cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Musli Yanto
Contact Email
musli_yanto@upiyptk.ac.id
Phone
+6281378273341
Journal Mail Official
musli_yanto@upiyptk.ac.id
Editorial Address
Jl. Raya Lubuk Begalung
Location
Kota padang,
Sumatera barat
INDONESIA
Jurnal Komtekinfo
Published by Universitas Putra Indonesia YPTK Padang
ISSN : 23560010     EISSN : 25028758     DOI : DOI: 10.35134/komtekinfo.v9i2.1
Core Subject : Science,
Computer Science & IT
Software Engineering, Multimedia, Artificial intelligence, Data Mining, Knowledge Database System, Computer network, Information Systems, Robotic, Cloud Computing, Computer Technology
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 253 Documents
 19   20   21   22   23 
Penerapan Metode Jaringan Syaraf Tiruan Backpropagation Untuk Memprediksi Kualitas Makanan Kucing Budiarti, Lela; Nurcahyo, Gunadi Widi; Sumijan
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v12i1.561

Abstract

Kualitas makanan kucing adalah tingkat atau derajat yang menunjukkan seberapa baik makanan tersebut mampu memenuhi kebutuhan nutrisi kucing secara optimal. Ini mencakup berbagai aspek seperti kandungan nutrisi, protein, lemak, karbohidrat, vitamin, dan mineral, sumber bahan baku, keseimbangan komposisi, keamanan dari kontaminan, kecernaan, dan kesesuaian dengan kebutuhan spesifik kucing berdasarkan usia, kesehatan, dan tingkat aktivitas. Secara sederhana, kualitas makanan kucing mencerminkan apakah makanan tersebut dapat mendukung kesehatan dan kesejahteraan kucing secara efektif, dengan memberikan nutrisi yang diperlukan untuk pertumbuhan, energi, fungsi tubuh yang baik, dan pencegahan penyakit. Kualitas makanan kucing menjadi faktor penting yang memengaruhi kesehatan dan kesejahteraan hewan peliharaan. Penentuan kualitas makanan sering kali memerlukan pengujian laboratorium yang memakan waktu dan biaya. Oleh karena itu, diperlukan suatu metode yang cepat dan akurat untuk memprediksi kualitas makanan kucing berdasarkan parameter-parameter tertentu. Penelitian ini bertujuan untuk memprediksi kualitas pada makanan kucing. Metode yang digunakan dalam penelitian ini adalah Jaringan Syaraf Tiruan Backpropagation. Metode ini memiliki 7 tahapan yaitu Inisialisasi Bobot, Feedforward (Propagasi Maju), Perhitungan Error, Propagasi Balik (Backpropagation), Iterasi (Epochs), Konvergensi, Evaluasi. Dataset yang diolah dalam penelitian ini bersumber dari Toko ONE PS. Dataset terdiri dari 12 jenis pada makanan kucing di Toko ONE PS. Hasil penelitian ini diperoleh nilai MSE 0.3425383237 yang masih belum memenuhi target error yang telah ditentukan yaitu pada nilai 0,1 maka epoch akan dilanjutkan sampai nilai target error tercapai jika belum mencapai epoch maksimum yaitu 7000 epoch dengan epoch error sebesar 3000 epoch. Pada Pola 5 yang menggunakan 4 layer nilai error lebih kecil dari pada Pola lain. Iterasi epoch akan dilanjutkan hingga setiap pola mencapai target error sebesar 0,1. Penelitian ini dapat dijadikan acuan untuk melihat informasi kualitas pada makanan kucing.
Kombinasi AHP dan VIKOR untuk Seleksi Penerima Beasiswa KIP Kuliah Sari, Fitri P.; Yuhandri; Nurcahyo, Gunadi Widi
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i4.562

Abstract

Beasiswa KIP Kuliah merupakan program yang sangat penting dalam memberikan akses pendidikan tinggi bagi mahasiswa dari keluarga kurang mampu yang memiliki potensi akademik. Program ini tidak hanya membantu meringankan beban biaya kuliah, tetapi juga membuka peluang bagi mereka untuk meraih pendidikan yang lebih tinggi dan meningkatkan kualitas hidup. Tingginya jumlah pendaftar beasiswa ini menimbulkan tantangan tersendiri bagi perguruan tinggi dalam melakukan seleksi penerima beasiswa. Perguruan tinggi harus memastikan bahwa beasiswa ini diberikan secara tepat sasaran dan sesuai dengan kriteria yang telah ditetapkan. Penelitian ini bertujuan menerapkan sistem pendukung keputusan (SPK) untuk proses seleksi penerima beasiswa KIP Kuliah di Sekolah Tinggi Teknologi Payakumbuh (STT Payakumbuh) yang masih dilakukan secara konvensional di mana membutuhkan waktu lama, kurang efisien, dan memiliki subjektivitas yang tinggi serta kurang transparansi. Metode yang digunakan dalam penelitian ini adalah kombinasi dari Analysis Hierarchy Process (AHP) dan VIKOR, yang merupakan bagian dari Multi Criteria Decision Making (MCDM). AHP digunakan untuk menetapkan bobot kriteria, sementara VIKOR digunakan untuk melakukan perankingan alternatif calon penerima beasiswa. Kriteria yang digunakan pada SPK ini adalah Nilai Tes Potensi Akademik (TPA), Nilai Ijazah, Dokumen Pendukung, Penghasilan Ayah, Penghasilan Ibu, Jumlah Tanggungan, Status Kepemilikan Rumah, Besaran Daya Listrik, Sumber Air, dan Luas Bangunan. Data calon penerima beasiswa sebanyak 82 orang yang dinilai berdasarkan 10 kriteria, sistem berhasil mengidentifikasi 11 orang calon penerima beasiswa yang direkomendasikan dengan nilai indeks Vikor yang terkecil, yaitu dari nilai 0,00 sampai dengan nilai 0,299. Hasil penelitian menunjukkan bahwa SPK berbasis AHP-VIKOR dapat membantu mempercepat proses seleksi, meningkatkan objektivitas, dan memberikan transparansi dalam seleksi penerima beasiswa KIP Kuliah di STT Payakumbuh. Sistem ini terbukti efektif dalam menangani kompleksitas kriteria dan alternatif yang banyak, serta mampu menghasilkan peringkat calon penerima beasiswa sesuai dengan preferensi pengambil keputusan.
Penerapan Algoritma K-Means Clustering untuk Mengelompokkan Rekomendasi Metode Kontrasepsi Berbasis Machine Learning di Puskesmas Adawiyah, Quratih; Defit, Sarjon; Sumijan
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i4.563

Abstract

Pertumbuhan penduduk Indonesia yang relatif tinggi memerlukan solusi dalam pemilihan metode kontrasepsi yang tepat bagi pasangan usia subur. Banyaknya pilihan kontrasepsi yang tersedia, pasangan usia subur tidak tahu mana yang paling tepat dengan kebutuhan mereka. Artificial Intelligence merupakan cabang ilmu komputer yang fokus pada pengembangan sistem yang dapat meniru kecerdasan manusia dalam memecahkan masalah dan mengambil keputusan. Machine Learning dapat memungkinkan sistem untuk belajar menggantikan atau meningkatkan kecerdasan manusia dalam pemecahan masalah dan otomatisasi. Data mining juga menjadi proses untuk mengekstrak pola dan informasi dari kumpulan data yang besar. Salah satu teknik yang digunakan pada penelitian ini adalah K-Means Clustering yang merupakan metode pengelompokan yang membagi data dalam kelompok berdasarkan kesamaan karakteristik. Clustering bekerja dengan mengidentifikasi centroid dari setiap cluster dan mengelompokkan data berdasarkan jarak terdekat ke centroid tersebut. Penelitian ini bertujuan untuk memberikan rekomendasi metode kontrasepsi yang tepat kepada pasangan usia subur dengan mengelompokkan data pasien KB berdasarkan karakteristik seperti nama, umur, dan jumlah anak. Algoritma K-Means Clustering digunakan untuk mengelompokkan rekomendasi metode kontrasepsi berdasarkan data pasien yang dikumpulkan sehingga mendapatkan rekomendasi yang lebih akurat. Data yang digunakan adalah data nama, data umur dan jumlah anak pasien KB pada tahun 2023 di Puskesmas. Dataset yang digunakan sebanyak 20 data. Metode yang digunakan meliputi studi literatur, pengumpulan data melalui observasi dan wawancara. Hasil dari penelitian ini dapat mengelompokkan data menjadi 2 cluster, yaitu cluster C0 menyatakan metode jangka pendek sedangkan C1 menyatakan metode jangka panjang. Dari hasil proses cluster, posisi cluster terakhir pada iterasi 4 dan tidak berubah lagi maka dinyatakan proses telah selesai, didapatkan cluster Jangka pendek C0 sebanyak 11 anggota dan C1 berjumlah 9 anggota. Penelitian ini juga memanfaatkan aplikasi RapidMiner untuk membantu proses clustering. Hasil menunjukkan bahwa algoritma ini efektif dalam mengidentifikasi pola dan kelompok dalam data pasien KB, yang diharapkan dapat membantu tenaga kesehatan dalam memberikan rekomendasi yang lebih akurat, dan memberikan kontribusi dalam peningkatan pelayanan kesehatan, khususnya dalam pelayanan KB di Puskesmas.
Smart Tong Sampah Pendeteksi Otomatis Sampah Organik & Anorganik Berbasis IoT Smart city Ade Agung Kurniawan; Hermanto; Rahmawati, Suci
Jurnal KomtekInfo Vol. 11 No. 3 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i3.564

Abstract

Pengelolaan sampah yang efektif dan efisien diperlukan untuk menjaga kebersihan lingkungan dan mendukung keberlanjutan kota. Smart Tong Sampah memiliki urgensi tinggi untuk mewujudkan Smart City yang berkelanjutan, ramah lingkungan, dan modern. Sistem pengelolaan sampah cerdas berbasis IoT menawarkan solusi inovatif untuk mengatasi permasalahan sampah di daerah perkotaan. Tujuan dari penelitian ini adalah mengembangkan sebuah ide dan gagasan inovasi teknologi bersih berbasis ekonomi hijau yaitu dengan menciptakan solusi cerdas melalui pengembangan tong sampah cerdas yang dapat membedakan secara otomatis sampah organik dan anorganik dengan penerapan teknologi IoT dan sumber energi terbarukan panel surya.Metode penelitian yang digunakan meliputi metode eksperimen, UML, dan metode waterfall, yang merupakan metode umum dalam pengembangan sistem. Proses sistem dimulai ketika sampah mendekati tong, dan sensor proximity mengidentifikasi keberadaan objek. Sistem ini kemudian menggunakan sensor warna TCS230 dan sensor tambahan untuk mengklasifikasikan jenis sampah. Berdasarkan hasil klasifikasi, tong sampah secara otomatis membuka tutup yang sesuai dan mengarahkan sampah ke kompartemen yang benar. Data mengenai jenis dan volume sampah kemudian dikirim ke server melalui modul Wi-Fi ESP32 untuk pemantauan real-time. Adapun inovasi cerdas teknologi terbaharukan pada sistem ini yaitu sumber energi menggunakan teknologi panel surya secara mandiri. Hasil sistem prototipe Smart Tong Sampah diharapkan memiliki akurasi klasifikasi sampah lebih dari 90%, dengan jaringan komunikasi yang selalu terhubung 1x24 jam, serta sistem akan mengirimkan data informasi jika tong sampah sudah terisi penuh dan letak titik tong sampah. Sistem ini diharapkan dapat mendukung upaya keberlanjutan kota melalui inisiatif Smart City Kota Jambi yang lebih efisien dan ramah lingkungan dimasa yang akan datang.
Penerapan Algoritma Haar Cascade Clasifier dan Computer Neural Network Sebagai Presensi Karyawan Karseno, Doni; Yuhandri; Ramadhanu, Agung
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v12i1.565

Abstract

Sistem pengenalan wajah merupakan program komputer yang secara otomatis dapat mendeteksi gambar digital atau video untuk mengidentifikasi atau mengautentikasi seseorang secara otomatis. Kesulitan dalam masalah pengenalan wajah sebagian besar disebabkan oleh kurangnya keberhasilan dalam menemukan fitur gambar tersebut. Pengenalan objek banyak digunakan oleh para pelaku industri untuk keperluan inspeksi, registrasi atau manipulasi. Penelitian ini bertujuan untuk menidentifikasi wajah pada masing – masing karyawan. Metode yang digunakan dalam penelitian ini adalah Haar Cascade Classifier (HCC) sebagai pendeteksi wajah dan metode Convolutional Neural Network (CNN) untuk proses identifikasi wajah. Proses pengenalan wajah ini dapat digunakan untuk mengidentifikasi masing – masing karyawan. Sehingga dalam melakukan presensi digital tidak ada kecurangan lagi yang dilakukan oleh karyawan. Dalam penelitian ini data yang diambil adalah data di Institut Teknologi dan Bisnis Indragiri. Algoritma Haar Cascade Classifier menjadi metode yang dapat digunakan dalam proses pengenalan polah wajah manusia. Sedangkan Convolutional Neural Network merupakan metode untuk mengidentifikasi serta mengklasifikasi hasil dari metode Haar Cascade Classifier sebagai tahap awal. Dalam hal pengklasifikasian image, metode Convolutional Neural Network merupakan metode yang dapat digunakan untuk pengklasifikasian wajah. Arsitektur Convolutional Neural Network yang digunakan dalam penelitian ini adalah alexnet. Dataset dari ImageNet lebih dari 14 juta gambar yang dikategrikan dalam ribuan kelas. Convolutional Neural Network memiliki arsitektur yang terinspirasi oleh struktur visual sistem manusia dan sangat efektif untuk tugas-tugas pengenalan gambar dan klasifikasi. Kesimpulan dari hasil penilitan ini yaitu dengan menggabungkan metode Haar Cascade Classifier dan Convolutional Neural Network dapat mempercepat proses pengenalan klasifikasi suatu objek wajah. Penelitian ini menggunakan kumpulan dataset wajah yang beragam, mencakup variasi sudut pandang, ekspresi, dan kondisi pencahayaan. Data yang digunakan terdiri dari seluruh karyawan yang memiliki 106 data wajah. Model CNN kemudian dilatih menggunakan data latih sebesar 85% dari keseluruhan data. Setelah model dilatih, selanjutnya dilakukan evaluasi model CNN melalui beberapa metrik evaluasi. Dari hasil evaluasi diperoleh tingkat akurasi yang baik sebesar 91% Hasil dari penelitian ini dapat digunakan untuk media presensi digital berbasis pengenalan wajah pada karyawan Institut Teknologi Dan Bisnis Indragiri.
Penerapan Metode Fuzzy Mamdani untuk Mengidentifikasi Kepribadian Siswa Nasution, Amir Salim Khairul Rijal; Gunadi Widi Nurcahyo; Agung Ramadhanu
Jurnal KomtekInfo Vol. 11 No. 3 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i3.567

Abstract

Teknologi Informasi (TI) memainkan peran krusial dalam berbagai aspek kehidupan, termasuk dalam pendidikan. Salah satu inovasi penting dalam TI adalah penerapan Artificial Intelligence (AI), yang mencakup berbagai teknik seperti machine learning, natural language processing, computer vision, dan robotics. Dalam konteks pendidikan, kepribadian siswa menjadi aspek penting untuk pengembangan potensi dan pembentukan karakter. Namun sistem pendidikan saat ini masih menghadapi tantangan dalam mengidentifikasi dan mengembangkan kepribadian siswa secara optimal. Penelitian ini bertujuan untuk menerapkan metode Fuzzy Mamdani dalam mengidentifikasi kepribadian siswa. Fuzzy Mamdani, sebagai salah satu metode dalam logika fuzzy, menawarkan pendekatan yang efektif untuk menangani informasi yang tidak pasti atau ambigu. Metode ini menggunakan aturan berbasis pengetahuan dan menghasilkan output dalam bentuk nilai fuzzy yang kemudian diubah kembali menjadi nilai crisp melalui proses defuzzifikasi. Penelitian ini memanfaatkan metode Fuzzy Mamdani untuk mengidentifikasi kepribadian siswa di SMK Negeri 4 Padangsidimpuan dengan menggunakan tools MATLAB. Manfaat dari penelitian ini meliputi kontribusi terhadap ilmu pengetahuan, terutama dalam pengembangan metode prediksi menggunakan Fuzzy Mamdani, serta memberikan landasan untuk penelitian lebih lanjut dengan metode yang lebih canggih. Selain itu, penelitian ini memberikan informasi berharga mengenai proses perhitungan identifikasi kepribadian siswa menggunakan metode Fuzzy Mamdani dengan bantuan tools MATLAB. Penelitian ini diharapkan dapat memberikan insight dan solusi bagi pengembangan kepribadian siswa di lingkungan pendidikan. Batasan penelitian ini mencakup penggunaan data kepribadian yang diperoleh dari Psikolog Klinis Anak di SMK N 4 Padangsidimpuan, serta penerapan metode Fuzzy Mamdani dalam analisis data menggunakan MATLAB. Dan data yang digunakan hasil dari observasi dengan 10 orang siswa. Hasil perhitungan menunjukkan bahwa metode ini dapat mengklasifikasikan kepribadian siswa ke dalam tipe sanguinis dengan nilai 70, koleris dengan nilai 50% , melankolis dengan nilai 65, atau plegmatis dengan nilai 66,8 dengan akurasi yang sesuai dengan ciri-ciri siswa. Oleh karena itu, sistem ini dapat direkomendasikan untuk membantu guru dalam menentukan pendekatan yang tepat bagi siswa.
Metode AHP dan WASPAS untuk Menentukan Prioritas Pegawai Pemerintah dengan Perjanjian Kerja (PPPK) Nadia, Nadia Aini Hafizhah; Nurcahyo, Gunadi Widi; Ramadhanu, Agung
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i4.568

Abstract

Pemanfaatan Teknologi Informasi (TI) menjadi krusial dalam meningkatkan efisiensi dan ketepatan di berbagai sektor, termasuk dalam instansi pemerintahan. Salah satu tantangan yang dihadapi oleh Kementerian Agama Kabupaten Tanah Datar adalah proses penentuan Pegawai Pemerintah dengan Perjanjian Kerja (PPPK) yang masih dilakukan secara manual. Proses manual ini tidak hanya memakan waktu, tetapi juga rentan terhadap kesalahan. Untuk mengatasi permasalahan tersebut, penelitian ini bertujuan mengembangkan Sistem Pendukung Keputusan (SPK) yang mengintegrasikan dua metode, yaitu Analytic Hierarchy Process (AHP) dan Weighted Aggregated Sum Product Assessment (WASPAS), untuk menentukan prioritas calon PPPK secara lebih objektif dan efisien. Penelitian ini memanfaatkan metode AHP untuk menghitung bobot dari berbagai kriteria yang dianggap penting dalam seleksi PPPK, seperti kualifikasi pendidikan, usia, lama honor serta kesesuaian latar belakang pendidikan dan pengalaman kerja saat ini. Setelah bobot kriteria ditentukan, metode WASPAS digunakan untuk mengkalkulasi dan menentukan peringkat akhir dari setiap kandidat berdasarkan bobot yang telah diperoleh. Data yang digunakan pada penelitian ini yaitu 152 sampel data tenaga honorer di Kantor Kementerian Agama Kabupaten Tanah Datar. Diperoleh 50 tenaga honorer yang masuk daftar prioritas dengan nilai Qi (Nilai alternatif) yang terbaik yaitu nilai yang tertinggi dengan rentang nilai 0.920 sampai 0.858. Hasil penelitian menunjukkan bahwa perhitungan yang dilakukan secara manual sama hasilnya dengan sistem yang dibangun, sehingga sistem pendukung keputusan yang dibaangun mampu meningkatkan akurasi dan mengurangi keandala dalam proses penentuan prioritas PPPK, dibandingkan dengan metode manual. Dengan kombinasi AHP dan WASPAS, sistem dapat memberikan rekomendasi yang lebih objektif, memungkinkan pengambil keputusan di Kementerian Agama Kabupaten Tanah Datar untuk melakukan seleksi yang lebih tepat. Implementasi sistem ini diharapkan dapat menjadi solusi yang efektif dalam meningkatkan kualitas proses rekrutmen PPPK di masa mendatang. Kata kunci: Sistem Pendukung Keputusan, AHP, WASPAS, Penentuan Prioritas, PPPK.
Penerapan Acunetix Vulnerability Scanner dari Serangan Siber pada Keamanan Website Kampus Rusydi, Rezki; Yuhandri; Arlis, Syafri
Jurnal KomtekInfo Vol. 11 No. 3 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i3.569

Abstract

Keamanan website telah menjadi salah satu aspek yang paling penting dalam menjaga integritas, kerahasiaan, dan ketersediaan informasi serta data dari ancaman serangan siber. Sebagai institusi akademis yang mengelola berbagai data penting, Institusi menghadapi tantangan signifikan dalam memastikan bahwa website mereka terlindungi dari berbagai ancaman keamanan yang semakin kompleks dan canggih. Keamanan website tidak hanya penting untuk menjaga data institusi, tetapi juga untuk melindungi privasi dan informasi pribadi pengguna yang berinteraksi dengan platform tersebut. Penelitian ini berfokus pada analisis dan peningkatan sistem keamanan website Fakultas Teknik UM Sumatera Barat dengan menggunakan Acunetix Vulnerability Scanner. Alat ini adalah salah satu solusi otomatis yang dirancang untuk mengidentifikasi kerentanan keamanan pada aplikasi web. Acunetix memungkinkan pendeteksian kerentanan secara cepat dan menyeluruh, sehingga memberikan gambaran yang jelas mengenai potensi risiko yang mungkin dihadapi oleh website tersebut. Metode penelitian yang diterapkan dalam studi ini melibatkan pengujian penetrasi menggunakan Acunetix untuk mendeteksi berbagai celah keamanan yang ada pada website. Pengujian ini mencakup identifikasi terhadap celah yang mungkin dieksploitasi oleh pihak tidak bertanggung jawab, termasuk serangan cross-site scripting (XSS), SQL injection, dan kerentanan terhadap serangan Distributed Denial of Service (DDoS). Hasil analisis menunjukkan bahwa terdapat beberapa kerentanan kritis yang harus segera diatasi untuk mencegah potensi eksploitasi. Berdasarkan temuan ini, peneliti menyusun rekomendasi perbaikan dan mitigasi yang bertujuan untuk mengurangi risiko serangan siber terhadap website. Berdasarkan hasil scanning literasi pertama, website Fakultas Teknik UM Sumatera Barat dikategorikan pada tingkat ancaman 3 yang termasuk tinggi, dengan terdapat 245 peringatan atau kerentanan yang teridentifikasi, di antaranya, 8 dianggap berada pada tingkat high, 2 berada pada tingkat medium, 13 berada ditingkat Low dan selebihnya Informational Berdasarkan evaluasi yang telah dilakukan, tingkat keamanan yang tercapai berada pada level 0. Pada level ini, tidak terdapat kerentanan yang teridentifikasi (nol kerentanan) dan dukungan keamanan juga mencapai tingkat optimal (nol dukungan). Oleh karena itu, dapat disimpulkan bahwa situs web Fakultas Teknik UM Sumatera Barat saat ini, dengan status level 0, tidak memiliki kerentanan keamanan. Hasil penelitian bisa menjadi acuan bagi pengelola website di lingkungan akademis, dalam melindungi website dari ancaman siber.
Sistem Pakar Deteksi Dini pada Penderita Stunting dengan Menggunakan Metode Forward Chaining Syaputra, Eka B.; Yuhandri; Sumijan
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i4.570

Abstract

Stunting mencerminkan terhambatnya pertumbuhan akibat buruknya gizi dan gangguan kesehatan pada periode sebelum dan sesudah kelahiran. Periode sebelum kelahiran merupakan faktor penentu dalam mendeteksi dini kelompok sasaran berisiko stunting yaitu pada calon pengantin, ibu hamil dan ibu pasca kelahiran dan periode sesudah kelahiran pada anak berumur di bawah 2 tahun. Penyebab stunting terbagi menjadi 2 kategori yakni penyebab langsung dan penyebab tidak langsung. Penyebab langsung, dikarenakan kurangnya asupan gizi ibu saat hamil dan kebutuhan gizi tidak tercukupi saat masih berusia di bawah umur 2 tahun dan penyebab tidak langsung adalah keluarga tidak paham cara mengolah dan menyajikan menu beragam bergizi seimbang dan aman (B2SA), rumah tidak sehat, lingkungan dengan sanitasi buruk, tidak memiliki akses air bersih, terbatas atas layanan kesehatan ibu hamil dan perilaku tidak sehat. Penelitian ini bertujuan untuk mengurangi angka stunting yang terjadi dengan melakukan penanganan lebih awal terhadap penderita berisiko stunting. Metode yang digunakan dalam penelitian ini adalah Forward Chaining. Metode Forward Chaining pada sistem pakar deteksi dini berisiko stunting memiliki 4 komponen yaitu Knowledge Base, Inference Engine, Database dan User Interface. Dataset yang diolah dalam penelitian ini bersumber dari data kelompok sasaran berisiko stunting pada 2 puskesmas yaitu Puskesmas Singkarak dan Puskesmas Sirukam di lingkup Pemerintah Kabupaten Solok. Dataset terdiri dari 380 balita, 10 calon pengantin , 40 ibu hamil dan 24 ibu pasca persalinan berisiko stunting. Hasil penelitian ini dapat mengidentifikasi dini berisiko stunting pada setiap kelompok sasaran yaitu balita 45,31% dari 10 data uji, calon pengantin 59,5% dari 5 data uji, ibu hamil 50,52% dari 5 data uji dan ibu pasca persalinan 58,01% dari 5 data uji juga membantu tim satgas penurunan angka stunting Pemerintah Kabupaten Solok dalam mengambil langkah-langkah kebijakan yang akan dilaksanakan oleh Organisasi Pemerintah Daerah (OPD) terkait baik secara sensitif dan spesifik. Penelitian ini dapat menjadi acuan dalam penanganan pada kelompok sasaran berisiko stunting lebih awal pada setiap daerah dalam menurunkan angka stunting
Metode Support Vector Machine dan Naïve Bayes Untuk Analisis Santimen Ibu Kota Nusantara Akbar, Muhamad Rafi; Defit, Sarjon; Sumijan
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i4.579

Abstract

Pemindahan Ibu Kota Nusantara (IKN) menimbulkan berbagai macam pro dan kontra. Mulai dari pemilihan lokasi, pengesahan Undang – Undang yang dinilai terlalu terburu – buru, dan akhir – akhir ini pemerintah juga mengajak masyarakat Indonesia untuk melaukan urun – dana (crowd funding) untuk membangun Ibu Kota Nusantara. Media sosial tiktok, Ibu Kota Nusantara (IKN) menjadi salah satu topik yang ramai diperbincangkan karena banyaknya opini dari berbagai kalangan masyarakat. Beberapa opini dari masyarakat di tiktok ini akan digunakan menjadi data penelitian analisis sentimen terhadap pendapat masyarakat mengenai pemindahan Ibu Kota Negara. Penelitian ini bertujuan untuk membandingkan efektivitas dua pendekatan untuk klasifikasi: Support Vector Machine dan Naïve Bayes, dalam menganalisis sentimen opini terhadap Ibu Kota Nusantara berdasarkan data Tiktok. Analisis sentimen opini sangat penting untuk memahami pandangan publik mengenai berbagai aspek Ibu Kota Nusantara. Data Tiktok yang digunakan akan melibatkan opini yang berkembang di media sosial mengenai Ibu Kota Nusantara. Metode yang digunakan dalam penelitian ini adalah Support Vector Machine dan Niave Bayes. Metodologi penelitian mencakup pengumpulan data, preprocessing, membagi data, pelatihan model Naïve Bayes dan SVM, evaluasi, serta analisis statistik untuk membandingkan kinerja kedua model. Dataset terdiri dari 1529 komentar yang diambil dari aplikasi Tiktok. Hasil akhir dari evaluasi yang dilakukan dapat dilihat perbandingan anatara metode Support Vector Machine dengan Naive Bayes berdasarkan tingkat akurasi yang diperolch oleh masing-masing metode. Support Vector Machine memperoleh tingkat aurasi 98%, di mana tingkat akurasinya lebih rendah daripada tingkat akurasi metode Naive Bayes dengan persentase 92%. Berdasarkan temuan analisis, prosedur yang menggunakan metode Support Vector Machine menunjukkan hasil yang lebih baik dibandingkan metode Naïve Bayes dalam mengukur sentimen terhadap Ibu Kota nusantara.

Page 21 of 26 | Total Record : 253

 19   20   21   22   23 

Filter by Year

2018 2025


Reset
Filter By Issues
All Issue Vol. 12 No. 4 (2025): Komtekinfo Vol. 12 No. 3 (2025): Komtekinfo Vol. 12 No. 2 (2025): Komtekinfo Vol. 12 No. 1 (2025): Komtekinfo Vol. 11 No. 4 (2024): Komtekinfo Vol. 11 No. 3 (2024): Komtekinfo Vol. 11 No. 2 (2024): Komtekinfo Vol. 11 No. 1 (2024): Komtekinfo Vol. 10 No. 4 (2023): Komtekinfo Vol. 10 No. 3 (2023): Komtekinfo Vol. 10 No. 2 (2023): Komtekinfo Vol. 10 No. 1 (2023): Komtekinfo Vol. 9 No. 4 (2022): Komtekinfo Vol. 9 No. 3 (2022): Komtekinfo Vol. 9 No. 2 (2022): Komtekinfo Vol. 9 No. 1 (2022): Komtekinfo Vol. 8 No. 4 (2021): Komtekinfo Vol. 8 No. 3 (2021): Komtekinfo Vol. 8 No. 2 (2021): Komtekinfo Vol. 8 No. 1 (2021): Komtekinfo Vol. 7 No. 4 (2020): Komtekinfo Vol. 7 No. 3 (2020): Komtekinfo Vol. 7 No. 2 (2020): Komtekinfo Vol. 7 No. 1 (2020): Komtekinfo Vol. 6 No. 2 (2019): Komtekinfo Vol. 6 No. 1 (2019): Komtekinfo Vol. 5 No. 3 (2018): Komtekinfo Vol. 5 No. 2 (2018): Komtekinfo Vol. 5 No. 1 (2018): Komtekinfo More Issue