 KB) | DOI: 10.34123/semnasoffstat.v2020i1.514

Abstract

Penelitian ini dilakukan di Kabupaten Lahat yang mana potensi banjir pada daerah ini juga disebabkan oleh daya guna lahan yang berkurang. Sehingga penelitian ini dilakukan untuk melihat bagaimana peta penggunaan lahan di Kabupaten Lahat dalam satu tahun terakhir dan bagaimana persentase dari setiap lahan tersebut dengan melakukan penginderaan jauh yang memanfaatkan citra satelit Landsat 8. Metode yang digunakan dalam penelitian ini adalah metode deskriptif dan metode analisis citra yang mana semua pengolahan dan analisis dilakukan pada Google Earth Engine. Berdasarkan hasil penelitian, peta penggunaan lahan ini memperoleh akurasi keseluruhan sebesar 89,38% dan akurasi Kappa sebesar 85,21%, dimana sebaran luas penggunaan lahan di Kecamatan Lahat untuk Kawasan Vegetasi seluas 2941,81 km2 atau 82,32%, Badan Air seluas 58,73 km2 atau 1,64%, Lahan Terbangun seluas 177,52 km2 atau 4,97%, Tambak seluas 57,29 km2 atau 1,60%, Rumput/Semak seluas 1,09 km2 atau 0,03%, Lahan Terbuka seluas 39,97 km2 atau 1,12%, dan Sawah seluas 297,30 km2 atau 8,32%. Sehingga dapat disimpulkan bahwa peta penggunaan lahan yang dihasilkan menunjukkan kawasan vegetasi merupakan lahan terluas di Kabupaten Lahat dan lahan rumput/semak belukar merupakan lahan yang paling dikit di Kabupaten Lahat. Namun hasil yang diperoleh tidak menutup kemungkinan adanya kesalahan dalam interpretasi citra sehingga masih perlu dilakukan observasi lapangan untuk mengecek kesesuaian dan memperkuat hasil akurasi penggunaan lahan.
BIDIRECTIONAL LSTM-CNNs UNTUK EKSTRAKSI ENTITY LOKASI KEBAKARAN PADA BERITA ONLINE BERBAHASA INDONESIA Alif Andika Putra; Robert Kurniawan
Seminar Nasional Official Statistics Vol 2020 No 1 (2020): Seminar Nasional Official Statistics 2020
Publisher : Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (403.235 KB) | DOI: 10.34123/semnasoffstat.v2020i1.601

Abstract

DKI Jakarta Province is one of the areas prone to fire. BPBD DKI Jakarta as a Disaster Management Institution has one mission which is to increase the preparedness of the people of Jakarta for disasters, one of which is the fire disaster. Increased preparedness for fire disasters can be done by presenting information about locations prone to fire. BPBD DKI Jakarta in this case can utilize the development of information and communication technology, such as the internet as an information resource. Dissemination of information through the internet one of which is published in the form of an online news web. The information contained in online news articles can be used as a source of information in obtaining data. A series of processes is needed to be able to extract information contained in online news articles. In this study, information contraction in online news articles is done by classifying entities into certain classes using Name Entity Recognition (NER) with the deep learning hybrid network approach model of Bidirectional LSTM-CNNs (BLSTM-CNNs). This study shows the NER model with BLSTM-CNNs has good performance based on the results of F1-score, precision and recall calculation. Then, mapping is done based on the location entity contained in the online news article classification results using the NER model with BLSTM-CNNs.
Pengembangan Metode Neural Machine Translation Berdasarkan Hyperparameter Neural Network Muhammad Yusuf Aristyanto; Robert Kurniawan
Seminar Nasional Official Statistics Vol 2021 No 1 (2021): Seminar Nasional Official Statistics 2021
Publisher : Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (532.299 KB) | DOI: 10.34123/semnasoffstat.v2021i1.789

Abstract

Humans as social beings who always want to be in touch with other human’s force humans to communicate with each other. This is where the role of language becomes very important, because with language, it will be easy to understand what other people want to convey. For this reason, it is necessary to have a media that can help to understand the various languages in the world, one of which is machine translation. One method that can be used to make machine translators is Neural Machine Translation (NMT). The existing NMT still has various shortcomings and needs to be further developed. Among them is the problem of overfitting which makes the model less able to generalize to other data being tested. Many things affect the performance of the NMT, one of which is the size of the hyperparameters used and the model architecture used. However, there is no definite measure that can be used to produce a model with the best performance. So, this study aims to develop the NMT model architecture and perform simulations on each Neural Network hyperparameter and the size of the model architecture, including batch size, epoch, optimizer, activation function, and dropout rate. The results obtained are the development model can overcome the overfitting problem of the previous model with an accuracy of 72.24% and a BLEU score of 45.83% which was carried out on other test data.