Claim Missing Document
Check
Articles

KLASIFIKASI PERSENTASE KEMISKINAN DI JAWA BARAT MENGGUNAKAN DATA MINING ALGORITMA K-NEAREST NEIGHBOR (KNN) Duwo Jiwo Saputro, Adi; Darmawan, Adam; Nurina Sari, Betha
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 4 (2023): JATI Vol. 7 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i4.7178

Abstract

Salah satu masalah utama yang masih dihadapi banyak negara, termasuk Indonesia, adalah kemiskinan. Keadaan dimana seseorang dipandang tidak mampu secara ekonomi untuk memenuhi kebutuhan. Data berdasarkan dari Badan Pusat Statistik (BPS) pada Provinsi Jawa Barat, persentase kemiskinan yang terjadi di Jawa Barat pada tahun 2016 – 2021, BPS mencatat jumlah persentase kemiskinan yang terjadi di Jawa Barat pada tahun 2016 = 8.95, 2017 = 8.71, 2018 = 7.45, 2019 = 6.91, 2020 = 7.88, 2021 = 8.40. Penelitian ini bertujuan untuk klasifikasi tingkat persentase kemiskinan di Jawa Barat pada tahun 2016 – 2021 menggunakan algoritma K-Nearest Neighbor (KNN). Cara kerja K-Nearest Neighbor yang berfungsi membedakan kelas data atau konsep. Hasil penelitian ini menunjukkan persentase kemiskinan 27 kabupaten/kota yang ada di Jawa Barat pada nilai k=3 dengan tingkat akurasi sebesar 96.30%, recall 100% dan presisi sebesar 92,31%. Dari penelitian yang dilakuakn Metode K-Nearest Neighbor (KNN) berhasil mengklasifikasikan dengan baik.
PENGELOMPOKAN DAERAH RAWAN BENCANA ALAM DI JAWA BARAT MENGGUNAKAN ALGORITMA FUZZY C-MEANS Nabilla Audy, Ide; Nur Padilah, Tesa; Nurina Sari, Betha
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 4 (2023): JATI Vol. 7 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i4.7205

Abstract

Bencana alam adalah kejadian berbahaya yang diakibatkan oleh berbagai fenomena alam yang diakibatkan oleh alam. Jawa Barat adalah salah satu provinsi yang memiliki tingkat kejadian bencana alam tertinggi dan bisa juga disebut daerah yang rawan bencana alam. Untuk menanggulangi bencana alam dibutuhkan relawan yang banyak pada daerah yang termasuk rawan bencana. Maka dari itu, untuk mengetahui jumlah relawan yang dibutuhkan, perlunya informasi mengenai daerah mana saja yang termasuk daerah dengan tingkat bencana alam yang tinggi. Tujuan dari penelitian ini untuk mengelompokan kabupaten/kota yang rawan bencana alam, sehingga dapat menjadi fokus bagi pemerintah dalam penanggulangan bencana alam. Dengan metode Clustering Fuzzy C-Means dipakai untuk mengelompokan kabupaten/kota yang rawan dan tidak rawan. Hasil clustering yang paling optimal yaitu pada c = 2 dengan hasil evaluasi memiliki struktur yang baik yang dilihat dari hasil evaluasi dengan metode Silhouette Coefficient, Partition Entropy (PE), dan Partition Coefficient (PC).
IMPLEMENTASI ALGORITMA K-MEANS PADA PEMETAAN DAERAH TERDAMPAK TANAH LONGSOR DI JAWA TENGAH Rahmawati, Erika; Nurina Sari, Betha; Jajuli, Mohamad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9487

Abstract

Karakteristik wilayah dan letak geografis Indonesia menjadikan wilayah Indonesia menjadi daerah rawan bencana tanah longsor. Salah satu wilayah yang berpotensi tinggi mengalami bencana tanah longsor adalah Jawa Tengah. Dampak dari bencana tanah longsor di Jawa Tengah mengancam kehidupan masyarakat karena mengakibatkan rusaknya infrastruktur, merugikan harta benda dan menghilangkan nyawa manusia. Untuk meminimalisir dampak yang terjadi, diperlukan mitigasi bencana tanah longsor. Salah satu langkah awal dalam mitigasi bencana tanah longsor adalah pemetaan daerah. Pada penelitian ini dilakukan pengklasteran daerah berdasarkan dampak bencana tanah longsor di Jawa Tengah menggunakan algoritma K-Means dan pemetaan menggunakan QGIS. Dari metode elbow diperoleh nilai k yang paling optimal adalah K=2. Dari 2 Cluster yang terbentuk, sebanyak 24 daerah dengan kategori rendah dan sebanyak 7 daerah dengan kategori tinggi. Hasil pemodelan tersebut dievaluasi menggunakan Silhouette Index (SI) untuk mengetahui kualitas dari cluster. Dari hasil pengujian didapatkan nilai SI 0,48 dengan struktur lemah. Penelitian ini diharapkan dapat memberikan penyajian data pemetaan daerah terdampak tanah longsor di Jawa Tengah agar dapat digunakan sebagai informasi untuk meningkatkan kewaspadaan dan kesiapsiagaan akan terjadinya bencana tanah longsor
IMPLEMENTASI ALGORITMA LSTM PADA PERAMALAN STOK OBAT: STUDI KASUS: PUSKESMAS BEBER Yanti, Fajri; Nurina Sari, Betha; Defiyanti, Sofi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10068

Abstract

Pengelolaan obat merupakan bagian penting dari operasional Pusat Kesehatan Masyarakat (Puskesmas). Kesalahan dalam perencanaan stok dapat menyebabkan kekurangan atau kelebihan stok, yang mengganggu layanan farmasi di Puskesmas. Puskesmas Beber menyimpan stok obat untuk satu bulan dan merencanakan permintaan obat untuk bulan berikutnya. Saat ini, perencanaan dilakukan secara manual oleh puskesmas, yang seringkali tidak akurat, menyebabkan kelebihan atau kekurangan stok obat. Penelitian ini bertujuan untuk memprediksi lima jenis obat di Puskesmas Beber. Penelitian ini menggunakan metodologi CRISP-DM (Cross Industry Standard Process for Data Mining) LSTM(Long Short Term Memory). Pada tahap business understanding difokuskan pada pemahaman masalah penelitian, terutama dalam hal lima obat yang diminta oleh puskesmas. Tahap data understanding melibatkan pemeriksaan dataset dari Puskesmas Beber serta pemilihan dataset. Tahap data preparation melibatkan langkah-langkah pra-pemrosesan data. Tahap modeling LSTM diterapkan dengan tuning hyperparameter menggunakan GridSearchCV. Setelah dilakukan fitting model pada 80% data training, dilakukan prediksi pada 20% data testing untuk masing-masing obat. Evaluasi dilakukan menggunakan MAPE. Hasil evaluasi menunjukkan bahwa nilai terendah MAPE adalah obat Vitamin B Komplek Tablet dengan nilai MAPE sebesar 4.82% . Pada tahap deployment, dilakukan penyusunan laporan hasil prediksi yang dapat digunakan sebagai pertimbanagan dalam perencanaan persediaan obat di Puskesmas Beber.
IMPLEMENTASI BUSINESS INTELLIGENCE PADA TOKO SMART-S DALAM MEMBANTU PROSES ANALISIS BISNIS DENGAN METODE OLAP Senjaya, Rico; Nurina Sari, Betha; Purnamasari, Intan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10112

Abstract

Dalam era digital, kemampuan analisis data yang efisien sangat penting bagi keberhasilan bisnis. Toko SMART-S menghadapi tantangan dalam mengolah data yang kompleks untuk mendapatkan wawasan yang bermanfaat. Penelitian ini mengimplementasikan sistem Business Intelligence (BI) menggunakan metode Online Analytical Processing (OLAP) untuk membantu analisis data bisnis toko SMART-S. Prosesnya meliputi pengumpulan kebutuhan bisnis, pembangunan data warehouse, dan penggunaan OLAP untuk menghasilkan laporan dan visualisasi informatif. Hasil implementasi menunjukkan peningkatan signifikan dalam kecepatan dan akurasi analisis data, mendukung manajemen dalam pengambilan keputusan yang lebih baik dan tepat waktu. Sistem BI juga membantu mengidentifikasi tren penjualan, perilaku pelanggan, dan performa produk secara lebih efektif. Implementasi BI dengan metode OLAP di toko SMART-S meningkatkan kemampuan analisis bisnis dan pengambilan keputusan berbasis data yang akurat dan relevan. Toko SMART-S disarankan untuk terus mengembangkan sistem BI untuk efisiensi operasional dan keunggulan kompetitif yang lebih besar.
PERANCANGAN APLIKASI INDIVIDUAL PERFORMANCE PLANNING DAN PERFORMANCE APPRAISAL MENGGUNAKAN METODE WATERFALL PADA PT. CENTURY BATTERIES INDONESIA Hayah, Najmil; Garno, Garno; Nurina Sari, Betha
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10113

Abstract

Proses digitalisasi di PT Century Batteries Indonesia telah dimulai sejak tahun 2020, bertujuan untuk memudahkan akses data dari mana saja dan mengurangi penggunaan kertas, sehingga mengurangi risiko kehilangan dokumen akibat kesalahan manusia. Proses approval juga menjadi lebih terstruktur dengan adanya sistem aplikasi. Departemen HRD adalah salah satu yang memanfaatkan digitalisasi ini untuk proses pengisian laporan Individual Performance Planning (IPP) dan Performance Appraisal (PA). Penelitian ini bertujuan untuk merancang dan membangun aplikasi IPP dan PA berbasis website yang dapat mengatasi masalah visibilitas, transparansi, dan menyediakan mekanisme yang jelas. Metodologi penelitian menggunakan System Development Life Cycle (SDLC) dengan metode waterfall. Pada tahap requirements definition, dilakukan analisis masalah dan kebutuhan untuk admin, karyawan, dan atasan. Pada tahap system and software design, dibuat diagram UML, seperti use case diagram, activity diagram. Implementasi kode menggunakan CodeIgniter 4 dengan template Admin LTE. Pengujian dilakukan dengan menggunakan metode black box testing dan menghasilkan 10 dari 10 pengujian berjalan sesuai dengan test case yang diberikan, memastikan fungsionalitas aplikasi sesuai dengan kebutuhan pengguna. Uji coba User Acceptance Testing (UAT) menunjukkan aplikasi dapat membantu karyawan, atasan, dan admin dalam pelaporan dan monitoring IPP dan PA. Aplikasi ini kemudian diserahkan kepada perusahaan untuk proses deploy selanjutnya. Aplikasi ini diharapkan dapat membantu karyawan, atasan, dan kepala seksi people development HRD selaku admin dalam proses pelaporan dan monitoring laporan IPP dan PA.
ANALISIS SENTIMEN PENERAPAN SISTEM PEMBAYARAN TOL MULTI LANE FREE FLOW MENGGUNAKAN NAÏVE BAYES CLASSIFIER Aulia Kusnadi, Putri; Nur Padilah, Tesa; Nurina Sari, Betha
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10232

Abstract

Perkembangan ilmu pengetahuan dan teknologi saat ini sedang dikembangkan alat transaksi yang disebut Multi Lane Free Flow (MLFF). MLFF merupakan cara pembayaran tol tanpa perlu berhenti di gerbang tol. Uji coba MLFF telah dilakukan di Tol Bali Mandara terdapat video dokumentasi uji coba sistem pembayaran tol MLFF telah disiarkan di berbagai stasiun televisi kemudian tersebar di media sosial dan menjadi topik pembicaraan di kalangan masyarakat karena terlihat beberapa kendaraan terkena palang saat hendak melewati gerbang tol. Penelitian ini bertujuan untuk menganalisis sentimen terhadap penerapan sistem pembayaran tol Multi Lane Free Flow dengan mengimplementasikan algoritma Naïve Bayes. Data tweet dihasilkan melalui teknik Crawling data dari media sosial Twitter sebanyak 1153 tweet dan diolah menggunakan metodologi Knowledge Discovery in Database (KDD) ke dalam tiga kelas yaitu positif, negatif dan netral. Dataset dilabelkan menggunakan lexicon mendapatkan hasil 194 label positif, 159 label negatif, dan 707 label netral. Kemudian pada tahap data mining dibagi menjadi data latih dan data uji dengan empat skenario (90:10, 80:20, 70:30, dan 60:40). Hasil penerapan algoritma Naïve Bayes dievaluasi menggunakan Confusion Matrix mendapatkan hasil skenario terbaik pada model 90:10 dengan nilai accuracy 67%, nilai precision 88%, dan nilai recall 45%. Analisis sentimen penerapan sistem pembayaran tol multi lane free flow telah memberikan gambaran tentang opini publik yang netral terhadap penerapan MLFF Indonesia.
EVALUASI AUGMENTASI DATA PADA DETEKSI PENYAKIT DAUN TEBU DENGAN YOLOV8 Topan Adib Amrulloh, Ibnu; Nurina Sari, Betha; Nur Padilah, Tesa
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10267

Abstract

Tebu merupakan tanaman dari keluarga rumput-rumputan yang sangat terkenal di seluruh dunia karena perannya dalam menghasilkan gula dan etanol. Mengingat peran penting tebu, peningkatan produktivitas dan efisiensi pengelolaan tanaman menjadi sangat penting, Salah satu aspek yang memerlukan perhatian adalah masalah kesehatan tanaman tebu, yang dapat berdampak pada hasil panen dan kualitas tebu. Deteksi dini dan penanganan tepat menjadi kunci untuk mengambil tindakan pencegahan yang tepat. Penggunaan model deteksi objek seperti YOLOv8, yang menunjukkan performa superior dalam deteksi objek dengan kecepatan dan akurasi tinggi, menjadi solusi menjanjikan. Namun, tantangan utama dalam penggunaan YOLOv8 adalah kebutuhan data besar dan beragam untuk pelatihan. Teknik data augmentasi membantu mengatasi tantangan ini dengan memperluas dan memperkaya dataset melalui variasi data seperti horizontal flipping, jittering scale dan random brightness. Hasil penelitian menunjukkan bahwa penggunaan data augmentasi secara signifikan meningkatkan kinerja YOLOv8 dalam mendeteksi penyakit daun tebu, dengan peningkatan nilai mAP dari 40.3% menjadi 50.5%. Data augmentasi membantu model mengatasi overfitting dan meningkatkan kemampuan generalisasi. Penelitian ini memberikan kontribusi signifikan dalam bidang pertanian presisi, membantu petani mendeteksi penyakit secara lebih dini dan efektif, meningkatkan hasil panen, serta mengurangi kerugian akibat penyakit tanaman.
PREDIKSI KELULUSAN MAHASISWA FASILKOM UNSIKA MENGGUNAKAN ALGORITMA C4.5 Ammellia Putri, Zahra; Nurina Sari, Betha; Maulana, Iqbal
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10464

Abstract

Perguruan tinggi adalah lembaga yang menyelenggarakan pendidikan akademik untuk mahasiswa dengan harapan dapat memberikan pendidikan berkualitas. Salah satu keberhasilan pihak perguruan tinggi dilihat dari banyaknya lulusan tepat waktu yang dihasilkan. Oleh karena itu, banyak lembaga pendidikan yang memberikan perhatian khusus terhadap kelulusan tepat waktu mahasiswa. Penelitian ini bertujuan untuk menerapkan algoritma C4.5 pada decision tree untuk memprediksi kelulusan mahasiswa Fasilkom Unsika. Data yang digunakan didapatkan melalui arsip tata usaha Fasilkom Unsika dan kuisioner google form yang meliputi data lulus tepat waktu, gender, asal sekolah, jalur masuk, pernah mengikuti organisasi, kuliah sambil bekerja dan pernah mengikuti sertifikasi. Penelitian ini mengimplementasikan proses data mining menggunakan tahapan tahapan dari KDD dengan menggunakan variasi 3 skenario perbandingan rasio data training dan data testing 90:10, 80:20, dan 70:30. Penelitian ini juga akan menggunakan postprune dengan cost complexity untuk memastikan bahwa hasil analisis yang diperoleh adalah yang paling optimal. Hasil pruning decision tree dari penelitian ini mendapatkan akurasi yang paling tinggi 74% dimana merupakan perbandingan data training dan data testing 80:20 dengan precision sebesar 80% dan recall sebesar 80%. Model klasifikasi tersebut bahwa atribut “mengikuti sertifikasi” menjadi root node karena mempunyai nilai gain tertinggi dibanding atribut lainnya yaitu sebesar 0.1689.
Pengelompokan Penyebaran Covid-19 Di Provinsi Jawa Barat Menggunakan Metode Clustering K-Medoids Luthfiyyah, Ibtihal Qomariyyah; Sari, Betha Nurina
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 6, No 2 (2024): September
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v6i2.10544

Abstract

Covid-19 merupakan suatu penyakit yang menjangkiti sistem pernapasan manusia dan memiliki kemampuan penularan yang sangat cepat. Provinsi Jawa Barat menjadi salah satu daerah yang terkena dampak pandemi Covid-19. Jumlah masyarakat terkonfirmasi virus Covid-19 di Jawa Barat yang masih bertambah hari demi hari. Oleh karena itu, diperlukan adanya pengelompokkan tingkat kerawanan penyebaran Covid-19 khususnya di Provinsi Jawa Barat menggunakan data dari website resmi pemerintah Provinsi Jawa Barat dengan menggunakan 5 atribut, yaitu nama_kab_kota, konfirmasi_total, konfirmasi_sembuh, konfirmasi_meninggal, dan konfirmasi_aktif. Penelitian ini bertujuan untuk mengidentifikasi pola penyebaran Covid-19 untuk mendukung pengambilan keputusan yang lebih efektif di tingkat regional. Metode penelitian melibatkan proses data mining yaitu pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan penyebaran berdasarkan metodologi CRISP-DM. Proses modeling menggunakan algoritma K-Medoids dengan 3 cluster sesuai dengan zona warna pemerintah. Hasil penelitian ini menunjukkan 3 cluster, yaitu cluster hijau merupakan jumlah kasus yang minimal dengan 16 Kabupaten/Kota. Cluster kuning merupakan mulai waspada akan jumlah kasus dengan 6 Kabupaten/Kota. Cluster merah merupakan kasus sudah sangat parah dengan 5 Kabupaten/Kota. Hasil pengujian Silhouette Coefficient yang menguji n_cluster = 2,3,4, dan 5 menunjukkan bahwa n_cluster=3 merupakan cluster yang terbaik dengan nilai sebesar 0.77.