Claim Missing Document
Check
Articles

Found 3 Documents
Search

ANALISIS POPULARITAS GENRE FILM DI INDONESIA MENGGUNAKAN ALGORITMA DECISION TREE Dobry Sianipar, Freyro; Irya Shakila Syukron, Ananda; Defiyanti, Aqilah; Hafiz, Alfin; Dly, Revidamurti; Ramadhani, Fanny; Arnita, Arnita
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.v9i4.13841

Abstract

Industri perfilman di Indonesia mengalami pertumbuhan pesat dengan semakin beragamnya genre yang diminati oleh penonton. Namun, pola popularitas genre film masih menjadi tantangan dalam pengambilan keputusan industri. Penelitian ini bertujuan untuk menganalisis faktor yang memengaruhi popularitas genre film di Indonesia dengan menerapkan algoritma Decision Tree. Data yang digunakan berasal dari The Movie Database (TMDb) mencakup 3.000 film dari tahun 2015 hingga 2024, dengan variabel utama berupa jumlah penonton dan rating. Proses analisis mencakup tahapan preprocessing data, transformasi data, serta penyeimbangan kelas menggunakan teknik Synthetic Minority Over-sampling Technique (SMOTE). Hasil penelitian menunjukkan bahwa rating merupakan faktor dominan dalam menentukan popularitas genre film, diikuti oleh genre Romance, Drama, dan Horror. Model Decision Tree yang diterapkan memiliki akurasi sebesar 72,98% dalam mengklasifikasikan film populer dan tidak populer. Temuan ini memberikan kontribusi terhadap pemahaman preferensi penonton di Indonesia dan dapat menjadi acuan bagi industri perfilman dalam menyusun strategi produksi dan pemasaran yang lebih efektif. Berbeda dengan penelitian sebelumnya yang berfokus pada sistem rekomendasi atau analisis faktor individu, penelitian ini menawarkan pendekatan klasifikasi genre film berdasarkan kombinasi jumlah penonton dan rating, sehingga memberikan perspektif yang lebih komprehensif dalam mengidentifikasi tren popularitas film di Indonesia.
PERBANDINGAN KINERJA KNN DAN SVM DALAM KLASIFIKASI SAMPAH ORGANIK DAN ANORGANIK MENGGUNAKAN EKSTRAKSI FITUR HOG DAN LBP Hidayatul Arifin, Muhammad; Amelia Vega S. Meliala, Ruth; Impana Manik, Kristin; Defiyanti, Aqilah; Syahputra, Hermawan
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.v9i4.13972

Abstract

Pertumbuhan limbah yang semakin meningkat menimbulkan tantangan yang signifikan bagi upaya pelestarian lingkungan. Proses pemisahan sampah masih dilakukan secara manual dan sering kali tidak konsisten, yang merupakan kendala utama. Penelitian ini bertujuan untuk mengembangkan sistem yang menggunakan pengolahan citra untuk mengklasifikasikan sampah organik dan anorganik secara otomatis. Penelitian ini menggunakan dataset yang digunakan terdiri dari 1.800 citra dimana 900 organik dan 900 anorganik yang diekstraksi melalui Histogram of Oriented Gradients (HOG) dan Local Binary Pattern (LBP). Tahap preprocessing, yang mencakup pengubahan ukuran dan konversi ke grayscale. Selanjutnya, Principal Component Analysis (PCA) digunakan untuk mengurangi dimensi fitur HOG, kemudian digabungkan dengan fitur LBP dan diklasifikasikan menggunakan algoritma Support Vector Machine (SVM) dan K-Nearest Neighbors (KNN). Hasil pengujian menunjukkan bahwa SVM dengan kernel RBF memiliki akurasi tertinggi sebesar 88,89%, sementara KNN dengan nilai k=5 memiliki akurasi sebesar 83,61%. Keunggulan SVM terletak pada kemampuan mereka untuk memaksimalkan margin pemisahan. Hasilnya menunjukkan bahwa metode penggabungan HOG dan LBP dengan klasifikasi berbasis SVM dapat meningkatkan akurasi pemisahan sampah secara otomatis. Hasil ini dapat mendorong upaya untuk mengurangi beban di TPA serta meningkatkan praktik daur ulang yang berkelanjutan.
Pengembangan Sistem Logging Server Berbasis Website dengan Visualisasi Real-Time dan Alert Sederhana Berutu, Iwan Agi; Kiswanto, Dedy; Defiyanti, Aqilah; Manik, Kristin Impana
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 6 (2025): Desember 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i6.9912

Abstract

Abstrak - Perkembangan web server  yang semakin kompleks menuntut adanya sistem pemantauan dan pengelolaan log yang efisien, terpusat, dan mampu bekerja secara real-time. Permasalahan utama yang dihadapi adalah sistem logging tradisional yang masih bersifat manual, tidak terintegrasi, serta lambat dalam mendeteksi anomali pada log server. Penelitian ini bertujuan untuk mengembangkan sistem logging server berbasis web dengan visualisasi real-time dan alert sederhana guna meningkatkan efektivitas pengawasan dan keamanan server . Metode penelitian menggunakan pendekatan rancang bangun (design and build) dengan model pengembangan prototyping incremental. Sistem dibangun menggunakan framework Laravel, TShark untuk akuisisi log, MySQL sebagai basis data, serta Chart.js dan Laravel Reverb (WebSocket) untuk visualisasi dan pembaruan data real-time. Hasil implementasi menunjukkan bahwa sistem mampu menangkap dan menampilkan data log server  secara langsung, menganalisis aktivitas mencurigakan berdasarkan skor ancaman, serta mengirimkan notifikasi otomatis melalui Telegram bot saat terdeteksi potensi serangan. Selain itu, sistem dapat melakukan pemblokiran IP otomatis menggunakan iptables, menjadikannya solusi aktif dalam mitigasi ancaman. Dengan demikian, sistem ini terbukti efektif dalam meningkatkan efisiensi, kecepatan deteksi, serta respons terhadap ancaman keamanan server  secara terintegrasi.Kata kunci : Logging Server; Visualisasi Real-Time; Laravel;Alert Otomatis; Keamanan server; Abstract - The development of increasingly complex computer networks demands an efficient, centralized, and real-time monitoring and log management system. The main problem faced is the traditional logging system that is still manual, not integrated, and slow in detecting network anomalies. This research aims to develop a web-based server logging system with real-time visualization and simple alerts to increase the effectiveness of network monitoring and security. The research method uses a design and build approach with an incremental prototyping development model. The system was built using the Laravel framework, Tshark for log acquisition, MySQL as a database, and Chart.js and Laravel Reverb (WebSocket) for visualization and real-time data updates. The implementation results show that the system is able to capture and display network log data directly, analyze suspicious activity based on threat scores, and send automatic notifications via Telegram bot when a potential attack is detected. In addition, the system can perform automatic IP blocking using iptables, making it an active solution in threat mitigation. Thus, this system proves effective in improving efficiency, detection speed, and response to network security threats in an integrated manner. Keywords: Logging Server; Real-Time Visualization; Laravel; Automatic Alert; Network Security;