cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Andy Sapta
Contact Email
sapta@royal.ac.id
Phone
-
Journal Mail Official
lppm_stmik@royal.ac.id
Editorial Address
-
Location
Kab. asahan,
Sumatera utara
INDONESIA
JURTEKSI
Published by STMIK Royal Kisaran
ISSN : 24071811     EISSN : 25500201     DOI : -
Core Subject : Science,
Computer Science & IT
JURTEKSI (Jurnal Teknologi dan Sistem Informasi) is a scientific journal which is published by STMIK Royal Kisaran. This journal published twice a year on December and June. This journal contains a collection of research in information technology and computer system.
Arjuna Subject : -
Articles 685 Documents
 53   54   55   56   57 
DETECTION OF LEAF SPOT DISEASE IN OIL PALM SEEDLINGS USING CONVOLUTIONAL NEURAL NETWORK METHOD Azhar, Yufis; Zulva, Muhammad Shalahuddin
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 10 No. 2 (2024): Maret 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v10i2.2903

Abstract

Abstract: This research aims to develop a method for detecting leaf spot disease in oil palm seedlings using Convolutional Neural Network (CNN). Leaf spot disease in oil palm seedlings can hinder growth and production. CNN has proven effective in image processing and classification, particularly in plant disease detection. In this study, we utilized a dataset of images containing oil palm seedling leaves infected with leaf spot disease and healthy leaves. We performed data processing, built a CNN model, and conducted hyperparameter tuning. The test results demonstrate that the developed CNN model achieves high accuracy in recognizing and distinguishing between oil palm seedling leaves infected with leaf spot disease and healthy ones. This research contributes to the development of plant disease detection technology that can support economic growth in the oil palm plantation sector. Keywords: Convolutional Neural Network, image processing, leaf spot disease detection, oil palm seedlings. Abstrak: Penelitian ini bertujuan untuk mengembangkan metode deteksi penyakit bercak pada bibit kelapa sawit menggunakan Convolutional Neural Network (CNN). Bibit kelapa sawit yang terinfeksi penyakit bercak dapat menghambat pertumbuhan dan produksi kelapa sawit. Metode CNN telah terbukti efektif dalam pengolahan citra dan klasifikasi, khususnya dalam deteksi penyakit pada tanaman. Dalam penelitian ini, kami menggunakan dataset citra daun bibit kelapa sawit yang terinfeksi penyakit bercak dan yang normal. Kami melakukan processing data, membangun model CNN, dan melakukan tuning hyperparameter. Hasil pengujian menunjukkan bahwa model CNN yang dikembangkan memiliki akurasi yang tinggi dalam mengenali dan membedakan citra daun bibit kelapa sawit yang terinfeksi penyakit bercak dan yang normal. Penelitian ini memberikan kontribusi dalam pengembangan teknologi deteksi penyakit tanaman yang dapat mendukung pertumbuhan ekonomi di sektor perkebunan kelapa sawit. Kata kunci: bibit kelapa sawit, Convolutional Neural Network, deteksi penyakit bercak,  pengolahan citra.
COMPARISON FEATURE EXTRACTION USING ARTIFICIAL NEURAL NETWORK ALGORITHM ON SMOKER PREDICTION Dharma, Arie Satia; Pardede, Cynthia Veronika; Sitorus, Jonggi Vegas
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 10 No. 4 (2024): September 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v10i4.2933

Abstract

Abstract: The habit of smoking is dangerous because of the addictive substances that make cigarettes addictive. Its addictive nature poses a significant risk, affecting personality with stress, depression and nervous disorders. Body factors that indicate smoking include blood sugar levels, dental caries, and hemoglobin. To address this, research has been conducted with focused efforts to understand and address the risks associated with smoking and its impact on overall health. This research aims to choose the best method for predicting smokers by using feature selection techniques. The feature selection algorithms uses for that are Analysis of Variance (ANOVA), Recursive Feature Elimination (RFE), and Genetic Algorithm (GA) to select optimal attributes and uses the k-fold cross validation technique as the validation of the Artificial Neural Network algorithm. The data includes various parameters such as age, height, weight, vision, blood pressure, cholesterol, triglycerides, hemoglobin, AST, ALT, GTP, gender, dental caries and tartar. Hearing ability, urine protein content, and tartar were selected. The results showed that using the Analysis of Variance method showed higher accuracy (77.101%) compared to the Genetic Algorithm method (74.64%) and the Recursive Feature Elimination method (76.08%). Selection of relevant attributes increases the predictions and insights of the Artificial Neural Network model about the effects of smoking on health.            Keywords: artificial neural network; analysis of variance; genetic algorithm; recursive feature elimination; smoker prediction  Abstrak: Kebiasaan merokok berbahaya karena adanya zat adiktif yang membuat rokok menjadi ketagihan. Sifatnya yang membuat ketagihan menimbulkan risiko yang signifikan, mempengaruhi kepribadian dengan stres, depresi, dan gangguan saraf. Faktor tubuh yang mengindikasikan kebiasaan merokok antara lain kadar gula darah, karies gigi, dan hemoglobin. Untuk mengatasi hal ini, penelitian telah dilakukan dengan upaya terfokus untuk memahami dan mengatasi risiko yang terkait dengan merokok dan dampaknya terhadap kesehatan secara keseluruhan. Penelitian ini bertujuan untuk memilih metode terbaik dalam memprediksi perokok dengan menggunakan teknik seleksi fitur. Metode seleksi fitur yang digunakan adalah Analysis of Variance (ANOVA), Recursive Feature Elimination (RFE), dan Genetic Algorithm (GA) untuk memilih atribut yang optimal dan menggunakan teknik k-fold cross validation sebagai validasi algoritma Artificial Neural Network. Data tersebut mencakup berbagai parameter seperti umur, tinggi badan, berat badan, penglihatan, tekanan darah, kolesterol, trigliserida, hemoglobin, AST, ALT, GTP, jenis kelamin, karies gigi dan karang gigi. Kemampuan pendengaran, kandungan protein urin, dan karang gigi dipilih. Hasil penelitian menunjukkan bahwa penggunaan metode Analysis of Variance menunjukkan akurasi yang lebih tinggi (77,101%) dibandingkan dengan metode Genetic Algorithm (74,64%) dan metode Recursive Feature Elimination (76,08%). Pemilihan atribut yang relevan meningkatkan prediksi dan wawasan model Jaringan Syaraf Tiruan tentang dampak merokok terhadap kesehatan. Kata kunci: artificial neural network; analysis of variance; genetic algorithm; prediksi perokok; recursive feature elimination
ANALYSIS OF PUBLIC OPINION ON INDONESIAN TELEVISION SHOWS USING SUPPORT VECTOR MACHINE Farasalsabila, Fidya; Utami, Ema; Hanafi, Muhammad
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 10 No. 2 (2024): Maret 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v10i2.2935

Abstract

Abstract: There are a great number of academics that are now conducting research on sentiment analysis by employing supervised and machine learning techniques. The research can be carried out with the assistance of a variety of sources, including reviews of movies, reviews of Twitter, reviews of online products, blogs, discussion forums, and other social networks. With the progress of technology, individuals may now effortlessly utilize social media platforms to access and share information, as well as express their viewpoints to the general public, without any constraints of distance or time. Twitter is a social media network that serves as a repository for opinions. Diverse techniques are employed to provide optimal and realistically precise pressure detection. The analysis and discussion affirm that the Support Vector Machine (SVM) was effectively employed in this study, utilizing public opinion data on television program reviews in Indonesia. An SVM classifier is employed to examine the Twitter data set by utilizing various parameters. The study successfully completed the preprocessing process by collecting a total of 400 data points, consisting of 320 reviews from 4 television shows for training data and 80 reviews for testing. The data was filtered and classified using SVM, with 200 positive and 200 negative data points for comparison. The experiment utilized the SVM method using TF-IDF to achieve the most accurate test results. The test accuracy was 80%, while the training data accuracy reached 100%.            Keywords: Sentiment Analysis; Support Vector Machine; Television Shows Review, TF-IDF,  Abstrak: Saat ini, banyak akademisi sedang menyelidiki analisis sentimen melalui pemanfaatan teknik yang diawasi dan pembelajaran mesin. Kajian dapat dilakukan dengan menggunakan beberapa sumber seperti review film, review Twitter, review produk online, blog, forum diskusi, atau jejaring sosial lainnya. Dengan kemajuan teknologi, masyarakat kini dapat dengan mudah memanfaatkan platform media sosial untuk mengakses dan berbagi informasi, serta menyampaikan pandangan mereka kepada masyarakat umum, tanpa batasan jarak dan waktu. Twitter adalah jaringan media sosial yang berfungsi sebagai gudang opini. Beragam teknik digunakan untuk menghasilkan deteksi tekanan yang optimal dan presisi secara realistis. Analisis dan pembahasan menegaskan bahwa Support Vector Machine (SVM) efektif digunakan dalam penelitian ini, memanfaatkan data opini publik tentang review program televisi di Indonesia. Pengklasifikasi SVM digunakan untuk memeriksa kumpulan data Twitter dengan memanfaatkan berbagai parameter. Penelitian berhasil menyelesaikan proses preprocessing dengan mengumpulkan total 400 titik data yang terdiri dari 320 review dari 4 acara televisi untuk data pelatihan dan 80 review untuk pengujian. Data disaring dan diklasifikasikan menggunakan SVM, dengan 200 titik data positif dan 200 titik data negatif sebagai perbandingan. Percobaan ini menggunakan metode SVM dengan menggunakan TF-IDF untuk mencapai hasil pengujian yang paling akurat. Akurasi pengujiannya mencapai 80%, sedangkan akurasi data pelatihan mencapai 100%. Kata kunci: Analisis Sentimen, Review Tayangan Televisi, TF-IDF,  Support Vector Machine
CUSTOMER SATISFACTION ANALYSIS REGARDING USING HALODOC APPLICATION CUSTOMER SATISFACTION INDEX (CSI) METHOD Sari, Dely Indah; Harahap, Widya Lestari; Ali, Faishal
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 10 No. 2 (2024): Maret 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v10i2.2956

Abstract

Abstract: Halodoc is an ICT that supports access to health service facilities, with various facilities such as consultations with doctors, purchasing medicines, making appointments with hospitals, as well as several other health support facilities. This research is based on calculations using the Customer Satisfaction Index (CSI) method to determine the overall level of customer satisfaction with an approach that considers the level of importance of product or service attributes as measured by an importance scale (Importance), a satisfaction/performance level scale (Performance) and the question indicators include usability, information quality, interaction quality, then the satisfaction level criteria are obtained with a CSI value of 61.29%, meaning that the patient gives the criteria as being quite satisfied with Halodoc services. Keywords: CSI, halodoc, patient  Abstrak: Halodoc merupakan TIK yang mendukung akses fasilitas pelayanan kesehatan, dengan berbagai fasilitas yang dimiliki seperti konsultasi dengan dokter, pembelian obat, buat janji dengan rumah sakit, serta beberapa fasilitas pendukung kesehatan lainnya. Penelitian ini berdasarkan perhitungan menggunakan metode Customer Satisfaction Index (CSI) untuk menentukan tingkat kepuasan pelanggan secara menyeluruh dengan pendekatan yang mempertimbangkan tingkat kepentingan dari atribut-atribut produk atau jasa yang diukur dengan skala tingkat kepentingan (Importance), skala tingkat kepuasan/kinerja (Performance) dan indikator pertanyaan meliputi usability, information quality, interaction quality maka diperoleh kriteria tingkat kepuasan dengan nilai CSI 61.29% artinya bahwa pasien memberikan kriteria cukup puas terhadap layanan Halodoc. Kata kunci: CSI, halodoc, pasien
DEVELOPMENT OF AUGMENTED REALITY IN UNDERSTANDING THE NETS AND RIBS OF SPATIAL BUILDINGS Pakpahan, Sondang Purnamasari; Sapta, Andy; Nisa, Uliya Khoirun
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 10 No. 1 (2023): Desember 2023
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v10i1.2972

Abstract

Abstract: Technology-based learning media is currently widely developed in accordance with the 21st-century learning model. Many subject matters are better delivered when using technology-based media. One of the media that can be used is Augmented Reality. Based on this, the purpose of this study is to develop Augmented Reality in conveying the material of nets and ribs in Build Space. Augmented Reality is developed using 3D modeling, rigging, and animating methods, which are then combined using Unity. The results of the development of Augmented Reality applications in understanding the nets and ribs of this building space have been validated by experts and users. The validation results of this Augmented Reality application are rated Very Good.Keywords: augmented reality; nets; ribs; spatial building. Abstrak: Media pembelajaran berbasis teknologi saat ini banyak dikembangkan sesuai dengan model pembelajaran abad 21. Banyak materi pelajaran yang lebih baik disampaikan bila menggunakan media berbasis teknologi. Salah satu media yang dapat digunakan adalah Augmented Reality. Berdasarkan hal tersebut, tujuan penelitian ini adalah untuk mengembangkan Augmented Reality dalam menyampaikan materi jaring-jaring dan rusuk pada Bangun Ruang. Augmented Reality ini dikembangkan dengan menggunakan metode 3D modeling, rigging dan animating, yang selanjutnya digabungkan dengan menggunakan Unity. Hasil pengembangan aplikasi Augmented Reality dalam memahami jaring-jaring dan rusuk dari bangun ruang ini telah divalidasi oleh ahli dan user. Hasil validasi aplikasi Augmented Reality ini dinilai Sangat Baik.Kata kunci: augmented reality; bangun ruang; jaring-jaring; rusuk
DETECTION OF CHILDREN'S NUTRITIONAL STATUS USING MACHINE LEARNING WITH LOGISTIC REGRESSION ALGORITHM Yuliana, Yuliana; Paradise, Paradise; Qulub, Mudawil
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 10 No. 2 (2024): Maret 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v10i2.2973

Abstract

Abstract: Children's nutritional issues are an important concern for parents to pay attention to growth and development, especially health and well-being. According to the results of the Ministry of Health's Indonesian Nutrition Status Survey (SSGI), there are 4 nutritional problems for children in Indonesia, namely stunting, wasting, underweight and everweight. In this research, how to predict signs of symptoms of a decline in a child's nutritional status using a machine learning algorithm, a prediction model was designed using logistic regression in Python IDE to predict whether a child is indicated by a decline in nutrition or not. Dataset from Bengkayang Community Health Center data consisting of 657 pediatric patient data. The dataset is divided into 7 features (independent variables) and 1 predictor (dependent variable). Test results show perfect performance with precision, recall, F1-score, accuracy values of 100%. Then the visualization results on the ROC (Receiver Operating Characteristic) curve to depict the TP (True Positive) value on the Y axis against the FP (false Positive) value on the become overfit. It is recommended that in preparing the training dataset, measure the training data and reduce the features, after carrying out feature selection to increase the accuracy of the model.            Keywords: child nutritional status; growth and development logistic regression; machine learning Abstract: Masalah Gizi anak menjadi perhatian penting bagi orangtua untuk memperhatikan tumbuh kembang, terutama kesehatan dan kejahteraan. Menurut hasil survei status Gizi Indonesia (SSGI) Kemenkes memperlihatkan 4 permasalahan gizi anak di Indonesia yaitu stunting, wasting, underweight, dan everweight. Dalam penelitian ini, bagaimana memprediksi tanda gejala penurunan status gizi anak menggunakan  algoritma  machine  learning dirancang model prediksi menggunakan logistic regression pada Python IDE dengan  memprediksi anak  terindikasi  penurunan gizi  atau tidak. Dataset dari data Puskesmas Bengkayang  yang terdiri 657 data pasien anak. Dataset dibagi menjadi 7 feature (variabel independen) dan 1 predictor (variabel dependen). Hasil Pengujian memperlihatkan kinerja yang sempurna dengan nilai presisi, recall,  F1-score, akurasi, sebesar 100%. Kemudian hasil Visualisasi pada kurva ROC (Receiver Operating Characteristic) untuk menggambarkan nilai TP (True Positif) di sumbu Y terhadap nilai FP (false Positif) di sumbu X juga menunjukkan nilai yang sangat tinggi dan sudah mendekati angka 1 ini pertanda bahwa model ini menjadi overfit. Sebaiknya dalam persiapan training dataset diukur dengan data training dan mengurangi feature, setelah melakukan feature Selection untuk meningkatkan akurasi model. Keywords: logistic regression; machine learning; status gizi anak; tumbuh kembang
THE DEVELOPMENT OF A MOBILE APPLICATION FOR FRUIT GARDEN TOURISM INFORMATION SYSTEM IN SIDOARJO USING FLUTTER Zaka, Mohammad Fadli; Eviyanti, Ade; Findawati, Yulian
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 10 No. 2 (2024): Maret 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v10i2.2983

Abstract

Abstract: This research highlights the significance of information technology in producing relevant, accurate, and timely information as the foundation for strategic knowledge in decision-making. Applications, as software, play a vital role in presenting information tailored to user needs, based on provided input data. Flutter, serving as an SDK for mobile app development, brings superior capabilities in cross-platform application development. The development of a mobile application for Fruit Garden Tourism Information System in Sidoarjo using Flutter aims to facilitate the search for fruit garden tourism spots based on user preferences and provide detailed information about those locations. The objective is to assist the community in discovering and enjoying fruit garden tourism in Sidoarjo. In the testing process, the black-box method is utilized to identify system weaknesses, validate the congruence of executed data with inputs, and prevent potential deficiencies and errors in the application before user deployment. In the testing process, the application has successfully passed tests for its interface and all provided features with success. Keywords: application; flutter; fruit garden tourism; information technology. Abstrak: Penelitian ini menggambarkan pentingnya teknologi informasi dalam menghasilkan informasi yang relevan, akurat, dan waktu tepat sebagai dasar pengetahuan strategis untuk pengambilan keputusan. Aplikasi, sebagai perangkat lunak, memiliki peran vital dalam menyajikan informasi sesuai dengan kebutuhan pengguna, berlandaskan pada data masukan yang diberikan. Flutter, sebagai SDK untuk pembuatan aplikasi mobile, menghadirkan kemampuan unggul dalam pengembangan aplikasi lintas platform. Pengembangan aplikasi mobile untuk Sistem Informasi Wisata Kebun Buah di Sidoarjo menggunakan Flutter bertujuan memudahkan pencarian tempat wisata kebun buah sesuai preferensi pengguna dan menyediakan informasi yang terperinci tentang lokasi tersebut. Tujuannya adalah memfasilitasi masyarakat dalam menemukan dan menikmati wisata kebun buah di Sidoarjo. Dalam proses pengujian, metode black box digunakan untuk mengidentifikasi kelemahan sistem, memvalidasi kesesuaian data yang dieksekusi dengan yang dimasukkan, serta mencegah potensi kekurangan dan kesalahan dalam aplikasi sebelum digunakan oleh pengguna. Pada proses pengujian, aplikasi telah berhasil melewati pengujian untuk aspek tampilan dan seluruh fitur yang disediakan dengan sukses. Kata kunci: aplikasi; flutter; teknologi informasi; wisata kebun buah.
ESTIMATION OF JAVA GRDP IN REGENCY/CITY LEVEL: SATELLITE IMAGERY AND MACHINE LEARNING APPROACHES Pemayun, Anak Agung Gede Rai Bhaskara Darmawan; Azizi, M Ziko; Daulay, Nur Ainun; Apriliani, Nur Hidayah; Kartiasih, Fitri
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 10 No. 2 (2024): Maret 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v10i2.2993

Abstract

Abstract: Gross Regional Domestic Product (GRDP) is one of the most important socio-economic indicators. In order to gain a more comprehensive understanding of the current economic situation and regional differences, estimating GRDP using integration of satellite imagery and official statistics data can provide valuable information. This research estimates the GRDP value in 2022 by using data in 2019 to 2021 related to two aspects, agriculture and non-agriculture. Soil adjusted vegetation index (SAVI), enhanced vegetation index (EVI), and land cover (LC) used as agriculture aspect, while nighttime light (NTL), human settlement index (HSI), land area, and population per regency/city used as non-agriculture aspect. GRDP estimation are produced with machine learning approach using support vector machine (SVM) and random forest (RF) method. Correlation test on each variable shows only land area that does not have a significant correlation with GRDP. RF model then chosen as the best model with RMSE, MSE, MAE, and R2 value of 0.2549; 0.5049; 0.7727; and 0.2543, respectively. The estimated values acquired in several regencies/cities have rather near, some even very close to the official statistics values. Keywords: GRDP; satellite imagery; machine learning; random forest; support vector machine   Abstrak: Produk Domestik Regional Bruto (PDRB) merupakan salah satu indikator sosio-ekonomi yang penting. Penghitungan nilai PDRB dengan pendekatan yang melibatkan kombinasi data citra satelit dan statistik resmi dapat memberikan informasi serta pemahaman yang lebih komprehensif. Penelitian ini melakukan estimasi nilai PDRB pada tahun 2022 menggunakan data tahun 2019 hingga 2021 dengan melibatkan dua aspek, agrikultur dan non-agrikultur. Data soil adjusted vegetation index (SAVI), enhanced vegetation index (EVI), dan tutupan lahan (land cover/LC) digunakan sebagai aspek agrikultur, sementara data citra cahaya malam (NTL), human settlement indeks (HSI), luas wilayah kabupaten/kota, dan jumlah populasi per kabupaten/kota digunakan sebagai aspek non-agrikultur. Estimasi PDRB dihasilkan dengan menggunakan pendekatan machine learning berupa support vector machine (SVM) dan random forest (RF). Pengecekan korelasi antarvariabel menunjukkan bahwa hanya variabel luas wilayah tidak berpengaruh signifikan terhadap nilai PDRB. Model random forest kemudian dipilih sebagai model terbaik dengan nilai evaluasi RMSE, MSE, MAE, dan  berturut-turut sebesar 0.2549, 0.5049, 0.7727, dan 0.2543. Nilai estimasi yang diperoleh di beberapa kabupaten/kota cukup mendekati, bahkan ada yang sangat dekat dengan nilai statistik resmi. Kata kunci: PDRB; citra satelit; machine learning; random forest; support vector machine
JAVANESE SCRIPT HANACARAKA CHARACTER PREDICTION WITH RESNET-18 ARCHITECTURE Sudewo, Egi Dio Bagus; Biddinika, Muhammad Kunta; Fadlil, Abdul
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 10 No. 2 (2024): Maret 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v10i2.3017

Abstract

Abstract: This study aims to train computers to recognize Javanese script characters known as Hanacaraka. The evaluation was conducted on the use of Convolutional Neural Network (CNN) with the ResNet-18 architecture in recognizing these characters. The research objective is to overcome traditional character recognition barriers and improve accuracy. The method employed includes building a CNN model with the ResNet-18 architecture and using diverse datasets. The results show a training accuracy of 100%, validation accuracy of 98.01%, and accuracy, precision, recall, and F1-score each at 100%. This study concludes that the developed model successfully achieves a high level of accuracy and contributes positively to the development of Javanese Hanacaraka character recognition technology. Keywords: convolution neural network (CNN); javanese hanacaraka script; resnet-18           Abstrak: Penelitian ini bertujuan melatih komputer untuk mengenali huruf aksara Jawa Hanacaraka. Evaluasi dilakukan terhadap penggunaan Convolutional Neural Network (CNN) dengan arsitektur ResNet-18 dalam pengenalan karakter tersebut. Tujuan penelitian adalah mengatasi hambatan pengenalan karakter tradisional dan meningkatkan akurasi. Metode yang digunakan mencakup pembuatan model CNN dengan arsitektur ResNet-18 dan penggunaan dataset yang beragam. Hasilnya menunjukkan akurasi pelatihan 100%, validasi 98.01%, dan akurasi, presisi, recall, dan F1-score masing-masing sebesar 100%. Simpulan penelitian ini adalah bahwa model yang dikembangkan berhasil mencapai tingkat akurasi yang tinggi dan memberikan kontribusi positif pada pengembangan teknologi pengenalan karakter Hanacaraka Jawa.Kata kunci: convolution neural network (CNN); huruf aksara jawa hanacaraka; resnet-18 
DECISION SUPPORT SYSTEM SOCIAL MEDIA SELECTION IN PURCHAS-ING DECISIONS IN KOTIM USING TOPSIS METHOD Prasetyaningrum, Eka; Sapitri, Amelia Wulan Sari; Yunita, Selviana
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 10 No. 3 (2024): Juni 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v10i3.3036

Abstract

Abstract: Based on the era of globalization people in East Kotawaringin almost all people have used social media, for example, as a personal post some use it to see the promotion of beauty products fashion, and others. The KOTIM community has many who use social media, especially the Young Generation Z who have often used to buy products on social media, for example, Instagram, TikTok, and Facebook. This study will be made using the TOPSIS method for ranking to know which social media is often used by consumers. The researcher also made a questionnaire with Google form that will be tested for the validity or not of the data obtained using SPSS. The object of research is made in East Kotawaringin. The purpose of this study was to determine which social media is often used by the public to purchase decisions in the Kotim Regency. The result of the calculation using the TOPSIS method the social media platform with the highest rating is considered the best choice for decision-making, in this case, TikTok with a rating value of 1. It can be concluded that the social media platform that is widely used by KOTIM residents to make decisions is TikTok.            Keywords: buying decision; social media; TOPSIS  Abstract: Berdasarkan era globalisasi bahwa masyarakat di Kotawaringin Timur hampir seluruh masyarakat telah menggunakan media sosial, contohnya sebagai postingan pribadi ada juga yang menggunakan sebagai melihat promosi produk kecantikan dan fasion dan lainnya. Karena masyarakat KOTIM sudah banyak yang menggunakan media sosial apalagi para anak muda generasi z yang sudah sering menggunakan untuk membeli produk pada media sosial contohnya media sosial instagram, TikTok, dan juga facebook. Pada penelitian ini akan dibuat menggunakan metode TOPSIS untuk perangkingan agar mengetahui media sosial mana yang sering digunakan oleh konsumen. Peneliti juga membuat kuisoner dengan google form yang akan diuji valid atau tidak nya data yang didapat dengan menggunakan SPSS. Objek penelitian yang dibuat berada di Kotawaringin Timur. Tujuan dari penelitian ini adalah untuk mengetahui media sosial mana yang sering digunakan oleh masyarakat terhadap keputusan pemebelian pada wilayah kabupaten KOTIM. Hasil dari perhitungan menggunakan metode TOPSIS platform media sosial dengan peringkat tertinggi dianggap sebagai pilihan terbaik untuk pengambilan keputusan, dalam kasus ini adalah TikTok dengan peringkat nilai 1. Dapat disimpulkan bahwa platform media sosial yang banyak digunakan oleh penduduk KOTIM untuk mengambil keputusan adalah TikTok. Keywords: keputusan pembelian; media sosial; TOPSIS

Page 55 of 69 | Total Record : 685

 53   54   55   56   57 

Filter by Year

2017 2025


Reset
Filter By Issues
All Issue Vol. 12 No. 1 (2025): Desember 2025 Vol. 11 No. 4 (2025): September 2025 Vol. 11 No. 3 (2025): Juni 2025 Vol 11, No 3 (2025): Juni 2025 Vol 11, No 2 (2025): Maret 2025 Vol. 11 No. 2 (2025): Maret 2025 Vol 11, No 1 (2024): Desember 2024 Vol. 11 No. 1 (2024): Desember 2024 Vol. 10 No. 4 (2024): September 2024 Vol 10, No 4 (2024): September 2024 Vol. 10 No. 3 (2024): Juni 2024 Vol 10, No 3 (2024): Juni 2024 Vol 10, No 2 (2024): Maret 2024 Vol. 10 No. 2 (2024): Maret 2024 Vol. 10 No. 1 (2023): Desember 2023 Vol 10, No 1 (2023): Desember 2023 Vol 9, No 4 (2023): September 2023 Vol. 9 No. 4 (2023): September 2023 Vol 9, No 3 (2023): Juni 2023 Vol 9, No 2 (2023): Maret 2023 Vol 9, No 1 (2022): Desember 2022 Vol 8, No 3 (2022): Agustus 2022 Vol 8, No 2 (2022): April 2022 Vol 8, No 1 (2021): Desember 2021 Vol 7, No 3 (2021): Agustus 2021 Vol 7, No 2 (2021): April 2021 Vol 7, No 1 (2020): Desember 2020 Vol 6, No 3 (2020): August 2020 Vol 6, No 2 (2020): April 2020 Vol 6, No 1 (2019): December 2019 Vol 5, No 2 (2019): Juni 2019 Vol 5, No 1 (2018): Desember 2018 Vol 4, No 2 (2018): Juni 2018 Vol 4, No 1 (2017): Desember 2017 More Issue