Garuda - Garba Rujukan Digital

KLASIFIKASI MENGGUNAKAN METODE NAIVE BAYES UNTUK MENENTUKAN CALON PENERIMA PIP Pebdika, Angga; Herdiana, Ruli; Solihudin, Dodi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 1 (2023): JATI Vol. 7 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i1.6303

Dalam dunia global saat ini, pendidikan sangat penting untuk lebih meningkatkan sumber daya manusia. Pendidikan akan membantu peserta didik mengenai pengembangkan sikap, keterampilan, serta kecerdasan intelektualnya untuk memberikan manusia yang terampil, cerdas, dan berakhlak mulia. Namun pendidikan seringkali tidak berjalan dengan baik, Ada beberapa faktor yang berkontribusi terhadap hal ini, Contoh yang paling menonjol adalah faktor ekonomi yang menyebabkan banyak anak putus sekolah. Oleh karena itu pemerintah membuat program agar masyarakat miskin dapat melanjutkan pendidikannya melalui program ini. Dalam penyusunan ini dicoba dengan memakai prosedur Naive Bayes. Metode ini merupakan metode mengklasifikasikan data satu atau lebih kategori yang telah diidentifikasi. Operasi Naive Bayes menggunakan perhitungan probabilitas dan statistik yang ditemukan oleh ilmuwan Inggris Thomas Bayes, yaitu memprediksi probabilitas masa depan berdasarkan pengalaman masa lalu. Tujuan dari penelitian ini adalah untuk menghindari kesalahan dalam menentukan penerimaan bantuan. Perlu diterapkan data mining dengan algoritma Naive Bayes yang bisa mengklasifikasi tingkat kelayakan siswa penerima PIP, sehingga didapat hasil penerimaan program Indonesia Pintar yang lebih akurat. Penelitian ini memberikan informasi baru tentang hasil dari proses analisis yang dilakukan, selain itu dengan menggunakan metode Naive Bayes, proses analisis tersebut dapat membuat model kelayakan untuk menerima program Indonesia Pintar berdasarkan karakteristik yang telah ditentukan sebelumnya. Hasil dari proses penelitian ini diharapkan dapat menciptakan sistem data mining yang dapat memberikan hasil seleksi yang sangat akurat dalam memilih penerimaan PIP.

SEGMENTASI PELANGGAN SALON NUII BEAUTY GLOW MENGGUNAKAN K-MEANS CLUSTERING Sajidah, Sajidah; Herdiana, Ruli; solihudin, Dodi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 1 (2023): JATI Vol. 7 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i1.6333

Persaingan dalam industri kecantikan menuntut setiap pelaku bisnis di bidang ini untuk menentukan strategi pemasaran agar manajemen tidak melakukan kesalahan dalam memberikan pelayanan kepada pelanggan. Salon Nuii Beauty Glow belum dapat mengklasifikasikan pelanggan mana yang menguntungkan bagi perusahaan. Oleh karena itu, perusahaan mengalami kesulitan untuk menentukan strategi pemasaran yang tepat bagi pelanggannya. Peneliti menggunakan model clustering data mining yang sangat efisien dalam menentukan karakteristik kelompok pelanggan yang terbentuk, dengan menggunakan algoritma K-Means yang memiliki keunggulan dalam pengelompokan. Algoritma k-means clustering merupakan salah satu teknik data mining yang dapat membagi data dalam suatu himpunan menjadi beberapa kelompok, dimana kesamaan data pada satu kelompok lebih besar dibandingkan dengan kesamaan data tersebut dengan data pada kelompok lain. Dari penelitian ini diperoleh 3 cluster pelanggan. Cluster 0 menempati jumlah pelanggan terbanyak yaitu 48 pelanggan, cluster 1 memiliki 10 pelanggan, dan cluster 3 memiliki 12 pelanggan. Ketiga cluster tersebut dikategorikan sesuai dengan karakteristik masing-masing data dengan melakukan uji indeks Davies Bouldin untuk menentukan cluster terbaik. Dan model RFM (Kebaruan, frekuensi, moneter) digunakan untuk memfasilitasi pengelompokan.

ANALISIS SENTIMEN KOMENTAR POLITIK DI MEDIA SOSIAL X DENGAN PENDEKATAAN DEEP LEARNING Liawati, Ayu; Narasati, Riri; Solihudin, Dodi; Lukman Rohmat, Cep; Eka Permana, Sandy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8248

Media sosial, sebagai platform utama interaksi dan berbagi informasi, memberikan peluang bagi Masyarakat untuk mengungkapkan sudut pandang mereka. Salah satu contoh yang popular adalah media sosial X, suatu jejaring sosial yang memungkinkan penggunanya berbagi pesan singkat yang mencakup teks, gambar, video, dan tautan. Dampak media sosial sangat terasa, khususnya dalam konteks politik di mana penyebaran informasi dan alur komunikasi semakin mudah. Meskipun demikian, adanya peristiwa negatif seperti penyebaran informasi palsu dan ujaran kebencian memberikan tantangan yang perlu diatasi melalui analisis sentimen. Media sosial memainkan peran penting dalam membentuk opini publik. Proses penggalngan dukungan melalui media sosial X telah mempercepat penyebaran pesan politik. Oleh karena itu, analisis sentimen menjadi penting untuk memahami pandangan dan sikap masyarakat di media sosial terkait isu-isu tertentu. Maka berfokus pada analisis sentimen terhadap komentar politik di media sosial X dengan menggunakan metode Convolutional Neural Network (CNN) pemanfaatan model pelatihan Word2Vec. Analisis ini menunjukan bahwa model yang digunakan mampu memberikan hasil analisis sentimen dengan kinerja yang memuaskan, memberikan pemahaman yang lebih mendalam mengenai pandangan masyarakat terhadap permasalahan politik. Implikasi hasil ini dapat memberikan arahan bagi pengambil keputusan politik dan praktis yang tertarik memanfaatkan teknik deep learning dalam menganalisis sentimen, bukan hanya dalam konteks politik, melainkan juga dalam berbagai disiplin lainnya. Hasil yang telah dilakukan dengan menggunakan algoritma Convulation Neural Network menunjukan nilai akurasi tebaik yaitu 81%.

PENERAPAN ASSOCIATION RULES MENGGUNAKAN ALGORITMA APRIORI UNTUK IDENTIFIKASI POLA PEMBELIAN Wijaya, Arya; Faqih, Ahmad; Solihudin, Dodi; Rohmat, Cep Lukman; Eka Permana, Sandy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8270

Transaksi penjualan dalam dunia bisnis seringkali mengalami peningkatan penjualan yang melonjak, dalam hal ini perusahaan-perusahaan memiliki data penjualan bulanan yang terarsip, Masalah yang seringkali terjadi yaitu tidak teratur nya pada penyesuaian stok barang, Data Mining adalah sebuah kegiatan pengolahan data untuk mengenali pola pembelian atau kecenderungan pelanggan terhadap produk penjualan. Penelitian ini bertujuan melibatkan pertanyaan tentang bagaimana algoritma Apriori dapat diterapkan secara efektif untuk mengungkap pola pembelian yang signifikan dalam data transaksi penjualan. studi ini mendiskusikan pentingnya pemahaman pola pembelian dalam bisnis, termasuk manfaatnya untuk rekomendasi produk, strategi pemasaran, dan pengelolaan persediaan. Metode yang digunakan adalah pengumpulan data transaksi penjualan, dengan menggunakan metode KDD dengan algoritma apriori tahapan yang dilakukan antara nya seleksi data, preprocessing data, transformasi data, Data mining, evaluasi. Penggunaan algoritma Apriori untuk mengidentifikasi itemset yang sering muncul bersama dalam transaksi, serta menentukan ambang batas dukungan yang relevan. Hasil dan Diskusi menyoroti pola pembelian yang berhasil diidentifikasi dan menggambarkan implikasinya dalam konteks bisnis, seperti peningkatan penjualan, efisiensi persediaan, dan pengembangan strategi pemasaran yang lebih cermat. Untuk menguji hasil penelitan ini digunakan nilai minimum Support 3% dan nilai Confidence 50% serta tahap evaluasi menggunakan lift ratio minimum 100% dari hasil pengujian tersebtut terdapat beberapa yang memenuhi syarat aturan asosiasi. Misalnya kombinasi, medialuna dan coffee yang memiliki nilai Support 3,5%, nilai Confidence 57% dan nilai lift ratio 120%, Implikasi dari hasil penemuan pola pembelian ini bisa dijadikan strategi penjualan Contohnya, saran untuk penempatan produk, promo khusus untuk produk dan manajemen stok yang efisien.

PEMETAAN OPINI PUBLIK TERHADAP PERUBAHAN KEBIJAKAN BPJS KESEHATAN DENGAN PENDEKATAN SUPPORT VECTOR MACHINE(SVM) DALAM ANALISIS SENTIMEN Damayanti, Damayanti; Indriya Efendi, Dendy; Solihudin, Dodi; Rohmat, Cep Lukman; Eka Permana, Sandy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8304

Perubahan kebijakan iuran BPJS Kesehatan kerap menjadi topik hangat di dunia maya. Riset ini bertujuan untuk melakukan analisis sentimen terkait perubahan iuran BPJS Kesehatan dengan memanfaatkan algoritma Support Vector Machine (SVM). Fokus utama memahami respon masyarakat melalui komentar di media sosial, dimana SVM berperan dalam mengklasifikasikan sentimen teks, menyoroti pandangan masyarakat, dan mengidentifikasi potensi dampak kebijakan. Riset ini membincangkan aspek-aspek penting seperti analisis sentimen, implementasi SVM, dan kontribusi riset terhadap perkembangan metode analisis sentimen, pemahaman respons masyarakat terhadap perubahan kebijakan BPJS Kesehatan. SVM terbukti berhasil dengan tingkat akurasi mencapai 94.28%. Dalam mengevaluasi sentimen negatif, model SVM menunjukkan tingkat presisi, recall, dan F1-score mencapai 97% masing-masing. Sementara itu, untuk sentimen positif, presisi mencapai 35%, recall 42%, dan F1-score 39%. kesimpulan dari penelitian ini bahwa SVM memberikan kontribusi yang signifikan dalam menganalisis sentimen terkait kebijakan BPJS Kesehatan, khususnya dalam menghadapi sentimen negatif. Dampak praktisnya melibatkan peningkatan operasional BPJS Kesehatan berdasarkan evaluasi tanggapan masyarakat, dengan fokus peningkatan pelayanan dan komunikasi untuk mengurangi dampak negatif dan meningkatkan kepuasan pengguna. Penelitian ini menjadi dasar bagi pengambil kebijakan untuk keputusan yang responsif, sesuai harapan masyarakat. Latar belakang permasalahan menyoroti kompleksitas isu dan pentingnya pemahaman mendalam terhadap pandangan masyarakat terhadap perubahan kebijakan BPJS Kesehatan.

PENGELOMPOKAN KASUS PENYAKIT MALARIA BERDASARKAN KABUPATEN DI PROVINSI JAWA BARAT DENGAN ALGORITMA K-MEDOIDS Nur alamsyah, Deri; Narasati, Riri; Solihudin, Dodi; Rifa’i, Ahmad
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.v8i3.8343

Penyakit malaria, disebabkan oleh parasit dari genus Plasmodium melalui gigitan nyamuk Anopheles Dampaknya melibatkan peningkatan kematian pada kelompok rentan seperti bayi, anak di bawah lima tahun, dan ibu melahirkan, sambil merugikan produktivitas kerja dan mengancam citra politis negara. Penderita utamanya berasal dari daerah pedesaan dan ekonomi lemah. Tujuan penelitian ini adalah mengidentifikasi tingkat keparahan kasus malaria berdasarkan provinsi menggunakan teknik data mining K-medoids dengan aplikasi RapidMiner. Dari hasil analisis, 24 provinsi teridentifikasi dengan tingkat penyakit malaria tertinggi, termasuk di jawa barat Rekomendasi diberikan agar pemerintah memberikan perhatian khusus pada provinsi-provinsi ini untuk mendukung upaya penanggulangan penyakit malaria. Tujuan dan manfaat dari penelitian ini adalah untuk memberikan pengetahuan mengenai hasil dari analisis menggunakan metode k-medoids selain itu untuk memberikan kontribusi dalam mendalami pengelompokan pada kasus penyakit malaria di kabupaten berdasarkan provinsi.

ANALISIS KLASTER K-MEDOID UNTUK PENGELOMPOKAN DAN PEMETAAN PROVINSI DI INDONESIA BERDASARKAN NILAI UJIAN NASIONAL Puri, Anita; Solihudin, Dodi; Anwar, Saeful; Pratama, Denni; Wahyudin, Edi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8653

Ujian Nasional (UN) adalah suatu metode standar mengevaluasi tahap pendidikan awal yang membantu menentukan apakah siswa lulus atau tidak. Sejalan dengan Penilaian hasil belajar ini bertujuan unntuk menilai kinerja siswa pada tingkat nasional. Ujian nasional juga mempunyai dampak penting dalam melanjutkan pendidikan pada jenjang selanjutnya dan dapat meningkatkan mutu pendidikan di sekolah. Penelitian ini bertujuan mengidentifikasi pola atau struktur dalam Algoritma K-Medoid Clustering yang digunakan untuk mengelompokkan nilai rata-rata siswa berdasarkan hasil ujian nasional tingkat provinsi di Indonesia. Dalam mengelompokkan pencapaian nilai ujian siswa berdasarkan Nama Provinsi, Ujian Nasional (UN) tingkat (SMP), UN (SMA) (IPA), UN SMA Program Ilmu Pengetahuan Sosial (IPS), UN SMA Program Bahasa, UN Sekolah Menengah Kejuruan (SMK), Ujian Institusi (IIUN) tingkat SMP, IIUN tingkat SMA (IPA), IIUN SMA (IPS), IIUN SMA Program Bahasa, dan IIUN SMK. Algoritma K-Medoid ini juga dikenal sebagai Algoritma Partitioning Around Medoid atau PAM, dari data yang sudah diolah menggunakan teknik clustering hasil yang di dapat dalam mengelompokan nilai rata-rata di provinsi Indonesia berdasarkan Davies Bouldin Index, dapat diharapkan memudahkan dan memahami algoritma K-Medoid dalam pengelompokan nilai ujian siswa di Indonesia menggunakan teknik clustering untuk mendapatkan jumlah kelompok terbaik pada data hasil ujian nasional di Indonesia menggunakan algoritma k-medoid. Dari hasil penerapan tersebut nilai K terbaik diperoleh pada nilai iterasi K9 dengan jumlah 1.016 berdasarkan Davies Bouldin Index, Berdasarkan hasil pengukuran nilai max runs dari 1 sampai 10, menunjukkan nilai DBI yang konsisten, yakni 1.016 pada K9 menjadi nilai terbaik, pada cluster ini, terdapat 25 items dalam cluster 0, dan 5 items dalam cluster 1. Stabilitas nilai DBI pada K9 menunjukkan kualitas pengelompokan yang baik.

OPTIMASI ANALISIS DATA KEPUASAN PELANGGAN CV MEGA BAJA BINTARO DENGAN PENERAPAN ALGORITMA X-MEANS CLUSTERING Adniana, Royana; Solihudin, Dodi; Narasati, Riri
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8722

Dalam menghadapi persaingan ketat di industri baja, CV Mega Baja Bintaro dituntut memahami preferensi dan perilaku konsumennya. Pemahaman mendalam tentang keragaman dan perubahan pola pelanggan penting untuk memberikan layanan terbaik dan mempertahankan loyalitas. Namun, keterbatasan dalam memahami dinamika konsumen kerap menjadi tantangan. Penelitian ini bertujuan menganalisis data kepuasan pelanggan di CV Mega Baja Bintaro dengan metode klasterisasi X-Means. Fokusnya adalah memanfaatkan X-Means untuk mengelompokkan data berdasarkan kesamaan karakteristik. X-Means mampu menentukan jumlah cluster secara otomatis berdasarkan pola data. Metode penelitian menerapkan algoritma X-Means pada data survei kepuasan pelanggan karena kemampuannya membagi cluster dengan Bayesian Information Criterion (BIC). Analisis Davies Bouldin Index (DBI) mengidentifikasi partisi cluster terbaik dan evaluasi karakteristiknya. Hasil penelitian diharapkan memberi wawasan tentang strategi peningkatan kepuasan pelanggan dan pengambilan keputusan oleh manajemen. Dari segi keilmuan, penelitian ini berkontribusi pada pengembangan metode X-Means. Hasil klasterisasi membentuk 19 cluster dengan tingkat kepuasan bervariasi dari 502 data survei.

Data Augmentation Techniques on the Accuracy of Fertile and Infertile Egg Classification Using Convolutional Neural Networks Nurhakim, Bani; Solihudin, Dodi; Amalia, Dina; Arelia, Irly
Jurnal Teknik Informatika (Jutif) Vol. 6 No. 5 (2025): JUTIF Volume 6, Number 5, Oktober 2025
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2025.6.5.5234

The classification of fertile and infertile chicken eggs is crucial in the poultry industry to ensure optimal incubation efficiency and hatchability. However, the visual similarity between both egg types under candling conditions poses a significant challenge for manual inspection. This study aims to develop a convolutional neural network (CNN) model using the EfficientNetB4 architecture to automatically classify egg fertility based on image data. The dataset comprises candling images of chicken eggs, which underwent preprocessing steps such as resizing, normalization, and histogram stretching to enhance contrast. To improve model generalization, aggressive data augmentation techniques were applied, including rotation, flipping, zooming, and brightness adjustment. The model was trained in two phases—feature extraction and fine-tuning—using transfer learning and class balancing strategies. Evaluation results demonstrated high performance with an F1-score of 0.95 and balanced classification across both classes. The model's interpretability was further enhanced using Grad-CAM visualization, showing relevant activation regions. These findings indicate that the proposed method is effective in automating egg fertility classification and has potential for broader application in agricultural image diagnostics.

Penerapan Convolutional Neural Network (CNN) Untuk Prediksi Penyakit Tanaman Padi Melalui Citra Daun Sariah, Sariah; Suarna, Nana; Ali, Irfan; Solihudin, Dodi
Jurnal Komtika (Komputasi dan Informatika) Vol 9 No 1 (2025)
Publisher : Universitas Muhammadiyah Magelang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31603/komtika.v9i1.12852

Penyakit tanaman padi merupakan salah satu faktor utama yang dapat menurunkan hasil produktivitas, terutama di negara agraris seperti Indonesia. Deteksi dini terhadap penyakit ini sangat penting untuk menghentikan pertumbuhan ekonomi lebih lanjut dan mengurangi kemerosotan ekonomi. Masalahnya, identifikasi tanaman padi secara manual membutuhkan banyak waktu dan tenaga, dan seringkali tidak efisien dalam skala besar. Untuk mengatasi masalah ini, tujuan dari penelitian ini adalah mengembangkan model untuk memprediksi penyakit tanaman yang dapat menganalisis gejala penyakit dari citra daun dengan akurasi yang tinggi, sehingga memungkinkan deteksi penyakit dan mitigasi dampak penyakit yang lebih efektif. Metode yang digunakan dalam penelitian ini yaitu algoritma Convolutional Neural Network (CNN) yang memungkinkan pengumpulan data citra daun padi dari berbagai kondisi kesehatan tanaman padi. Dataset yang digunakan dalam penelitian ini berasal dari sumber sekunder dan citra daun padi yang dikumpulkan secara langsung dilapangan. Dataset ini dianalisis menggunakan teknik augmentasi untuk meningkatkan kualitas dan keberagaman data. Berdasarkan hasil penelitian, model CNN terbaik mampu mendeteksi penyakit tanaman padi dengan akurasi hingga 87,43%. Model ini juga menunjukkan tingkat prediksi dan kepercayaan yang tinggi untuk beberapa penyakit kritis, seperti Blast, Blight, Dan Tungro. Hasil penelitian ini menunjukkan potensi CNN dalam membantu petani mendeteksi penyakit tanaman padi, yang pada akhirnya dapat meningkatkan produktivitas dan mengurangi kerugian.

Title

Found 11 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 11 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 11 Documents
Search