cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
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
Published by Universitas Buana Perjuangan Karawang
ISSN : 27152766     EISSN : -     DOI : -
Core Subject : Science,
Computer Science & IT
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.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 193 Documents
 12   13   14   15   16 
IMPLEMENTASI ALGORITMA NAIVE BAYES DAN C.45 UNTUK KLASIFIKASI PENERIMA BANTUAN SOSIAL DI DESA MINANGA SARI KABUPATEN LAMPUNG TIMUR M Arep Huda; Ahmad Fauzi
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 1 (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

Kemiskinan merupakan masalah lama yang belum terpecahkan dan sulit dipecahkan. Pemerintah sendiri telah melakukan beberapa upaya untuk mengentaskan kemiskinan melalui program kesejahteraan sosial serta dampak Covid-19 yang merusak perekonomian Pemkot khususnya Pemkot Marga Tiga yang tumbuh eksponensial di tahun 2021. Masih ada dukungan pemerintah untuk warga yang tidak tercukupi kebutuhannya Sosialisasi ketimpangan sosial dan undertargeting disebabkan validasi data yang salah. Penambangan data adalah metode komputasi untuk memecahkan masalah klasifikasi dan menggunakan algoritma Naive Bayes dan C4.5 untuk mengukur faktor kelayakan penerima manfaat yang berkorelasi dengan aturan produksi. Oleh karena itu, penulis mengimplementasikan dua algoritma, yang tujuannya adalah untuk memprediksi/mengklasifikasikan bantuan masyarakat desa dan mengetahui akurasi antara algoritma Naive Bayes dan C.45. Selain akurasi, penulis membandingkan dua algoritma, algoritma mana yang lebih cocok untuk menentukan bantuan masyarakat desa. Setelah dilakukan penelitian dengan kedua algoritma tersebut dan algoritma C.45 dengan akurasi 98%, hasil tersebut lebih besar dari algoritma naive Bayesian dengan akurasi 95%, sehingga algoritma C.45 lebih akurat untuk penentuannya. Para dermawan di Desa Margatiga.
Implementasi Algoritma Naive Bayes Untuk Klasifikasi Menentukan Prestasi Siswa Berdasarkan Nilai Rata-Rata Muh Nurhariza; Ayu Juwita; Dwi Kusumaningrum
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 1 (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

Penentukan prestasi siswa umumnya menjadi permasalahan disetiap sekolah salah satunya pada SMK Tri Mitra Karawang. Karena di setiap sekolah terdapat siswa yang rajin belajar dan kurang rajin sehingga siswa memiliki prestasi yang berbeda beda. Pada penelitian ini ada beberapa tahapan yang digunakan, Tahap yang pertama adalah Analisis dimana pada tahap ini tujuannya untuk mendapatkan informasi dan data. Tahap yang kedua adalah Implementasi yang dimana tahap ini melakukan proses perhitungan dan tahap yang ketiga adalah Evaluasi dimana tahap ini untuk mengetahui hasil dari perhitungan. Pada penelitian ini peneliti menggunakan algoritma Naïve Bayes untuk mengklasifikasi menentukan prestasi siswa dengan menggunakan 400 data siswa atau data set yang dijadikan sebagai data latih dan 100 data siswa yang dijadikan sebagai data testing yang diperoleh dari data set. Hasil dari algoritma Naïve Bayes menggunakan Confusion Matrix mendapatkan hasil akurasi sebesar 100%, presisi 100% dan recall 100%.
PENERAPAN METODE NAÏVE BAYES UNTUK KLASIFIKASI SENTIMEN PADA REVIEW PRODUK E-COMMERCE Muhamad Amirrullah; Yana Cahyana; Kiki Baihaqi
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 1 (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

Pemanfaatan teknologi infomasi dan komunikasi dibidang perdagangan salah satunya yaitu berupa penjualan dan pembelian secara online. Dalam kegiatan berbelanja secara online biasanya konsumen mencari terlebih dahulu mengenai produk yang akan dibelinya melalui review dari konsumen sebelumnya, dikarenakan review dari konsumen sebelumnya dapat menyediakan informasi terbaru dari produk tersebut berdasarkan perspektif konsumen lain yang sudah membeli produk tersebut terlebih dahulu. Tujuan dari penelitian ini adalah mengklasifikan review produk tersebut menggunakan algoritma naïve bayes. Klasifikasi naïve bayes merupakan algoritma untuk klasifikasi berdasarkan teorema naïve bayes dan digunakan untuk menghitung sebuah probabilitas dari suatu kelas. Dalam penelitian ini terdapat beberapa tahapan penelitian yaitu preprocessing, implementasi, dan pengujian. Pada pengujian data dibagi menjadi 2 bagian, 80% sebagai data latih serta 20% sebagai data uji. Pada pengujian menggunakan confusion matrix, penelitian ini mendapatkan akurasi sebesar 86%, sedangkan untuk precission mendapatkan nilai rata-rata 88%, serta nilai recall yang mendapatkan nilai rata-rata 86%.
PENERAPAN ALGORITMA K-NEAREST NEIGHBOR DAN C4.5 UNTUK KLASIFIKASI PENYAKIT KANKER SERVIKS Muhammad Ramadhan; Yana Cahyana; Ayu Juwita
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 1 (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

Kanker serviks merupakan penyebab kematian nomor dua pada perempuan di dunia setelah kanker payudara, sedangkan di Indonesia kanker serviks menduduki peringkat pertama, hal tersebut yang menjadikan masalah kesehatan reproduksi di Indonesia masih menjadi sorotan utama. K-Nearest Neighbor (KNN) adalah suatu metode algoritma supervised learning, di mana kelas yang paling banyak muncul (mayoritas) yang akan menjadi kelas hasil klasifikasi. Sedangkan Algoritma C4.5 merupakan sebuah algoritma klasifikasi yang digunakan untuk membangun decision tree (pohon keputusan). Penelitian kali ini bertujuan untuk mengklasifikasikan data resiko kebiasaan kanker serviks dengan menerapkan algoritma KNN dan C4.5. Data diambil dari website UCI Machine Learning sebanyak 72 data dan 19 atribut setelah dilakukan seleksi menjadi 63 data dan 5 atribut yang diantaranya adalah dukungan sosial instrumental, pengetahuan pemberdayaan, kemampuan pemberdayaan dan keinginan pemberdayaan lalu untuk kanker serviks dijadikan untuk atribut kelas. Pengujian ini dilakukan dengan cara manual, pemrograman python dan rapidminer. Penghitungan algoritma KNN telah dilakukan pada pengujian menggunakan rapidminer dengan cross validation kemudian menghasilkan akurasi 80.95% dan dengan split validation membagi data menjadi data training dan testing sebesar 80 : 20 menghasilkan akurasi 83.33%, sedangkan algoritma C4.5 dengan cross validation kemudian menghasilkan akurasi 76.19% dan dengan split validation membagi data menjadi data training dan testing sebesar 80 : 20 menghasilkan akurasi 75.00%. Untuk pengujian dengan pemrograman python dengan split validation membagi data menjadi data training dan testing sebesar 80 : 20 kemudian algoritma KNN mendapatkan hasil akurasi 84.00%, sedangkan algoritma C4.5 menghasilkan akurasi 69.00%. Sehingga algoritma KNN dengan pengujian Python mendapatkan akurasi terbaik pada penelitian ini dengan nilai akurasi 84.00%.
KLASIFIKASI DATA POKOK PENDIDIKAN SEKOLAH DASAR DAN SEKOLAH MENENGAH PERTAMA MENGGUNAKAN ALGORITMA NAÏVE BAYES SERTA C.45 Rafi Sidik; Tatang Rohana; Rahmat Rahmat
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 1 (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

Dapodik digunakan untuk mengumpulkan semua data yang terkait dengan data kurikulum sekolah dan institusi, data siswa, data guru dan staf serta data infrastruktur dari setiap studi sekolah di seluruh Indonesia.. Sarana adalah alat langsung untuk mencapai tujuan pendidikan, lalu prasarana adalah alat tidak langsung untuk mencapai tujuan. Penelitian ini menggunakan Data Dapodik SD dan SMP. Karna pada bidang program dan pelaporan mengalami permasalahan dalam pemberian bantuan sarana dan prasarana pada jenjang SD, SMP sehingga hasil dari klasifikasi dapat ditemukan sekolah yang mengalami sarana dan prasarana yang kurang merata. Penelitian ini dilakukan pengklasifikasian sarana dan prasarana berdasarkan data Dapodik SD, SMP Karawang dengan menggunakan dua algoritma pengklasifikasian. Teknik Data Mining klasifikasi yang digunakan yaitu Naïve Bayes dan C.45. klasifikasi yang akan dilakukan menggunakan 3 kelompok yaitu banyak, sedang, sedikit pada Data Dapodik SD, SMP tahun 2020/2021. Data yang digunakan 100 dibagi menjadi data training 70% dan data testing 30% lanjut perhitungan algoritma Naïve Bayes dengan nilai akurasi 63% sedang kan algoritma C.45 dengan nilai akurasi 73%.
PENERAPAN ALGORITMA NAIVE BAYES UNTUK ANALISIS SENTIMEN CRYPTOCURRENCY PADA MEDIA SOSIAL TWITTER Rizky Riyanto; Yana Cahyana; Rahmat Rahmat
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 1 (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

Dalam penelitian ini, sentimen masyarakat mengenai cryptocurrency yang disampaikan melalui tweet pada media sosial twitter akan di analisis menggunakan machine learning. Terdapat beberapa tahapan dalam melakukan analisis sentimen yaitu tahap pengumpulan data, preprocessing, labeling, pembobotan kata, klasifikasi dan evaluasi. Proses pengumpulan data dilakukan dengan metode scraping menggunakan library python snscrape dan menghasilkan sebanyak 10000 data tweet bahasa Indonesia yang berkaitan yang berkaitan dengan cryptocurrency. Proses preprocessing untuk pembersihan data terdiri dari 6 tahapan yaitu remove duplicate, case folding, cleansing, normalisasi kata, tokenizing, stopword removal dan lemmatization. Pada proses labeling data akan dilakukan secara otomatis menggunakan program python dengan library textblob, hasil labeling data terbagi menjadi 3 kelas yaitu sentimen positif, negatif dan netral. Pada tahap klasifikasi, algoritma naive bayes akan dikombinasikan dengan fitur pembobotan kata TF-IDF dalam satu kelas pipeline python. Data tweet yang digunakan dalam tahap klasifikasi sebanyak 5000 data yang terdiri dari 2500 data dengan label positif dan 2500 data dengan label negatif yang kemudian dibagi menjadi 2 yaitu sebanyak 4000 data untuk data latih dan 1000 data untuk data uji. Pengujian dan evaluasi yang dilakukan dengan metode confusion matrix menggunakan algoritma naive bayes menghasilkan nilai akurasi sebesar 89%
Penerapan Algoritma K-Means Dan K-Medoid Untuk Mengelompokan Tingkat Kunjungan Wisatawan Mancanegara Berdasarkan Rute Masuk Ke Indonesia Rizky Nugraha; Yana Cahyana; Ayu Juwita
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 1 (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

Jumlah kunjungan wisatawan asing yang berkunjung ke suatu negara merupakan salah satu indikator penting untuk melihat perkembangan pariwisata. Ketertarikan wisatawan asing ke Indonesia dapat meningkatkan devisa negara dan meningkatkan perekonomian masyarakat di daerah wisata. Kurangnya informasi serta pengelompokan menyangkut ketertarikan dan tingkat kunjungan data wisatawan asing berdasarkan jalur masuk ke Indonesia mengakibatkan adanya kesulitan bagi pemerintah dalam melakukan kebijakan dan perencanaan strategi pemasaran, peningkatan infrastruktur serta fasilitas pariwisata untuk menarik minat para wisatawan asing, sehingga menjadi tidak tepat sasaran, menyebabkan wisata-wisata di Indonesia yang kurang dikenal jarang dikunjungi oleh wisatawan asing. Oleh karena itu, tujuan yang ingin dicapai dalam penelitian ini adalah mendapatkan pengelompokan tingkat kunjungan pada data wisatawan asing berdasarkan jalur masuk udara, darat, laut ke Indonesia dari tahun 2017 sampai 2021 dengan menerapkan algoritma k-means dan k-medoid. Algoritma ini dipilih karena mempunyai kemampuan mengelompokan data dalam jumlah yang cukup besar dengan waktu yang relatif cepat. Proses perhitungan pada penelitian ini memakai 2 cara yaitu perhitungan manual menggunakan excel dan Python yang terbagi menjadi 3 kelompok yaitu C1 tingkat kunjungan tinggi, C2 tingkat kunjunjungan sedang dan C3 tingkat kunjungan rendah. Hasil pengelompokan algoritma k-means yaitu C1 sebanyak 24, C2 sebanyak 1, dan C3 sebanyak 4. Sedangkan algoritma k-medoid yaitu C1 sebanyak 5, C2 sebanyak 15, dan C3 sebanyak 9. Kemudian hasil evaluasi data menggunakan Silhouette Coefficient menunjukan bahwa hasil akurasi algoritma k-means bernilai 0,8463 dan k-medoid bernilai 0,4691 yang berarti hasil akurasi algoritma k-means lebih baik daripada algoritma k-medoid karena lebih mendekati nilai 1.
Penerapan Metode K-Means Untuk Clustering Puskesmas Berdasarkan Jumlah Stunting Di Kabupaten Karawang Sigit Gunawan; Hanny Hikmayati; Tohirin Mudzakir
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 1 (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

Kondisi bayi yang mengacu pada kegagalan tahap pertumbuhan dan perkembangan tidak normal dibandingkan dengan anak-anak lain seusianya dikategorikan sebagai stunting. Sejak tahun 2018 Kabupaten Karawang masuk ke dalam 100 Kabupaten/Kota prioritas penanggulangan stunting. Penelitian ini bertujuan untuk memetakan Puskesmas yang terdapat bayi stunting ke dalam 3 kelompok rendah, sedang dan tinggi menggunakan metode K-means. Metode Davies-Bouldin Index digunakan untuk mengevaluasi hasilclustering yang dilakukan K-means untuk mendapatkan nilai validitas dari K=3. Adapun hasil dari penelitian terhadap data penyebaran stunting di kabupaten karawang cluster 0 berjumlah 18 Puskesmas, cluster 2 berjumlah 25 Puskesmas, dan cluster 3 berjumlah 7 Puskesmas. Hasil Davies Bouldin Index pada python sebesar 0.9986083164230459 dan manual sebesar 0.97809247, membuktikan bahwa algoritma K-Means cukup baik dalam melakukan Clustering.
Penerapan Algoritma Fuzzy Logic Pada Sistem Keamanan Pintu Berbais Internet Of Things Vera Shelina; Tatang Rohana; Dwi Kusumaningrum
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 1 (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

Penggunaan keamanan pintu pada sebuah rumah dapat meminimalisir pencurian. Setiap rumah umumnya hanya diberi kunci pintu biasa seperti kunci pintu manual dan gembok yang mudah menjadi sasaran perampokan dan disabotase. Maka dari itu tujuan dari penelitian ini untuk membuat sistem keamanan yang dapat dipantau dari jarak jauh melalui smartphone, dengan menggunakan algoritma logika fuzzy untuk menentukan dekat, sedang dan jauh sebagai notifikasi pemberitahuan pada aplikasi blynk ketika ada objek yang mendekat dan selain itu pada sistem ini menggunakan sensor jarak untuk mendeteksi objek dan sensor rfid untuk pengganti kunci dengan menggunakan seperti kartu e-ktp atau tag rfid. Hasil dari penelitian ini untuk pembuatan sistem dapat mendeteksi objek sesuai dari algoritma logika fuzzy yang telah diuji 10 kali dengan jeda terlama 4 detik akses kecepatan 3 KB/s dan jeda tercepat 1 detik akses kecepatan 57 – 60 KB/s karena factor jaringan sangat berpengaruh, untuk scan ktp berhasil 1 cm sampai 2 cm, dan gagal jika melebihi 2cm. Dan untuk tag hanya dinyatakan berhasil dalam 1 cm saja, dan gagal jika melebihi 1cm.
Implementasi Algoritma K-Means Untuk Pengelompokan Pada Penyakit Menular Manusia Di Kabupaten Karawang Yoga Nugraha; Amril Siregar; Rahmat Rahmat
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 1 (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 tuberkulosis, diare, kusta, dan pneumonia dapat dikategorikan sebuah penyakit menular yang patut diwaspadai. Terdapat permasalahan penyakit menular di daerah Kabupaten Karawang, hal ini ditandai dengan adanya kenaikan jumlah penderita penyakit menular pada setiap tahun nya. Hal ini ditandai penderita pneumonia dengan jumlah balita di Kabupaten Karawang sebanyak 239.792 perkiraan jumlah penderita penyakit pneumonia 10.133, jumlah kasus tuberkulosis anak tahun 2020 mengalami kenaikan yang cukup signifikan jumlah kasus dari 240 kasus menjadi 856 kasus, sedangkan jumlah pengidap diare yang ditemui serta ditangani Karawang tahun 2020 sebanyak 39.035 pengidap untuk seluruh usia ataupun 61%. Maka dari itu penelitian kali ini bertujuan untuk mengelompokan penyakit menular disetiap puskesmas Karawang ke dalam beberapa kelompok menggunakan algoritma k-means clustering. Dari hasil penelitian Algoritma K-Means Clustering dalam melakukan pengelompokkan diperoleh 1 data puskesmas pada cluster 1, 4 data puskesmas pada cluster 2, 45 data puskesmas pada cluster 3 dari 50 data puskesmas. Adapun hasil evaluasi menggunakan metode Elbow untuk mencari nilai K terbaik, dimana hasil K=3 merupakan jumlah cluster terbaik. Kemudian hasil tersebut dievaluasi menggunakan SSE (Sum of Square Error). Hasil evaluasi menggunakan SSE (Sum of Square Error) tingkat akurasi yang didapat, yaitu 1.949. Nilai jarak dari 2 cluster ke 3 cluster tersebut merupakan nilai yang mengalami penurunan paling signifikan atau paling besar sehingga 3 cluster merupakan cluster terbaik.

Page 14 of 20 | Total Record : 193

 12   13   14   15   16 

Filter by Year

2020 2025


Reset
Filter By Issues
All Issue Vol. 6 No. 1 (2025): Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science Vol. 5 No. 1 (2024): Scientific Student Journal for Information, Technology and Science Vol. 4 No. 2 (2023): Scientific Student Journal for Information, Technology and Science Vol. 4 No. 1 (2023): Scientific Student Journal for Information, Technology and Science Vol. 3 No. 2 (2022): Scientific Student Journal for Information, Technology and Science Vol. 3 No. 1 (2022): Scientific Student Journal for Information, Technology and Science Vol. 2 No. 2 (2021): Scientific Student Journal for Information, Technology and Science Vol. 2 No. 1 (2021): Scientific Student Journal for Information, Technology and Science Vol. 1 No. 2 (2020): Scientific Student Journal for Information, Technology and Science Vol. 1 No. 1 (2020): Scientific Student Journal for Information, Technology and Science More Issue