Claim Missing Document
Check
Articles

Found 2 Documents
Search

PERANCANGAN DAN IMPLEMENTASI FIBER TO THE HOME MENGGUNAKAN MINI OLT PADA DESA MEKARWANGI Ignatius, Daniel Tulus; Putri, Hasanah; Setiaji, Wahyu
eProceedings of Applied Science Vol. 10 No. 1 (2024): Februari 2024
Publisher : eProceedings of Applied Science

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Desa Mekarwangi yang terletak pada perbukitan Kabupaten Bandung Barat, Jawa Barat, Indonesia, menghadapi keterbatasan akses teknologi jaringan karena letaknya yang jauh dari pusat kota. Oleh karena itu dilak ukan perancangan dan implementasi Fiber To The Home menggunakan Mini OLT pada desa Mekarwangi. Penelitian ini menggunakan software AutoCAD, Google Earth dan OptiSystem, untuk mengatasi kedala jaringan infrastruktur jaringan pada Desa Mekarwangi. Dengan menggunakan AutoCAD dilakukan perencanaan dan desain jaringan berbasis serat optik. Google Earth digunakan untuk pemetaan pada lokasi yang akan terhubung dengan jaringan. Sementara itu, aplikasi OptiSystem digunakan untuk mengoptimalka n dan mensimulasikan performa dari jaringan serat optik. Hasil analisis power link budget menunjukkan bahwa nilai pada redaman pada link downstream adalah -22,878 dB dan pada link upstream adalah 2,164 dB, tidak melebihi dari -25 dB. Dalam Rise Time Budget, nilai waktu naik Rise Time pada link downstream adalah 0,292 ns dan pada link upstream 0,583 yang sesuai dengan standar yang ditetapkan, menujukkan kemampuan sistem transmisi dalam mempertahankan kualitas sinyal. Hasil perancangan dalam Bit Error Rate (BER) pada link downstream 2,44443 x 10-3 dan link upstream adalah 1,03447 x 10-159 tidak melebihi dari 10-9. Dengan hasil ini, maka disimpulkan perancangan dan implementasi layak untuk diimplementasikan.Kata Kunci: FTTH, Mini OLT, Power Link Budget, Rise Time Budget, Bit Error Rate
Pendekatan Machine Learning dalam Prediksi Kepribadian MBTI Menggunakan Data Media Sosial Platform X Ignatius, Daniel Tulus; Sujatmoko, Kris; Budiman, Gelar
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Ketidaksesuaian antara kepribadian mahasiswa dengan jurusan kuliah yang dipilih sering kali menyebabkan penurunan motivasi belajar, rendahnya prestasi akademik, hingga peningkatan risiko putus studi. Faktor penyebabnya antara lain kurangnya pemahaman diri, pengaruh tren atau tekanan eksternal, serta keterbatasan layanan konseling karier. Penelitian ini mengembangkan sistem rekomendasi jurusan kuliah berbasis analisis kepribadian Myers-Briggs Type Indicator (MBTI) dengan memanfaatkan data media sosial dan metode machine learning. Data dikumpulkan dari platform X (Twitter) melalui scraping akun pengguna yang mencantumkan tipe MBTI pada profil, kemudian diproses melalui tahapan pre-processing meliputi tokenisasi, penghapusan stopword, lemmatisasi, normalisasi bahasa tidak baku, dan penghapusan emoji. Fitur yang digunakan mencakup Term Frequency–Inverse Document Frequency (TF-IDF), analisis sentimen, dan distribusi topik untuk menangkap pola linguistik yang relevan. Enam algoritma machine learning diuji, yaitu XGBoost, AdaBoost, Gradient Boosting, Support Vector Machine (SVM), Complement Naive Bayes, dan Logistic Regression. Hanya algoritma SVM dengan akurasi sebesar 84% dan Logistic Regression dengan akurasi 83% yang berhasil melampaui target minimum akurasi sebesar 80%. Sementara itu, model lain seperti XGBoost, Gradient Boosting, AdaBoost, dan Complement Naive Bayes masih menunjukkan akurasi yang lebih rendah, yakni pada rentang 60% hingga 72%. Model terbaik diimplementasikan pada aplikasi web berbasis Flask yang dapat memprediksi tipe MBTI dari input teks manual maupun postingan terbaru akun X, kemudian memetakan hasilnya ke rekomendasi jurusan yang relevan. Uji coba kepada responden menunjukkan 85% merasa rekomendasi yang diberikan sesuai dengan minat dan karakter mereka. Temuan ini membuktikan bahwa analisis kepribadian berbasis machine learning dari data media sosial berpotensi menjadi alat bantu pengambilan keputusan akademik yang efektif. Kata Kunci: Analisis Kepribadian, MBTI, Rekomendasi Jurusan Kuliah, Model Algoritma, Flask.