Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer
Firmansyah, Marshal
Unknown Affiliation
Computer Science & IT Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Sistem Informasi Geografis Pemetaan Data Terpadu Kesejahteraan Sosial di Kabupaten Garut Kurniadi, Dede; Mulyani, Asri; Firmansyah, Marshal; Abania, Nia
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 6: Desember 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022956098

Abstract

Dinas Sosial Kabupaten Garut berusaha dalam meningkatkan pelayanannya kepada masyarakat terutama dalam transparansi jumlah Data Terpadu Kesejahteraan Sosial (DTKS) per Kecamatan di Kabupaten Garut. Tetapi Dinas Sosial Kabupaten Garut saat ini belum mempunyai sistem informasi geografis yang menyediakan informasi jumlah DTKS per Kecamatan di Kabupaten Garut kepada masyarakat. Tujuan dari penelitian ini membangun sistem informasi geografis pemetaan data terpadu kesejahteraan sosial untuk memudahkan masyarakat mengetahui informasi jumlah DTKS per Kecamatan di Kabupaten Garut dengan memanfaatkan Teknologi Sistem Informasi Geografis (SIG). Metode yang digunakan adalah Rapid Application Development (RAD), dengan menggunakan tiga tahapan yaitu requirements planning, RAD design workshop, dan implementation. Bahasa pemrograman yang digunakan PHP dengan DBMS MySQL, dan Leaflet JavaScript Library. Penelitian ini menghasilkan Sistem Informasi Geografis Pemetaan Data Terpadu Kesejahteraan Sosial di Kabupaten Garut yang memiliki fitur peta DTKS kecamatan, pencarian data, fitur login super admin dan admin, serta fitur pengelolaan semua data oleh admin dan super admin. Penggunaan Metode RAD telah berhasil mengefektifkan waktu dalam pembangunan SIG ini, disamping hal tersebut hasil penilaian blackbox testing menunjukan hasil pengujian telah memenuhi semua hasil yang diharapkan oleh pengguna pada kebutuhan fungsional, dengan hasil tersebut diharapkan dapat memudahkan masyarakat untuk mengetahui informasi dan memeriksa status terdaftar di DTKS salah satunya melalui fitur pencarian data berdasarkan NIK (Nomor Induk Kewarganegaraan). AbstractThe Garut Regency Dinas Sosial is trying to improve its services to the community, especially in the transparency of the amount of Social Welfare Integrated Data (DTKS) per District in the Garut Regency. However, the Garut Regency Dinas Sosial currently does not have a geographic information system that provides information on the number of DTKS per sub-district in the Garut Regency to the public. This study aims to build a geographic information system for integrated social welfare data mapping to make it easier for the public to find information on the number of DTKS per sub-district in Garut Regency by utilizing Geographic Information System (GIS) technology. The method used is Rapid Application Development (RAD), using three stages, namely requirements planning, RAD design workshop, and implementation. The programming language used is PHP with MySQL DBMS and Leaflet JavaScript Library. This research resulted in a Geographical Mapping Information System for Social Welfare Integrated Data in Garut Regency, which features a sub-district DTKS map, data search, super admin and admin login features, and features for managing all data by admin and super admin. The RAD method has succeeded in streamlining time in the construction of this GIS. In addition to this, the results of the BlackBox testing assessment show that the test results have met all the results expected by users on functional requirements, with these results expected to make it easier for the public to find information and check the registered status in DTKS, one of which is through the data search feature based on NIK (Citizenship Identification Number).
Klasifikasi Masyarakat Penerima Bantuan Langsung Tunai Dana Desa Menggunakan Naïve Bayes dan SMOTE Kurniadi, Dede; Nuraeni, Fitri; Firmansyah, Marshal
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 2: April 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20236453

Abstract

Pemerintah menyelenggarakan program Bantuan Langsung Tunai Dana Desa (BLT DD), program ini memberikan (subsidi) kepada keluarga miskin yang memenuhi syarat. Program ini dapat membantu mengurangi beban pengeluaran serta meningkatkan pendapatan keluarga miskin. Masyarakat yang berhak menerima BLT DD terkadang melebihi kuota yang tersedia, kemudian proses penentuan penerima dilakukan secara musyawarah. Hasil penetapan tersebut terkadang menimbulkan kecemburuan sosial di masyarakat, sehingga diperlukan klasifikasi yang dapat membantu menentukan keluarga yang layak menerima program bantuan ini. Penelitian ini bertujuan untuk menerapkan metode Naïve Bayes untuk mengklasifikasikan data keluarga layak dan tidak layak menerima BLT DD karena masih banyak keluarga miskin berpenghasilan rendah lainnya yang belum berkesempatan untuk memperoleh program bantuan ini. Metode penelitian yang digunakan yaitu Cross-Industry Standard Process For Data Mining (CRISP-DM). Data yang digunakan merupakan data penerima BLT DD tahun 2021 dan 2022 di Desa Kersamenak dengan jumlah data yang digunakan sebanyak 375, meliputi class layak 205 record dan tidak layak 170 record. Data yang terkumpul menunjukkan adanya ketidakseimbangan kelas pada jumlah masyarakat yang layak dan tidak layak, sehingga diperlukan teknik Synthetic Minority Over-sampling Technique (SMOTE) untuk menangani kelas yang tidak seimbang pada data. Hasil pemodelan Naïve Bayes menggunakan teknik SMOTE menghasilkan model performansi terbaik dengan nilai akurasi 97,80% dan nilai AUC 0,99 yang termasuk dalam kategori Excellent Classification. Berdasarkan hasil model kinerja klasifikasi yang diperoleh, model yang dihasilkan dapat diimplementasikan ke dalam sistem aplikasi pendukung keputusan untuk membantu Desa dalam menentukan penerima BLT DD agar lebih cepat dan mudah. Abstract The government organizes the Bantuan Langsung Tunai Dana Desa (BLT DD) program, which provides (subsidies) to low-income families who meet the requirements. This program can help reduce the burden of spending and increase the income of low-income families. Communities who deserve to receive BLT DD sometimes exceed the available quota, then the process of determining the recipient is carried out utilizing deliberation. The results of these determinations sometimes cause social jealousy in the community, so a classification is needed that can help determine eligible families to receive this assistance program. This study aims to apply the Naïve Bayes method to classify family data as eligible and not eligible to receive BLT DD because there are still many other low-income families who have not had the opportunity to acquire this assistance program. The research method used is Cross-Industry Standard Process for Data Mining (CRISP-DM). The data used is the data of the 2021 and 2022 Village Fund Direct Cash Aid recipients in Kersamenak Village, with the amount of data used as much as 375, including 205 eligible class records and 170 inappropriate records. The data collected shows an imbalanced class in the number of eligible and ineligible people, and it is necessary to use the Synthetic Minority Over-sampling Technique (SMOTE) technique to handle the imbalanced class in the data. The results of modeling the Naïve Bayes using SMOTE technique produce the best performance model with an accuracy value of 97.80% and an AUC value of 0.99, which is included in the Excellent Classification category. Based on the results of the classification performance model obtained, we can implement the resulting model into a decision support application system to assist the Village in determining the recipient of the BLT DD to make it faster and easier.
Co-Authors Abania, Nia Asri Mulyani Dede Kurniadi Fitri Nuraeni