Scientific Student Journal for Information, Technology and Science
Scientific Student Journal for Information, Technology and Science berisi artikel-artikel hasil penelitian mahasiswa dari program studi Teknik Informatika, Fakultas Teknik dan Ilmu Komputer pada Universitas Buana Perjuangan Karawang. Jurnal ini dipublikasikan sebanyak dua kali setiap tahun oleh prodi Teknik Informatika. Kemudian, jurnal ini juga diharapkan dapat memberikan kontribusi dan mengembangkan penelitian yang berarti untuk meningkatkan sumber daya penelitian dalam Teknologi Informasi dan Ilmu Komputer.
Articles
18 Documents
Search results for
, issue
"Vol. 3 No. 1 (2022): Scientific Student Journal for Information, Technology and Science"
:
18 Documents
clear
<![CDATA[Klasifikasi Penderita Penyakit Diabetes Menggunakan Algoritma C4.5 ]]>
<![CDATA[Alif Robbani]]>;
<![CDATA[Amril Siregar]]>;
<![CDATA[Dwi Kusumaningrum]]>
<![CDATA[ Scientific Student Journal for Information, Technology and Science Vol. 3 No. 1 (2022): Scientific Student Journal for Information, Technology and Science ]]>
Publisher : <![CDATA[Scientific Student Journal for Information, Technology and Science ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Diabetes merupakan suatu kondisi kronis bisa berlangsung seumur hidup dan akan mempengaruhi kemampuan tubuh dalam menggunakan energi makanan yang telah dicerna. Berdasarkan WHO atau organisasi kesehatan dunia memprediksi pengidap penyakit diabetes miletus di Republik Indonesia dari 8,4 juta jiwa di tahun 2020, dan pada tahun 2030 naik sampai 21,3 juta jiwa. Sedangakan menurut International Diabetes Federation (IDF) juga pada tahun 2009 pengidap penyakit diabetes 7,0 juta jiwa sampai 12,0 juta jiwa tahun 2030. Pada tahun 2030 menurut prediksi WHO dan IDF penderita penyakit diabetes miletus di Indonesia naik 2-3 kali lipat. Pendekatan data mining menjadi sangat penting dalam bidang kesehatan untuk mengambil keputusan berdasarakan data klinis yang besar. Teknik klasifikasi termasuk kedalam bagian metode supervised learning yaitu diperlukannya data latihan dalam membangun pola untuk model klasifikasinya. Algoritma C4.5 termasuk dalam algoritma klasifiksasi yang menghasilkan pohon keputusan dan bisa diolah dengan data diskrit dan numerik, selain itu algoritma C4.5 dapat mengasilkan cara yang mudah untuk diinterpretasikan pada penelitian akurasi dari algoritma C4.5 sebesar 74.08%.]]>
<![CDATA[Implementasi C4.5 dan Algoritma K Nearest Neighbor untuk Prediksi Kelayakan Pemberian Kredit Menggunakan RapidMiner Studio ]]>
<![CDATA[Edi Junaedi]]>;
<![CDATA[Amril Siregar]]>;
<![CDATA[Euis Nurlaelasari]]>
<![CDATA[ Scientific Student Journal for Information, Technology and Science Vol. 3 No. 1 (2022): Scientific Student Journal for Information, Technology and Science ]]>
Publisher : <![CDATA[Scientific Student Journal for Information, Technology and Science ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Perusahaan multifinance hadir untuk mengakomodir keanekaragaman kebutuhan masyarakat mulai dari pembiayaan modal kerja, pembiayaan investasi, hingga pembiayaan multiguna sesuai persetujuan otoritas jasa keuangan (OJK). Selama memiliki persyaratan dan jaminan tertentu, pengajuan kredit dapat dengan mudah dilakukan. Namun, pemberian kredit memiliki resiko yang dpat merugikan perusahaan, sehingga perusahaan harus lebih selektif dalam memberikan pemerian kredit. Untuk meminimalisasi resiko kerugian, dilakukan suatu perhitungan yang dapat memprediksi untuk kelayakan pemberian kredit dengan memperhatikan data-data dari calon nasabah. Salah satu metode yang dapat digunakan untuk prediksi kelayakan pemberian kredit adalah algoritma K-Nearest Neigbor dan algoritma C4.5. Pada penelitian yang telah dilakukan, algoritma K-Nearest Neigbor mendapatkan akurasi sebesar 80% dan algoritma C4.5 mendapatkan akurasi sebesar 87% sehingga metode ini dapat digunakan untuk membantu perusahaan dalam meminimalisasi kerugian yang disebabkan karena kredit macet.]]>
<![CDATA[Pemberian Pakan Ikan Otomatis Berbasis Mikrokontroler ]]>
<![CDATA[Fikri Rohman]]>;
<![CDATA[Yana Cahyana]]>;
<![CDATA[Tohirin Mudzakir]]>
<![CDATA[ Scientific Student Journal for Information, Technology and Science Vol. 3 No. 1 (2022): Scientific Student Journal for Information, Technology and Science ]]>
Publisher : <![CDATA[Scientific Student Journal for Information, Technology and Science ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Pemberian pakan ikan secara intensif dan tepat waktu dapat membuat pertumbuhan ikan berlangsung secara optimal sehingga produksi dalam budidaya ikan meningkat. Umumnya pemberian pakan masih dilakukan secara manual, terlebih saat peternak ikan dalam kondisi kurang sehat atau memiliki urusan penting yang mengakibatkan pemberian pakan menjadi terganggu dan tidak tepat waktu. Untuk itu diperlukan alat yang bisa memberi pakan secara otomatis sesuai jadwal yang sudah ditentukan. NodeMCU ESP-32 dipilih sebagai mikrokontroler yang dapat membuat alat pemberian pakan otomatis karena memiliki kelebihan modul wifi yang tertanam, sehingga alat pemberian pakan otomatis juga bisa diatur dari jarak jauh selama alat masih terkoneksi dengan jaringan internet. Setelah melalui pengujian selama 7 hari tanpa henti, alat pemberi pakan otomatis mendapatkan nilai akurasi waktu sebesar 92,8 % dan akurasi pemberian pakan sebesar 97,6%. Dengan demikian membuktikan bahwa NodeMCU ESP-32 dapat digunakan sebagai alat otomatisasi pemberian pakan ikan sehingga dapat membantu peternak dalam mengatasi masalah pemberian pakan.]]>
<![CDATA[Sistem Pakar Diagnosa Dini Kecanduan Narkoba Menggunakan Algoritma Naive Bayes Berbasis Web ]]>
<![CDATA[Muhammad Yusuf]]>;
<![CDATA[Deden Wahiddin]]>;
<![CDATA[Adi Pratama]]>
<![CDATA[ Scientific Student Journal for Information, Technology and Science Vol. 3 No. 1 (2022): Scientific Student Journal for Information, Technology and Science ]]>
Publisher : <![CDATA[Scientific Student Journal for Information, Technology and Science ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Narkoba merupakan obat-obatan terlarang yang memberikan dampak negative terhadap kesehatan, nama lain dari narkoba adalah NAPZA yang merupakan singkatan dari Narkotika, Psikotropika, dan Zat Adiktif lainnya. Obat-obatan ini mengandung zat-zat berbahaya yang akan memberikan dampak negatif tertentu bagi yang menggunakannya. Narkoba merupakan salah satu masalah yang menjadi fokus utama bagi pemerintah pada masa sekarang, setiap tahunnya pengguna narkoba mengalami peningkatan yang cukup signifikan dikarenakan masih kurangnya pengetahuan dan peran masyarakat dalam mendukung program pemerintah dalam menekan tingkat pengguna narkoba. Untuk itu diperlukan inovasi yang memanfaatkan pengembangan teknologi khususnya teknologi informasi yang dapat diakses oleh setiap masyarakat. Jadi dengan adanya teknologi informasi mengenai diagnosa dini kecanduan narkoba, akan memudahkan masyarakat mengetahui apakah keluarganya kecanduan narkoba atau tidak. Berdasarkan permasalah ini peneliti membuat aplikasi sistem pakar. Sistem pakar dianggap mampu menyelesaikan masalah yang biasanya diselesaikan oleh pakar. Pembuatan sistem pakar ini menggunakan metode naïve bayes dengan mencari nilai probabilitas gejala dini kecanduan dengan hasil outpot diagnosa dini kecanduan narkoba. Dari hasil pengujian yang dilakukan pada 15 data percobaan akurasi diagnosa sesuai pakar sebesar 20% dan tidak sesuai diagnosa pakar sebesar 80%.]]>
<![CDATA[Penerapan Algoritma K-Nearest Neighbord untuk Prediksi Kematian Akibat Penyakit Gagal Jantung ]]>
<![CDATA[Dede Reza]]>;
<![CDATA[Amril Siregar]]>;
<![CDATA[Rahmat Rahmat]]>
<![CDATA[ Scientific Student Journal for Information, Technology and Science Vol. 3 No. 1 (2022): Scientific Student Journal for Information, Technology and Science ]]>
Publisher : <![CDATA[Scientific Student Journal for Information, Technology and Science ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Penyakit kardiovaskular (PKV) menurut definisi dari World Health Organization (WHO) dalam pusdatin Kemenkes RI 2014 yaitu penyakit yang disebabkan oleh gangguan fungsi jantung dan pembuluh darah, seperti penyakit jantung koroner, hipertensi, stroke dan penyakit gagal jantung. Data WHO mengatakan, lebih dari 17 juta manusia di dunia meninggal disebabkan penyakit jantung dan pembuluh darah. Gagal jantung merupakan suatu keadaan dimana jantung tidak dapat memompa darah yang mencukupi untuk kebutuhan tubuh. Mengingat berharganya organ vital seperti jantung, memprediksi gagal jantung telah menjadi prioritas bagi dokter dan tenaga medis, tetapi hingga saat ini prediksi kejadian terkait gagal jantung dalam praktik klinis biasanya gagal mencapai akurasi yang tinggi. Dengan diterapkannya data mining diharapkan dapat menjadi suatu informasi untuk meminimalisir penyakit gagal jantung di Indonesia ataupun dunia. Penelitian ini menggunakan algoritma K-Nearest Neighbord yaitu merupakan algoritma klasifikasi berdasarkan kedekatan jarak suatu data dengan data yang lain. Hasil yang didapat pada peneltian ini yaitu menghitung manual menggunakan Microsoft excelI dengan menggunakan nilsi k=7 yang menghasilkan kategori peristiwa kematian data testing adalah Tidak. Pengujian pada rapidminer dilakukan dengan menggunakan pergantian nilai k, akurasi tertinggi didapat pada nilai k=7 dengan nlai akurasi 94,92%. Kemudian pengujian pada bahasa pemrograman python menghasilkan nilai akurasi 68%.]]>
<![CDATA[Analisis Sentimen Menggunakan Algoritma K-Means untuk Mengetahui Kalimat Positif maupun Negatif pada Buletin APTIKOM ]]>
<![CDATA[Anton Junior]]>;
<![CDATA[Hanny Handayani]]>;
<![CDATA[Anis Masruriyah]]>
<![CDATA[ Scientific Student Journal for Information, Technology and Science Vol. 3 No. 1 (2022): Scientific Student Journal for Information, Technology and Science ]]>
Publisher : <![CDATA[Scientific Student Journal for Information, Technology and Science ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Kurangnya pemahaman literasi membuat masyarakat mengalami kesulitan dalam mengeksplorasi pengetahuan. Sehingga, Asosiasi Pendidikan Tinggi Ilmu Komputer (APTIKOM) membuat media informasi secara daring yang dapat menjelaskan secara detail terhadap pemahaman masyarakat yang berbeda - beda. Media tersebut diberi nama Buletin APTIKOM yang terbit setiap bulan sejak tahun 2020. Melalui buletin ini diharapkan dapat memberikan pengetahuan terhadap masyarakat yang awam dalam teknologi terkini. Namun, dari penerbitan buletin pada aplikasi buletin APTIKOM, tidak adanya pengecekan mengenai sentimen penulisan berupa kalimat positif maupun negatif. Maka dari itu, dibuatnya penelitian ini adalah untuk mencari kalimat positif maupun negatif dalam buletin APTIKOM. Data yang digunakan merupakan data yang diambil dari Buletin APTIKOM. Cara untuk mengetahui sentimen analisis pada buletin tersebut terdapat beberapa proses yaitu dengan menggunakan Text Processing, Term Frequency – Inverse Document Frequency (TF-IDF), algoritma K- Means dan Sum of Square Error (SSE) sebagai evaluasi. Implementasi proses tersebut yaitu menggunakan Bahasa pemrograman R atau bisa disebut R Studio. Hasil dari penelitian menunjukan bahwa dari akurasi K-means dengan dataset berupa 115 kalimat terdapat 1 kalimat bernilai negatif dan 12 kalimat bernilai positif. Dari hasil evaluasi SSE semakin banyak cluster yang digunakan semakin besar nilai SSE dan nilai akurasi k-means semakin kecil. Dapat disimpulkan SSE terbaik bernilai 75.0% dari 2 cluster dan akan bernilai besar jika ditambahkannya cluster secara terus menerus dengan nilai maksimal sampai 100%.]]>
<![CDATA[Pengembangan Sistem Kumbung Jamur Dengan Internet of Things Berbasis NodeMCU ESP8266 ]]>
<![CDATA[Syahrul Azis]]>;
<![CDATA[Jamaludin Indra]]>;
<![CDATA[Anis Masruriyah]]>
<![CDATA[ Scientific Student Journal for Information, Technology and Science Vol. 3 No. 1 (2022): Scientific Student Journal for Information, Technology and Science ]]>
Publisher : <![CDATA[Scientific Student Journal for Information, Technology and Science ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Jamur merang memiliki nama ilmiah Volvariella Volvacea kandungan protein yang dimiliki oleh jamur merang cukup tinggi sehingga baik untuk dikonsumsi. Untuk mendapatkan hasil panen yang maksimal dibutuhkan suhu, cahaya dan kelembapan yang terpantau. Sehingga membutuhkan pengembangan alat yang mampu mempermudah dalam proses pertumbuhan jamur merang. Penelitian ini menggunakan NodeMCU ESP8266 untuk mengendalikan sensor yang terpasang dan penelitian ini menggunakan teknologi internet of things untuk memantau dan mengendalikan kumbung jamur secara jarak jauh. Sensor yang digunakan dalam penelitian ini adalah sensor DHT22 dan sensor LDR. Nilai sensor akan diproses melalui NodeMCU ESP8266 sebagai nilai masukan. Dari nilai tersebut diproses menjadi sebuah nilai keluaran sebagai perintah relay untuk menggerak kipas DC, mist maker dan lampu. Hasil pengujian sensor mendapatkan perbandingan membaca nilai suhu rata – rata error 5%. Pada kelembapan memilki rata –rata error 0,80%, 11,2% rata – rata error cahaya. Dalam pengujian sistem kumbung jamur mendapatkan tingkat akurasi sebanyak 86,6%. Dalam tampilan aplikasi web mampu mengetahu kualitas dalam kumbung jamur.]]>
<![CDATA[Penerapan Algoritma K-Nearest Neighbors untuk Analisis Sentimen pada Buletin APTIKOM ]]>
<![CDATA[Yogi Alfiansah]]>;
<![CDATA[Amril Siregar]]>;
<![CDATA[Anis Masruriyah]]>
<![CDATA[ Scientific Student Journal for Information, Technology and Science Vol. 3 No. 1 (2022): Scientific Student Journal for Information, Technology and Science ]]>
Publisher : <![CDATA[Scientific Student Journal for Information, Technology and Science ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Membaca menjadi salah satu hal mendasar yang cukup penting dalam pembelajaran dan untuk menambah pengetahuan. Berbagai ilmu pengetahuan bisa didapatkan dengan membaca dan membaca juga dapat mengantarkan pada kesuksesan. Permasalahan yang pada saat ini yaitu masih kurangnya minat daya tarik dalam membaca, maka dari itu APTIKOM membuat sebuah media cetak dan daring yang dapat menarik minat baca yaitu Buletin. Namun, belum dapat dipastikan sentimen penulisan dari buletin apakah banyak mengandung kalimat positif atau negatif. Maka dari itu, dibutuhkan sebuah metode khusus untuk mengkategorikan secara otomatis isi dari Buletin tersebut banyak mengandung kalimat positif atau negatif. Data yang diperoleh dari Buletin merupakan sebuah data berbentuk teks atau kalimat yang akan diklasifikasi menggunakan algoritma K-Nearest Neighbors. Untuk mendapat hasil analisis sentimen, dokumen Buletin APTIKOM di filtering terlebih dahulu melalui tahapan text preprocessing. Setelah melalui tahapan text preprocessing, data tersebut diolah analisis sentimennya dan mendapatkan sebanyak lebih dari 150 kalimat yang mengandung sentimen positif dan tidak lebih dari 50 kalimat yang mengandung sentimen negatif dan netral. Hasil pengklasifikasian dengan algoritma K-Nearest Neighbors yaitu mendapatkan nilai K yang optimal berdasarkan nilai akurasi yaitu K=5 dan di evaluasi dengan Confusion Matrix sehingga mendapatkan nilai Accuracy 86.2%.]]>
