Articles
44 Documents
Search results for
, issue
"Vol 7 No 5 (2024): INTECOMS: Journal of Information Technology and Computer Science"
:
44 Documents
clear
<![CDATA[Analisis Sentimen Masyarakat Terhadap Pemerintah di Era Kabinet Joko Widodo Berdasarkan Sosial Media X Menggunakan Naïve bayes dan K-Nearest Neighbor (KNN) ]]>
<![CDATA[Rahman, Fadhel Naufal]]>;
<![CDATA[Lestari, Sri]]>
<![CDATA[ INTECOMS: Journal of Information Technology and Computer Science Vol 7 No 5 (2024): INTECOMS: Journal of Information Technology and Computer Science ]]>
Publisher : <![CDATA[Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31539/intecoms.v7i5.11823
<![CDATA[Selama masa jabatannya, Presiden Joko Widodo beserta kabinet bentukannya seringkali membuat kebijakan baru yang menimbulkan reaksi dimasyarakat baik positif, atau negatif. Reaksi masyarakat pula biasanya beragam mulai dari yang mendukung hingga mengkritisi kebijakan tersebut. Jika komentar tersebut diolah dengan baik maka dapat dijadikan acuan pemerintah yang akan menjabat di periode berikutnya guna mengevaluasi keputusan – keputusan pemerintah terhadap pengambilan kebijakan. Melihat hal ini maka diperlukan sebuah analisis sentimen yang ditujukan untuk melakukan klasifikasi dari berbagai komentar yang beredar agar dapat disajikan menjadi sebuah informasi yang bermanfaat. Pada penelitian ini dilakukan pengolahan data dengan algoritma Naïve Bayes Classifier dan K-Nearest Neighbor (KNN) dengan data yang diambil dari cuitan pada platform media sosial (X). Dari kedua metode ini digunakan sebagai hasil akhir akurasi dari penelitian ini dan menjadikan perbandingan nya antara satu sama lain. Data yang digunakan berjumlah 5329 tweets lalu melalui tahapan cleansing menjadi berjumlah 3437 data. Setelah dioalah datanya didapatkan nilai accuracy dari algoritma Naïve Bayes sebesar 93.02%%, sedangkan jika menggunakan algoritma K-Nearest Neighbor (KNN) mendapatkan nilai accuracy 96.33%. Sehingga dapat dikatakan bahwa algorima K-Nearest Neighbor (KNN) dapat mengklasifikasikan data secara lebih baik dibandingkan Naïve Bayes.]]>
<![CDATA[Analisis Data Sentimen Perbandingan Terhadap Game Online Mobile Legends dan PUBG Mobile Berdasarkan Tanggapan Masyarakat X Menggunakan Algoritma Naïve Bayes ]]>
<![CDATA[Rohmansyah, Fadillah Ali]]>;
<![CDATA[Poerwandono, Edhy]]>
<![CDATA[ INTECOMS: Journal of Information Technology and Computer Science Vol 7 No 5 (2024): INTECOMS: Journal of Information Technology and Computer Science ]]>
Publisher : <![CDATA[Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31539/intecoms.v7i5.11824
<![CDATA[Mobile legends dan PUBG Mobile adalah game online yang sangat popular. Dengan berkembangnya industri game dan meningkatnya pengguna game online, penting untuk memahami bagaimana sentimen masyarakat merespon kedua game ini. Analisis sentimen memberikan wawasan berharga mengenai pandangan dan pengalaman pengguna yang dapat digunakan oleh pengembang untuk meningkatkan kualitas game. Oleh karena itu pada penelitian ini, akan mengambil komentar serta ulasan dari X dengan kata kunci pencarian Mobile legends dan PUBG Mobile untuk diolah dan mengklasifikasikan teks dengan menggunakan metode analisa sentimen. Data dikumpulkan dari media sosial X yang berisi tanggapan dan ulasan masyarakat sebanyak 2000 data tentang Mobile Legends dan PUBG Mobile. Proses analisis sentimen ini dilakukan dengan klasifikasi teks dibagi menjadi dua kelas yaitu kelas sentimen positif dan kelas sentimen negatif. Algoritma Naïve Bayes diterapkan untuk mengklasifikasikan sentimen menjadi positif dan negatif.]]>
<![CDATA[Implementasi Metode Waterfall Pada Sistem Informasi Inventaris Barang Berbasis Web Di Hotel Grand Edge Semarang ]]>
<![CDATA[Widodo, Tulus Suryo]]>;
<![CDATA[Prihati, Yani]]>;
<![CDATA[Gondohanindijo, Jutono]]>
<![CDATA[ INTECOMS: Journal of Information Technology and Computer Science Vol 7 No 5 (2024): INTECOMS: Journal of Information Technology and Computer Science ]]>
Publisher : <![CDATA[Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31539/intecoms.v7i5.11842
<![CDATA[A company asset, inventory management must always be monitored for its existence and condition. Inventory management of a company is very important. The stages of the waterfall software development method are used as the basis for the structure of requirements analysis, design, implementation, and system testing. Employee input data, item input data, and purchase input data are some parts of the designed information system. By choosing an efficient Rapid Application Development (RAD) approach, a Web-based Goods Inventory Information System was developed to solve the problem of errors and data duplication. The research methodology consists of observation, interviews, literature research. The purpose of this research is to design a web-based inventory information system to help manage inventory data at Grand Edge Hotel Semarang.]]>
<![CDATA[Pengenalan Wajah Pada Video Dengan Metode Active Appearance Model (AAM) ]]>
<![CDATA[Asyrofie, Maulana Azhar]]>;
<![CDATA[Mulyana, Dadang Iskandar]]>
<![CDATA[ INTECOMS: Journal of Information Technology and Computer Science Vol 7 No 5 (2024): INTECOMS: Journal of Information Technology and Computer Science ]]>
Publisher : <![CDATA[Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31539/intecoms.v7i5.11884
<![CDATA[Penelitian ini berfokus pada pengenalan wajah dalam video menggunakan metode Active Appearance Model (AAM), sebuah teknik yang mengintegrasikan informasi bentuk dan tekstur wajah untuk melakukan deteksi serta fitting wajah dengan presisi tinggi. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi kinerja model AAM yang dilatih menggunakan dataset Labeled Faces in the Wild (LFPW) dan menerapkannya pada aplikasi real-time. Uji coba dilakukan dalam berbagai kondisi pencahayaan, variasi ekspresi wajah, dan sudut pandang yang berbeda untuk menilai ketahanan (robustness) dari model yang dikembangkan. Hasil pengujian menunjukkan bahwa AAM mampu mengenali wajah dengan tingkat akurasi yang signifikan, bahkan pada kondisi video real-time yang menantang. Namun, ditemukan penurunan performa ketika model dihadapkan dengan kondisi pencahayaan yang sangat rendah atau sangat terang serta variasi ekspresi wajah yang sangat signifikan. Meski demikian, hasil penelitian secara keseluruhan menunjukkan bahwa model AAM yang dilatih pada dataset LFPW memberikan tingkat kesalahan fitting rata-rata sebesar 0,12 pada landmark wajah tertentu, terutama di area mata dan mulut. Temuan ini mengindikasikan bahwa AAM memiliki potensi besar untuk diterapkan dalam sistem pengenalan wajah berbasis video, namun memerlukan pengembangan lebih lanjut untuk menghadapi situasi yang lebih kompleks.]]>
<![CDATA[Analisis Sentimen Terhadap Resesi Ekonomi Global Di Indonesia Menggunakan Hybrid Linear Regression – Naive Bayes ]]>
<![CDATA[Herisnan, Diva Nabila]]>;
<![CDATA[Elwinda, Masyitah]]>;
<![CDATA[Rashid, Rashid]]>;
<![CDATA[Rahmaddeni, Rahmaddeni]]>
<![CDATA[ INTECOMS: Journal of Information Technology and Computer Science Vol 7 No 5 (2024): INTECOMS: Journal of Information Technology and Computer Science ]]>
Publisher : <![CDATA[Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31539/intecoms.v7i5.11889
<![CDATA[Penelitian ini bertujuan untuk menganalisis sentimen masyarakat Indonesia terhadap resesi ekonomi global menggunakan pendekatan hybrid yang menggabungkan algoritma Linear Regression dan Naive Bayes. Data yang digunakan diambil dari dataset Kaggle yang berisi 2.138 tweet terkait resesi ekonomi. Tahapan penelitian meliputi identifikasi masalah, pengumpulan dataset, preprocessing, pembobotan kata menggunakan TF-IDF, klasifikasi data, distribusi sentimen, dan evaluasi model. Hasil analisis menunjukkan bahwa sentimen publik terhadap resesi ekonomi global di Indonesia didominasi oleh reaksi netral. Metode hybrid Linear Regression dan Naïve Bayes dengan pembobotan kata TF-IDF pada splitting data 60:40 memberikan hasil akurasi tertinggi sebesar 97,66%.Secara keseluruhan, akurasi tertinggi dengan menggunakan Linear Regression yaitu sebesar 98,01%. Penelitian ini memberikan wawasan yang lebih mendalam tentang persepsi masyarakat terhadap resesi ekonomi, yang dapat membantu pembuat kebijakan dan industri dalam merancang strategi yang lebih efektif untuk menghadapi dampak dari krisis ekonomi global.]]>
<![CDATA[Implementasi Web Service Dalam Tracking Pengiriman Barang Dengan Metode Restfull Api Pada PT Bona Nusantara Raya Sakti ]]>
<![CDATA[Romadoni, Achmad]]>;
<![CDATA[Surapati, Untung]]>
<![CDATA[ INTECOMS: Journal of Information Technology and Computer Science Vol 7 No 5 (2024): INTECOMS: Journal of Information Technology and Computer Science ]]>
Publisher : <![CDATA[Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31539/intecoms.v7i5.11950
<![CDATA[In the context of modern business, logistics management and goods tracking are crucial to ensure efficiency and accuracy in the supply chain. However, PT Bona Nusantara Raya Sakti, a company that has been operating for 20 years, does not have a dedicated application system for tracking goods. This poses a challenge in effectively monitoring and managing the movement of goods from source to final destination. This research aims to design and develop a webbased freight tracking application using the RESTful API method for PT Bona Nusantara Raya Sakti. The main objective of this research is to improve the efficiency of the logistics process and facilitate the tracking of goods, thereby reducing the risk of loss and improving service quality. Development starts from indepth needs analysis, implementation using RESTful API technology, testing to ensure application reliability and security, to periodic system maintenance. The results of this research are expected to make a positive contribution in improving the operational efficiency of PT Bona Nusantara Raya Sakti, as well as providing the right solution in logistics management and overall tracking of goods delivery. With this application, it is expected that the company can optimize its logistics process and provide better service to customers.]]>
<![CDATA[Deteksi Microsleep Menggunakan Convolutional Neural Network Dengan Sensor ESP32 Pada Pengemudi ]]>
<![CDATA[Akbar, Yuma]]>;
<![CDATA[Bintoro, Bayu]]>;
<![CDATA[Mulyana, Dadang Iskandar]]>;
<![CDATA[Lestari, Sri]]>
<![CDATA[ INTECOMS: Journal of Information Technology and Computer Science Vol 7 No 5 (2024): INTECOMS: Journal of Information Technology and Computer Science ]]>
Publisher : <![CDATA[Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31539/intecoms.v7i5.12142
<![CDATA[Microsleep merupakan kondisi berbahaya yang terjadi ketika seseorang tertidur dalam waktu sangat singkat tanpa disadari, terutama saat mengemudi. Skripsi ini bertujuan mengembangkan sistem deteksi Microsleep berbasis Convolutional Neural Network (CNN) dengan sensor ESP32 pada pengemudi. Sistem ini dirancang untuk memantau dan menganalisis pola aktivitas pengemudi secara langsung yang dikumpulkan oleh sensor ESP32. Data yang diperoleh kemudian diproses dan diklasifikasikan menggunakan model CNN untuk mendeteksi kejadian Microsleep. Implementasi sistem ini diharapkan dapat meningkatkan keselamatan berkendara, sehingga dapat mengurangi risiko kecelakaan lalu lintas. Penelitian lebih lanjut diperlukan untuk meningkatkan akurasi deteksi dan menguji sistem pada kondisi nyata di jalan raya. hasil pengolahan data dan hasil pembahasan pada penelitian ini, dapat ditunjukkan bahwa arsitektur convolutional neural network (CNN) dengan algoritma you only look once (YOLO) dapat diimplementasikan untuk melakukan deteksi pada pengemudi apakah terjaga atau tertidur. Selain itu dengan melakukan konfigurasi parameter model dengan batch size 16, network size 320x320, diperoleh nilai IoU dengan learning rate 0.01.]]>
<![CDATA[Game Edukasi Select Trash Berbasis Android Untuk Anak Sekolah Dasar Kelas 2 ]]>
<![CDATA[Waluyo, Amru Sangga]]>;
<![CDATA[Sugiyanto, Sigit]]>
<![CDATA[ INTECOMS: Journal of Information Technology and Computer Science Vol 7 No 5 (2024): INTECOMS: Journal of Information Technology and Computer Science ]]>
Publisher : <![CDATA[Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31539/intecoms.v7i5.12146
<![CDATA[Di Indonesia, isu lingkungan menjadi prioritas utama, khususnya pengelolaan sampah. Sangat penting untuk memulai edukasi sejak dini guna menciptakan pemahaman tentang pengelolaan sampah yang tepat. Karena media interaktif tidak digunakan dalam kurikulum pengelolaan sampah di MI P2A MERI, siswa tidak diajarkan nilai pemilahan berbagai jenis sampah dan hanya mendapatkan ceramah dan pengalaman langsung. "SELECT TRASH" merupakan media pembelajaran berbasis permainan edukatif yang dibuat untuk mengatasi isu ini. Mengembangkan permainan edukatif interaktif untuk siswa sekolah dasar kelas dua merupakan tujuan dari penelitian ini. Setelah memainkan permainan "SELECT TRASH", siswa akan diminta untuk mengukur seberapa besar pemahaman mereka tentang nilai pemilahan sampah, dan permainan tersebut juga akan dievaluasi dampaknya terhadap cara mereka memilah sampah di rumah dan di lingkungan sekitar. Teknik Game Development Life Cycle (GDLC) diterapkan. Temuan penelitian menunjukkan bahwa permainan edukatif untuk Android ini merupakan pendekatan kreatif untuk mengajar anak-anak dengan cara yang menarik dan dinamis.]]>
<![CDATA[Implementasi Restful Api Dalam Pengembangan Aplikasi Pencarian Harga Grosir ]]>
<![CDATA[Wahyudi, Tri]]>;
<![CDATA[Azizah, Nur]]>
<![CDATA[ INTECOMS: Journal of Information Technology and Computer Science Vol 7 No 5 (2024): INTECOMS: Journal of Information Technology and Computer Science ]]>
Publisher : <![CDATA[Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31539/intecoms.v7i5.12180
<![CDATA[Usaha Menengah di Indonesia, yang banyak berupa usaha rumah tangga, memberikan kontribusi signifikan terhadap ekonomi nasional dengan menyerap banyak tenaga kerja. Namun, fluktuasi harga komoditas menimbulkan tantangan bagi UMKM dalam mengelola biaya operasional dan produksi. Pelaku UMKM sering memilih kenyamanan dan kecepatan dalam pembelian barang di lokasi terdekat, meskipun lebih mahal, karena pencarian harga terendah dianggap memakan waktu. Penelitian ini mengembangkan aplikasi pencarian harga grosir berbasis RESTful API untuk memudahkan UMKM menemukan grosir terdekat dengan harga terbaik, mengatasi kendala waktu dan jarak. Aplikasi ini diharapkan membuat proses pembelian lebih efisien, mengurangi biaya operasional, dan meningkatkan akurasi informasi harga. Kontribusi penelitian meliputi pengembangan metodologi aplikasi berbasis RESTful API untuk integrasi data harga grosir, peningkatan efisiensi dan pengalaman pengguna, serta pengurangan waktu dan biaya dalam pencarian grosir. Penelitian ini diharapkan memberikan solusi praktis bagi UMKM dalam mengelola pembelanjaan.]]>
<![CDATA[Optimalisasi Atribut Reliability Pada Rantai Pasok Perusahaan Produksi Baut Dengan Framework Scor Racetrack 12.0 ]]>
<![CDATA[Kurniawan, Angga]]>;
<![CDATA[Apriani, Ratna Agil]]>;
<![CDATA[Basuki, Demas Emirbuwono]]>;
<![CDATA[Mufid, Nisrina Faiza]]>;
<![CDATA[Mukarim, Rifki Nurul]]>
<![CDATA[ INTECOMS: Journal of Information Technology and Computer Science Vol 7 No 5 (2024): INTECOMS: Journal of Information Technology and Computer Science ]]>
Publisher : <![CDATA[Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31539/intecoms.v7i5.12234
<![CDATA[PT. XYZ merupakan Perusahaan manufaktur yang berproduksi baut otomotif. PT. XYZ mengalami beberapa masalah yang salah satunya yaitu keterlambatan pengiriman part baut ke konsumen. Hal tersebut terjadi karena beberapa factor yaitu delay material, delay pick up, packing trouble, overheat pada mesin dan sebagainya. Dalam permasalahan keterlambatan pengiriman part baut ke konsumen pada PT. XYZ, maka atribut Reliability pada SCOR Racetrack model version 12.0 dapat digunakan dalam menganalisa dan Upaya untuk memperbaiki permasalahan keterlambatan pengiriman pada Perusahaan. Dari atribut Reliability terdapat metrics level-1, metrics level-2 dan metrics level-3 dan penelitian ini dilakukan untuk mengetahui metrics dari atribut Reliability yang perlu ditingkatkan dan diberi sebuah usulan perbaikan. Hasil penelitian ini adalah pada metrics RL.2.2 Delivery Performance of Konsumen Commit Date terdapat 2 metrics level-3 berdasarkan hierarki metrics yaitu RL.3.32 Konsumen Commit Date Achievement Time Konsumen Receiving dan RL.3.34 Delivery Location Accuracy. Pada hasil perhitungan, hanya metrics RL.3.32 Konsumen Commit Date Achievement Time Konsumen Receiving yang memiliki rata-rata sebesar 85,45% dengan nilai GAP sebesar 14,55%. Setelah mengetahui metrics level-3 yang memiliki GAP maka dibuat analisis fishbone diagram untuk mengetahui penyebab pada masalah tersebut. Pada analisis fishbone diagram menghasilkan 7 project usulan, namun dari hasil priorization matrix terdapat 2 project usulan saja yang akan direkomendasikan project kick-off yaitu BP.089 Perfect Pick Put-Away dengan melakukan re-layout penempatan warehouse dan tempat box packing agar efisien dengan operator packing dan BP.160 Lean dengan melakukan pemangkasan aktivitas tidak bernilai pada proses packing.]]>
