cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Rochmat Aldy Purnomo
Contact Email
purnomo@umpo.ac.id
Phone
-
Journal Mail Official
komputek@umpo.ac.id
Editorial Address
-
Location
Kab. ponorogo,
Jawa timur
INDONESIA
KOMPUTEK
Published by Universitas Muhammadiyah Ponorogo
ISSN : 26140985     EISSN : 26140977     DOI : -
Core Subject : Science, Engineering,
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Mechanical Engineering
Jurnal Mahasiswa Teknik (Mesin, Elektro dan Informatika) Universitas Muhammadiyah Ponorogo ISSN : 2614-0985 (media cetak) ISSN : 2614-0977 (media online)
Arjuna Subject : -
Articles 203 Documents
 12   13   14   15   16 
Klasifikasi Gejala Awal Covid-19 dengan Algoritma Classification and Regression Tree (Cart) Agung Alamsyah; Anita Desiani; Endro Setyo Cahyono
KOMPUTEK Vol 7, No 2 (2023): Oktober
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/jkt.v7i2.2095

Abstract

COVID-19 is a disease that can cause death and can spread to others. By identifying early symptoms of the disease, early detection can be made for several symptoms that may cause COVID-19. One way to predict COVID-19 is through classification methods. By identifying the symptoms that have an impact on COVID-19, it is hoped that the COVID-19 virus can be stopped from spreading and the world's condition can be normal. This study shows an analysis of attributes that may have an impact on the onset of COVID-19 in an individual. The classification method used is one of the decision tree methods, namely the Classification and Regression Tree (CART). The training and testing methods used in this study are cross-validation and percentage split. The attribute that has a significant influence in this classification using CART method is lung infection. The performance of the system using cross-validation method with a value of k of 10 obtained an accuracy of 85%, which is considered good, while using a percentage split of 66%, an accuracy of 87% was obtained. The evaluation results for the class indicating COVID-19 with precision and recall in cross-validation are 70% and 68%, respectively, while for the percentage split method, precision and recall values of 75% and 70% were obtained, respectively.
Analisa Kerusakan dan Perawatan Komponen Sistem Power Train (Kopling) Mobil Avanza di PT Tunas Toyota Serang Dwi Angga Maulana
KOMPUTEK Vol 8, No 1 (2024): April
Publisher : Universitas Muhammadiyah Ponorogo

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

Abstract

Tujuan dari penelitian ini ialah untuk dapat mengetahui permasalahan seperti kerusakan dan perawatan pada salah satu komponen sistem power train yaitu kopling pada mobil avanza, serta dapat memahami penyelesaian dari kerusakan dan perawatan komponen sistem power train tersebut. Penelitian ini dilakukan dengan jenis metode deskriptif kualitatif. Penelitian dilakukan secara langsung yakni pada objek di Tunas Toyota Serang. Teknik pengumpulan data yang dilakukan berupa dokumentasi, kuesioner dan observasi. Teknik analisis data menggunakan analisis deskriptif dan DACUM Research Chart. Teknik validasi data menggunakan Expert Judgement dengan melibatkan Expert Worker, dalam hal ini adalah mechanic atau kepala bengkel di PT Tunas Toyota Serang. Dari hasil penelitian menunjukkan bahwa, masalah kerusakan yang sering terjadi pada sistem kopling mobil Toyota Avanza ialah Tipisnya plat kopling, Aus pada release bearing, Putusnya kabel kopling, Kopling selip, Kopling berbunyi, Kopling susah masuk gigi dan Kopling mengeluarkan bau terbakar. Kerusakan disebabkan karena penggunaan yang kurang baik serta usia kendaraan yang menjadi salah satu faktor kerusakan terjadi. Oleh karena itu perlu untuk kita melakukan perawatan pada sistem kopling agar kinerjanya tetap stabil.  Kata Kunci: Komponen Sistem Power Train (Kopling), Kerusakan, Perawatan.
Sentiment Analysis pada Figur Calon Presiden Indonesia Tahun 2024 menurut Perspektif Mahasiswa Windari Tri Mastuti
KOMPUTEK Vol 8, No 1 (2024): April
Publisher : Universitas Muhammadiyah Ponorogo

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

Abstract

AbstractIndonesia is currently excited about a five-year event, namely the Presidential Election in early 2024. The function of social media as a platform can have a variety of functions, one of which can be used to estimate which side of the community supports the public figure. The purpose of this study is to analyze the sentiment of students towards 3 presidential candidates who may have the greatest chance of becoming president in 2024 through the Twitter platform. The data from this study was obtained through a series of filtering, so that it can be distinguished between the sentiments of real people or not. The data was taken in the range of September 17-23, 2023. The method used is the Naive Bayes Classifier Algorithm to distinguish the sentiments of students on Twitter whether they are positive sentiments or negative sentiments. Researchers use google colab to carry out the sentiment analysis process starting from the stages of data collection, cleaning text, tokenization, stop removal, case folding, polarity, and finally classifying sentiment results. The analysis results show that of the three presidential candidates elected for the 2024 presidential election, Prabowo received 9 positive sentiments and 3 negative sentiments, then Ganjar Pranowo received 7 positive sentiments and 2 negative sentiments, finally Anies Baswedan received 3 positive sentiments and 6 negative sentiments. The conclusion of this research is that it can find out which presidential candidates are preferred by students through the results of sentiment analysis with the Naïve Bayes Classifier method from comment data on Twitter. Keyword: Sentiment Analysis, Naive Bayes Classifier, Twitter, Presidential Candidates, University Students.   AbstrakPada saat ini Indonesia dihebohkan dengan event lima tahunan, yaitu Pilpres di awal tahun 2024. Fungsi sosial media sebagai platform dapat memiliki berbagai macam fungsi, salah satunya dapat digunakan untuk memperkirakan pada sisi mana masyarakat mendukung sosok publik tersebut. Tujuan dari penelitian ini adalah menganalisis sentiment para mahasiswa terhadap 3 calon presiden yang kemungkinan memiliki peluang terbesar menjadi presiden tahun 2024 mendatang melalui platform Twitter. Data dari penelitian ini diperoleh melalui serangkaian pemfilteran, supaya dapat dibedakan antara sentiment orang asli atau tidak. Data diambil dalam kisaran tanggal 17-23 September 2023. Metode yang digunakan adalah Algoritma Naive Bayes Classifier untuk membedakan sentiment para mahasiswa di Twitter apakah termasuk sentiment positif atau sentiment negatif. Peneliti menggunakan google colab untuk melakukan proses analisis sentiment dimulai dari tahapan pengumpulan data, cleaning text, tokenization, stop removal, case folding, polarity, dan terakhir pengklasifikasian hasil sentiment. Hasil analisis menunjukkan bahwa dari ketiga calon presiden yang terpilih untuk pilpres 2024, Prabowo mendapat 9 sentiment positif dan 3 sentiment negatif, kemudian Ganjar Pranowo mendapat 7 sentiment positif dan 2 sentiment negatif, terakhir Anies Baswedan memperoleh 3 sentiment positif dan 6 sentiment negatif. Kesimpulan dari penelitian yang dilakukan ini, dapat mengetahui calon presiden mana yang lebih disukai oleh para mahasiswa melalui hasil analisis sentiment dengan metode Naïve Bayes Classifier dari data komentar yang ada di Twitter.Keywords: Sentimen Analisis, Naive Bayes Classifier, Twitter, Calon Presiden, Mahasiswa.
Analisis Sentiment Cyberbullying pada media Youtube menggunakan Algoritma Naïve Bayes Muhammad Rayhan Elfansyah; Muhammad Reifin Perdana; Ikhsan Nuttakwa Takbirata Ihram Nabawi; Rudiman Rudiman
KOMPUTEK Vol 8, No 1 (2024): April
Publisher : Universitas Muhammadiyah Ponorogo

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

Abstract

This research focuses on analyzing cyberbullying sentiment on YouTube using the Naive Bayes algorithm. This study involved data collection and data pre-processing techniques to analyze comments related to Manchester United. The Orange Data Mining application is used for data modeling and analysis. The research methodology and sentiment analysis using Naive Bayes are explained in detail. Data pre-processing includes steps such as removing URLs, tokenization, filtering, and normalization. Analysis uses Naïve Bayes which produces 81% accuracy, 79% precision and 81% recall. The process includes dividing the data into training data and testing data, and the results can be visualized using a confusion matrix. The references include various studies on sentiment analysis using different methods and platforms.
Implementasi Algoritma Naïve Bayes Pada Analisis Sentimen Terhadap Ulasan Aplikasi DeepL Translate Di Play Store Ahmad Komarudin; Reza Al Ayyubi; Zainul Arif; Mia Kamayani
KOMPUTEK Vol 8, No 1 (2024): April
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/jkt.v8i1.2604

Abstract

Perkembangan teknologi semakin maju dengan pesat, hingga terciptanya sebuah smartphone yang didalamnya tersedia berbagai fitur-fitur canggih. Play Store merupakan layanan yang dibuat oleh Google untuk pengunduhan berbagai aplikasi, game, buku digital, film secara gratis maupun berbayar. Salah satu aplikasi yang tersedia pada Play Store adalah DeepL Translate, yang merupakan aplikasi yang bisa menerjemahkan berbagai bahasa dengan menerapkan Artificial Intelegent (AI) didalamnya. Tujuan penelitian ini yaitu untuk mengevaluasi aplikasi DeepL Translate melalui analisis sentimen pada ulasan menggunakan algoritma Naïve Bayes untuk mengetahui seberapa puas pengguna dalam menggunakan aplikasi ini. Pengambilan data ulasan dilakukan menggunakan teknik scrapping dengan Google Colab sebanyak 995 data, kemudian jumlah dataset berubah menjadi 939 ulasan setelah melalui proses preprocessing dengan data positif sebanyak 771 dan 168 untuk data negatif. Dataset kemudian diseimbangkan menggunakan SMOTE dan diklasifikasikan dengan algoritma Naïve Bayes. Algoritma ini dipakai karena menggunakan probabilitas yang sederhana dan efektif dalam mengklasifikasikan sebuah data. Hasil implementasi algoritma diperoleh accuracy sebesar 93,71%, precision sebesar 98,84%, dan recall sebesar 88,85%, dengan teknik evaluasi yang digunakan adalah confussion matrix.
Algoritma Support Vector Machine untuk Analisis Sentimen Ulasan Aplikasi AXISnet di Google Play Store Edy Subowo
KOMPUTEK Vol 8, No 1 (2024): April
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/jkt.v8i1.2653

Abstract

Aplikasi AXISnet, yang tersedia di Google Play Store, beroperasi sebagai penyedia layanan internet. Meskipun mengumpulkan 10 juta unduhan, peringkatnya berada di 4,3. Dalam ekosistem toko aplikasi, penilaian pengguna dilengkapi dengan ulasan terperinci. Ulasan ini, seringkali tidak terstruktur, merangkum sentimen dan tingkat kepuasan pengguna, sehingga sangat memengaruhi pilihan calon pengguna. Untuk mengukur sentimen pengguna terhadap aplikasi AXISnet, digunakan analisis sentimen menggunakan algoritma Support Vector Machine. Dengan menggunakan metode Knowledge Discovery in Database (KDD), penelitian ini meneliti kumpulan data yang mencakup 61.895 ulasan aplikasi AXISnet. Diantaranya, 31.742 ulasan cenderung positif, sementara 30.153 ulasan mencerminkan sentimen negatif. Selain itu, evaluasi tersebut menghasilkan tingkat akurasi sebesar 86%, yang menggambarkan presisi model secara keseluruhan dalam tugas klasifikasi. Model ini menunjukkan presisi sebesar 87%, yang menyoroti keakuratannya dalam mengidentifikasi hal-hal positif yang sebenarnya di antara hal-hal positif yang diprediksi. Dengan perolehan sebesar 83%, model tersebut menunjukkan kemampuannya dalam mengklasifikasikan kejadian positif aktual secara akurat. Skor F1, yang menunjukkan rata-rata harmonis antara presisi dan perolehan, mencapai 85%, menandakan kinerja seimbang antara mengidentifikasi kelas positif dengan benar dan meminimalkan positif palsu.
Sistem Pakar Diagnosa Penyakit Lobster Air Tawar Menggunakan Metode Certainty Factor Berbasis Web Mochammad Solakhuddin Ihsan; Tholib Hariono; Nurul Yaqin
KOMPUTEK Vol 8, No 1 (2024): April
Publisher : Universitas Muhammadiyah Ponorogo

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

Abstract

Lobster air tawar merupakan binatang air yang tengah naik daun dan sedang marak dibudidayakan oleh para petani lobster. Hal ini disebabkan karena lobster memiliki rasa yang nikmat dan juga warna yang indah. Kendati demikian para petani masih banyak yang belum memiliki cukup pengetahuan dari lobster air tawar, salah satunya tetang penyakit-penyakit yang dapat diderita oleh lobster serta gejala-gejala dari penyakit tersebut dan dikhawatirkan dapat merugikan para petani. Penelitian ini dibuat dengan tujuan agar para petani atau penghobi lobster dapat memahami dan mampu melakukan diagnosa penyakit pada lobster air tawar yang dibangun dengan menggunakan metode certainty factor sebagai metode inferensi-nya. Sistem ini dibuat tidak untuk mengantikan seorang pakar namun untuk membantu para pakar sehingga mempercepat dan mempermudah proses diagnosa. Dari hasil pengujian sistem, hasil diagnosa penyakit oleh sistem memiliki kesamaan dengan diagnosa penyakit oleh pakar dengan perbedaan nilai persentase paling tinggi sejumlah 8%. Dengan itu maka dapat diartikan hasil diagnosa sistem sangat mendekati hasil diagnosa seorang pakar.
Analisis Sentimen Terhadap Calon Wakil Presiden Gibran Rakabuming Raka Menggunakan Algoritma Naive Bayes Muhammad Khumaidi Nursyarif; Muhamad Wahyu Tirta; Muhammad Rahman Hidayat; Rudiman Rudiman
KOMPUTEK Vol 8, No 1 (2024): April
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/jkt.v8i1.2509

Abstract

The turnover of the president and vice president in Indonesia occurs every 5 years. In the year 2024, there will be an election, and one of the vice presidential candidates, listed as candidate number 2, is Gibran Rakabuming Raka, who is the son of Mr. Jokowi, currently serving as the 7th President. Many opinions have been expressed by the public regarding Mas Gibran, especially considering his age of 36 years, which is perceived as relatively young to lead the nation of Indonesia. Therefore, we intend to conduct research with the aim of identifying practical implications related to public perceptions of the potential vice presidential candidate. Data from comments on the YouTube video titled "[FULL] Gibran in Between Ganjar and Prabowo, Which One to Choose? | ROSI" underwent a classification process using the Naive Bayes algorithm for sentiment analysis. The accuracy obtained is 92.5%, with an f1 Score of 92.4%, Precision of 93.5%, and Recall of 92.5%.
Fico Words : Perancangan Game Antarmuka Tebak Kata Interaktif Berbasis Android untuk Anak Usia Dini Mengenal Huruf dan Kata Abdee Achmad Ivanka; M. Ersam Babul Firdaus
KOMPUTEK Vol 8, No 1 (2024): April
Publisher : Universitas Muhammadiyah Ponorogo

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

Abstract

Embracing technological advancements, Fico Words presents innovative solutions in the form of customized word guessing games tailored to different age groups of children. The difficulty levels can be adjusted, providing flexibility to customize the learning experience according to each child's developmental stage. The child-friendly design of this application aims to create an environment that supports children's vocabulary comprehension while stimulating their language development. By combining educational elements with fun, Fico Words serves as an interactive learning platform that creates engaging and beneficial learning opportunities. With a commitment to creating effective and entertaining educational solutions, this project reflects the author's dedication to supporting the educational development of children through the use of smart and effective technology. Fico Words is not just a game; it is a positive step towards supporting enjoyable and meaningful learning for the next generation.
Analisis Efisiensi Konsumsi Daya Listrik di Bank X Surabaya Affan Bachri; Kemal Farouq Mauladi; Arief Budi Laksono; andi andi Rudianto
KOMPUTEK Vol 8, No 1 (2024): April
Publisher : Universitas Muhammadiyah Ponorogo

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

Abstract

Such advances in science and technology are growing more rapidly, making electrical energy a very important source of energy for human life. The importance of electrical energy in everyday life and in the development that is being carried out, demands a reliable and efficient electrical system in technical and cost aspects that can serve and meet human needs well. The method carried out uses observation techniques in the field to find out real data in the field, uses comparative techniques to compare two sample variables or two different times, and uses data collection techniques such as electricity bill accounts, single line charts and dena of the Bank X Surabaya building.From the calculation of the cost of electricity account bills at the Bank X Surabaya Building, which is 528,174 kWh / year with an initial IKE value of 396 kWh / Year is said to be wasteful in the use of electrical energy according to the Energy Consumption Intensity (ECI) standard, where the Energy Consumption Intensity (ECI) standard in Office Buildings is 240 kWh / year. So from the analysis carried out, it was found that Energy Saving Opportunities (ESO) in the lighting system obtained the results of reducing electrical energy consumption for one year, which was 37.4% with savings of 9,912 kWh / Year and in the air conditioning system obtained Saving electrical energy by 29% with savings of 8,565 kWh / Year. Electrical Energy Saving Opportunities in Bank X Surabaya Building are obtained by conducting energy audits from existing data sources in the building and calculating all power loads. After a detailed audit, it was found that Energy Saving Opportunities (ESO) were replaced by CFL lamps, TL Fluorescent into LED lamps. And for the air conditioning system by replacing Non-Inverter AC into Inverter AC.

Page 14 of 21 | Total Record : 203

 12   13   14   15   16 

Filter by Year

2017 2025


Reset
Filter By Issues
All Issue Vol. 9 No. 2 (2025): Oktober Vol. 9 No. 1 (2025): April Vol. 8 No. 2 (2024): Oktober Vol 8, No 2 (2024): Oktober Vol 8, No 1 (2024): April Vol. 8 No. 1 (2024): April Vol 7, No 2 (2023): Oktober Vol. 7 No. 2 (2023): Oktober Vol. 7 No. 1 (2023): April Vol 7, No 1 (2023): April Vol 6, No 2 (2022): Oktober Vol 6, No 1 (2022): April Vol. 5 No. 2 (2021): Oktober Vol 5, No 2 (2021): Oktober Vol 5, No 1 (2021): April Vol 4, No 2 (2020): Oktober Vol 4, No 1 (2020): April Vol 3, No 2 (2019): Oktober Vol 3, No 1 (2019): April Vol 3, No 1 (2019): April Vol 2, No 2 (2018): Oktober Vol 2, No 1 (2018): April Vol 1, No 1 (2017): Oktober More Issue