cover
Contact Name
Anis Masruriyah
Contact Email
anis.masruriyah@gmail.com
Phone
+6282132204781
Journal Mail Official
anis.masruriyah@gmail.com
Editorial Address
Jalan Ronggo Waluyo Sirnabaya, Puseurjaya, Kec. Telukjambe Tim., Kabupaten Karawang, Jawa Barat 41361
Location
Kab. karawang,
Jawa barat
INDONESIA
Scientific Student Journal for Information, Technology and Science
ISSN : 27152766     EISSN : -     DOI : -
Core Subject : 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 19 Documents
Search results for , issue "Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science" : 19 Documents clear
Implementasi Algoritma Naive Bayes Pada Analisis Sentimen Terhadap Pelayanan Jasa Pengiriman Berdasarkan Opini Twitter Abdul Majid; Amril Siregar; Deden Wahiddin
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Tujuan penelitian ini menganalisis yang hasilnya dapat di olah bahan untuk evaluasi bagi pelayanan jasa pengiriman. Dalam penelitian ini data yang di Crawling Data dengan berbentuk format excel terbagi menjadi 3 kelas yaitu kelas positif, negatif, dan netral. Setelah itu data mengalami tahap filter data dari labelling data menjadi 2 kategori yaitu kategori kelas positif dan kelas negatif yang ada di data tweet menggunakan metode klasifikasi dengan label positif ditandai angka 1, sedangkan label negatif ditandai dengan angka -1. Data yang sudah dilakukan pelabelan sebanyak 1325 data tweet yang masuk dalam kata kunci ”Kurir” terdapat kelas positif ada 848 data tweet, dan kelas negatif ada 477 data tweet dengan menggunakan Algoritma Naïve Bayes. Lalu akan melakukan tahapan text preprocessing yang terdiri dari case folding, tokenizing, filtering, stemming, dan TF-IDF dan akan menghasilkan nilai sentimen positif dan negatif. Selanjutnya akan melakukan tahap pembagian dataset dibagi menjadi data training sebanyak 927 data, dan data testing sebanyak 398 data dengan menggunakan rasio 0.3 yang artinya 70% data training dan 30% data testing. Selanjutnya melakukan tahap evaluasi model klasifikasi algoritma Naive Bayes dengan menggunakan Confusion Matrix. Dari pengujian tersebut didapatkan hasil analisis sentimen dengan kata kunci ”kurir” mendapatkan nilai akurasi yang cukup baik dengan nilai akurasi sebesar 80%, presion 84%, dan Recall sebesar 87%.
Model Prediksi Harga Rumah Di Kabupaten Bandung Menggunakan Multiple Linear Regression Dan Support Vector Regression Aenul Fuadah; Amril Siregar; Yana Cahyana
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Rumah suatu bangunan dengan peran yang sangat penting untuk kehidupan manusia, karena rumah sebagai tempat hunian dan berkumpulnya keluarga. Semakin banyaknya pembangunan rumah yang dibangun oleh pemerintah dan pengembang, dapat mempengaruhi pada suatu harga rumah. Maka konsumen juga memiliki banyak pilihan dalam memilih tempat tinggal, dengan harga rumah yang setiap tahunnya berbeda-beda. Untuk mempertimbangkan pembelian rumah sesuai harga yang diinginkan, perlu adanya metode untuk memprediksi harga perumahan. Salah satu cara untuk mengetahui prediksi harga rumah, dapat melakukan analisis pada data harga rumah sebelumnya. Pada penelitian ini dilakukan prediksi harga rumah pada kabupaten Bandung menggunakan algoritma Multiple Linear Regression dan algoritma Support Vector Regression. Tujuan penelitian ini untuk mengetahui kinerja algoritma mana yang lebih baik dalam pembuatan model prediksi menggunakan data harga rumah kabupaten Bandung. Hasil penelitian ini, pada algoritma Multiple Linear Regression memperoleh R2-Square sebesar 69% dan RMSE sebesar 694.18. Pada algoritma Support Vector Regression menghasilkan nilai R2-Square sebesar 68% dan RMSE sebesar 704.93. maka algoritma Multiple Linear Regression lebih baik dalam memprediksi harga rumah kabupaten Bandung.
IMPLEMENTASI ALGORITMA NAÏVE BAYES PADA ANALISIS SENTIMEN LARANGAN PENJUALAN ROKOK BATANGAN DI MEDIA TWITTER Ai Yanti; Deden Wahiddin; Rahmat Rahmat
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Merokok adalah kebiasaan yang tak terpisahkan dari kelompok perokok di Indonesia. Menurut laporan Kementerian Kesehatan, sekitar 33,8% dari total penduduk Indonesia adalah perokok, artinya satu dari tiga orang termasuk perokok. Selain dampak kesehatan, sektor ekonomi juga dipengaruhi karena industri tembakau berkontribusi signifikan pada APBN tahun 2020, mencapai 10,11%. Oleh karena itu, pada tahun 2023, pemerintah berencana melarang penjualan rokok batangan secara perorangan. Hal ini berarti perokok harus membeli rokok dalam kemasan. Kebijakan ini didasarkan pada Keputusan Presiden (Keppres) yang melarang penjualan rokok batangan, yaito Keppres No. 25 Tahun 2022, sebagai bagian dari Program Penyusunan Peraturan Pemerintah Tahun 2023. Tujuan utama kebijakan ini adalah melindungi anak-anak agar tidak dapat membeli rokok batangan, yang lebih sering dibeli oleh mereka. Oleh karena itu, sebuah penelitian dilakukan untuk mengeksplorasi sentimen masyarakat terkait larangan penjualan rokok pada tahun 2023, khususnya di platform media sosial seperti Twitter. Metode yang digunakan dalam penelitian ini adalah Naive Bayes untuk menganalisis sentimen. Proses melibatkan beberapa tahap, termasuk pembersihan data, konversi huruf kecil, pemisahan kata (tokenizing), normalisasi, penghapusan kata-kata umum (stopword), dan penyederhanaan kata (stemming). Setelah tahap pra-pemrosesan, data diberi label dan diklasifikasikan menggunakan metode Naive Bayes. Hasil kategorisasi tweet cenderung bersifat positif atau negatif. Dari penelitian ini, tingkat akurasi yang dicapai adalah 73%, presisi sebesar 84%, dan recall mencapai 69%.
IMPLEMENTASI ALGORITMA NAÏVE BAYES DAN K-NEAREST NEIGHBOR UNTUK ANALISIS SENTIMEN TERHADAP LAYANAN INDIHOME BERDASARKAN OPINI TWITTER Aida Solehah; Amril Siregar; Adi Pratama
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Dengan berkembang pesatnya teknologi, maka semakin besar juga penggunaan internet. Untuk menunjang kebutuhan internet agar semakin cepat dan nyaman digunakan maka diperlukan pula provider jaringan yang cepat untuk mengakses internet. Pada tahun 2018, Sebanyak 18,9% dari pengguna internet menyatakan bahwa media sosial adalah penggunaan utama internet mereka. Twitter adalah salah satu media sosial yang banyak digunakan untuk mencari hiburan, bisnis, ekonomi, politik, dan jenis informasi lainnya. Indihome merupakan provider yang banyak digunakan pengguna untuk mengkases internet, Di tahun 2022, IndiHome dinyatakan sebagai pemilik Internet Service Provider (ISP) yang paling banyak digunakan oleh pengguna ISP dibandingkan provider lainnya sehingga indihome dapat menarik perhatian masyarakat yang lebih besar. Penelitian ini akan melakukan analisis sentimen terhadap pelayanan indihome, data diambil dari opini-opini pengguna twitter. Data yang digunakan berjumlah 1008 data tweet dan data akan diklasifikasikan menjadi dua yaitu opini negatif dan positif. Algoritma Naive Bayes dan K-Nearest Neighbor digunakan untuk mengklasifikasikan data setelah dibagi menjadi 70% data latih dan 30% data uji. Algoritma Naive Bayes memiliki akurasi 81,8%, presisi 88,5%, dan recall 86,6%, sedangkan Algoritma K-Nearest Neighbor memiliki akurasi 59,0%, presisi 95,4%, dan recall 46,8% saat diuji menggunakan Confusion Matrix.
Prediksi Harga Rumah Di Karawang Menggunakan Algoritma Multiple Linear Regression dan Support Vector Regression Ali Handani; Amril Siregar; Tohirin Mudzakir
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Rumah atau tempat tinggal merupakan kebutuhan utama bagi manusia, sehingga perlu perencanaan yang baik agar setiap keluarga dapat memiliki tempat tinggal yang layak. Dalam perencanaan tersebut, diperlukan prediksi atau perkiraan harga rumah di masa depan. Oleh karena itu, penelitian ini bertujuan untuk membuat model prediksi harga rumah menggunakan algoritma Multiple Linear Regression (MLR) dan Support Vector Regression (SVR) untuk dibandingkan. Data penelitian dikumpulkan melalui web scrapping dari beberapa situs web di bidang jual beli rumah, adapun variable yang mempengaruhi harga rumah seperti alamat, luas tanah, luas bangunan, kamar tidur, kamar mandi. Untuk tingkat yang baik dalam prediksi harga rumah, penelitian dilakukan beberapa kali dengan menggunakan data dependent dan data independent sebanyak 1732 data. Hasil perbandingan mendapatkan nilai akurasi 0.5439 dan evaluasi RMSE 148.3586 untuk algoritma Multiple Linear Regression (MLR), sedangkan algoritma Support Vector Regression (SVR) mendapatkan akurasi 0.5104 dan evaluasi RMSE 153.7563.
Model Prediksi Kekuatan Gempa Dengan Menggunakan Algoritma Linear Regression Dan Support Vector Regression (Studi Kasus BMKG) Annisa Nurhalizah; Yana Cahyana; Rahmat Rahmat
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Gempa bumi merupakan jenis bencana alam yang sulit untuk dihindari hal tersebut dapat berdampak buruk bagi kehidupan masyarakat. Penelitian ini bertujuan untuk melakukan prediksi kekuatan gempa bumi di Pulau Jawa. Prediksi dilakukan dengan menggunakan algoritma Linear Regression dan Support Vector Regression sebagai pembanding. Pada algoritma Linear Regression mendapatkan nilai RMSE = 48.8352, MAPE = 1.2564 dan MAE = 24.065, sedangkan pada algoritma Support Vector Regression mendapatkan nilai RMSE = 50.9992, MAPE = 0.4029 dan MAE = 17.4873. hasil Linear Regression mendapatkan nilai yang lebih baik dalam melalukan model prediksi kekuatan gempa bumi di Pulau Jawa berdasarkan perhitungan RMSE, MAPE dan MAE.
Segmentasi Jumlah Tenaga Kesehatan Berdasarkan Kecamatan di Kabupaten Karawang Menggunakan Metode K-Medoids Aqib Zhaky; Sutan Faisal; Yana Cahyana
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Pembangunan Kesehatan merupakan bagian dari pembangunan nasional yang pada hakekatnya kesehatan adalah merupakan pelaksanaan dalam kesehatan yang upaya kebugaran prosess memperoleh potensi hidup sehat bagi setiap penduduk masyarakat karawang sehingga terwujud derajat kesehatan yang diperoleh dari tenaga kesehatan kabupaten karawang yang bermutu. salah satunya ada di dinas kesehatan di Kabupaten Karawang, Tenaga kesehatan yang cukup kurang memadai di beberapa kecamatan di Karawang akan memudahakan masyarakat di kabupaten karawang di dinas kesahatan jumlah tenaga kesehatan di kecamatan karawang tersebut untuk hidup sehat dan mengobati penyakitnya. Penelitian ini menggunakaan teknik data minning dalam proses pengolahan data dengan metode K-Medoids clustering.Metode K-Medoids adalah salah satu bagian partitioning clustering yang efisien dalam dataset berukuran kecil sekaligus mencari titik yang paling refresentatif. Kelebihan metode ini terletak pada kemampuan mengatasi kelemahan metode K-Means yang sensitif terhadap outlier. Selain itu, hasil proses clustering tidak bergantung pada urutan masuk dataset. Metode tersebut dapat diterapkan ke dalam data presentase tenaga kesehatan yang bersumber pada tingkat kecamatan, sehingga dapat diketahui pengklasifikasian kecamatan sesuai data tersebut. Berdasarkan data pengelompokan tiga cluster tersebut yaitu cluster pertama sebagai cluster terendah sebanyak 13 (empat belas) kecamatan, cluster 2 yaitu 8 (delapan) kecamatan sebagai cluster sedang dan 9 (sembilan) kecamatan sebagai cluster tertinggi yaitu cluster 3 dari presentasi tenaga kesehatan pada setiap kecamatan di kabupaten Karawang. Diharapkan penelitian ini memberikan informasi kepada pemerintah kabupaten Karawang tentang pengelompokkan data tenaga kesehatan yang berdampak pada pemerataan jumlah tenaga kesehatan dalam pelayanan kesehatan terhadap masyarakat di kabupaten Karawang.
Algoritma Backpropagation Jaringan Syaraf Tiruan Untuk Prediksi Volume Logistik Pada Ketersediaan Gudang Ariel Ismail; Deden Wahiddin; ra Rahmat
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Tujuan penelitian ini adalah memprediksi volume logistik untuk ketersediaan gudang, dimana hal tersebut tidak menutup kemungkinan dapat terjadinya pemasukan volume logistik yang seketika membengkak melebihi target persediaan gudang. Untuk mengatasi permasalahan tersebut yaitu dengan memprediksi stok/volume logistik untuk ketersediaan gudang menggunakan salah satu algoritma backpropagation jaringan syaraf tiruan dengan menggunakan tools matlab 2023a. Data yang diperoleh sebanyak 6 tahun dari tahun 2017 sampai 2022 setelah itu, data tersebut dilakukan proses pre processing. Setelah melalui tahap pre processing, data tersebut dibagi menjadi data latih dan data uji. Data latih untuk proses training dan data uji untuk proses testing, data latih sebanyak 5 tahun dari tahun 2017 sampai 2021, dan data uji sebanyak 1 tahun dari tahun 2022 saja. Tahapan penelitian ini dilakukan dengan mulai, pengumpulan data, analisis data, pengujian, implementasi, evaluasi sampai tahap selesai. Kesimpulan dari proses ini algoritma backpropagation menghasilkan nilai MAPE 8.2268%, MSE 0,008091, RMSE 0.08995 dan menghasilkan akurasi sebesar 92%.
Perbandingan kinerja Algoritma Klasifikasi untuk mendeteksi Penyakit Jantung Chepy Sonjaya; Anis Masruriyah; Dwi Kusumaningrum
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Penyakit jantung di Indonesia terutama pada usia produktif selalu terjadi kenaikan jumlah kasus. Adapun penyebab utama terjadinya kenaikan jumlah pasien jantung adalah gaya hidup dan pola makan yang tidak sehat. Meningkatnya pasien penyakit jantung juga berdampak pada penurunan taraf hidup. Dengan adanya hal tersebut, perlu adanya penelitian terkait membandingkan metode klasifikasi pada dataset penyakit jantung. Metode penelitian ini menggunakan model algoritma Support Vector Machine (SVM) dan Logistic Regression (LR). Agar penelitian mendapatkan hasil yang akurat digunakan teknik akuisisi data, pra-pemrosesan data dan transformasi data. Teknik evaluasi model yang digunakan yaitu K-Fold Cross Validation. Hasil analisis menunjukkan bahwa teknik validasi k-fold cross validation memberikan akurasi yang sama baiknya, tetapi hasil presisi relatif rendah. Algoritma SVM menghasilkan akurasi sebesar 91,57%, sedangkan LR menghasilkan akurasi sebesar 91,66%. Akan tetapi, SVM memiliki nilai presisi sebesar 61,20%, sedangkan LR memiliki presisi 54,31%.
Implementasi YOLOv8 Untuk Deteksi Penyakit Daun Jagung Menggunakan Algoritma Convolutional Neural Network (CNN) Daffa Alwan; Hanny Handayani; Sutan Faisal
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Jagung merupakan salah satu tanaman pangan utama dunia, yang menjadi kebutuhan penting setelah padi. Di Indonesia, jagung juga merupakan salah satu tanaman pangan penting setelah beras. Salah satu masalah yang dihadapi di Karawang, terutama dalam sektor pertanian jagung, adalah situasi yang dialami oleh Bapak Sakim di Dusun Sukamaju, Kecamatan Teluk Jambe Timur. Masalah utamanya adalah kegagalan panen yang disebabkan oleh kondisi cuaca yang sangat kering dari bulan Juni hingga September 2023, serta kekurangan pasokan air untuk irigasi tanaman. Hal ini mengakibatkan munculnya beberapa penyakit pada tanaman jagung, termasuk Hawar Daun dan Karat Daun, yang menyebabkan sebagian tanaman mati dan menimbulkan kerugian yang dalam hal biaya seperti pupuk, obat-obatan, dan benih tanaman.Untuk mengidentifikasi penyakit pada daun jagung, seringkali dilakukan secara manual. Proses identifikasi manual ini seringkali memiliki beberapa kendala, Membuat kemungkinan terjadinya penyebaran penyakit pada daun jagung. Diperlukan model deteksi penyakit pada daun jagung berbasis computer vision untuk membantu mengatasi permasalahan tersebut, Salah satunya adalah dengan menggunakan algoritma Convolutional Neural Network (CNN). Proses dimulai dengan pengumpulan dataset penyakit daun jagung dengan jumlah citra sebanyak 900. Selanjutnya, proses pelatihan dilakukan sebanyak 200 epoch. Pengujian dilakukan sebanyak 30 kali dengan foto yang berbeda menggunakan webcam secara real-time dan menghasilkan akurasi sebesar 93%.

Page 1 of 2 | Total Record : 19