cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Andy Sapta
Contact Email
saptaandy@gmail.com
Phone
+6285262193068
Journal Mail Official
adinmantap88@gmail.com
Editorial Address
Jl. Rimbang Perumahan Wahyu Asri Bolk A No 5 Siumbut Baru, Asahan, Sumatera Utara
Location
,
INDONESIA
Jurnal Teknisi
Published by Smart Education
ISSN : -     EISSN : 27750965     DOI : 10.54314
Core Subject : Science,
Computer Science & IT
JURNAL TEKNISI is a scientific journal which is published by Smart Education. This journal contains a collection of research in computer tecnology and information system written by researchers, academicians, professionals, and practitioners
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 5 Documents
 1 
Search results for , issue "Vol 3, No 1 (2023): February 2023" : 5 Documents clear
PENGEMBANGAN WIRAUSAHA MAHASISWA BERBASIS TEKNOLOGI (TECHNOPRENEURSHIP) WEB DAN MOBILE (Studi Kasus Pada Prodi Teknik Informatika Universitas Asahan) Ramadhan, Muhammad Sabir
JURNAL TEKNISI Vol 3, No 1 (2023): February 2023
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/teknisi.v3i1.1199

Abstract

Penelitian ini bertujuan menjelaskan kegiatan wirausaha mahasiswa berbasis teknologi (technopreneurship), upaya meningkatkan minat mahasiswa dan lulusan perguruan tinggi menjadi pelaku technopreneurship serta menyusun dokumen arah pengembangan technopreneurship di Prodi Teknik Informatika Universitas Asahan secara khusus dan Kabupaten Asahan secara keseluruahan. Penelitian studi kasus ini menggunakan pendekatan kualitatif deskriptif, pengumpulan data melalui observasi, wawancara, kuisioner dan dokumentasi, berlokasi di 2 kecamatan di Kabupaten Asahan. Penelitian ini menyimpulkan; Rendahnya daya saing produk UMKM Kabupaten Asahan disebabkan masih rendahnya penguasaan teknologi di kalangan pelaku usaha. Bila ada inovasi teknologi sifatnya temporer, hanya untuk keperluan pameran/eksebisi di tingkat regional dan nasional, bukan untuk peningkatan mutu produk, diversifikasi dan efisiensi dalam jangka pendek maupun peningkatan produksi secara berkelanjutan, peningkatan omzet, laba serta perluasan usaha dalam jangka panjang. Pengembangan technopreneurship kemitraan Prodi Teknik Informatika Universitas Asahan (delivery order) merupakan best practice untuk memperluas dan memperkuat technopreneur unggul di daerah. Minat mahasiswa berwirausaha dapat ditingkatkan melalui pembelajaran berbasis riset dan berpusat pada mahasiswa.Kata Kunci: UMKM, technopreneurship, wirausaha, teknologi web, mobile
PENERAPAN REGRESI LINEAR BERGANDA UNTUK MEMPREDIKSI DIABETES SECARA DINI Sari, Ayunita; Putri, Dian Utami
JURNAL TEKNISI Vol 3, No 1 (2023): February 2023
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/teknisi.v3i1.1255

Abstract

Diabetes is a long-lasting disease characterized by high or above normal blood sugar (glucose) levels. Lack of public information about diabetes and constraints on the problem of hospital costs make people reluctant to check themselves at the health center, therefore this can help people find information early on to better maintain their health so they don't suffer from diabetes. Predictive efforts are needed to find out the approximate outcome of diagnosing diabetes in someone early on with Pregnancies, Glucose (sugar), BloodPressure (blood pressure), SkinThickness, Insulin, BMI (Weight), DiabetesPedigreeFunction, Age (Age). Furthermore, predictions use the regression method where there are 7 more methods including (1) Linear Regression, (2) Support Vector Regression - Linear, (3) Support Vector Regression - RBF, (4) Decision Tree Regression, (5) Random Forest Regressor, ( 6) Gradient Boosting Regression, (7) NLP Regressor applied in this study. The aim of the research is to be able to determine the best regression method based on 7 regression methods with the best accuracy value that will be used in the deploy process to predict the outcome of diagnosing diabetes in someone from an early age. Decision tree regression as the best method among other regression methods in 4 accuracy tests with ratios of 90:10, 80:20, 70:30 and 60:40.Keywords: diabetes, decision tree, regressionDiabetes merupakan penyakit yang berlangsung lama ditandai dengan kadar gula (glukosa) darah yang tinggi atau diatas normal. Kurangnya informasi masyarakat mengenai penyakit diabetes dan kendala masalah biaya kerumah sakit membuat masyarakat enggan untuk memeriksakan dirinya ke puskesmas, oleh karena itu ini dapat membantu masyarakat mengetahui informasi sejak dini untuk lebih menjaga kesehatan agar tidak menderita diabetes. Diperlukannya upaya prediksi untuk mengetahui perkiraan hasil diagnose diabetespada seseorang sejak dini dengan Pregnancies, Glucose (gula), BloodPressure (tekanan darah), SkinThickness , Insulin, BMI (Berat Badan), DiabetesPedigreeFunction, Age (Umur). Selanjutnya prediksi menggunakan metode regresi dimana terdapat 7 metode lagi meliputi (1) Linear Regression, (2) Support Vector Regression Linear, (3) Support Vector Regression RBF, (4) Decision Tree Regression, (5) Random Forest Regressor, (6) Gradient Boosting Regression, (7) NLP Regressor yang diterapkan dalam penelitian ini. Tujuan penelitian untuk dapat menentukan metode regresi terbaik berdasarkan 7 metode regresi dengan nilai akurasi paling terbaik yang akan digunakan dalam proses pengolahan deploy untuk prediksi hasil diagnose diabetespada seseorang sejak dini. Decision tree regression sebagai metode terbaik diantara metode regresi lainnya dalam 4 pengujian akurasi dengan rasio 90:10, 80:20, 70:30 dan 60:40.Kata Kunci: diabetes, decision tree, regresi
PENERAPAN METODE NAIVE BAYES UNTUK MEMPREDIKSI PENYAKIT JANTUNG Atthohiroh, Atthohiroh; Ayu, Rama; Maharani, Sri
JURNAL TEKNISI Vol 3, No 1 (2023): February 2023
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/teknisi.v3i1.1252

Abstract

The heart is one of the human organs that has an important function to circulate blood throughout the body. In caring for the human heart, one must know how to take care of the heart and check the health conditions of the heart regularly and do it early in order to avoid dangerous diseases that attack the heart. In this study, a heart disease diagnostic examination was carried out using machine learning with the Nave Bayes method. The criteria used in predicting heart disease with Nave Bayes in this study were gender, BP (pneumonia), Cholesterol (cholesterol), and Maxhr. The purpose of using Naive Bayes in this study is to predict using simple probabilities based on the application of Bayes' rules. In this study, Naive Bayes produced a Precision value for heart disease of 87% and for those without 75%, a recall value for those with heart disease 81% and those without heart disease 82%, support values for those with heart disease 84% and those who do not. 78%.Keywords: machine learning, nave bayes, jantungJantung merupakan salah satu organ manusia yang memiliki fungsi penting untuk mengalirkan darah keseluruh tubuh. Dalam merawat jantung manusia harus mengetahui cara menjaga jantung dan memeriksa kondisi kesehatan jantung secara berkala dan dilakukan sejak dini guna menghindari penyakit berbahaya menyerang jantung. Pada penelitian ini dilakukan pemeriksaan diagnosa penyakt jantung menggunakan machine learning dengan metode Nave Bayes. Kriteria yang digunakan dalam memprediksi penyakit jantung dengan Nave Bayes dalam penelitian ini yaitu gender(jenis kelamin), BP(radang paru-paru), Cholesterol(kolestrol), dan Maxhr. Tujuannya penggunaan Naive bayes dalam penelitian ini untuk memprediksi menggunakan probabilitas sederhana berdasarkan pada penerapan aturan bayes. Pada penelitian ini naive Bayes menghasilkan nilai Precision untuk penyakit jantung 87% dan untuk yang tidak 75%, nilai recall untuk yang terkena penyakit jantung 81% dan yang tidak terkena penyakit jantung 82%, nilai support untuk yang terkena penyakit jantung 84% dan yang tidak 78% .Kata Kunci: machine learning, nave bayes, jantung
IMPLEMENTASI METODE REGRESI LINEAR DALAM MEMPREDIKSI PENYAKIT ANEMIA SECARA DINI Sarah, Anggi Mei; Kurniadi, Bambang; Warsini, Endang
JURNAL TEKNISI Vol 3, No 1 (2023): February 2023
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/teknisi.v3i1.1253

Abstract

At this time, people are still not fully aware that they have anemia or not, so many people are not vigilant. The cost is quite expensive and the place to check for anemia is also quite far away. in checking blood health conditions. The aim of this research is to predict whether someone suffers from anemia by using the regression method. In the regression method there are 7 more methods including (1) Linear Regression, (2) Support Vector Regression - Linear, (3) Support Vector Regression - RBF, (4) Decision Tree Regression, (5) Random Forest Regressor, (6) Gradient Boosting Regression, (7) NLP Regressor applied in this study. Based on the 7 regression methods, we will look for the 1 best method with the best accuracy value that will be used in the deploy process to predict someone's anemia. Decision Tree Regression is the best method among other regression methods. Where the Decision Tree Regression method produces the best accuracy values in 4 accuracy tests with ratios of 90:10, 80:20, 70:30 and 60:40, where each of the ratios produces an accuracy rate of 99% with the best estimated value, namely MAE of 0. on the MSE of 0. on the RMSE of 0. and also on the R2-Score the results are 1.Keywords: anemia, prediction, regression.Pada masa ini masyarakat masih belum sepenuhnya menyadari bahwa ia menderita anemia atau tidak sehingga banyak mayarakat tidak waspada.. Biaya yang cukup mahal dan tempat untuk memeriksa anemia juga memiliki jarak yang cukup jauh, tentunya akan menambah biaya lagi untuk mencari kendaraan sehingga banyak masyarakat yang lalai dalam memeriksa kondisi kesehatan darah. Tujuan dari penelitian ini adalah untuk memprediksi apakah sesorang menderita penyakit anemia dengan menggunakan metode regresi. Pada metode regresi terdapat 7 metode lagi meliputi (1) Linear Regression, (2) Support Vector Regression Linear, (3) Support Vector Regression RBF, (4) Decision Tree Regression, (5) Random Forest Regressor, (6) Gradient Boosting Regression, (7) NLP Regressor yang diterapkan dalam penelitian ini. Berdasarkan 7 metode regresi tersebut akan dicari 1 metode terbaik dengan nilai akurasi paling terbaik yang akan digunakan dalam proses pengolahan deploy untuk memprediksi penyakit anemia seseorang. Decision Tree Regression menjadi metode terbaik diantara metode regresi lainnya. Dimana metode Decision Tree Regression menghasilkan nilai akurasi terbaik dalam 4 pengujian akurasi dengan rasio 90:10, 80:20, 70:30 dan 60:40, dimana masing-masing semua rasio menghasilkan tingkat akurasi sebesar 99% dengan nilai estimasi terbaik yaitu MAE sebesar 0. pada MSE sebesar 0. pada RMSE sebesar 0. dan serta pada R2-Score hasil sebesar 1.Kata Kunci: anemia, prediksi, regresi.
PEMILIHAN KUALITAS PRODUK KELAPA SAWIT MENGGUNAKAN METODE NAIVE BAYES DI LABUHANBATU SELATAN Nurhasanah, Dinda; Lestari, Dinda Ayu; Simatupang, Syamsiah
JURNAL TEKNISI Vol 3, No 1 (2023): February 2023
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/teknisi.v3i1.1254

Abstract

Indonesia is one of the highest palm oil producers in the world. Palm oil is one of the well-known natural resources in the world today because it has high economic value, such as being able to produce palm oil, fuel and others. In Indonesia, one of the largest palm oil producers is the province of Riau, according to the Central Statistics Agency (BPS) noted that Riau will be the largest palm oil producing region in Indonesia in 2021 with as many as 8,629 thousand tons. The quality of CPO is one of the main factors for customers to make purchasing decisions, especially the standards contained in the Indonesian National Standard (SNI) 01-2901-2006. The final quality of this palm oil product is determined by the combined results of CPO quality and kernel quality. Good quality raw materials will affect the selling price of raw materials for a good quality final product. Selection of the quality of palm oil products still uses old methods such as laboratory testing to check water content, free fatty acid levels, and others in the manufacture of CPO, which takes several days to get the results. The purpose of this study is to classify the quality of palm oil products with a method. Having an application/web can help the laboratory produce good CPO. The method used in this study is the Naive Bayes method to obtain data quickly and accurately. The accuracy of the Naive Bayes method in determining the quality of palm oil products is 82.05%.Keywords: qualification, quality, palm oil, nave bayesIndonesia merupakan salah satu penghasil minyak kelapa sawit tertinggi di dunia. Kelapa sawit adalah salah satu sumber daya alam yang terkenal saat ini didunia karena memiliki nilai ekonomis yang tinggi seperti dapat menghasilkan minyak sawit, bahan bakar dan lainnya. Di indonesia salah satu penghasil kelapa sawit terbesar adalah provinsi Riau, menurut Badan Pusat Statistik (BPS) mencatat Riau menjadi daerah penghasil kelapa sawit terbesar Di Indonesia pada tahun 2021 sebanyak 8.629 ribu ton. Kualitas CPO adalah salah satu faktor utama bagi pelanggan untuk membuat keputusan pembelian khususnya standar yang terdapat pada Standar Nasional Indonesia (SNI) 01-2901-2006. Kualitas akhir dari produk kelapa sawit ini ditentukan dari gabungan hasil kualitas CPO dan kualitas kernel. Bahan mentah yang berkualitas baik akan mempengaruhi harga jual bahan mentah untuk kualitas akhir produk yang baik. Pemilihan kualitas produk kelapa sawitnya masih memakai cara yang lama seperti pengujian laboratorium untuk pengecekan kadar air, kadar asam lemak bebas, dan lainnya dalam pembuatan CPO, yang membutuhkan beberapa hari untuk mendapatkan hasilnya. Tujuan dari penelitian ini adalah mengklasifikasikan kualitas produk kelapa sawit dengan sebuah metode. Dengan adanya aplikasi/web dapat membantu pihak laboratorium dalam menghasilkan CPO yang baik. Metode yang digunakan dalam penelitian ini adalah metode Naive Bayes untuk memperoleh data dengan cepat dan akurat.Tingkat akurasi metode Naive Bayes dalam menentukan kualitas produk kelapa sawit adalah sebesar 82,05%.Kata Kunci: klasifikasi, kualitas, kelapa sawit, nave bayes

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2023 2023


Reset
Filter By Issues
All Issue Vol 6, No 1 (2026): February 2026 Vol 5, No 2 (2025): Agustus 2025 Vol 5, No 1 (2025): February 2025 Vol 4, No 2 (2024): Agustus 2024 Vol 4, No 1 (2024): February 2024 Vol 3, No 2 (2023): Agustus 2023 Vol 3, No 1 (2023): February 2023 Vol 2, No 2 (2022): Agustus 2022 Vol 2, No 1 (2022): February 2022 Vol 1, No 2 (2021): Agustus 2021 Vol 1, No 1 (2021): February 2021 More Issue