cover
Contact Name
Randi Rizal
Contact Email
randirizal@unper.ac.id
Phone
+6285320132014
Journal Mail Official
index@unper.ac.id
Editorial Address
Universitas Perjuangan Tasikmalaya. Jl. PETA No. 177 Kota Tasikmalaya, Jawa Barat
Location
Kota tasikmalaya,
Jawa barat
INDONESIA
Informatics and Digital Expert (INDEX)
ISSN : 27752208     EISSN : 27150453     DOI : https://doi.org/10.36423/index.v2i02.582
INDEX merupakan Jurnal Informatika yang bertujuan untuk mengembangkan penelitian di bidang: Application E-Healthcare, E-Learning, E-Manufacturing, E-Commerce, E-Bussiness, E-Procurment E-Goverment, E-Governance Intellegent System Sistem Pakar Jaringan Syaraf Tiruan Algoritma Genetika Robotika Sistem Pendukung Keputusan Smart City Digital Forensics Network Forensics Smartphone Forensics Cloud Forensics Computer Forensics Manajemen Data dan Pengetahuan Pemodelan Konseptual, Bahasa dan Desain Data Mining Rekayasa Perangkat Lunak Interaksi Manusia dan Komputer Multimedia, Game dan Teknologi Seluler Keamanan Data Pengenalan Pola
Articles 26 Documents
Search results for , issue "Vol. 6 No. 2 (2024): INDEX, November 2024" : 26 Documents clear
PERBANDINGAN ALGORITMA NAÏVE BAYES DAN K-NEAREST NEIGHBOR (KNN) PADA VIDEO YOUTUBE MENGENAI GLOBAL WARMING Himawan, Aldi; Agus Sugianto, Castaka
Informatics and Digital Expert (INDEX) Vol. 6 No. 2 (2024): INDEX, November 2024
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v6i2.1803

Abstract

Pemanasan global merupakan salah satu tantangan lingkungan utama yang dihadapi dunia saat ini, disebabkan oleh peningkatan emisi gas rumah kaca. Media sosial, khususnya YouTube, menjadi platform penting dalam menyebarkan informasi dan menciptakan kesadaran tentang isu-isu ini. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap video YouTube yang membahas pemanasan global, khususnya video yang dibuat oleh Najwa Shihab. Dua metode klasifikasi digunakan, yaitu Naïve Bayes dan K-Nearest Neighbor (KNN), untuk mengklasifikasikan komentar pengguna menjadi kategori positif atau negatif. Data komentar dikumpulkan menggunakan teknik web scraping pada Februari 2024, dan dianalisis menggunakan metode SEMMA Data Mining Process. Hasil analisis menunjukkan bahwa metode Naïve Bayes dan KNN memberikan kinerja yang kompetitif dalam mengklasifikasikan sentimen komentar-komentar ini. Evaluasi dilakukan dengan membagi dataset komentar menjadi beberapa rasio pelatihan dan pengujian, Evaluasi dilakukan dengan membagi dataset komentar menjadi beberapa rasio pelatihan dan pengujian: 70:30, 80:20, dan 90:10. Hasil analisis menggunakan rasio 90:10 yang sudah dilakukan menggunakan 10-fold cross validation menunjukkan bahwa algoritma Naïve Bayes memperlihatkan kinerja yang kompetitif dengan akurasi sebesar 79.17%, presisi sebesar 80.76% recall sebesar 79.17%, dan f1-score sebesar 78.68%. Sementara itu, K-Nearest Neighbor juga menunjukkan kinerja yang kompetitif, dengan akurasi sebesar 76.06% , presisi sebesar 76.70%, recall sebesar 76.06%, dan f1-score sebesar 75.98% . Hasil pengujian T-Test menujukan perbedaan yang signifikan antara algoritma Naïve Bayes dan K-Nearest Neighbor dengan nilai probabilstik 0.0001 kurang dari nilai alpha yaitu 0.05 yang menunjukan bahwa algoritma Naïve Bayes lebih unggul performanya. Selain itu, analisis sentimen menunjukkan bahwa mayoritas komentar memiliki sentimen negatif, mencerminkan bahwa video tersebut berhasil meningkatkan kesadaran masyarakat mengenai isu pemanasan global dan memicu diskusi yang konstruktif.
Optimasi Pemilihan Metode Pengajaran Dosen Menggunakan Data Mining, dan Algoritma K-Means dalam Proses Bisnis Pendidikan Ali Farizal, De; Antonius Alijoyo, Franciskus
Informatics and Digital Expert (INDEX) Vol. 6 No. 2 (2024): INDEX, November 2024
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v6i2.1883

Abstract

Perguruan tinggi di Indonesia dihadapkan pada tantangan tingginya jumlah lulusan yang kurang memiliki kompetensi sesuai dengan kebutuhan dunia kerja, menciptakan kesenjangan antara lingkungan pendidikan dan pasar kerja. Hal ini menimbulkan kekhawatiran akan hambatan kemajuan bangsa. Salah satu penyebabnya adalah metode pembelajaran tradisional yang tidak mengakomodasi berbagai gaya belajar dan kebutuhan individual mahasiswa. Teknologi informasi dan komunikasi (TIK), khususnya data mining, menawarkan solusi untuk meningkatkan kualitas pendidikan dengan menganalisis karakteristik mahasiswa agar metode pembelajaran dapat disesuaikan dan materi lebih mudah dipahami. Data mining, atau Knowledge Discovery in Database atau yang disebut (KDD), adalah proses otomatis mengumpulkan dan menganalisis data untuk mengidentifikasi pola dengan teknik seperti pengelompokan, asosiasi, dan prediksi. Metode clustering K-Means, yang mengelompokkan data berdasarkan karakteristik serupa, dapat digunakan untuk menentukan metode pembelajaran paling efektif. Universitas Cipasung Tasikmalaya (Uncip) dapat memanfaatkan data mining dan algoritma K-Means untuk mengklasifikasikan dan memilih metode pengajaran yang optimal guna meningkatkan kompetensi lulusannya sesuai dengan kebutuhan dunia kerja
Comparison of Classification for Indonesian Language News Documents Using Recurrent Neural Network (RNN) and Long Short Term Memory (LSTM) Algorithms Sri Kusuma Aditya, Christian; Ridha Agam, Muh; Rezky Fadillah, Andhika; Setio Wiyono, Briansyah
Informatics and Digital Expert (INDEX) Vol. 6 No. 2 (2024): INDEX, November 2024
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v6i2.1888

Abstract

The development of online news has grown very fast. The high volume of text documents was triggered by activities from various news sources. Due to the large amount of news that is included on the website, sometimes the news is posted not according to its category which is most likely caused by human error. The grouping of online news is important for user convenience in searching for news according to its category. It need an intelligent system that can classify online news automatically. This research evaluates deep learning techniques using LSTM and RNN, and compared with the results obtained from previous studies, which used the NBC algorithm. To experiment the system, an Indonesia News Corpus with 7 different categories and total 2100 documents, collected by crawling online national news portals, is used. Due to the unbalanced number of class compositions or news categories, integration is also carried out SMOTE. The average empirical results show that the classification accuracy from RNN with SMOTE with an accuracy of 95.2% and followed by LSTM with SMOTE is 97.8%, both of which are able to outperform the NBC method with an accuracy of 73.2%.
Analisis Prediksi Pola Penjualan pada Kantin Sehat Universitas Majalengka menggunakan Data Mining Metode Time Series Analysis dan Algoritma SARIMA Herdi Prayoga, Aa; Antonius Alijoyo, Franciskus
Informatics and Digital Expert (INDEX) Vol. 6 No. 2 (2024): INDEX, November 2024
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v6i2.1905

Abstract

Penerapan data mining memberikan dampak serta kontribusi besar dalam berbagai bidang dan sektor termasuk ritel dan layanan makanan. Data mining dalam konteks analisis telah menjadi salah satu kunci dalam memahami pola dan tren pada sebuah kumpulan data, pada kantin sehat Universitas Majalengka terdapat 406 hingga 686 transaksi perminggu nya, seringkali pada pengelolaan persediaan menjadi kendala mengakibatkan pembengkakan biaya operasional yang pada akhirnya mengurangi profitabilitas kantin. metode time series analysis analysis dan algoritma ARIMA dapat digunakan untuk memprediksi nilai bedasarakan data historis dengan tujuan untuk mengoptimalkan pengelolaan persediaan stok berbasis data. Data transaksi penjualan harian secara historis yang diambil dari satu tenant selama periode tertentu digunakan sebagai sampel analisis untuk memprediksi penjualan mingguan dimasa yang akan datang. Hasil prediksi pola penjualan diharapkan dapat dijadikan acuan pengambilan keputusan strategis pada manajemen operasional kantin memberikan rekomendasi pengadaan stok yang lebih efisien, mengurangi biaya operasional, dan meningkatkan profitabilitas kantin
Analisis Keandalan YOLOv8m untuk Deteksi Varian Produk Kemasan Kotak pada Sistem Manajemen Kesediaan Stock Richo, Richo
Informatics and Digital Expert (INDEX) Vol. 6 No. 2 (2024): INDEX, November 2024
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v6i2.1984

Abstract

Sistem manajemen kesediaan stock secara otomatis dapat meningkatkan efisiensi waktu ketika proses pendataan produk, mempercepat laju penjualan, efisiensi budget, hingga meminimalisir terjadinya tindakan kecurangan pendataan oleh petugas toko. Demi terciptanya tujuan tersebut sudah seharusnya sistem pendataan kesediaan stock dioptimalisasi dengan sistem otomatisasi. Sayangnya, sistem pendataan saat ini masih dilakukan secara manual dengan basis pengecekan produk pada display shelfing sehingga memicu terjadinya kesalahan pendataan oleh petugas, tentunya akar permasalahan ini harus segera diputuskan sehingga efisiensi manajemen persediaan stock dapat terorganisir. Sistem deteksi real-time menggunakan metode YOLO telah beberapa kali dilakukan dan terbukti telah berkontribusi positif pada keakuratan hasil deteksi, salah satunya yakni metode YOLOv8. Pada penelitian ini menggunakan komparasi 4 metode YOLOv8 diantaranya yakni YOLOv8n, YOLOv8s, YOLOv8m, dan YOLOv8l, sebagai langkah untuk menciptakan akurasi model terbaik. Produk deteksi yang digunakan pada penelitian ini menggunakan produk “Pocky 70gram Biscuit Sticks” dengan total varian produk sebanyak 8 class. Penelitian ini menggunakan 400 data training dan 400 data validation. Hasil temuan dari penelitian ini yakni metode YOLOv8m memberikan kontribusi akurasi training terbaik diantara model lainnya dengan persentase precision mencapai 95.45% dan mAP50 sebesar 96.32%. Adanya penyempurnaan pada model YOLOv8m yang telah dilakukan berhasil meningkatkan precision of accuracy model sebesar 97.85% dari sebelumnya yang hanya 95.45%. Hasil persentase average confidence score pada penelitian ini sebesar 86.08% atas kontribusi pengujian keseluruhan varian produk yang diujikan. Keandalan sistem deteksi kesediaan stock ini menunjukkan bahwa sistem application mampu mengenali setiap jenis produk secara tepat dan efektif sehingga output pada penelitian ini dapat bermanfaat untuk efisiensi manajemen kesediaan stock.
Sistem Informasi Pembayaran Terpadu Pada Kelurahan Rawa Bunga nurfaika; Amin, Ruhul
Informatics and Digital Expert (INDEX) Vol. 6 No. 2 (2024): INDEX, November 2024
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v6i2.1985

Abstract

Sistem Keuangan Terpadu merupakan sistem informasi yang berbasis website yang dikembangkan untuk membantu pengelolaan keuangan di Kelurahan Rawa Bunga Kecamatan Jatinegara Kota Administrasi Jakarta Timur. Tata kelola keuangan di Kelurahan Rawa Bunga saat ini masih dilakukan secara manual dan terpisah antar aplikasi, sehingga membutuhkan banyak lokasi simpan berkas dokumen dan memakan waktu dalam pengelolaannya. Dengan permasalahan tersebut, dikembangkanlah Sistem Keuangan Terpadu di Kelurahan Rawa Bunga berbasis website, dimana sistem pembukuan keuangan ini dibuat untuk membantu tata kelola keuangan di Kelurahan Rawa Bunga secara lebih efisien, mudah, cepat, dan tepat. Website ini dibangun menggunakan Metode System Development Life Cycle (SDLC) dengan model waterfall, bahasa pemrograman PHP (Hypertext Preprocessor), dengan framework Laravel, dan database MySQL serta pengujian program menggunakan black-box testing. Hasil dari penelitian ini adalah berupa website sistem informasi keuangan terpadu Kelurahan Rawa Bunga yang dapat dimanfaatkan oleh staf dalam mengarsipkan dan membukukan dokumen keuangan secara digital.
Implementasi Algoritma CNN Dalam Aplikasi Pengenalan Aksara Sunda Dewi Sri Mulyani, Evi; Mufizar, Teuku; Siti Sundari, Shinta; Akbar Kasyfurrahman, Muhammad; Adilal Mahbub, Luthfi; Ahmad Wakih, Agus
Informatics and Digital Expert (INDEX) Vol. 6 No. 2 (2024): INDEX, November 2024
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v6i2.1986

Abstract

Aksara sunda telah digunakan sejak zaman kerajaan-kerajaan Sunda kuno dan masih digunakan hingga saat ini dalam berbagai konteks budaya dan Pendidikan. Penelitian ini mengimplementasikan algoritma Convolutional Neural Network (CNN) dengan arsitektur MobileNet V1 untuk pengenalan aksara Sunda dalam aplikasi berbasis Android. Aksara Sunda, sebagai bagian dari warisan budaya Indonesia, memerlukan perhatian khusus dalam proses pembelajaran dan pelestariannya. Dalam penelitian ini, kami mengembangkan model CNN yang dilatih menggunakan dataset gambar aksara Sunda, yang mencakup berbagai variasi dan gaya tulisan. Model MobileNet V1 dipilih karena efisiensinya dalam pemrosesan di perangkat mobile, memungkinkan inferensi cepat dengan penggunaan sumber daya yang minimal. Proses pelatihan dilakukan menggunakan teknik transfer learning, yang mempercepat konvergensi dan meningkatkan akurasi model. Hasil evaluasi menunjukkan bahwa model mencapai kinerja akurasi sebesar 90,37% dalam pengenalan aksara Sunda. Aplikasi ini dirancang untuk memberikan pengalaman interaktif bagi pengguna, terutama anak-anak, dalam belajar mengenali aksara Sunda dengan cara yang menyenangkan. Melalui implementasi ini dapat, diiharapkan dapat berkontribusi pada pelestarian budaya dan meningkatkan kesadaran masyarakat tentang pentingnya aksara Sunda. Temuan ini juga menunjukkan potensi penerapan CNN dalam bidang pendidikan, khususnya dalam konteks pembelajaran bahasa dan budaya lokal. Penelitian ini diharapkan dapat menjadi dasar untuk pengembangan lebih lanjut dalam aplikasi pendidikan berbasis teknologi.
APLIKASI MOBILE MONITORING DAN DETEKSI DINI TANAH LONGSOR BERBASIS INTERNET OF THINGS (IOT) Rafli Rasyid, Muh; Fahmi Rustan, Muh; Edwin; Dwi Arkam, Fadhil
Informatics and Digital Expert (INDEX) Vol. 6 No. 2 (2024): INDEX, November 2024
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v6i2.1991

Abstract

Tanah longsor merupakan fenomena geologi yang terjadi akibat perpindahan massa batuan atau tanah ke arah bawah, yang sering dipicu oleh kondisi geografis seperti pegunungan dan lereng yang tidak stabil. Provinsi Sulawesi Barat, yang terdiri dari enam kabupaten, salah satu jalur yang paling banyak dilalui untuk menghubungkan antara kabupaten yaitu jalan Nasional Trans Sulawesi adalah jalur Majene-Mamuju sebagai jalur penting yang rentan terhadap longsoran akibat curah hujan tinggi dan kondisi geografisnya yang ekstrem dimana sepanjang jalan berbatasan langsung dengan laut dan tebing, tercatat sepanjang tahun 2022-2024 sering kali terjadi longsoran batu, tanah bahkan pohon tumbang akibat tingginya curah hujan. Penelitian ini bertujuan untuk merancang aplikasi mobile berbasis Internet of Things (IoT) untuk monitoring dan deteksi dini tanah longsor, sejalan dengan prinsip Revolusi Industri 4.0 yang mengutamakan otomatisasi dan digitalisasi. Metode penelitian yang digunakan adalah research and development (RND), dengan model pengembangan prosedural untuk menghasilkan produk yang dapat diuji kelayakannya. Sistem yang dihasilkan mampu memberikan informasi pergeseran tanah, kondisi kelembaban tanah, dan status kondisi hujan pada perangkat mobile serta memberikan peringatan suara melalui buzzer ketika nilai ambang batas untuk setiap sensor terpenuhi untuk status kondisi titikrawan longsor. Komponen utama seperti NodeMCU, sensor kelembaban tanah, sensor hujan, dan accelometer MPU6050 berfungsi sesuai harapan dalam mendeteksi potensi tanah longsor. Hasil pengujian menunjukkan bahwa sistem ini efektif dalam memberikan peringatan dini melalui monitoring dari perangkat mobile dan suara buzzer, dan diharapkan dapat berkontribusi dalam meningkatkan kesadaran dan pencegahan terhadap bahaya tanah longsor.
Pengaruh Teknologi Digital Terhadap Inovasi Dalam Pembelajaran Di Era Transformasi Digital Wardoyo, Siswo; Oktaviyanti, Ranisa; Septiyudin, Epi; Romdoni, Sohip
Informatics and Digital Expert (INDEX) Vol. 6 No. 2 (2024): INDEX, November 2024
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v6i2.1992

Abstract

Penelitian ini bertujuan untuk mengeksplorasi pengaruh teknologi digital terhadap inovasi pembelajaran di era transformasi digital melalui analisis studi literatur. Dengan menggunakan software Publish or Perish sebagai alat pengumpul data dari Google Scholar, penelitian ini mengidentifikasi dan meninjau 8 artikel ilmiah yang terindeks SINTA dalam rentang tahun 2020 hingga Agustus 2024. Proses seleksi dilakukan dengan fokus pada artikel yang mendalami topik "Pengaruh Teknologi Digital dalam Inovasi Pembelajaran," menghasilkan temuan bahwa mayoritas artikel menggunakan metode penelitian kualitatif (87,5%), sementara hanya 12,5% yang menggunakan metode kuantitatif. Tidak ada penelitian yang menggunakan pendekatan R&D, meskipun pendekatan ini direkomendasikan untuk eksplorasi lebih lanjut guna mengembangkan inovasi berbasis teknologi yang lebih aplikatif. Subjek penelitian yang dominan adalah guru dan siswa (25%), sementara subjek lainnya seperti orang tua, karyawan, dan anggota komunitas memiliki persentase lebih kecil (12,5%). Analisis ini mengungkap bahwa teknologi digital berperan penting dalam mendorong inovasi pendidikan dan meningkatkan efektivitas pembelajaran, namun penggunaannya harus diatur dengan baik untuk meminimalisir dampak negatif. Rekomendasi penelitian masa depan mencakup pengembangan model pembelajaran berbasis teknologi melalui pendekatan R&D untuk mendapatkan wawasan yang lebih mendalam dan aplikasi yang lebih praktis. Penelitian ini menekankan pentingnya kolaborasi antara berbagai pihak dalam pendidikan serta penggunaan metode yang terintegrasi guna memaksimalkan potensi teknologi digital dalam proses pembelajaran.
Implementasi Sistem Pendukung Keputusan (SPK) Pada Seleksi Proposal Penelitian Dan Pengabdian Kepada Masyarakat Menggunakan Metode Mod SAW Padli, Muh; Amirul Asnan Cirua, A; Zulkarnaim, Nuralamsah
Informatics and Digital Expert (INDEX) Vol. 6 No. 2 (2024): INDEX, November 2024
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v6i2.2010

Abstract

Kegiatan penelitian dan pengabdian masyarakat merupakan salah satu tugas dan kewajiban dosen yang telah tertuang dalam tridarma perguruan tinggi. Secara rutin tiap tahun setiap kampus melalui Lembaga Penelitian dan Pengabdian kepada Masyarakat (LPPM) menyeleksi dan menerima proposal kegiatan tersebut. Seleksi yang dilakukan oleh beberapa kampus masih dilakukan secara manual. Selain itu, banyaknya kriteria yang digunakan dengan bobot yang bebeda-beda akan memakan waktu proses yang lama. Sehingga, potensi terjadinya human error relatif besar dapat mengakibatkan hasil seleksi proposal yang tidak objektif. Oleh karena itu, diperlukan sebuah sistem yang dapat membantu menentukan proposal lolos seleksi dengan berbagai macam kriteria. Sistem ini dikembangkan menggunakan kombinasi metode Simple Additive Weighting (SAW) dan Weighted Product (WP). Metode yang SAW memungkinkan proses perangkingan lebih simple dan sederhana, serta tak jarang metode ini dilakukan pada kasus pengambilan keputusan dalam rekomendasi pemilihan proposal dengan multi atribut. Sedangkan pada metode WP, dapat melengkapi kekurangan pada metode SAW yaitu dengan adanya perbaikan bobot. Diharapkan melalui penelitian ini, hasil seleksi proposal dapat ditentukan dalam waktu yang singkat dan objektif.

Page 1 of 3 | Total Record : 26