Articles
327 Documents
<![CDATA[PEMETAAN POTENSI PARIWISATA PETUNGKRIYONO BERBASIS WEB GEOGRAPHYCAL INFORMATION SYSTEM (GIS) SEBAGAI CULTURAL TECHNO FORESTRY PARK KABUPATEN PEKALONGAN ]]>
<![CDATA[Tri Agus Setiawan]]>;
<![CDATA[Agus Ilyas]]>;
<![CDATA[Sattriedi Wahyu Binabar]]>
<![CDATA[ IC-Tech Vol 15 No 1 (2020): IC-Tech Volume XV No.1 April 2020 ]]>
Publisher : <![CDATA[STMIK WIDYA PRATAMA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (567.932 KB)
|
DOI: 10.47775/ictech.v15i1.83
<![CDATA[Petungkriyono saat ini dijadikan cultural techno forestry park oleh pemerintah kabupaten Pekalongan karena masih terjaga keasriannya dan memiliki potensi wisata yang menjanjikan dengan memiliki luas 5300 ha, bentang alam berupa gunung, hutan belantara, air terjun dan sungai dan situs budaya. Untuk meningkatkan potensi wisata yang ada terkendala masalah yaitu belum tersediannya informasi profil, sebaran jenis, letak dan potensi wisata sehingga mampu meningkatkan pendapatan asli daerah. Dalam penelitian yang ada menggunakan Metode Penelitian dan Pengembangan (R&D) untuk dapat menemukan output tertentu serta mengetahui seberapa efektif sebuah penemuan dihasilkan sedangkan Sistem Informasi Geografis dimanfaatkan untuk menggambarkan lokasi obyek wisata yang mampu ditampilkan berdasarkan lokasi kecamatan, desa, jenis obyek wisata baik dalam bentuk map maupun satelit sehingga mampu memberikan gambaran secara detail bagi wisatawan yang akan berkunjung akan tetapi tidak mengetahui lokasi yang ada. Dari hasil penelitian yang dilakukan dihasilkan SIG yang mampu menghasilkan obyek citra berupa pemetaan obyek wisata di Petungkriyono secara lengkap dan detail sehingga dapat berkontribusi terhadap rencana pembangunan dan kebijakan pemerintah kabupaten Pekalongan pada sektor pariwisata serta dapat meningkatkan pendapatan asli daerah.]]>
<![CDATA[PENERAPAN METODE END-USER COMPUTING SATISFACTION UNTUK ANALISIS KEPUASAN PENGGUNA E-LEARNING ]]>
<![CDATA[Muhammad Rikzam Kamal]]>;
<![CDATA[Teddy Dyatmika]]>;
<![CDATA[Syamsul Bakhri]]>
<![CDATA[ IC-Tech Vol 15 No 1 (2020): IC-Tech Volume XV No.1 April 2020 ]]>
Publisher : <![CDATA[STMIK WIDYA PRATAMA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (380.268 KB)
|
DOI: 10.47775/ictech.v15i1.84
<![CDATA[Kepuasan pengguna merupakan faktor utama dalam pembuatan sebuah sistem e-learning, jika faktor ini diabaikan maka sebuah sistem e-learning tidak bisa dikembangkan sesuai tujuannya yaitu untuk memaksimalkan proses pembelajaran. Metode penelitian yang digunakan dalam penelitian ini adalah metode penelitian kuantitatif jenis survai. Analis dalam penelitian ini mengacu pada tingkat kepuasan pengguna dalam teori End-User Computing Satisfaction (EUCS) kemudian di analisis menggunakan statistik deskriptif dan analisis statistik inferensial yang dikombinasikan dengan hasil coding wawancara para responden. Hasil penelitian menunjukan bahwa sebagian besar para pengguna e-learning setuju bahwa e-learning sudah mempunyai content, accuracy, format, ease of use, dan timeliness yang baik. Tapi, masih ada sebagaian para pengguna yang kesulitan dan merasa tampilan e-learning masih kurang baik.]]>
<![CDATA[Penerapan Algoritma Naïve Bayes Untuk Klasifikasi Konten Berita Olahraga ]]>
<![CDATA[Ari Putra Wibowo]]>;
<![CDATA[Arief Soma Darmawan]]>
<![CDATA[ IC-Tech Vol 15 No 1 (2020): IC-Tech Volume XV No.1 April 2020 ]]>
Publisher : <![CDATA[STMIK WIDYA PRATAMA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (641.295 KB)
|
DOI: 10.47775/ictech.v15i1.85
<![CDATA[Penelitian terkait klasifikasi telah dipelajari secara luas untuk keperluan data mining, machine learning dan database serta information retrieval yang diaplikasikan untuk menentukan target pemasaran, diagnosis medis, konten berita serta klasifikasi dokumen. Klasifikasi teks menjadi pembahasan yang ramai dibahas oleh peneliti selama dua dekade terakhir. Meskipun didalam metode dan tekniknya selalu ada pembaharuan namun kebutuhannya masih terus berkembang dan tidak pernah berakhir. Kemampuan untuk melakukan klasifikasi dokumen ke dalam kategori tertentu sangat membantu untuk menghadapi informasi yang berlebihan. Klasifikasi dokumen teks secara otomatis dikembangkan karena pekerjaan manual tidak lagi efektif. Pada penelitian ini akan dibahas bagaimana algoritma naïve bayes diterapkan untuk mengklasifikasi konten berita olahraga. Naïve bayes merupakan salah satu algoritma klasifikasi berbasis peluang. Maka dari itu, naïve bayes akan menghitung probabilitas kemunculan kata yang mempresentasikan dokumen teks dari konten berita. Berdasarkan penelitian yang dilakukan diperoleh hasil rata-rata akurasi adalah 69,27%. Dengan nilai akurasi terbesar yaitu 75,00% dengan data dokumen teks yang digunakan sebanyak 20% dari keseluruhan dokumen teks..]]>
<![CDATA[Prediksi Produk Airi PDAM Kota Pekalongan dengan metode Jaringan Syaraf Tiruan ]]>
<![CDATA[Ign.F.Bayu Andoro]]>;
<![CDATA[Dadang Ariwibowo]]>
<![CDATA[ IC-Tech Vol 15 No 1 (2020): IC-Tech Volume XV No.1 April 2020 ]]>
Publisher : <![CDATA[STMIK WIDYA PRATAMA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (559.259 KB)
|
DOI: 10.47775/ictech.v15i1.86
<![CDATA[Predeksi kapasitas produksi air membantu PDAM sebagai perusahaan yang bergerak di bidang layanan penyedia air bersih. Sistem yang tepat untuk memprediksi jumlah produksi air guna mengambil kebijakan dalam bidang pengelolaan air bersih. Penelitian ini menghasilkan sebuah model prediksi untuk total produksi air PDAM kota Pekalongan. Data yang diolah yaitu jumlah penduduk, jumlah pelanggan berdasarkan jenis pelanggan, total volume produksi, kontribusi daerah sumber, volume distribusi, air terjual, dan kehilangan air. Data diperoleh dari laporan bulanan perusahaan. Pendekatan yang digunakan menggunakan metode Jaringan Syaraf Tiruan Backpropagation diperoleh sebuah model prediksi produk air PDAM Kota Pekalongan RMSE (Root Mean Square Error) yang terbaik 4.943 dengan rincian training cycles: 1000, learning rate: 0.2, momentum: 0.4, jumlah hidden layer: 1, dan size hidden layer: 7 dengan residual 0.87.]]>
<![CDATA[IMPLEMENTASI ALGORITMA FUZZY K NEAREST NEIGHBOR UNTUK MEMPREDIKSI MAHASISWA BERPOTENSI DROP OUT ]]>
<![CDATA[Devi Sugianti]]>;
<![CDATA[Arief Soma Darmawan]]>
<![CDATA[ IC-Tech Vol 15 No 1 (2020): IC-Tech Volume XV No.1 April 2020 ]]>
Publisher : <![CDATA[STMIK WIDYA PRATAMA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (522.412 KB)
|
DOI: 10.47775/ictech.v15i1.87
<![CDATA[Keberhasilan pendidikan tercermin dari kualitas Perguruan Tinggi adalah tingginya tingkat keberhasilan mahasiswa dan rendahnya kegagalan mahasiswa. STMIK Widya Pratama mempunyai 4 program studi dengan jumlah mahasiswa yang drop out atau non aktif yang cukup banyak, untuk itu perlu di ketahui karakteristik dari mahasiswa yang drop out dengan menganalisa data yang lama. Algortima Fuzzy K Nearest Neighbor definisikan pemberian label kelas data uji yang akan diprediksi. Algoritma Fuzzy Nearest Neighbor adalah pengembangan dari algoritma K-NN yang digabungkan dengan teori Fuzzy. Tahapan penelitian yang dilakukan adalah pengumpulan data, pengolahan data, metode yang diusulkan dan eksperimen. Dengan data yang digunkan sebagai data latih 382 untuk mahasiswa angkatan 2016. Dengan menguji nilai K =3 dan K=5  dari mahasiswa dengan IPS dari semeter 1 sampai semester 5 (3.2 2.78 3.6 3.3 0.83) hasil eksperimen yang dilakukan mengasilkan K=3 dengan kelas 1= 0.32 kelas 2 =0.67 lalu jika K= 5 menghasilkan kelas 1 =0.28 kelas 2 =0.71. hasil menunjukkan bahwa masuk ke kelas 2 dengan nilai keanggotaan terbesar, kelas 2 merupakan prediksi mahasiswa registrasi ulang pada semester 6. Fuzzy K-Nearest Neighbor dapat digunakan untuk mencari nilai membership pada masing-masing kelas.Kata Kunci: Fuzzy K NN, Drop Out]]>
<![CDATA[PEMILIHAN EMARKETPLACE DI INDONESIA PADA KUARTAL PERTAMA TAHUN 2020 MENGGUNAKAN METODE FUZZY MOORA ]]>
<![CDATA[Era Yunianto]]>;
<![CDATA[Dicke JSH Siregar]]>
<![CDATA[ IC-Tech Vol 15 No 1 (2020): IC-Tech Volume XV No.1 April 2020 ]]>
Publisher : <![CDATA[STMIK WIDYA PRATAMA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (807.489 KB)
|
DOI: 10.47775/ictech.v15i1.88
<![CDATA[Pemilihan emarketplace yang tepat akan meningkatkan profitabilitas bisnis. Kriteria yang mempengaruhi pemilihan yaitu : kualitas pelayanan (service quality), kualitas sistem (system quality), kualitas informasi (information quality) dan kualitas penyedia layanan (vendor spesific quality). Dalam Penelitian ini , dilakukan penerapan metode Fuzzy Moora dalam pemilihan emarketplace di Indonesia pada kuartal pertama tahun 2020. Dalam Pengumpulan data menggunakan kuesioner. Alternatif yang dipilih merupakan tigas besar emarketplace yang banyak dikunjungi di Indonesia pada kuartal pertama tahun 2020. Diperoleh urutan pemeringkatan alternatif berdasarkan nilai kinerja yaitu SH (BNP=2.51), BL (BNP=2.28) dan TP (BNP=2.25). Hasil penelitian ini dapat menjadi rekomendasi pemilihan emarketplace di Indonesia tahun 2020. Â Kata Kunci: Fuzzy MOORA, Pemilihan emarketplace]]>
<![CDATA[OPTIMALISASI KEUNTUNGAN PRODUKSI BATIK DENGAN METODE GOAL PROGRAMING ]]>
<![CDATA[Nur Fadhilah]]>;
<![CDATA[Widiyono Widiyono]]>
<![CDATA[ IC-Tech Vol 15 No 1 (2020): IC-Tech Volume XV No.1 April 2020 ]]>
Publisher : <![CDATA[STMIK WIDYA PRATAMA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (454.329 KB)
|
DOI: 10.47775/ictech.v15i1.91
<![CDATA[Batik merupakan salah satu penopang pertumbuhan ekonomi di Pekalongan. Kegiatan usaha batik dilakukan oleh masyarakat secara turun temurun sehingga bagi masyarakat Pekalongan merupakan sumber kehidupan sehari-hari. Usaha batik tidak hanya masalah proses pembuatannya, tetapi harus memperhatikan dalam pemasaran, manajemen, perkembangan motif, dan tentunya keuntungan yang sebesar besarnya. Â Mendapatkan keuntungan yang besar pada usaha batik tentunya tidak dapat hanya sekedar menaikan harga jual saja, dikarenakan persaingan harga antar pengusaha batik tentunya sangat banyak jumlahnya. Manajemen yang perlu dilakukan adalah dengan melakukan penghematan-penghematan atau optimalisasi untuk mendapatkan keuntungan yang banyak dari beberapa post kegiatan. Metode Linier Programing merupakan salah satu model yang dapat digunakan untuk memaksimalkan keuntungan dengan memaksimalkan prioritas tertentu. Perkembangan dari metode linier programing adalah metode Goal Programing, metode goal programing dapat melakukan maksimasi keuntungan dengan lebih dari satu prioritas. Metode Goal Programing akan diterapkan pada usaha batik, untuk memaksimalkan keuntungan dengan dua prioritas.Keyword : Goal Programing, Usaha Batik]]>
<![CDATA[Implementasi Metode Usability Testing Untuk Mengukur Penggunaan Website Studi Kasus : Website Stmik Widya Pratama Pekalongan ]]>
<![CDATA[Eny Jumiati]]>;
<![CDATA[Hari Agung B]]>;
<![CDATA[Amanah Amanah]]>
<![CDATA[ IC-Tech Vol 15 No 1 (2020): IC-Tech Volume XV No.1 April 2020 ]]>
Publisher : <![CDATA[STMIK WIDYA PRATAMA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (502.414 KB)
|
DOI: 10.47775/ictech.v15i1.92
<![CDATA[STMIK Widya Pratama yang merupakan sebuah lembaga pendidikan yang berada di Kota Pekalongan yang memanfaatkan website sebagai media untuk menyebarkan informasi baik yang berhubungan dengan kegiatan kemahasiswaan ataupun yang berhubungan informasi tentang profil perguruan tinggi itu sendiri. Penggunaan website harapanya adalah untuk memperluas jaringan informasi sehingga keberadaan STMIK Widya Pratama dapat diketahui secara lebih luas dan diketahui oleh khalayak umum. Untuk mengetahui apakah website STMIK Widya Pratama itu memiliki atribut kemudahan untuk diingat, efisiensi ataupun kemudahan untuk dipelajari, maka dilakukan pengukuran kualitas web dari sisi penggunanya dengan metode Usability testing yang terdiri dari 5 atribut 19 pertanyaan. Hasil rerata yang didapatkan dari pengukuran website https://stmik-wp.ac.id/ dengan jumlah responden 79 adalah atribut Learnability 3.21, Efficiency 3.58, Memorabiliy 3.70, Errors 2,74 dan Satifaction 3.24. Dari 5 atribut yang digunakan rata-rata menghasilkan skala penilaian 3 artinya bahwa website STMIK Widya paratama cukup memperhatikan faktor usabilitinya atau usable. Untuk memaksimumkan usablitinya perlu adanya penambahan atribut comfortably(kenyamanan) fitur yang ada terutama dalam tampilan. Kata Kunci : Pengukuran, Usability Testing, Website]]>
<![CDATA[IMPLEMENTASI NAÃVE BAYES CLASSIFIER UNTUK KLASIFIKASI PENCARIAN TEMPAT KOST ]]>
<![CDATA[Taryadi Taryadi]]>;
<![CDATA[Slamet Joko Prasetiono]]>
<![CDATA[ IC-Tech Vol 15 No 1 (2020): IC-Tech Volume XV No.1 April 2020 ]]>
Publisher : <![CDATA[STMIK WIDYA PRATAMA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (351.918 KB)
|
DOI: 10.47775/ictech.v15i1.93
<![CDATA[Artikel ini membahas penggunaan Naïve Bayes Classifier dengan menggunakan data dari web www.jakarta.craiglist.org. Craiglist menyediakan iklan baris dan forum lokal untuk pekerjaan , perumahan untuk dijual, personal, layanan, komunitas lokal dan acara. Dengan menggunakan aplikasi web-crawling dengan berbasis naïve bayes, akan digunakan untuk mengumpulkan data teks dari bagian penyewaan tempat kost di wilayah Jakarta dan mengklasifikasikan setiap posting ke kota mana termasuk teks pada judul iklan di Craigslist. Dengan menggunakan data yang sama, berupaya untuk menggunakan judul iklan untuk menentukan braket harga yang termasuk di dalamnya. Sebagai pengolah naïve bayes classifier digunakan versi open source yang tersedia di https://github.com/alexandru/stuff-classifier untuk melakukan klasifikasi. Membandingkan naïve bayes dengan statistik Tf-Idf. Berdasarkan hasil pengolahan menunjukkan bahwa judul saja bukan indikator yang baik tentang berapa kisaran harga suatu iklan. Selain itu, naïve bayes melakukan sedikit lebih baik dibandingkan metode Tf-Idf yang hanya berdasarkan pada kebenaran klasifikasi. Untuk mendapatkan hasil yang lebih baik, dilakukan penyujian web crawler lebih lanjut dan memasukkan deskripsi tekstual yang lebih panjang dari setiap daftar ke dalam proses klasifikasi. Dengan melakukan hal tersebut ternyata tidak menghasilkan perubahan perilaku output dari salah satu classifier.Kata Kunci: naïve bayes, klasifikasi, web crawler]]>
<![CDATA[ANALISIS PENGGUNAAN GOOGLE CLASSROOM SEBAGAI ALAT PENDUKUNG PEMBELAJARAN BLENDED LEARNING ]]>
<![CDATA[Wachid Darmawan]]>;
<![CDATA[Hermanus Wim Hapsoro]]>
<![CDATA[ IC-Tech Vol 15 No 1 (2020): IC-Tech Volume XV No.1 April 2020 ]]>
Publisher : <![CDATA[STMIK WIDYA PRATAMA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (309.066 KB)
|
DOI: 10.47775/ictech.v15i1.94
<![CDATA[Dosen-dosen yang mengajar di STMIK Widya Pratama dalam pembelajaran sehari-hari sekarang sudah banyak yang menggunakan metode blended learning. Karena banyakanya aplikasi pendukung dalam pembelajaran blended learning maka diperlukan suatu cara untuk mengetahui kualitas dari aplikasi yang beredar. Salah satu aplikasi yang banyak digunakan dalam pembelajaran blended learning adalah google classroom. Untuk mengetahui tingkat efektifitas dan efisiensi dalam penggunaan google classroom maka di perlukan cara atau teknik untuk mengevaluasi kualitas dari aplikasi tersebut. Pengujian kualitas yang digunakan adalah standar internasional dari ISO/IEC 9126:2001. Indikator yang digunakan dalam pengujian  ini adalah Task Effectiveness, Error Frequency, Task Completion, Resource Utilization dan Compliance. Sedangkan untuk mengetahui tingkat efektifnya menggunakan indikator task effectiveness, error frequency dan task completion. Dan untuk mengetahui tingkat efisiensinya menggunakan indikator resource utilization dan compliance. Dari indikator yang sudah ditentukan untuk menganalisis dari data kuesioner menggunakan analisis deskriptif. Hasil dari pengujian aplikasi google classroom dalam penunjang pembelajaran blended learning untuk tingkat efektif sebesar 3,078, sedangkan tingkat efisiensi sebesar 3,085. Jadi dari hasil tersebut dapat disimpulkan bahwa aplikasi google classroom cukup efektif dan cukup efisien untuk penunjang pembelajaran menggunakan blended learning. Untuk pengembangan selanjutnya bisa menggunakan standar ISO yang lain seperti ISO/IEC 25010:2011 atau bisa juga menambahkan jumlah sampel dalam penelitian lanjutan.  Kata Kunci: Status Mahasiswa, Algoritma Klasifikasi, Desicion Tree, Naive Bayes, Data Mining]]>
