cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Sopiyan Dalis
Contact Email
sopiyan.spd@bsi.ac.id
Phone
+6281380852868
Journal Mail Official
jurnal.paradigma@bsi.a.cid
Editorial Address
Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Kota Jakarta Pusat, DKI Jakarta 10450
Location
Kota adm. jakarta barat,
Dki jakarta
INDONESIA
Paradigma
Published by Universitas Bina Sarana Informatika
ISSN : 14105063     EISSN : 25793500     DOI : http://dx.doi.org/10.31294/p
Core Subject : Science,
Computer Science & IT
The first Paradigma Journal was published in 2006, with the registration of the ISSN from LIPI Indonesia. The Paradigma Journal is intended as a media for scientific studies of research, thought and analysis-critical issues on Computer Science, Information Systems and Information Technology, both nationally and internationally. The scientific article refers to theoretical review and empirical studies of related sciences, which can be accounted and disseminated nationally and internationally. Paradigma Journal accepts scientific articles research at: Expert Systems, Information Systems, Web Programming, Mobile Programming, Games Programming, Data Mining, and Decision Support Systems.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 347 Documents
 28   29   30   31   32 
Penerapan Metode Algoritma Apriori dan FP-Tree Pada Penentuan Pola Pembelian Obat Rizal Rachman; Nanang Hunaifi
Paradigma Vol 22, No 2 (2020): Periode September 2020
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1219.75 KB) | DOI: 10.31294/p.v22i2.8258

Abstract

Dewasa ini perkembangan industri kesehatan khususnya farmasi meningkat. Itu bisa dilihat dari kemunculan Prodi farmasi di berbagai Akademika civitas. Seiring pertumbuhan industri, informasi tentang produknya menjadi kebutuhan bagi perusahaan. Salah satu kebutuhan penting adalah informasi tentang penjualan obat-obatan dan informasi tentang persiapan atau produksi obat-obatan. Informasi mengenai berapa banyak obat yang akan diproduksi merupakan hal yang sangat penting karena hal ini berkaitan dengan berapa banyak penjualan yang terjadi dalam kurun waktu tertentu atau target pasar yang akan dicapai. Algoritma priori termasuk jenis aturan asosiasi pada data mining. Aturan yang menyatakan hubungan antara berbagai atribut sering disebut analisis afinitas atau analisis pasar basket. Analisis asosiasi atau asosiasi aturan penambangan adalah teknik penambangan data untuk menemukan aturan kombinasi item. Dan FP-Tree adalah struktur penyimpanan data terkompresi. FP-Tree dibangun dengan memetakan setiap catatan transaksi ke setiap jalur spesifik di FP-tree. Berdasarkan data transaksi penjualan obat di pabrik Farma kimia Jakarta, dilakukan analisis menggunakan algoritma Apriori dengan dukungan parameter minimum 10% dan kepercayaan minimum 50%. Hasil penelitian menghasilkan 7 aturan Asosiasi dengan kombinasi item terbesar hingga 2 item.
Eksperimen Pengenalan Wajah dengan fitur Indoor Positioning System menggunakan Algoritma CNN Yessi Hartiwi; Errissya Rasywir; Yovi Pratama; Pareza Alam Jusia
Paradigma Vol 22, No 2 (2020): Periode September 2020
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (621.118 KB) | DOI: 10.31294/p.v22i2.8906

Abstract

Facial recognition work combined with the facial owner's position estimation feature can be utilized in various everyday applications such as face attendance with position detection. Based on this, this study offers a system testing experiment that can be run with facial recognition features and an Indoor Positioning System (IPS) to automatically check the location of the owner of the face. Recently, deep learning algorithms are the most popular method in the world of artificial intelligence. Currently, the Deep Learning algorithm toolbox has provided various programming language platforms. Departing from research findings related to deep learning, this study utilizes this method to perform facial recognition. The system we offer is also capable of checking the position or whereabouts of objects using Indoor Positioning System (IPS) technology. Facial recognition evaluation using CNN obtained a maximum value = 92.89% and an accuracy error value of 7.11%. Meanwhile, the average accuracy obtained is 91.86%. In the evaluation of the estimated position tested using DNN, the highest value of r2 score is 0.934, the lowest is 0.930 and an average is 0.932 and the highest value is MSE is 4.578, the lowest is 4.366 and the average is 4.475. This shows that the facial recognition process that is tested is able to produce good values but not the position estimation process. Keywords: Face Recognition, IPS, CNN, MSE, Accuraccy.
Analisis Sentimen Pengguna Aplikasi Duolingo Menggunakan Metode Naïve Bayes dan Synthetic Minority Over Sampling Technique Saifurrachman Chohan; Arifin Nugroho; Achmad Maezar Bayu Aji; Windu Gata
Paradigma Vol 22, No 2 (2020): Periode September 2020
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (510.885 KB) | DOI: 10.31294/p.v22i2.8251

Abstract

Belajar bahasa asing menjadi salah satu perhatian penting agar dapat bersaing dengan dunia internasional. Keterbatasan waktu dan biaya membuat aplikasi belajar bahasa inggris pada perangkat mobile lebih disukai sebagai media pembelajaran bahasa asing. Salah satu aplikasi yang sering di gunakan untuk belajar bahasa asing pada perangkat mobile adalah duolingo. Penelitian ini bertujuan untuk menemukan dan membandingkan klasifikasi dalam sentimen analisis dari ulasan pengguna aplikasi duolingo yang didapat dari google playstore. Text mining digunakan untuk membagi ulasan yang diberikan pengguna menjadi dua kelompok yaitu ulasan positif dan ulasan negatif. Rapid miner digunakan untuk mencari dan membandingkan dua metode klasifikasi yang berbeda antara dataset yang menggunakan Naive Bayes Classification saja dan data set yang menggunakan algoritma naive bayes dengan syntetic minority over-sampling technique (SMOTE). Hasil dari dua metode dalam penelitian ini menemukan bahwa hasil tertinggi didapatkan menggunakan algoritma naive bayes dengan syntetic minority over-sampling technique (SMOTE) dimana memiliki tingkat akuransi 91,95% dan AUC sebesar 0.740.
Penerapan Model Rapid Application Development Pada Perancangan Sistem Informasi Jasa Pengiriman Barang Lala Nilawati; Dedeh Sulastri; Yuyun Yuningsih
Paradigma Vol 22, No 2 (2020): Periode September 2020
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1085.413 KB) | DOI: 10.31294/p.v22i2.8314

Abstract

Freight forwarding company is a company or business entity which is engaged in providing freight forwarding services. In connection with business activities that occur in service companies, a good management information system is needed that can manage data delivery. The availability of a good and accurate information system will be increasingly needed along with the increasing human need for information that is fast, precise and accurate. The steps needed to produce a software system so that it has good performance, of course, can not be separated from how to choose and apply the analysis and design methods. In this research, a goods delivery system will be designed using Rapid Application Development (RAD), where the authors analyze the data management system contained in the company, then create a prototype design that is suitable for data management to make it more complete, efficient, and easy to use as a development from the old system using Java Script and MySQL as its database. In addition, in designing the proposed system, which is the information system of freight forwarding services, the tools used are using ERD (Entity Relationship Diagram) and UML (Unified Modeling Language). Based on the analysis and application of the system followed by testing the system, the delivery system designed can make it easier for system users to process data, control data and prepare reports related to shipping data.
Analisis dan Implementasi Diagnosis Penyakit Sawit dengan Metode Convolutional Neural Network (CNN) Errissya Rasywir; Rudolf Sinaga; Yovi Pratama
Paradigma Vol 22, No 2 (2020): Periode September 2020
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (700.673 KB) | DOI: 10.31294/p.v22i2.8907

Abstract

Jambi Province is a producer of palm oil as a mainstay of commodities. However, the limited insight of farmers in Jambi to oil palm pests and diseases affects oil palm productivity. Meanwhile, knowing the types of pests and diseases in oil palm requires an expert, but access restrictions are a problem. This study offers a diagnosis of oil palm disease using the most popular concept in the field of artificial intelligence today. This method is deep learning. Various recent studies using CNN, say the results of image recognition accuracy are very good. The data used in this study came from oil palm image data from the Jambi Provincial Plantation Office. After the oil palm disease image data is trained, the training data model will be stored for the process of testing the oil palm disease diagnosis. The test evaluation is stored as a configuration matrix. So that it can be assessed how successful the system is to diagnose diseases in oil palm plants. From the testing, there were 2490 images of oil palm labeled with 11 disease categories. The highest accuracy results were 0.89 and the lowest was 0.83, and the average accuracy was 0.87. This shows that the results of the classification of oil palm images with CNN are quite good. These results can indicate the development of an automatic and mobile oil palm disease classification system to help farmers.
Sentimen Analisis Stay Home menggunakan metode klasifikasi Naive Bayes, Support Vector Machine, dan k-Nearest Neighbor Ikhwanul Hakim; Arifin Nugroho; Sulaeman Hadi Sukmana; Windu Gata
Paradigma Vol 22, No 2 (2020): Periode September 2020
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (141.56 KB) | DOI: 10.31294/p.v22i2.8237

Abstract

Dunia sedang dilanda pandemi Corona Virus, virus yang berasal dari kota Wuhan di negara Cina sebagai awal pusat dari pandemi virus tersebut. Virus tersebut menyerang pernafasan akut dan menyebar dengan cepat hampir keseluruh dunia karena proses penularannya yang relatif mudah. Pemberitaan terkait virus tersebut terjadi dengan saat masif baik dimedia nasional maupun internasional. Hampir seluruh media memberitakan tentang penyebaran virus tersebut. Salah satunya melalui media sosial, twitter adalah salah satu media sosial yang cukup banyak penggunanya dan cukup digemari. Banyak pengguna twitter membagikan informasi, mengeluarkan pendapat, maupun berbagi beberapa hal. Penelitian ini fokus pada sentimen analisis stay home pada pengguna twitter, untuk dapat melihat efek dari kebijakan tersebut terhadap kehidupan mereka. Karena hampir diseluruh negara yang terkena pandemi ini mengeluarkan kebijakan seperti itu. Data yang diperoleh akan diolah menggunakan tiga metode klasifikasi yaitu Naive Bayes (NB), Support Vector Machine (SVM), dan k-Nearest Neighbor (k-NN). Dengan ketiga metode klasifikasi tersebut, akan dicari metode mana yang akan menghasilkan akurasi yang paling baik terkait dengan stay home dari tweets para penggunanya. Setelah dilakukan percobaan, algoritma Support Vector Machine + Smote mendapatkan hasil akurasi yang paling baik jika dibandingkan dengan dua algoritma lainnya. Hasil akurasi yang didapat sebesar 80,05%.
Penentuan Pola Penjualan Media Edukasi dengan Menggunakan Metode Algoritma Apriori dan FP-Growth Rizal Rachman
Paradigma Vol 23, No 1 (2021): Periode Maret 2021
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (744.977 KB) | DOI: 10.31294/p.v23i1.9884

Abstract

Cerdas-Sehat Online Shop adalah toko online yang menjual produk dari PT. Tigaraksa bertujuan memasarkan media edukasi. Semua penjualannya bertujuan untuk meningkatkan kecerdasan potensi anak dengan ilmu pengetahuan dan keahliannya serta belajar lebih menyenangkan melalui buku-buku yang dapat mengeluarkan suara dan bisa bernyanyi. Selama ini Cerdas-Sehat Online Shop telah melayani sekian banyak transaksi pesanan produk-produk media edukasi. Semua data aktifitas transaksi disimpan dalam sistem database dengan menggunakan sistem aplikasi berbasis web. Datanya banyak yang belum bisa menemukan tentang trend produk apa aja yang sekarang naik atau turun. Hal tersebut disebabkan karena kurangnya pengetahuan dalam menganalisa produk yang sering laku dalam waktu bersamaan atau dalam satu transaksi dari para pelanggan. Salah satu strategi penjualan yang dapat dilakukan menggunakan disiplin ilmu data mining untuk memperoleh informasi paket penjualan dari data yang banyak dalam waktu cepat. Penyusunan pola pembelian barang yang biasa digunakan dalam data mining dengan algoritme association rule, algoritme yang digunakan menggunakan Apriori dan FP-Growth. Algortime Apriori menghasilkan 5 pola aturan asosiasi minimum support sebesar 10% dan minimum confidence sebesar 50% menghasilkan nilai confidence tertinggi yaitu 100% , sedangkan algoritme FP- Growth menghasilkan 5 pola aturan asosiasi dengan minimum support count 2 menghasilkan nilai support count tertinggi yaitu 8. Dengan menggunakan 2 atribut yaitu no.order dan kode produk dapat menemukan kecenderungan pola kombinasi antar itemset sehingga dapat dijadikan informasi yang sangat penting dalam pengambilan keputusan yang berguna untuk mempersiapkan jenis stok barang apa yang diperlukan kedepanya bagi penjualan di Cerdas–Sehat Online Shop.
Analisis Sentimen Opini Publik Terhadap Penerapan Kebijakan Social Distancing Dalam Pencegahan Covid-19 Bakhtiar Rifai; Normah Normah; Bimo Danang Febryanto; Feri Yulianto; Nova Reflianah
Paradigma Vol 23, No 1 (2021): Periode Maret 2021
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (918.362 KB) | DOI: 10.31294/p.v23i1.8756

Abstract

The last few months, Indonesia and the world are being hit by a disaster caused by the covid-19 virus, which resulted in a global pandemic that has infected more than one million human beings, because of this many countries have begun to implement various policies, including Indonesia, which is currently is implementing social distancing and PSBB, the application of which raises the pros and cons of people from all fields, to find out the response and response of the community related to the policy, a survey is needed to analyze the positive and negative comments, which are on Twitter, to analyze the response of the community can be done with text mining, text mining is the process of finding the meaning of an unstructured text or writing, to analyze the response of the community data taken from social media Twitter in the form of comments / tweets with a total of 400 comments and divided into 200 positive sentiment comments in 200 negative sentiment comments, the data is processed using the SVM classification method and will be compared with the SVM classification by PSO feature selection, the text preprocessing used is tokenize, transform cases, stopword filter and generate n-grams, and for the word weighting process using tf-idf , the accuracy of the SVM classification without PSO is 67.00% with the AUC value obtained is 0.774 and the accuracy of the SVM classification with PSO is 98.25% with the AUC value of 0.999, from the results the SVM with PSO feature selection is better in classifying sentiments than SVM without PSO feature selection.
Perbandingan Prediksi Linear Menggunakan Metoda Autokorelasi Dan Metoda Burg Djadjat Sudaradjat; Andi Rosano
Paradigma Vol 23, No 2 (2021): Periode September 2021
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (715.14 KB) | DOI: 10.31294/p.v23i2.10589

Abstract

Abstrak  - Pada sistem pengenal ucapan manusia digunakan metoda pengenalan parameter-parameter yang dihasilkan oleh ucapan manusia untuk mengenalinya. Parameter-parameter ucapan yang dihasilkan bersifat unik yaitu tidak ada yang sama pada tiap orang seperti yang terjadi pada sidik jari manusia tidak ada yang sama, sehingga parameter-parameter rongga pengubah getaran ucapan manusia dapat digunakan untuk mengenali ucapan seseorang.  Beberapa metoda tiruan rongga pengubah getaran ucapan manusia diantaranya menggunakan metoda Autokorelasi dan metoda Burg. Pada penelitian ini akan diamati perbedaan kinerja metoda Autokorelasi dan metoda Burg dengan mengamati perbedaan spektrum pada tiap panjang frame yang berbeda-beda. Dari hasil pengukuran dapat dilihat bahwa pada perubahan panjang frame yang berbeda-beda pada metoda Burg tidak banyak perubahannya dibandingkan dengan metoda Autokorelasi. Pada metoda Autokorelasi terjadi perubahan spektrum ketika panjang frame makin pendek, sedangkan  pada metoda Burg hampir tidak mengalami perubahan yang banyak. Sedangkan kesalahan rekonstruksi sinyal sering terjadi pada frame yang panjang karena kemungkinan terdapat dua jenis sinyal voiced/unvoiced lebih besar dari pada menggunakan frame yang pendek. Dengan demikian untuk menghindari kesalahan rekonstruksi sinyal lebih baik menggunakan frame yang pendek, dan menggunakan metoda Burg dengan frame yang pendek menunjukkan kinerja spektral yang lebih baik dibandingkan dengan metoda Autokorelasi.
Analisis Runtun Waktu Untuk Memprediksi Jumlah Mahasiswa Baru Dengan Model Prophet Facebook Fristiani Theresia Br Sitepu; Vince Amelia Sirait; Roni Yunis
Paradigma Vol 23, No 1 (2021): Periode Maret 2021
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (679.629 KB) | DOI: 10.31294/p.v23i1.9756

Abstract

Penerimaan mahasiswa baru merupakan langkah dasar agar proses belajar mengajar tetap berjalan. Setiap tahunnya mahasiswa baru yang mendaftar dapat mengalami peningkatan dan juga mengalami penurunan. Untuk itu prediksi sangat penting bagi perguruan tinggi sebagai bahan pendukung dalam pembuatan keputusan, strategi dan kebijakan. Penelitian ini bertujuan untuk mengetahui proses analisis runtun waktu dan hasil prediksi penerimaan mahasiswa baru di masa yang akan datang. Model yang digunakan dalam prediksi adalah model Prophet Facebook dan menggunakan dataset mahasiswa baru TA 2010/2011 sampai TA 2019/2020. Tahapan penelitian mengacu pada metode OSEMN yaitu Obtain data, Scrubbing data, Explore data, Modeling data, dan Intetpreting data. Hasil analisis untuk keseluruhan data mengalami penurunan di setiap tahunnya dan nilai rata-rata MAPE sebesar 0.04327568 %  yang berarti model prediksi yang dihasilkan sangat baik  karena <10% dengan tingkat akurasi sebesar 99,6%. Kata kunci: Prophet Facebook, prediksi, runtun waktu

Page 30 of 35 | Total Record : 347

 28   29   30   31   32 

Filter by Year

2006 2021


Reset
Filter By Issues
All Issue Vol 23, No 2 (2021): Periode September 2021 Vol 23, No 1 (2021): Periode Maret 2021 Vol 22, No 2 (2020): Periode September 2020 Vol 22, No 1 (2020): Periode Maret 2020 Vol 21, No 2 (2019): Periode September 2019 Vol 21, No 1 (2019): Periode Maret 2019 Vol 20, No 2 (2018): Periode September 2018 Vol 20, No 1 (2018): Periode Maret 2018 Vol 19, No 2 (2017): Periode September 2017 Vol 19, No 1 (2017): Periode Maret Vol 18, No 2 (2016): Periode September Vol 18, No 1 (2016): Periode Maret Vol 17, No 2 (2015): Periode September Vol 17, No 1 (2015): Periode Maret Vol 16, No 2 (2014): Periode September Vol 16, No 1 (2014): Periode Maret Vol 15, No 2 (2013): Periode September 2013 Vol 15, No 1 (2013): Periode Maret 2013 Vol 14, No 2 (2012): PERIODE SEPTEMBER 2012 Vol 14, No 1 (2012): PERIODE MARET 2012 Vol 13, No 2 (2011): VOL. 13 NOMOR 2, September 2011 Vol 13, No 1 (2011): Vol. 13 Nomor 1, Maret 2011 Vol 12, No 2 (2010): VOL. 12 NOMOR 2, September 2010 Vol 12, No 1 (2010): Vol. 12 Nomor 1, Maret 2010 Vol 11, No 3 (2009): Periode September 2009 Vol 10, No 2 (2008): Periode April 2008 Vol 10, No 1 (2008): Periode Januari 2008 Vol 9, No 3 (2007): Periode Agustus 2007 Vol 9, No 2 (2007): Periode April 2007 Vol 9, No 1 (2007): Periode Januari 2007 Vol 8, No 1 (2006): Periode September 2006 More Issue