Claim Missing Document
Check
Articles

Found 6 Documents
Search

Penerapan Algoritma Random Forest dalam Prediksi Kelayakan Air Minum Abdi, Khairul; Warjaya, Angga; Muthmainnah, Inna; Pahutar, Padli Husaini
Jurnal Ilmu Komputer dan Informatika Vol 3 No 2 (2023): JIKI - Desember 2023
Publisher : CV Firmos

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54082/jiki.81

Abstract

Tantangan meningkatnya kebutuhan akan air bersih di tengah ketersediaan yang terbatas mendorong penelitian ini. Pencemaran air, terutama oleh limbah rumah tangga, menyebabkan penurunan kualitas air dan kelangkaan sumber air bersih. Dampak buruknya terhadap kesehatan masyarakat, terutama diare, menunjukkan urgensi identifikasi dini kualitas air yang tidak layak konsumsi. Oleh karena itu, penelitian ini menerapkan algoritma Random Forest untuk klasifikasi kualitas air dan prediksi kelayakan air minum. Penggunaan teknik data mining, khususnya Random Forest, diharapkan dapat mengidentifikasi pola kompleks dalam data dan faktor-faktor yang mempengaruhi kualitas air. Menggunakan dataset Water Quality dari Kaggle, hasil penelitian menunjukkan akurasi sebesar 69%. Analisis Feature Importance Score memperlihatkan kontribusi relatif fitur terhadap prediksi. Kurva ROC menggambarkan optimalitas klasifikasi, sementara Confusion Matrix memberikan gambaran kinerja model. Confusion Matrix yang merinci hasil klasifikasi model Random Forest Classifier. Diagonal utama menunjukkan jumlah instance yang benar-benar diprediksi dengan benar untuk kategori "Potabel" dan "Tidak Potabel", masing-masing 370 dan 84. Namun, terdapat 160 instance yang salah diklasifikasikan sebagai "Potabel" dan 42 sebagai "Tidak Potabel".
SIMULASI MONTE CARLO DALAM MEMPREDIKSI PENDAPATAN PENJUALAN UMKM: STUDI KASUS DI AAN BURGER Warjaya, Angga; Muslim Karo Karo, Ichwanul
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.v8i4.10091

Abstract

Penelitian ini menggunakan simulasi Monte Carlo sebagai alat untuk meramalkan pendapatan penjualan UMKM AAN Burger yang terletak di Desa Sei Mencirim, Kecamatan Sunggal, Kabupaten Deli Serdang. Simulasi Monte Carlo berdiri sebagai metodologi komputasi yang bergantung pada pemanfaatan bilangan acak untuk membuat distribusi probabilitas, yang kemudian digunakan untuk memahami implikasi ketidakpastian. Pembuatan angka acak dalam penyelidikan ini dilakukan melalui metode kongruen campuran. Hasil simulasi mengungkapkan proyeksi pendapatan sebesar Rp33.490.000 pada tahun 2023, dengan angka penjualan menunjukkan 978 porsi burger, 1201 porsi kebab, dan 1138 porsi roti panggang. Tingkat akurasi prediksi mencapai 95% yang mengesankan. Berlawanan dengan angka perkiraan, data penjualan aktual untuk tahun 2023 menunjukkan pendapatan sebesar Rp 31.838.000, di samping penjualan 1002 porsi burger, 1085 porsi kebab, dan 1081 porsi roti panggang. Mengambil wawasan dari simulasi yang dilakukan, dapat disimpulkan bahwa efektivitas Metode Monte Carlo dalam prediksi pendapatan mencapai 95,06%. Penerapan metode ini menawarkan kenyamanan manajerial kepada pendirian AAN Burger dalam membuat keputusan berdasarkan informasi yang berkaitan dengan ekspansi bisnis dan strategi operasional mereka.
KLASIFIKASI CITRA SIMBOL MATEMATIKA MENGGUNAKAN METODE CONVOLUTION NEURAL NETWORK (CNN) Warjaya, Angga; Richi, Alfina; Syahputra, Hermawan; Ramadhani, Fanny
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.v8i4.10234

Abstract

Pemanfaatan notasi matematika sangat penting dalam menjelaskan konsep dan kerangka matematika, berfungsi sebagai alat dasar untuk komunikasi dan pemecahan masalah. Namun, gaya tulisan tangan yang beragam yang digunakan oleh individu menghadirkan tantangan unik dalam mengidentifikasi simbol matematika secara akurat karena perbedaan evolusi tulisan tangan dari waktu ke waktu. Munculnya teknologi pengenalan pola, terutama dalam pengenalan pola tulisan tangan, menekankan pentingnya mengembangkan aplikasi untuk mendeteksi dan menafsirkan simbol matematika tulisan tangan, dengan fokus pada penggunaan Convolution Neural Network (CNN) untuk kategorisasi otomatis, menampilkan tingkat akurasi yang menjanjikan. Studi ini menunjukkan kemampuan luar biasa model CNN untuk mengkategorikan simbol matematika dengan tingkat akurasi tinggi 99,25%, menunjukkan potensi signifikan metodologi CNN dalam mengklasifikasikan pola simbol matematika secara efektif dan perlunya eksplorasi lebih lanjut untuk meningkatkan kinerja klasifikasi dalam domain ini.
Implementasi Sistem Pendukung Keputusan Dalam Pemilihan Laptop Terbaik dalam Jurusan Ilmu Komputer Menggunakan Metode Simple Multi Attribute Rating Technique Meirza, Alifya; Warjaya, Angga; Puteri, Nadya Rafaela; Niska, Debi Yandra
Journal of Informatics and Communication Technology (JICT) Vol. 6 No. 1 (2024)
Publisher : PPM Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52661/jict.v6i1.297

Abstract

Pemilihan laptop yang tepat merupakan hal krusial bagi mahasiswa khususnya Ilmu Komputer di Universitas Negeri Medan (UNIMED), mengingat peran pentingnya dalam mendukung kegiatan akademik. Namun, mahasiswa sering menghadapi berbagai kendala dalam memilih laptop yang sesuai, seperti keterbatasan budget, kurangnya pemahaman tentang spesifikasi teknis, dan kompleksitas dalam memilih merek dan model yang tepat. Penelitian ini bertujuan untuk mengembangkan Sistem Pendukung Keputusan (SPK) berbasis web menggunakan metode SMART (Simple Multi-Attribute Rating Technique) guna membantu mahasiswa dalam memilih laptop terbaik sesuai dengan kebutuhan dan preferensi mereka. Metode SMART dipilih karena kesederhanaannya dalam mengolah data dan kemampuannya dalam memberikan rekomendasi yang akurat berdasarkan sejumlah kriteria yang telah ditetapkan. Dalam penelitian ini, data dikumpulkan melalui kuesioner yang disebarkan secara online kepada mahasiswa. Sistem yang dikembangkan mampu mengelola data kriteria dan alternatif, serta memberikan nilai dan peringkat pada setiap alternatif berdasarkan bobot kriteria yang telah dinormalisasi. Hasil dari penelitian yang kami lakukan ini memperoleh hasil 100% melaui perhitungan secara manual dan melalui sistem website yang dibangun. Penulis berharap penelitian dapat memberikan panduan yang jelas dan mudah dipahami bagi mahasiswa dalam memilih laptop, sehingga dapat meningkatkan efisiensi dan efektivitas penggunaan teknologi informasi dalam aktivitas akademik.
Implementasi Sistem Pendukung Keputusan Dalam Pemilihan Laptop Terbaik dalam Jurusan Ilmu Komputer Menggunakan Metode Simple Multi Attribute Rating Technique Meirza, Alifya; Warjaya, Angga; Puteri, Nadya Rafaela; Niska, Debi Yandra
Journal of Informatics and Communication Technology (JICT) Vol. 6 No. 1 (2024)
Publisher : PPM Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52661/jict.v6i1.297

Abstract

Pemilihan laptop yang tepat merupakan hal krusial bagi mahasiswa khususnya Ilmu Komputer di Universitas Negeri Medan (UNIMED), mengingat peran pentingnya dalam mendukung kegiatan akademik. Namun, mahasiswa sering menghadapi berbagai kendala dalam memilih laptop yang sesuai, seperti keterbatasan budget, kurangnya pemahaman tentang spesifikasi teknis, dan kompleksitas dalam memilih merek dan model yang tepat. Penelitian ini bertujuan untuk mengembangkan Sistem Pendukung Keputusan (SPK) berbasis web menggunakan metode SMART (Simple Multi-Attribute Rating Technique) guna membantu mahasiswa dalam memilih laptop terbaik sesuai dengan kebutuhan dan preferensi mereka. Metode SMART dipilih karena kesederhanaannya dalam mengolah data dan kemampuannya dalam memberikan rekomendasi yang akurat berdasarkan sejumlah kriteria yang telah ditetapkan. Dalam penelitian ini, data dikumpulkan melalui kuesioner yang disebarkan secara online kepada mahasiswa. Sistem yang dikembangkan mampu mengelola data kriteria dan alternatif, serta memberikan nilai dan peringkat pada setiap alternatif berdasarkan bobot kriteria yang telah dinormalisasi. Hasil dari penelitian yang kami lakukan ini memperoleh hasil 100% melaui perhitungan secara manual dan melalui sistem website yang dibangun. Penulis berharap penelitian dapat memberikan panduan yang jelas dan mudah dipahami bagi mahasiswa dalam memilih laptop, sehingga dapat meningkatkan efisiensi dan efektivitas penggunaan teknologi informasi dalam aktivitas akademik.
KOMBINASI LATENT SEMANTIC INDEXING DAN SUPPORT VECTOR MACHINE PADA KLASIFIKASI DOKUMEN AKREDITASI: STUDI KASUS : PASCASARJANA UNIVERSITAS NEGERI MEDAN Warjaya, Angga; As, Mansur; Muthmainnah, Inna; Mulyana, Sri; Iskandar Al Idrus, Said; Arnita, Arnita; Taufik, Insan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14102

Abstract

Pengelolaan dokumen akreditasi yang efisien menjadi tantangan utama dalam pendidikan tinggi akibat volume dokumen yang besar dan format yang bervariasi. Penelitian ini bertujuan untuk mengembangkan metode klasifikasi otomatis menggunakan kombinasi latent semantic indexing dan support vector machine guna meningkatkan akurasi dan efisiensi pengelolaan dokumen akreditasi. Akurasi dalam penelitian ini mengacu pada ketepatan sistem dalam mengidentifikasi kategori dokumen sesuai kriteria akreditasi, sementara efisiensi mencerminkan percepatan dan penyederhanaan proses klasifikasi dibandingkan dengan metode manual. Dataset terdiri dari 230 dokumen yang dikategorikan berdasarkan kriteria Lembaga Akreditasi Mandiri Kependidikan, dengan 115 dokumen untuk Kriteria 6 (Pendidikan) dan 115 dokumen untuk Kriteria 7 (Penelitian), kemudian dibagi menjadi data latih dan uji dengan rasio 60:40. Proses klasifikasi dilakukan melalui beberapa tahap, termasuk pre-processing teks, ekstraksi fitur semantik, serta optimasi parameter model untuk memperoleh hasil terbaik. Pengujian menunjukkan bahwa metode yang diusulkan mampu mencapai tingkat akurasi sebesar 91%, dengan validasi silang sebesar 94,21%. Hasil ini menunjukkan bahwa pendekatan yang digunakan efektif dalam mengotomatisasi klasifikasi dokumen akreditasi, sehingga dapat mempercepat proses evaluasi serta meningkatkan efisiensi manajemen dokumen dalam institusi pendidikan tinggi.