Articles
12 Documents
Search results for
, issue
"Vol 7, No 1 (2020): April 2020"
:
12 Documents
clear
<![CDATA[Analisa Perancangan Sistem Penerimaan Donasi dan Laporan Pertanggung Jawaban Pada Yayasan Yatim Piatu Aisyiyah ]]>
<![CDATA[Nurlila Nurlila]]>;
<![CDATA[Nia Rahma Kurnianda]]>
<![CDATA[ Jurnal Informatika Vol 7, No 1 (2020): April 2020 ]]>
Publisher : <![CDATA[LPPM Universitas Bina Sarana Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (403.909 KB)
|
DOI: 10.31294/ji.v7i1.6245
<![CDATA[Yayasan Yatim Piatu Aisyiyah merupakan lembaga sosial yang berperan untuk memberikan pengasuhan,dan pembiayaan kepada anak--anak yang telah kehilangan kedua orang tuanya. Yayasan Yatim Piatu Aisyiyah juga dapat menjadi wadah untuk para donatur yang ingin memberikan bantuan donasi untuk anak yatim piatu di yayasan. Tetapi selama ini permasalahan utama yang muncul di dalam pengelolaan penerimaan donasi di dalam yayasan yaitu masih dilakukan secara manual sehingga transparansi atas laporan pertanggung jawaban donasi anatara pihak yayasan dan donatur masih sangat terbatas dan membutuhkan waktu yang sedikit lama untuk menghasilkan laporan yang baik dan benar. Oleh karena itu penulis memberikan solusi untuk mengatasi permasalahan tersebut dengan membuat perancangan sistem terkomputerisasi yang dapat mempermudah penerimaan donasi, serta pembuatan laporan pertanggung jawaban dari donasi tersebut. Perancangan sistem penerimaan dan laporan pertanggung jawaban donasi ini berbasis web dengan menggunakan metode pengembangan sistem waterfall. Sistem ini dirancang menggunakan pemodelan UML yang diharapkan dapat menghasilkan sebuah sistem yang bisa lebih efektif dan efesien sehingga berefek kepada pembuatan laporan pertanggung jawaban bisa tepat waktu.]]>
<![CDATA[SISTEM PAKAR DETEKSI PENYAKIT REFRAKSI MATA DENGAN METODE TEOREMA BAYES BERBASIS WEB ]]>
<![CDATA[Rizal Rachman]]>
<![CDATA[ Jurnal Informatika Vol 7, No 1 (2020): April 2020 ]]>
Publisher : <![CDATA[LPPM Universitas Bina Sarana Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (386.111 KB)
|
DOI: 10.31294/ji.v7i1.7267
<![CDATA[Masalah gangguan penglihatan di Indonesia, sebagian besar disebabkan oleh kurangnya pengetahuan mengenai penyakit mata dan sering menganggap enteng kasus penyakit mata, khususnya refraksi. Gangguan penglihatan di Indonesia khususnya Jawa Barat telah menjadi masalah kesehatan masyarakat, oleh sebab itu, perlu upaya penanggulangan yang terpadu dengan pelibatan semua sektor termasuk profesi di dalamnya, sehingga di masa mendatang tidak lagi menjadi masalah kesehatan masyarakat. Saat ini,sekitar 314 juta orang di dunia mengalami penglihatan lemah dan 45 juta diantaranya merupakan kasus kebutaan. terlambatnya kesadaran penderita, dan mahalnya biaya untuk konsultasi membuat para penderita enggan untuk ke dokter spesialis. Sistem pakar deteksi penyakit refraksi mata ini diharapkan dapat memberikan pengetahuan mengenai diagnosa penyakit refraksi mata pada penderita, memberikan sarana berupa media konsultasi mengenai penyakit pada refraksi mata serta meminimalisir biaya konsultasi ke dokter ahli. Sistem pakar merupakan bagian dari kecerdasan buatan yang meniru penalaran manusia. Pemanfaatan teknologi memudahkan manusia untuk mengakses informasi tanpa terbatas ruang dan waktu. Metode Teorema Bayes adalah metode yang menerapkan aturan yang dihubungkan dengan nilai probabilitas atau kemungkinan untuk menghasilkan suatu keputusan dan informasi yang tepat berdasarkan penyebab yang terjadi. Hasil dari penelitian ini yaitu aplikasi sistem pakar yang dapat memberikan pengetahuan mengenai diagnosa penyakit refraksi mata, menjadi media untuk berkonsultasi mengenai penyakit bagi penderita.]]>
<![CDATA[Optimasi Prediksi NilaiTukar Rupiah Terhadap Dolar Menggunakan Neural Network Berbasiskan Algoritma Genetika ]]>
<![CDATA[Primandani Arsi]]>;
<![CDATA[Joko Prayogi]]>
<![CDATA[ Jurnal Informatika Vol 7, No 1 (2020): April 2020 ]]>
Publisher : <![CDATA[LPPM Universitas Bina Sarana Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (206.799 KB)
|
DOI: 10.31294/ji.v7i1.6793
<![CDATA[Nilai tukar adalah nilai mata uang sebuah negara yang dinyatakan dalam nilai mata uang negara lain. Sebagai contoh, nilai tukar rupiah (Rp) pada dolar amerika serikat (USD) adalah nilai satu dolar amerika dalam rupiah, begitu juga sebaliknya nilai satu rupiah terhadap dolar amerika. Korelasi nilai tukar ini kaitannya dengan pergadangan internasional dimana etidakpastian nilai tukar menjadi permasalahan yang penting dalam bidang keuangan. Oleh karena itu diperlukan sebuah model prediksi guna memprakirakan nilai tukar dimasa depan. Hasil yang akurat dalam prediksi nilai tukar ini sangat bermanfaat bagi pemegang kepentingan dimasa depan. Pada peneltian ini prediksi data nilai tukar rupiah pada dolar dilakukan dengan menggunakan Neural Network berbasis algoritma genetika. Berdasarkan eksperimen yang dilakukan pada data time series nilai tukar rupiah pada dolar periode 1 Januari 2013 sd 30 Agustus 2018 yang berjumlah 1470 record menggunakan metode Neural Network berbasis algoritma Genetika, terbukti bahwa model optimasi tersebut mampu meningkatkan hasil akurasi prediksi yaitu dari 0,010 +/- 0,001 menjadi 0,008 +/- 0,001, terjadi penurunan nilai RMSE sebesar 0,002 yang berarti peningkatan akurasi prediksi.]]>
<![CDATA[Implementasi Vigenere Cipher Sebagai Pengaman Pada Proses Deskripsi Steganografi Least Significant Bit ]]>
<![CDATA[Alawiyah, Tuti]]>;
<![CDATA[Ardianto, Rian]]>;
<![CDATA[Purnia, Dini Silvi]]>
<![CDATA[ Jurnal Informatika Vol 7, No 1 (2020): April 2020 ]]>
Publisher : <![CDATA[LPPM Universitas Bina Sarana Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (650.407 KB)
|
DOI: 10.31294/ji.v7i1.6431
<![CDATA[Kemajuan teknologi diiringi dengan meningkatnya ancaman terhadap keamanan serta kerahasiaan pesan/informasi. Salah satu cara untuk menjaga keamanan dan kerahasiaan pesan/informasi dapat menggunakan teknik steganografi. Steganografi adalah teknik untuk menyembunyikan pesan/informasi pada sebuah media, bisa berupa media gambar, suara ataupun video, sehingga pesan yang disembunyikan sulit dikenali oleh indera manusia. Penelitian ini bertujuan untuk membuat aplikasi steganografi dengan metode least significant bit serta implementasi vigenere cipher untuk meningkatkan keamanan pesan/informasi. Informasi/pesan akan disisipkan pada satu bit paling kanan ke pixel file objek tanpa merubah medianya. Penelitian ini menghasilkan aplikasi  yang dapat menyembunyikan informasi/pesan pada media gambar. Untuk meningkatkan sistem pengamanannya, proses deskripsi disertai dengan metode vigenere cipher jika pesan/informasi diakses oleh orang yang tidak berhak atas informasi/pesan tersebut.]]>
<![CDATA[Pendeteksi Kesalahan Pengetikan Kata Non Baku pada Karya Tulis Menggunakan Metode N-Gram ]]>
<![CDATA[Hartina, Titi]]>;
<![CDATA[Agustin, Agustin]]>
<![CDATA[ Jurnal Informatika Vol 7, No 1 (2020): April 2020 ]]>
Publisher : <![CDATA[LPPM Universitas Bina Sarana Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (515.168 KB)
|
DOI: 10.31294/ji.v7i1.7916
<![CDATA[Karya tulis sudah menjadi salah satu sarana bagi para generasi muda untuk menuangkan idenya, ide tersebut biasa di susun membentuk sebuah karangan berupa tulisan dari hari pemikiran, pengamatan, dan tinjauan dalam berbagai bidang. Karya tulis yang dibuat haruslah memiliki kualitas yang baik sehingga pembaca akan mudah untuk menerima makna dan tujuan dari penulisan karya tulis tersebut. Akan tetapi tidak semua karya tulis yang dibuat memiliki kualitas seperti yang diharapkan. Salah satu faktor yang mempengaruhi rendahnya kualitas penulisan karya tulis yang baik adalah kesalahan dalam penggunanan kata non baku yang disengaja maupun yang tidak disengaja. Mengacu pada masalah tersebut, maka digunakan metode N-Gram untuk membantu proses penelitian yang akan dilakukan. Metode N-Gram ini digunakan untuk pembangkitan kata dan karakter yang tidak sesuai dengan penulisan kata baku dalam Bahasa Indonesia. Dengan cara ini, maka kata nonbaku yang menjadi inti pemasalahan tersebut akan mudah terdeteksi. Agar dapat mengimplementasikan tujuan dari penelitian maka metode ini dituangkan kedalam sebuah aplikasi pendeteksi kesalahan pengetikan kata nonbaku pada karya tulis berbahasa indonesia menggunakan metode N-Gram. Aplikasi ini dapat meminimalisasi kekurangan dalam penulisan karya tulis.]]>
<![CDATA[Implementasi Data Mining dengan Algoritma Naïve Bayes pada Penjualan Obat ]]>
<![CDATA[Herry Derajad Wijaya]]>;
<![CDATA[Saruni Dwiasnati]]>
<![CDATA[ Jurnal Informatika Vol 7, No 1 (2020): April 2020 ]]>
Publisher : <![CDATA[LPPM Universitas Bina Sarana Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (191.351 KB)
|
DOI: 10.31294/ji.v7i1.6203
<![CDATA[Jenis obat yang makin lama makin bervariatif, dari obat yang berharga murah sampai harga yang kalau dilihat sangat kurang masuk akal namun fungsinya sangat bagus. Meningkatnya peredaran jenis obat terutama vitamin, hal ini mendorong penulis untuk melakukan penelitian untuk menentukan produk vitamin mana yang LAKU atau TIDAK LAKU yang bisa di gunakan sebagai pedoman sebuah apotek menentukan jumlah stok barang yang harus ada pada gudang apotek tersebut. Penelitian ini bertujuan untuk mendapatkan nilai accuracy untuk data penjualan obat terutama jenis-jenis vitamin dengan menggunakan algoritma klasifikasi data mining yaitu algoritma Naïve Bayes. Penelitian ini menggunakan tools Rapidminner versi 8 sebagai media untuk menguji data yang akan diolah untuk mendapatkan hasil accuracy dan ROC.]]>
<![CDATA[Deteksi Komentar Cyberbullying Pada Media Sosial Berbahasa Inggris Menggunakan Naïve Bayes Classification ]]>
<![CDATA[Jasman Pardede]]>
<![CDATA[ Jurnal Informatika Vol 7, No 1 (2020): April 2020 ]]>
Publisher : <![CDATA[LPPM Universitas Bina Sarana Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (434.9 KB)
|
DOI: 10.31294/ji.v7i1.6920
<![CDATA[Pesatnya perkembangan teknologi dan media sosial dapat memudahkan pengguna untuk menyampaikan informasi. Selain itu, media sosial juga memberikan dampak negatif dengan cara memposting tulisan kejam atau berkomentar semena-mena tanpa memikirkan akibat pada orang lain. Hal inilah yang menjadikan salah satu terjadinya tindak kekerasan dalam dunia maya (Cyberbullying). Tahapan awal yang dilakukan dalam penelitian ini adalah pengolahan bahasa atau yang disebut dengan text preprocessing meliputi tokenizing,casefolding, stopword removal dan stemming. Kemudian feature selection yaitu mengubah dokument teks menjadi matriks dengan tujuan untuk mendapatkan fitur pada setiap kata untuk dijadikan parameter atau kriteria klasifikasi. Untuk pengambilan keputusan apakah komentar mengandung makna bully atau nonbully menggunakan algoritma Naïve Bayes Classification dengan model multinomial naïve bayes. Perhitungan yang dilakukan adalah menghitung nilai probabilitas setiap kata yang muncul berdasarkan classdan nilai perkalian class conditional probability. Berdasarkan hasil eksperimen menggunakan dataset “cyberbullying comments” yang diambil dari Kaggle akurasi yang didapat sebesar 80%, precission 81% dan recall 80%.]]>
<![CDATA[Penggunaan Algoritma Klasifikasi Terhadap Analisa Sentimen Pemindahan Ibukota Dengan Pelabelan Otomatis ]]>
<![CDATA[Jananto Watori]]>;
<![CDATA[Riska Aryanti]]>;
<![CDATA[Agus Junaidi]]>
<![CDATA[ Jurnal Informatika Vol 7, No 1 (2020): April 2020 ]]>
Publisher : <![CDATA[LPPM Universitas Bina Sarana Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (227.851 KB)
|
DOI: 10.31294/ji.v7i1.7528
<![CDATA[Perkembangan media yang begitu pesat, memunculkan banyak media online dari media berita sampai media sosial. Media sosial saja sudah begitu banyak, dari Facebook, Twitter, Instagram, Tumblr, Linkedin dan masih banyak lagi. Berdasarkan fakta yang ada dalam penerapannya sendiri untuk kehidupan sehari-hari sosial media sangat sering digunakan. Dampak positif internet dalam perkembangan information technology (IT) sebenarnya membawa banyak keuntungan, misalnya saja memudahkan dalam hal komunikasi, mencari dan mengakses informasi. Namun, terdapat dampak negatif dalam perkembangannya, yaitu contohnya dalam penyebaran berita hoax ataupun ujaran kebencian. Dengan menggunakan internet, dapat memperkuat atas suatu gagasan dan pendapat dalam suatu kelompok maupun individu pada situs web berita dan media sosial. Penelitian ini membahas tentang bagaimana melakukan analisa sentimen yang berasal dari tweet pengguna twitter tentang pemindahan ibukota Indonesia. Gagasan serta pendapat publik melalui twitter yang dalam jumlah besar, setidaknya dapat menganalisa secara global tentang sentimen pemindahan ibukota yang akan dilakukan di Indonesia. Penelitian ini menggunakan pelabelan otomatis menggunakan (Valence Aware Dictionary and sEntiment Reasoner) Vader dengan metode Naïve Bayes dan Support Vector Machine. Sehingga, dapat ditarik kesimpulan bahwa pelabelan pada setiap cuitan di twitter dapat dilakukan sehingga menghasilkan score pada dataset. Dan dari algoritma yang digunakan, algoritma Support Vector Machine menghasilkan nilai akurasi dan AUC yang paling baik yakni akurasi sebesar 76,40% dan AUC sebesar 0,771.]]>
<![CDATA[ANALISA SENTIMENT PADA ULASAN FILM DENGAN OPTIMASI ENSEMBLE LEARNING ]]>
<![CDATA[Andreyestha Andreyestha]]>;
<![CDATA[Agus Subekti]]>
<![CDATA[ Jurnal Informatika Vol 7, No 1 (2020): April 2020 ]]>
Publisher : <![CDATA[LPPM Universitas Bina Sarana Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (231.288 KB)
|
DOI: 10.31294/ji.v7i1.6171
<![CDATA[Dalam dunia hiburan khususnya film, kini situs web ulasan film menjadi media bagi orang-orang untuk memberikan penilaian mengenai seberapa bagus film tersebut. Mereka tidak harus menjadi pakar dalam dunia perfilman untuk menilai kualitas dari film yang mereka saksikan, semua orang dapat memberikan penilaian. Sentimen yang ditemukan dalam komentar, umpan balik atau kritik memberikan indikator yang berguna untuk berbagai tujuan dan dapat dikategorikan berdasarkan polaritas, polaritas tersebut cenderung akan dicari tahu apakah secara keseluruhan positif atau negatif. Algoritma Naïve Bayes dan Random Forest merupakan algoritma yang dapat memberikan hasil analisa klasifikasi sesuai yang diharapkan pada penelitian ini, analisa akan dilakukan dengan membandingkan beberapa kombinasi algoritma untuk diuji pada Polarity Dataset 2.0 dari Cornell University, diantaranya yaitu Algoritma tersebut akan dikombinasikan dengan seleksi fitur Chi Square, Adaboost, dan Voting. Dari hasil pengujian yang didapat algoritma AdaBosst dan Voting mampu meningkatkan akurasi dari metode Naïve Bayes (NB) and Random Forest (RF). Model yang diusulkan dengan Chi Square + Voting 2 (RF + SVM) memiliki nilai akurai 84,6%, dan model ini memiliki nilai akurasi yang lebih tinggi.]]>
<![CDATA[Komparasi Algortima C4.5, Naïve Bayes dan k-Nearest Neighbor Sebagai Sistem Pendukung Keputusan Menaikkan Jumlah Peserta Didik ]]>
<![CDATA[Harianto Harianto]]>;
<![CDATA[Didi Rosiyadi]]>
<![CDATA[ Jurnal Informatika Vol 7, No 1 (2020): April 2020 ]]>
Publisher : <![CDATA[LPPM Universitas Bina Sarana Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (404.632 KB)
|
DOI: 10.31294/ji.v7i1.7250
<![CDATA[Persaingan dalam menarik minat orang tua siswa untuk menyekolahkan anak mereka ke sekolah swasta memang sangat tinggi. Sekolah swasta harus bekerja keras dalam hal mendapatkan siswa yang akan melanjutkan pendidikannya ke tingkat selanjutnya. Sekolah hendaknya harus memiliki nilai tambah yang lebih di mata orang tua siswa. Dari ketiga algoritma yang digunakan, terdapat nilai accuracy tertinggi sebesar 86,50% dihasilkan dari algoritma Naïve Bayes. Dalam artian, tingkat prediksi untuk sekolah SMP Cenderawasih mendapatkan jumlah siswa yang didapatkan dari kuesioner sangat memungkinkan orang tua mendaftarkan anaknya kesekolah ini. Dapat dilihat dari beberapa faktor yang dijadikan sebagai atribut dalam daftar kuesioner. Dengan algoritma Naïve Bayes, atribut yang paling tinggi sebagai faktor penentu orang tua mendaftarkan anaknya adalah atribut umur, yaitu yang berumur 31 sampai 50 tahun, kemudian atribut faktor karena tidak masuk negeri, atribut transport menggunakan motor, kemudian atribut jarak, serta atribut informasi yang didapat dari teman atau saudara. Dari faktor tersebut terlihat apa saja yang harus dilakukan untuk menaikkan jumlah siswa]]>
