Claim Missing Document
Check
Articles

Found 5 Documents
Search

Identifikasi Sampah Plastik Menggunakan Algoritma Deep Learning Lut Faizal; Yuyun Yuyun; Hazriani Hazriani
Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI) Vol 6 No 2 (2023): Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Lamappapoleonro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57093/jisti.v6i2.176

Abstract

Masalah sampah plastik masih belum terselesaikan secara optimal hingga saat ini. Jumlah sampah yang dihasilkan oleh kegiatan manusia terus meningkat sejalan dengan jumah penduduk yang terus bertambah. Sampah plastik menjadi salah satu jenis sampah yang sulit didaur ulang, terutama jika tercampur dengan sampah lainnya. Agar proses daur ulang menjadi lebih mudah, diperlukan pemilahan sampah berdasarkan jenisnya. Oleh karena itu, sebuah solusi yang bisa diimplementasikan adalah merancang sistem yang menggunakan pendekatan deep learning untuk mendeteksi jenis sampah plastik, berat sampah dan informasi lokasi sampah tersebut. Faster R-CNN merupakan algoritma deteksi objek yang masuk kedalam bidang computer vision berbasis jaringan konvolusi yang dapat digunakan untuk mengindentifikasi sebuah objek. Adapun hasil penelitian yang diperoleh, nilai akurasi sistem yang didapatkan dalam mengidentifikasi botol plastik sebesar 96,3%, gelas plastik 100%, sendok 84,2%, styrofoam 100%, dan undefined 100% sehingga total akurasi sistem yang didapatkan dari 5 objek sebesar 96,3%. Selain itu, sistem juga mampu menampilkan hasil estimasi berat dari objek yang dideteksi sesuai dengan parameter inputan basis data
Sistem Pendukung Keputusan Prioritas Perbaikan Jalan di Dinas Pekerjaan Umum Kota Makassar Lut Faizal; Ismail Ismail
Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI) Vol 7 No 1 (2024): Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Lamappapoleonro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57093/jisti.v7i1.188

Abstract

Jalan merupakan infrastruktur krusial yang berperan dalam mendorong pertumbuhan dan pembangunan di Indonesia. Namun, masih ada beberapa ruas jalan di Kota Makassar mengalami kerusakan. Dinas PU Kota Makassar terbatas dalam memperbaiki semua jalan yang rusak karena keterbatasan dana. Proses penilaian yang masih dilakukan secara manual menyebabkan upaya perbaikan jalan kurang efektif. Untuk mengatasi permasalahan tersebut, diperlukan sistem pendukung keputusan yang dapat membantu dalam pengambilan keputusan terkait perbaikan jalan. Penelitian ini menggunakan Metode Multi Factor Evaluation Process (MFEP), observasi, wawancara, dan studi kepustakaan dalam pengembangan sistem. Aplikasi ini dikembangkan dengan menggunakan bahasa pemrograman Delphi dan database MySQL. Hasil penelitian menunjukkan bahwa metode MFEP mampu menghasilkan keputusan prioritas perbaikan jalan yang konsisten, memberikan kontribusi terhadap pengambilan keputusan perbaikan infrastruktur jalan di Kota Makassar.
Implementasi Algoritma K-Means untuk Mengelompokkan Data Tingkat Kemiskinan di Sulawesi Selatan Berdasarkan Kota/Kabupaten Irfan; Faizal, Lut
Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI) Vol 7 No 2 (2024): Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Lamappapoleonro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57093/jisti.v7i2.220

Abstract

Poverty is a state in which individuals or groups lack sufficient access to the economic, social, and cultural resources required to attain a reasonable standard of living. The Central Bureau of Statistics (BPS) data offers an overview of the poverty rate in South Sulawesi province, although it only presents the poverty rate categorized by district or city. In order to prioritize their answers, the government must possess knowledge about the regions with the highest and lowest poverty rates to effectively address poverty. Hence, it is crucial to categorize districts or municipalities in South Sulawesi according to their poverty rate. This would enable the government to develop suitable policies or strategies to alleviate poverty while considering the poverty rate in each district or municipality. The data clustering in this study was performed using the K-Means algorithm and the RapidMiner program. The findings revealed the presence of four distinct clusters of districts or municipalities, which were categorized according to their poverty levels. The clusters are categorized as follows: Cluster 0 consists of Jeneponto, Gowa, Pangkep, Luwu, and North Luwu. Cluster 1 includes Bulukumba, Takalar, Maros, Wajo, Pinrang, Enrekang, Tana Toraja, and North Toraja. Cluster 2 comprises Bone and Makassar. Lastly, Cluster 3 consists of Selayar Islands, Bantaeng, Sinjai, Barru, Soppeng, Sidrap, East Luwu, Pare-Pare, and Palopo. Cluster 2 has the greatest poverty rate or number among all the clusters.
Klasifikasi Penentuan Pengajuan Kartu Kredit Nasabah Pada Bank Mandiri Dengan Metode Naive Bayes As'ad, Miftah Fadhli; Faizal, Lut; Natsir, A. Fajar Maulana; Ahmad, Asrul Paelori
Progresif: Jurnal Ilmiah Komputer Vol 21, No 1: Februari 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v21i1.2468

Abstract

The selection process for credit card applications is a challenge for banks because it still relies heavily on manual evaluation which is prone to subjectivity and inefficiency. This research aims to develop a classification system for credit card applications using the Naive Bayes method to increase accuracy and efficiency in the customer selection process. This method classifies customers based on main parameters such as income, credit history, number of dependents, employment status, and home ownership status. The developed model was tested using a dataset consisting of 166 training data and 20 test data, resulting in 85% accuracy, 86.67% recall and 93% precision. These results indicate that the Naive Bayes method can be an effective solution in helping banks automate the credit card application evaluation process with a high level of accuracy. Keywords: Credit Card; Naive Bayes; Classification AbstrakProses seleksi pengajuan kartu kredit merupakan tantangan bagi perbankan karena masih banyak bergantung pada evaluasi manual yang rentan terhadap subjektivitas dan ketidakefisienan. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi pengajuan kartu kredit dengan metode Naive Bayes guna meningkatkan akurasi dan efisiensi dalam proses seleksi nasabah. Metode ini mengklasifikasikan nasabah berdasarkan parameter utama seperti pendapatan, riwayat kredit, jumlah tanggungan, status pekerjaan, dan status kepemilikan rumah. Model yang dikembangkan diuji menggunakan dataset yang terdiri dari 166 data latih dan 20 data uji, menghasilkan akurasi 85%, recall 86,67%, dan precision 93%. Hasil ini menunjukkan bahwa metode Naive Bayes dapat menjadi solusi yang efektif dalam membantu bank mengotomatisasi proses evaluasi pengajuan kartu kredit dengan tingkat akurasi yang tinggi. Kata kunci: Kartu Kredit; Naive bayes; Klasifikasi
Implementasi Metode TOPSIS pada Sistem Pendukung Keputusan Penilaian Kinerja Guru di SMKN 10 Bulukumba Faizal, Lut; Irfan, Irfan
Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI) Vol 8 No 1 (2025): Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Lamappapoleonro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57093/jisti.v8i1.267

Abstract

A TOPSIS-based decision support system (SPK) was developed to objectively assess teacher performance at SMKN 10 Bulukumba. This research analyzed four criteria: pedagogical skills, attendance, teaching methods, and professional attitude. The TOPSIS method was used to calculate preference scores based on relative closeness to the ideal solution, resulting in accurate ranking. As a result, 3 teachers achieved the highest scores, demonstrating optimal performance across all criteria. The implementation of TOPSIS proved its ability to reduce subjective bias and increase transparency of assessment. Schools can identify teachers' strengths and areas of improvement through analysis of criteria scores. The system also cuts evaluation time from weekly to daily, improving management efficiency. The research findings confirm TOPSIS as a reliable evaluation tool that supports teachers' professional development through data-driven feedback. Practical implications include recommendations for the adoption of similar systems in other educational institutions with criteria customization. This study contributes to the field of education management by presenting a scalable solution to improve accountability and teaching quality, while offering an adaptive framework for technology-based performance evaluation.