p-Index From 2020 - 2025
7.971
P-Index
Claim Missing Document
Check
Articles

Sistem Pendukung Keputusan untuk Evaluasi Tingkat Kesejahteraan Masyarakat Menggunakan Metode PROMETHEE Masna Wati; Simbolon, R.H. Kimebmen; Widians, Joan Angelina; Novianti Puspitasari
Digital Zone: Jurnal Teknologi Informasi dan Komunikasi Vol. 12 No. 2 (2021): Digital Zone: Jurnal Teknologi Informasi dan Komunikasi
Publisher : Publisher: Fakultas Ilmu Komputer, Institution: Universitas Lancang Kuning

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31849/digitalzone.v12i2.8115

Abstract

Salah satu faktor tercapainya kesejahteraan masyarakat yaitu rendahnya tingkat penduduk miskin. Pemerintah berperan penting dalam mensejahterakan masyarakat dan pengentasan kemiskinan. Seleksi tingkat kesejahteraan masyarakat adalah salah satu masalah yang memerlukan keputusan yang tepat agar bantuan disalurkan kepada masyarakat yang membutuhkan tepat sesuai target. Oleh karena itu, dibangun sistem decision support menggunakan metode Promethee. Data penelitian berupa 220 data sampel keluarga dan melibatkan 15 kriteria dalam mengevaluasi tingkat kesejahteraan masyarakat bersumber pada Survei Sosial Ekonomi Nasional oleh Badan Pusat Statistik Provinsi Kalimantan Timur. Sistem yang telah dibangun memberikan output berupa urutan prioritas kesejahteraan masyarakat yang dapat dijadikan pertimbangan bagi pemerintah atau pihak terkait dalam penyaluran bantuan agar tepat sasaran Abstract One of the factors in achieving community welfare is the low poverty level. The government has an essential duty in the welfare of society and alleviating poverty. The evaluation of the welfare level is one of the problems that require the right decision so that the social assistance provided to people in need can be right on target. The study aims to deploy a system that utilizes the Promethee method for decision-makers. There is 220 family as the sample data evaluated involves 15 criteria for assessing the community welfare level sourced from the National Socio-Economic Survey by the Statistics of East Kalimantan Province. The decision support system built was able to result in priority order of community welfare level so that it could be a consideration or reference to the government or related agencies in distributing aid to make it right on target.
Dipterocarpaceae trunk texture classification using two-stage convolutional neural network-based transfer learning model Wati, Masna; Puspitasari, Novianti; Hairah, Ummul; Widians, Joan Angelina; Tjikoa, Ade Fiqri
International Journal of Electrical and Computer Engineering (IJECE) Vol 14, No 6: December 2024
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijece.v14i6.pp6874-6882

Abstract

The importance of plant identification has been recognized by academia and industry. There have been several attempts to utilize leaves and flowers for identification. However, the trunk can also be helpful, especially for tall trees. In Borneo, the Dipterocarpaceae family are the main constituents of the tropical rainforest ecosystem. This research focuses on the classification of the dipterocarp family, which can reach a height of between 70 and 85 m. Leveraging convolutional neural network (CNN) models, this research proposes a two-stage transfer learning strategy. In the first stage, the pre-trained CNN models are refined by only modifying the classification layer while keeping the feature layer frozen. The second stage involves selecting and freezing several convolutional layers to adapt the model to classify dipterocarp stems. The dataset consists of 857 images of different dipterocarp species. Experiments show that the VGG16 model with a two-stage transfer learning strategy achieves a high accuracy of 98.246%. This study aims to accurately identify species, benefiting conservation and ecological studies by enabling fast and reliable tree species classification based on stem texture images.
Recommendation method for selecting the rice seeds based on group decision support system Hamdani, Hamdani; Wati, Masna; Suprihanto, Didit; Salsabila, Nur Maya; Septiarini, Anindita; Nurmadewi, Dita; Mawardi, Viny Christanti
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 13, No 3: September 2024
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v13.i3.pp2656-2665

Abstract

In this paper, we provide group recommendations based on each decision makers (DMs) in choosing the best type of rice for replanting. This group decision support system (GDSS) aims to guide stakeholders who have a role in selecting rice types. In this method, we propose using technique for order preference by similarity to ideal solution (TOPSIS) to rank each DM, Borda to rank in groups, and then test it using Spearman's rank correlation to measure the relationship between system results and the method applied. The results of this study show that DM1 ranks highest in selecting Gelagai rice seeds with a preference of 0.7786. Then DM2 ranked highest with Ekor Payau rice seeds in preference 0.6529. Meanwhile, DM3 ranked highest in Gelagai rice seeds with a selection of 0.7728. The final group voting system uses Borda, where Gelagai rice seeds occupy the highest rank with the most accumulated votes from each DMs. The best option or the highest rating based on the assessment of the three DMs, DM1 as a farmer is the first rank A10 Gelagai with a score of Borda 26 in the decision group selection of superior rice seeds.
Penerapan Tool Google Workspace untuk Meningkatkan Efektivitas Belajar Mengajar di SMAN 9 Samarinda Wati, Masna; Hairah, Ummul; Manik, Filipus Adriel; Hidayat, Irfan Arman; Arabi, Muhammad Amin Quthbi; Alqarani, Hudzaifah; Rasid, Khairul; Wijaya, M Rangga Yaqub
Inovasi Teknologi Masyarakat (INTEKMAS) Vol. 1 No. 1 (2023): June 2023
Publisher : Wadah Inovasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53622/intekmas.v1i1.204

Abstract

Digitalisasi di bidang pendidikan perlu dilakukan di era revolusi industri 4.0 ini sehingga perkembangan dunia pendidikan sejalan dengan kemajuan teknologi. Keberadaan teknologi akan menjadi tidak termanfaatkan jika tidak dibarengi dengan pengajar dan pembelajar yang melek teknologi. Kesuksesan integrasi teknologi pendidikan dalam kegiatan belajar dan mengajar bersifat kompleks dan dipengaruhi oleh berbagai faktor yaitu keterbukaan terhadap teknologi, sikap guru, pengetahuan dan keterampilan juga waktu dan beban kerja guru. Google Workspace sebagai salah satu tools yang dihadirkan Google untuk mempermudah dalam hal proses produktivitas dan juga memperluas media belajar. Aplikasi tersebut dapat bermanfaat bagi pendidikan untuk peningkatan efektivitas proses belajar mengajar, keterampilan guru semakin berkualitas serta budaya sekolah yang terbuka dengan pemanfaatan teknologi. Kemampuan guru dalam menggunakan aplikasi ini perlu ditingkatkan lagi agar aplikasi ini dapat dimanfaatkan secara maksimal oleh para guru dalam proses belajar mengajar. Pelatihan penggunaaan Google Workspace kepada guru-guru belum pernah diadakan di SMAN 9 Samarinda. Oleh karena itu kegiatan Pengabdian Kepada Masyarakat (PKM) sangat tepat dilaksanakan di sekolah ini. Kegiatan ini merupakan salah satu solusi untuk menjalankan metode pengajaran yang fleksibel dan mudah dipelajari serta interaktif. Melaui kegiatan ini diharapkan dapat meningkatkan kualitas pembelajaran dan pendidikan serta guru mampu meningkatkan kemampuan diri sebagai tenaga pengajar yang profesional dan paham akan pentingnya Teknologi Informasi dan Komuniasi (TIK) dalam pembelajaran.
Classification for Determining the Level of Drugs Dependence Using the Naïve Bayes Classifier Puspitasari, Novianti; Ajay, Muhammad; Wati, Masna; Septiarini, Anindita
IT Journal Research and Development Vol. 9 No. 1 (2024)
Publisher : UIR PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25299/itjrd.2024.16319

Abstract

Drug users or abusers are people who use narcotics or psychotropic drugs without supervision or medical indication from a doctor. Before undergoing rehabilitation, drug users must first undergo an examination to determine their level of drug dependence so that they can receive medical treatment according to their level of drug dependence. Determining the level of drug dependence requires a technique that can provide labels or categories of data for drug users based on the user's condition or influential criteria. This study applies the Naïve Bayes Classifier method to a system to determine the level of drug dependence. This study uses medical record data from 220 drug users. The user's medical record data is processed using data mining stages consisting of data selection, data cleaning, data transformation, and division of training and test data to produce 120 training data and 100 test data. The results of the Naive Bayes Classifier method calculation resulted in 29 users having a trial level of dependence (mild), 42 identified as having a regular level of dependence (moderate), and 29 others as users with a severe level of dependence. The confusion matrix testing was very accurate, namely, 94% accuracy, 95% precision value, and 92% recall. Meanwhile, the system that has been built can run very well. Based on the results of the research that has been conducted, this research can contribute to determining the level of dependence of drug addicts objectively so that related parties can provide rehabilitation or appropriate treatment to drug addicts.
Simulasi Mikrokontroler Arduino Berbasis Website Wokwi Hamdani, Hamdani; Wati, Masna; Firdaus, Muhammad Bambang; Arifin, Zainal; Saragih, Muhammad Nabil; Setiawan, Maulana Agus; Nupa, Joy Disanto
Jurnal Pengabdi Vol 8, No 1 (2025): April 2025
Publisher : Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jplp2km.v8i1.85627

Abstract

Kegiatan pengabdian masyarakat ini bertujuan untuk meningkatkan pemahaman dan keterampilan siswa SMP Patra Dharma 1 Balikpapan dalam bidang mikrokontroler. Mikrokontroler merupakan komponen penting dalam berbagai perangkat elektronik dan sistem otomatisasi. Mikrokontroler, yang awalnya hanya digunakan oleh para ahli, kini semakin populer di kalangan masyarakat umum terutama melalui alat seperti Arduino. Namun, pemahaman terhadap teknologi ini masih terbatas di kalangan siswa sehingga perlu dilakukan kegiatan pengenalan mikrokontroler beserta media pembelajaran yang dapat dimanfaatkan di sekolah. Kegiatan ini menekankan pentingnya pengenalan dini terhadap teknologi mikrokontroler untuk membekali siswa dengan keterampilan yang diperlukan di industri dan dunia penelitian. Melalui pendekatan pembelajaran yang melibatkan pre-test dan post-test, kegiatan ini menunjukkan peningkatan signifikan dalam pemahaman siswa. Rata-rata nilai partisipan meningkat dari 50,77 pada pre-test menjadi 74 pada post-test yang mencerminkan peningkatan pemahaman materi mikrokontroler sebesar 45,76%. Meskipun hasil ini menunjukkan peningkatan yang signifikan, namun terdapat potensi peningkatan lebih lanjut melalui penerapan metode pembelajaran yang lebih efisien dan interaktif. Selain itu, kolaborasi berkelanjutan dengan pihak sekolah diharapkan dapat meningkatkan kesadaran dan pemahaman siswa mengenai relevansi dan peluang karir yang terkait dengan teknologi ini. Dengan demikian, diharapkan hasil lulusan dapat memenuhi ekspektasi industri yang terus berkembang.
PENERAPAN FUZZY INFERENCE SYSTEM METODE TSUKAMOTO UNTUK PENGUKURAN TINGKAT INFLASI SUATU NEGARA Anggari, Ricky; Muhammad Ifandi; Nanda Arianto; Anindita Septiarini; Masna Wati
Journal of Computer Science and Information Technology Vol. 2 No. 3 (2025): Juni
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jcsit.v2i3.2311

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem pengukuran tingkat inflasi suatu negara menggunakan pendekatan Fuzzy Inference System (FIS) metode Tsukamoto. Pendekatan ini dipilih karena kemampuannya dalam menangani ketidakpastian dan ketidaklinieran data ekonomi makro. Sistem dirancang berdasarkan tiga parameter utama: nilai tukar mata uang, Produk Domestik Bruto (GDP), dan suku bunga, dengan data diperoleh dari World DataBank tahun 2022. Fungsi keanggotaan berbentuk segitiga dan bahu digunakan untuk merepresentasikan input linguistik, dan aturan fuzzy berbasis IF-THEN dikembangkan untuk proses inferensi. Implementasi dilakukan menggunakan bahasa pemrograman Python. Hasil pengujian menunjukkan bahwa mayoritas negara (90,41%) berada dalam kategori inflasi "Sedang", sementara sebagian kecil dikategorikan "Rendah" dan "Tinggi". Sistem ini terbukti fleksibel dalam menghadapi variasi data ekonomi, namun masih memiliki keterbatasan dalam menangani data yang tidak lengkap. Penelitian ini menyimpulkan bahwa metode Tsukamoto efektif untuk klasifikasi inflasi negara dan berpotensi dikembangkan lebih lanjut melalui integrasi dengan metode hibrida guna meningkatkan akurasi dan ketepatan hasil.
Penerapan Algoritma K-Means untuk Pengelompokan Negara di Dunia Berdasarkan Indikator Ekonomi Anggari, Ricky; Ifandi, Muhammad; Firdaus, Ardhifa; Wati, Masna; Haviluddin, Haviluddin
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 8, No 2 (2024): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v8i2.19745

Abstract

Perkembangan ekonomi global menuntut pemahaman mendalam tentang karakteristik ekonomi negara-negara di dunia. Penelitian ini bertujuan menerapkan algoritma K-Means Clustering untuk mengelompokkan negara berdasarkan indikator ekonomi seperti Gross Domestic Product (GDP), ekspor, impor, inflasi, dan tingkat pengangguran. Metode clustering digunakan untuk mengidentifikasi pola dan struktur ekonomi negara-negara dengan menganalisis data sekunder dari World Bank tahun 2022. Proses preprocessing meliputi pembersihan data, normalisasi menggunakan Min-Max Scaling, dan seleksi variabel ekonomi kunci. Algoritma K-Means diterapkan dengan jumlah klaster optimal sebanyak 3, yang diperoleh melalui metode Elbow. Hasil clustering menunjukkan tiga kelompok negara: negara dengan ekonomi kecil, negara berkembang, dan negara dengan ekonomi raksasa. Klaster 0 terdiri dari 52 negara yang cenderung memiliki ekonomi kecil, klaster 1 mencakup 165 negara berkembang dengan karakteristik ekonomi menengah, sedangkan klaster 2 hanya terdiri dari 2 negara yang memiliki ekonomi sangat besar. Evaluasi menggunakan Silhouette Score (0,52), Davies-Bouldin Index (0,71), dan Calinski-Harabasz Index (145,73) mengindikasikan kualitas clustering yang baik. Penelitian ini memberikan wawasan tentang klasifikasi negara berdasarkan indikator ekonomi dan dapat menjadi referensi bagi pembuat kebijakan dalam merancang strategi ekonomi yang lebih efektif.
Penerapan Data Mining K-Means dalam Analisis Kematian COVID-19 di Kalimantan Timur Yunus, Marlina; Wati, Masna
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 9, No 1 (2025): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v9i1.19724

Abstract

Pandemi COVID-19 telah memberikan dampak yang signifikan terhadap kesehatan masyarakat, terutama di Provinsi Kalimantan Timur. Penelitian ini bertujuan untuk menganalisis tren kematian akibat COVID-19 pada periode Maret 2020 hingga Februari 2021 menggunakan metode data mining dengan algoritma K-Means. Data yang digunakan dalam penelitian ini diperoleh dari dataset resmi dalam format CSV, yang memuat jumlah pasien meninggal setiap bulannya. Proses analisis diawali dengan melakukan praproses data untuk memastikan kualitas dan konsistensi data. Selanjutnya, pada algoritma K-Means diterapkan untuk mengelompokkan data berdasarkan kemiripan tren kematian. Berdasarkan hasil analisis menggunakan metode Elbow, jumlah klaster optimal yang diperoleh adalah tiga klaster. Klaster pertama (Klaster 0) menunjukkan adanya peningkatan jumlah kematian secara moderat pada beberapa bulan. Klaster kedua (Klaster 1) menggambarkan tren kematian yang cenderung stabil dengan sedikit peningkatan. Klaster ketiga (Klaster 2) menunjukkan puncak kematian yang signifikan dengan tren peningkatan tajam, khususnya pada bulan-bulan tertentu selama pandemi. Hasil penelitian ini diharapkan dapat memberikan gambaran yang lebih jelas mengenai tren kematian akibat COVID-19 di Provinsi Kalimantan Timur, sehingga dapat menjadi bahan pertimbangan bagi pemerintah daerah dan tenaga kesehatan dalam merumuskan kebijakan penanggulangan pandemi. Selain itu, analisis tren ini juga dapat dijadikan acuan dalam merancang strategi mitigasi pada masa pandemi atau menghadapi potensi wabah penyakit serupa di masa mendatang.
Pengelompokan Harga Cabai Rawit Berdasarkan Provinsi Menggunakan Principal Component Analysis dan K-Means Kesuma, Muhammad Afrizal; Nugraha, Cellia Auzia; Cahyani, Oktari Indi; Wati, Masna; Haviluddin, Haviluddin
JUKI : Jurnal Komputer dan Informatika Vol. 7 No. 1 (2025): JUKI : Jurnal Komputer dan Informatika, Edisi Mei 2025
Publisher : Yayasan Kita Menulis

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

Abstract

Cabai rawit (Capsicum frutescens L.) merupakan komoditas penting di Indonesia dengan permintaan yang tinggi. Namun, harga cabai rawit sering mengalami fluktuasi yang signifikan akibat ketergantungan pada musim, cuaca, serta kendala distribusi. Penelitian ini bertujuan untuk mengelompokkan harga cabai rawit berdasarkan provinsi di Indonesia menggunakan algoritma Principal Component Analysis (PCA) dan K-Means. Data yang digunakan berupa harga cabai rawit dari 34 provinsi di Indonesia pada periode Januari 2018 hingga Desember 2024. Analisis pengelompokan dilakukan dengan 3 variasi jumlah klaster, yaitu 2, 3, dan 4 klaster. Pengujian akurasi klaster menggunakan metode Silhouette Coefficient menunjukkan bahwa jumlah klaster paling optimal adalah 4 dengan nilai sebesar 0,511. Hasil penelitian ini menunjukkan bahwa pengelompokan harga cabai rawit dengan metode PCA dan K-Means dapat membantu dalam memahami pola harga di berbagai provinsi. Selain itu, hasil pengelompokan ini diharapkan dapat menjadi dasar bagi perencanaan distribusi dan pengendalian harga yang lebih efektif.
Co-Authors -, Haviluddin Abdul Hadi Ade Chrisvitandy Adelowys Sinaga Afra Amelia Septiani AHMAD ANSYORI Ahmad Nur Fauzan Aiman, Ahmad Zuhair Nur Ajay, Muhammad Aji Ery Burhandenny Akhmad Masyudi Alameka, Faza Alan Nuzulan Alfajriani Alfajriani Alfrina Mewengkang Ali Sholihin Alifah, Nur Juzieatul Alqarani, Hudzaifah Andi Alfian Bahtiar Andi Maulana Andi Maulana, Andi Anggari, Ricky Anindita Septiarini, Anindita Anton Prafanto Arabi, Muhammad Amin Quthbi Arief Ardi Pratama Asmita, Rizka Awang Harsa Kridalaksana Awang Zheri Rhesvianur Ayu Rusnawati A’yuni, Qurrata Bambang Cahyono Bambang Cahyono Bramantyo, Dimas Ari Brins Leonard Pailan Budiman, Edy Cahyani, Oktari Indi Delvina Dwiani Samjar Didit Suprihanto, Didit Dwi Kinasih Widiyati Engla Despahari Eny Maria Evi Wildana Fadli Suandi Farisha Rizky Amalia Fauzan, Ammar Nabil Faza Alameka Faza Alameka Fazri Rahmad Nor Gading Fenny Indar Ferry Miechel Lubis Firdaus, Ardhifa Firdaus, Muhammad Firdaus, Muhammad Bambang Geni, Siti Putri Lenggo Hairah, Ummul Hairah, Ummul Hamdani Hamdani Hamdani Hamdani Hariati Hariati Hatta, Heliza Rahmania Haviluddin , Haviluddin Haviluddin Haviluddin Heliza Rahmania Hatta Hendi Hidayat, Irfan Arman Hijratul Aini Hutapea, Vedra Dian Sierrafina Ifandi, Muhammad Iin Nurkarima Islamiyah Islamiyah Joan Angelina Widians, Joan Angelina Julius Rinaldi Simanungkalit Kesuma, Muhammad Afrizal Lubis, Ferry Miechel Manik, Filipus Adriel Medi Taruk Mega Yoalifa Merry, Felisitas Mochammad Taufiq As'arie Muhamad Gusti Keyandi Ervan Muhammad Abdillah Muhammad Bambang Firdaus Muhammad Firdaus Muhammad Ifandi Mu’nisah Assisi Nanda Arianto Nggotu, Antonieta Aryuka Paskalia Novianti Puspitasari Nugraha, Cellia Auzia Nupa, Joy Disanto Nur Madia Nurkarima, Iin Nurmadewi, Dita Olivia Octavia Pakpahan, Herman Santoso Pebianoor Pebianoor Prano Pebri Ansari Puspitasari, Novianti Putri, Septi Aulia Rasid, Khairul Rayner Alfred Razan, Muhammad Arya Fayyadh Reviansa Fakhruddin Aththar Rizqi Saputra Rosmasari Rosmasari Safitri, Hersa Salsabila, Nur Maya Saragih, Muhammad Nabil Sari, Lili Kurnia Sartiah Yusran Setiawan, Maulana Agus Setyadi, Hario Jati Shiva Mutia Maffirotin Simanungkalit, Julius Rinaldi Simbolon, R.H. Kimebmen soleha, leha Syahputra, Andra Syarah, May Siti Taruk, Medi Tejawati, Andi Tjikoa, Ade Fiqri Vicky Pranandika Wijaksana Vina Zahrotun Kamila Viny Christanti M Wahyu Harry Saputra Sembiring Wandi, Faizul Anwar Widians, Joan Angelina Wijaya, M Rangga Yaqub Wiji Astuti Yudi Kurniawan Yunus, Marlina Zahra Ayu Qalbina Zainal Arifin