Articles
360 Documents
<![CDATA[Analisis dan Implementasi Alat Penyiraman Otomatis Pada Tanaman Microgreen Berbasis Internet of Things (IoT) ]]>
<![CDATA[Yoga Pamungkas]]>;
<![CDATA[Zamah Sari]]>;
<![CDATA[Fauzi Dwi Setiawan Sumadi]]>
<![CDATA[ Jurnal Repositor Vol 3 No 2 (2021): Februari 2021 ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22219/repositor.v3i2.1311
<![CDATA[Internet of thing (IoT) adalah suatu konsep yang bertujuan untuk memperluas pemanfaatan internet yang tersambung secara terus menerus. IoT merupakan solusi dalam efisiensi waktu dan tenaga yang dapat digunakan oleh manusia saat ini. Dengan perkembangan teknologi di mungkinkan untuk merancang alat penyiraman otomatis pada tanaman microgreen berbasis IoT. Alat ini menggunakan ESP32 sebagai pengontrol utama, YL-69 sebagai sensor kelembaban media tanam, DHT11 sebagai sensor suhu udara. Pada penggerak alat penyiram ini menggunakan motor Stepper Nema 17. untuk pengiriman data ke internet, alat ini menggunakan protokol HTTP. Berdasarkan analisis dan pengujian Quality of Service (QoS) yang di lakukan pada alat penyiraman otomatis tanaman microgreen berbasis Internet of Things (IoT) mendapatkan nilai sebesar 13000 byte/s pada pengujian throughput, 0% pada pengujian packet loss, dan 272,167 ms pada pengujian delay.]]>
<![CDATA[Pendeteksi Plagiarisme pada Berita Selebritas Menggunakan Algoritma Winnowing dengan Metode K-Gram dan Synonym Recognition (Studi Kasus Berita Selebriti pada Website) ]]>
<![CDATA[Novita Daian Marlissa]]>;
<![CDATA[Setio Basuki]]>;
<![CDATA[Vinna Rahmayanti Setyaning Nastiti]]>
<![CDATA[ Jurnal Repositor Vol 3 No 5 (2021): November 2021 ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22219/repositor.v3i5.1390
<![CDATA[Penelitian ini berfokus untuk menurunkan tindakan plagiarisme pada berita selebriti, dimna sistem yang dibangun menggunakan platform website dengan algoritma Winnowing dengan metode K-gram dan Synonym Recognition yang menghasilkan Fingerprinting. Fingerptinting ini yang digunakan untuk menghitung tingkat kemiripan dengan menggunakan Jaccard Similarity. Sistem ini dibuat menggunakan pemograman PHP dengan framework CodeIgniter. Hasil dari sistem adalah membantu menemukan tindakan plagiarisme pada berita selebriti..]]>
<![CDATA[Analisis Klasifikasi SMS Spam Menggunakan Logistic Regression ]]>
<![CDATA[Ferin Reviantika]]>;
<![CDATA[Yufis Azhar]]>;
<![CDATA[Gita Indah Marthasari]]>
<![CDATA[ Jurnal Repositor Vol 3 No 4 (2021): Agustus 2021 ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22219/repositor.v3i4.1384
<![CDATA[SMS atau Short Message Service biasa nya terdapat pada telepon seluler. SMS dibagi menjadi dua kategori yaitu SMS spam dan SMS non spam (ham). SMS spam adalah SMS yang bersifat mengganggu pengguna telepon karena cenderung berisi pesan yang tidak penting seperti promo dan penipuan. Sedangkan SMS non spam (ham) cenderung berisi SMS yang penting, seperti sudah ada riwayat pesan dengan pengguna sebelumnya. Pada penelitian ini dilakukan klasifikasi SMS spam dan SMS non spam (ham) menggunakan metode logistic regression. Tujuan dari penelitian ini untuk membedakan atau mengklasifikasikan antara SMS spam dan non spam (ham). Dataset dalam penelitian ini berjumlah 1143 data, terdapat dua kolom yaitu kolom teks dan kolom label. Jumlah untuk pesan spam sebanyak 566 pesan dan jumlah untuk pesan non spam sebanyak 577. Metode yang diusulkan mendapat akurasi yang lebih baik yaitu 95%.]]>
<![CDATA[Perbandingan Klasifikasi Berita Hoax Kategori Kesehatan Menggunakan Naive Bayes dan Multinomial Naive Bayes ]]>
<![CDATA[Chita Nauly Harahap]]>;
<![CDATA[Gita Indah Marthasari]]>;
<![CDATA[Nur Hayatin]]>
<![CDATA[ Jurnal Repositor Vol 3 No 4 (2021): Agustus 2021 ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22219/repositor.v3i4.1380
<![CDATA[Berita kesehatan merupakan informasi yang paling dicari dan diminati pada masa pandemi, kebutuhan akan perlunya kiat-kiat kesehatan untuk masyarakat membuat berita kesehatan menduduki peringkat atas berita terpopuler. Disaat meningkatnya minat baca masyarakat terhadap berita, banyak pihak tidak bertanggung jawab memanfaatkan keuntungan tersebut dengan menyebarkan berita tidak benar yang menggiring opini masyarakat agar menyudutkan pihak tertentu dan berisi informasi yang melenceng dari pendapat ahli kesehatan. Oleh karena itu salah satu cara untuk mengatasi tersebarnya berita hoax penelitian ini melakukan klasifikasi berita kesehatan berbahasa Indonesia secara otomatis. Pada penelitian ini dataset yang digunakan sebanyak 100 berita kesehatan non-hoax dan 100 berita kesehatan hoax. Proses klasifikasi memalui tahap preproses, pembobotan kata, dan implementasi pada metode naïve bayes dan multimonial naïve bayes. Evaluasi model menggunakan metode 10-fold cross validation, metode multinomial naïve bayes bekerja lebih baik dan efisien daripada metode naïve bayes.]]>
<![CDATA[Penggalian Informasi Berdasarkan Karakteristik Pembaca Berita Menggunakan User Persona ]]>
<![CDATA[Dimas Yoga Mukhlashin]]>
<![CDATA[ Jurnal Repositor Vol 3 No 4 (2021): Agustus 2021 ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22219/repositor.v3i4.1275
<![CDATA[Membangun sebuah sistem perangkat lunak perlu memahami tujuan dari sistem,yang mana nantinya akan berinteraksi dengan user/pengguna. Persona adalah dokumentasi yang berisi penjelasan tentang karakteristik user digabungkan dengan tujuan, kebutuhan dan ketertarikannya yang menjadi target user yang didapatkan dari hasil penelitian tentang user yang sesuai target. Istilah Persona diperkenalkan pertama kali oleh Alan Cooper yang menggunakan persona dalam perancangan interaksi secara praktis untuk menghasilkan produk high-tech. penelitian bertujuan untuk mendapatkan hasil terbaik dalam meningkatkan sistem melalui persona terhadap pengembangan rekayasa perangkat lunak Penggunaan user Persona dalam tahap identifikasi perangkat lunak system informasi ini memudahkan pemahaman tentang apa yang perlu dikembangkan karena Teknik ini sangat berorientasi pada pemahaman pengembangan terhadap user. Dengan harapan akhir sistem dapat digunakan sesuai dengan harapan user/penggunanya.]]>
<![CDATA[Sistem Rekomendasi Video Pada Youtube Menggunakan Metode Collaborative Filtering dan Algoritma Support vector machine (SVM) ]]>
<![CDATA[Dini Tri Purwaningsih]]>;
<![CDATA[Setio Basuki]]>;
<![CDATA[Vinna Rahmayanti Setyaning Nastiti]]>
<![CDATA[ Jurnal Repositor Vol 3 No 5 (2021): November 2021 ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22219/repositor.v3i5.1391
<![CDATA[Penelitian ini bertujuanUuntuk meningkatkanOkualitas hasil rekomendasi berbasis klasifikasi dengan menggunakan metode collaborative filtering dengan membangun sistem menggunakan pemrograman PHP dengan framework CodeIgniter. Serta pengukuran keakuratan dari sistem rekomendasi dengan menggunakan algoritma support vector machine yang menghasilkan persentase yang menunjukkan keakuratandari sistem yang telah dibentuk. Hasil dariusistem yan telah dibuat yaitu sebuah sistem rekomendasi video yang menampilkan hasil dari pencarian sebuah kueri oleh user.]]>
<![CDATA[Klasifikasi Harga Ponsel Menggunakan Support Vector Machine (SVM) ]]>
<![CDATA[Oktavia Dwi Megawati]]>
<![CDATA[ Jurnal Repositor Vol 3 No 4 (2021): Agustus 2021 ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22219/repositor.v3i4.1286
<![CDATA[Pada era digital sekarang yang semakin berkembang pesat terutama dalam berbagai macam fitur yang ada diponsel serta bertambahnya tingkat spesifikasi ponsel. Fitur-fitur ponsel yang semakin berkembang seperti kamera, ram, kapasitas baterai yang semakin besar menjadi faktor penentu harga sebuah ponsel. Semakin bagus spesifikasi atau semakin banyak fitur yang dimiliki oleh ponsel maka harganya juga akan semakin mahal. Pada penelitian kali ini untuk menghitung seberapa berpengaruhnya fitur yang dimiliki ponsel terhadap harga ponsel menggunakan metode klasifikasi support vector machine yang dibantu dengan n-fold cross validation untuk menentukan rata-rata keberhasilan dari suatu sistem dengan metode yang melaksanakan perulangan dengan mengacak atribut masukan sehingga sistem tersebut terbukti buat sebagian atribut masukan yang acak. Pada paper ini melakukan penelitian menggunakan metode Support Vector Machine untuk mengklasifikasi harga ponsel yang menghasilkan nilai akurasi sebesar 96%.]]>
<![CDATA[Klasifikasi Aktifitas Pada Human Activity Recognition Dataset Menggunakan Logistic Regression ]]>
<![CDATA[Rizalwan Ardi Ramandita]]>;
<![CDATA[Wahyu Andhyka Kusuma]]>;
<![CDATA[Agus Eko Minarno]]>
<![CDATA[ Jurnal Repositor Vol 3 No 5 (2021): November 2021 ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22219/repositor.v3i5.1348
<![CDATA[Smartphone dan smartwatch telah menjadi perangkat yang diperlukan dalam kehidupan sehari-hari selama beberapa tahun terakhir. Smartphone yang tersebar pada masyarakat dilengkapi dengan berbagai sensor seperti Accelerometer dan Gyroscope yang dapat mengumpulkan data mentah. Pada penelitian sebelumnya, sensor tersebut diletakkan di berbagai posisi pada bagian tubuh manusia. Data ini dapat digunakan untuk melakukan Human Activty Recognition (HAR). HAR telah banyak diterapkan pada kehidupan kita sehari-hari seperti mendeteksi kesehatan, perilaku manusia dan pelacakan lokasi tindak kesehatan. Dataset yang digunakan pada penelitian ini menggunakan data dari UCI Machine Learning dengan 30 orang subject. Penelitian ini mengusulkan metode Logistic Regression dengan penambahan Hyperparameter untuk mendapatkan hasil akurasi yang lebih baik. Hasil ini memiliki peningkatan performa Logistic Regression dalam klasifikasi Human Activity Recognition dengan meraih nilai akurasi sebesar 95,92% pada semua aktivitas.]]>
<![CDATA[Classification Of Malware Families Using Naïve Bayes Classifier ]]>
<![CDATA[Ramadan Pratama]]>;
<![CDATA[Denar Regata Akbi]]>;
<![CDATA[Vinna Rahmayanti Setianingsih Nastiti]]>
<![CDATA[ Jurnal Repositor Vol 3 No 4 (2021): Agustus 2021 ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22219/repositor.v3i4.1411
<![CDATA[Dikarenakan peningkatan pengguna smartphone Android berbanding lurus dengan peningkatan pengembangan malware yang semakin pesat. Tidak jarang penelitian tentang malware setiap tahunnya yang membahas tentang malware families dengan berbagai macam pendekatan yang salah satunya machine learning. Dengan mendapatkan data malware yang kredibel, dapat memudahkan peneliti dalam menganalisa malware. Terdapat kumpulan data malware yang dibuat the Canadian Institute for Cybersecurity(CIC) yang dapat diakses secara publik. Data ini disebut CICInvestAndMal2019 yang berisi data malware. Dataset ini dibuat dengan melakukan analisa statis dan dinamis pada smartphone secara real time. Hasil dari analisa tersebut kemudian diproses dengan metode Random Forest yang menghasilkan precision 61.2% dan recall 57.7%. Berdasarkan penelitian tersebut, maka penulis akan mengklasifikasikan dataset CICInvestAndMal2019 menggunakan metode Naïve Bayes, dan hasil yang didapat dari klasifikasi Naïve Bayes adalah nilai recall dan precision sebesar 68% dan 66%.]]>
<![CDATA[Perbandingan Model Polynomial Regression dan Facebook Prophet untuk Prediksi Jumlah Pasien Positive COVID-19 di Indonesia ]]>
<![CDATA[Tsabitah Ayu Rahmawati]]>;
<![CDATA[Gita Indah Marthasari]]>;
<![CDATA[Nur Hayatin]]>
<![CDATA[ Jurnal Repositor Vol 3 No 5 (2021): November 2021 ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22219/repositor.v3i5.1394
<![CDATA[Corona Virus Disease 2019 atau yang biasa disebut sebagai COVID-19 menjadi ancaman bagi seluruh dunia, terutama bagi Negara Indonesia. WHO menyebutkan bahwa COVID-19 adalah sindrom pernafasan akut parah yang ditularkan melalui tetesan saluran pernapasan (air liur atau ingus) dan kontak langsung dengan penderita. Penyakit ini membutuhkan perhatian khusus dari pemerintah agar penyebaran Covid-19 ini semakin berkurang. Wabah ini telah memasuki Indonesia pada awal bulan maret, dan sampai saat ini jumlah penderita penyakit ini semakin meningkat. Pada penelitian kali ini, akan ditunjukkan perbandingan dari prediksi yang dihasilkan oleh model polynomial regression dan model FBProphet dengan realita yang terjadi terhadap jumlah pasien positive COVID-19 untuk menghasilkan prediksi yang akurat sebagai persiapan kemungkinan terburuk penderita COVID-19. Dataset yang digunakan sebanyak 396 data yang diambil dalam kurun waktu 02/03/2020 hingga 31/12/2020 pada dataset gitbub dan kemudian dilengkapi hingga tanggal 31/03/2021 pada website covid19.go.id. Dari hasil penelitian ini hasil prediksi yang terbaik terdapat pada Polynomial Regression dengan tingkat akurasi sebesar 0,98%, sedangkan dengan FBProphet tingkat akurasi yang didapat sebesar 0,95%. Hal ini dapat membantu paramedis dalam meramalkan perkiraan jumlah pasien positif covid-19 di Indonesia.]]>
