cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Romy Budhi
Contact Email
lppm@machung.ac.id
Phone
+62341-550171
Journal Mail Official
lppm@machung.ac.id
Editorial Address
Universitas Ma Chung Villa Puncak Tidar N-01 Malang
Location
Kota malang,
Jawa timur
INDONESIA
Prosiding Seminar Nasional Universitas Ma Chung
Published by Universitas Ma Chung
ISSN : -     EISSN : 28087771     DOI : -
Core Subject : Health, Science, Education, Engineering,
Computer Science & IT Engineering Languange, Linguistic, Communication & Media Public Health Other
Seminar Nasional Universitas Ma Chung, merupakan diseminasi akademisi di berbagai bidang, sebagaimana berikut ini : Sains : Standardisasi Bahan Alam; Formulasi Bahan Alam; Fitofarmasi, Fitokimia dan Farmakognosi; Bioassay dan Biokimia; Farmasi Klinis dan Komunitas. Teknologi : Information System, Software Engineering, Computer Network Security; E-commerce, E-governance, Business Process, Decision Support System; Big Data, Data Mining Data Warehouse, Text Mining; Information Management, Technopreneurship; Data Engineering, Business Intelligence; Natural Language Processing, Image Processing; Expert System, Machine Learning, Deep Learning; Fuzzy Logic, Searching Technique; Kriptografi, Block Chain; Human Machine Interaction, Internet of Things; Cloud Computing, Computer Network; dan Bidang IT lainnya. Humaniora : Pengajaran Bahasa (Indonesia/BIPA, Mandarin dan Inggris); Pembelajaran Masa dan Pasca Pandemi; Isu-isu Linguistik Mutakhir; Sastra di Era Digital; Kajian Penerjemahan; Bahasa, Budaya, Pariwisata; Bahasa dan Kewirausahaan.
Arjuna Subject : Umum - Umum
Articles 147 Documents
 9   10   11   12   13 
ANALISIS SENTIMEN BERBASIS ASPEK UNTUK IDENTIFIKASI FAKTOR KEPUASAN PASIEN PADA LAYANAN RUMAH SAKIT ANWAR MEDIKA Rusina Widha Febriana
Prosiding Seminar Nasional Universitas Ma Chung (Informatika & Sistem Informasi Bahasa dan Seni
Publisher : Ma Chung Press

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

Abstract

Kualitas pelayanan rumah sakit merupakan salah satu faktor yang mempengaruhi kepuasan pasien dan keberlanjutan peningkatan mutu layanan kesehatan. Seiring meningkatnya penggunaan platform digital, pasien semakin aktif menyampaikan pengalaman dan penilaian mereka melalui ulasan daring yang mengandung informasi penting untuk evaluasi layanan. Namun tingginya jumlah ulasan menyebabkan proses identifikasi faktor kepuasan pasien secara manual menjadi kurang efektif. Penelitian ini bertujuan mengidentifikasi faktor-faktor yang mempengaruhi kepuasan pasien pada layanan Rumah Sakit Anwar Medika menggunakan pendekatan analisis sentimen berbasis aspek. Data penelitian berupa 1.000 ulasan pasien yang diperoleh dari platform ulasan daring rumah sakit. Tahapan penelitian meliputi pengumpulan data, pra-processing teks, analisis sentimen menggunakan teknik NLP (Natural Language Processing), serta identifikasi aspek layanan meliputi pelayanan dokter, pelayanan perawat, administrasi, fasilitas, kebersihan, farmasi, dan waktu tunggu. Hasil analisis menunjukkan bahwa 72% ulasan memiliki sentimen positif, 18% negatif, dan 10% netral. Aspek pelayanan dokter merupakan aspek yang paling banyak dibahas dengan persentase 28%, sedangkan waktu tunggu memperoleh sentimen negatif tertinggi sebesar 54,2%. Temuan ini menunjukkan bahwa kompetensi tenaga medis dan kondisi fasilitas menjadi faktor utama kepuasan pasien, sementara waktu tunggu dan administrasi menjadi faktor utama ketidakpuasan pasien. Penelitian ini membuktikan bahwa analisis sentimen berbasis aspek mampu menghasilkan informasi yang lebih mendalam dibandingkan analisis sentimen konvensional sehingga dapat mendukung pengambilan keputusan berbasis data dalam peningkatan kualitas layanan rumah sakit.
Recurrent Neural Network for Human Fall Motion Prediction Andi Prademon Yunus; Bintang Rizqi Pasha; Yesy Diah Rosita
Prosiding Seminar Nasional Universitas Ma Chung (Informatika & Sistem Informasi Bahasa dan Seni
Publisher : Ma Chung Press

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

Abstract

Falls pose a significant health risk, especially for older adults, where one in three people over 65 experiences a fall each year. For those over 85, the consequences of falls can be severe, leading to life-threatening injuries and a marked decline in quality of life. To address the critical need for fall prevention, this study proposes a prediction approach using Recurrent Neural Networks (RNNs) to recognize patterns in human motion that may indicate an impending fall. By utilizing the CAUCA fall dataset—carefully designed to detect abnormal fall movements—we implemented and assessed different RNN architectures, including Long Short-Term Memory (LSTM) and Gated Recurrent Units (GRU). Our findings show that the GRU model performed best, achieving an accuracy of 0.716, MPJPAE of 32.921 pixels, MPJVE of 22.457 pixels per frame, and Euclidean distance metric outperforming the other models, with RNN closely following at an accuracy of 0.716, MPJPAE of 41.872 pixels, MPJVE of 21.44 pixels per frame. These promising results suggest that RNN models, particularly GRU, can serve as valuable tools in predicting falls, offering a foundation for future technology that can help prevent falls before they happen.
RANCANG BANGUN SISTEM PENDATAAN DAN PENCATATAN INVENTARIS LABORATORIUM SMPK SANTA MARIA 2 MALANG David Augusto; Ruben Nathanael; Soetam Rizky
Prosiding Seminar Nasional Universitas Ma Chung (Informatika & Sistem Informasi Bahasa dan Seni
Publisher : Ma Chung Press

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

Abstract

Pengelolaan inventaris fasilitas laboratorium (Fisika, Biologi, dan Komputer) di SMPK Santa Maria 2 Malang saat ini masih dilakukan secara konvensional menggunakan spreadsheet Microsoft Excel yang filenya tersebar dan tidak terintegrasi. Inti permasalahan dari ketiadaan rekam jejak historis ini mengakibatkan proses pendataan harus diulang dari awal pada setiap periode, menyulitkan pelacakan mutasi pergerakan barang antarlaboratorium, serta memperlambat alur pelaporan kerusakan maupun pengadaan sarana yang masih berjalan manual. Untuk memecahkan masalah tersebut, penelitian ini berfokus pada rancang bangun sistem informasi inventaris berbasis web dengan menerapkan metode pengembangan sistem Rapid Application Development (RAD). Hasil implementasi metode dan temuan saintifik menunjukkan bahwa sistem berhasil dibangun mencakup enam modul utama terintegrasi: manajemen ruangan, pendataan barang, permintaan layanan perbaikan (service request), pencatatan operasional, cetak kode label, dan laporan bulanan otomatis. Sistem ini juga berhasil mengimplementasikan struktur hierarki lokasi fisik yang akurat (ruangan, wadah, barang) serta matriks kontrol akses berbasis peran (RBAC) yang sangat terstruktur. Evaluasi sistem dilakukan melalui User Acceptance Testing (UAT) terhadap empat aktor utama (Admin, Kepala Laboratorium, Sarpras, dan Kepala Sekolah), dengan hasil pengujian menunjukkan tingkat keberhasilan yang sangat tinggi di mana validasi pembatasan hak akses berjalan sempurna. Kesimpulannya, sistem informasi inventaris laboratorium ini terbukti layak dan berhasil menggantikan proses manual, menjamin akurasi data historis, memudahkan pemantauan mutasi barang, serta meningkatkan efisiensi operasional manajemen inventaris di sekolah.
DEEP LEARNING DALAM DIGITALISASI LONTAR BABAD LOMBOK BERBASIS CAPSULE NETWORKS METHOD Muhammad Tajuddin Anwar
Prosiding Seminar Nasional Universitas Ma Chung (Informatika & Sistem Informasi Bahasa dan Seni
Publisher : Ma Chung Press

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

Abstract

Lontar Babad Lombok mengandung pengetahuan sejarah dan budaya yang tak ternilai harganya yang sangat membutuhkan pelestarian, namun materialnya yang rapuh menimbulkan tantangan yang signifikan. Metode digitalisasi tradisional membutuhkan banyak tenaga, mahal, dan terbatas aksesibilitasnya. Penelian ini menyajikan Pembaca lontar Babad Lombok portabel berbasis Artificial Intelegnce (AI) yang dirancang untuk digitalisasi yang efisien dan mudah diakses. Lontar Babad Lombok tidak seperti alternatif yang rumit dan mahal, perangkat mobile ini memungkinkan pembacaan dan digitalisasi secara real-time dengan mudah digunakan. Algoritma dengan menggunakan serangkaian teknik pemrosesan gambar yang dikurasi untuk mengabstraksi artefak dalam gambar manuskrip dan mengekstrak teks tertulis serta mendigitalkannya. Perangkat ini secara mahir memisahkan latar depan (piksel huruf) dari latar belakang sambil memotong dan menghilangkan bekas lubang punch dari gambar. Terletak dalam wadah hasil cetak 3D, perangkat ini menggabungkan prosesor, kamera, dan layar untuk menangkap, memproses, dan menampilkan isi Babad Lombok di layar, mencapai akurasi pengenalan 96,86% melalui model CNN berbasis Deep Learning dengan jumlah kelas yang dikurangi secara strategis. Inovasi ini mengurangi biaya dan tenaga secara manual sekaligus menawarkan solusi yang dapat diskalakan untuk pelestarian budaya khususnya lontar Sasak. Mendemokratisasi akses ke teknologi digitalisasi, perangkat ini mendukung para peneliti, arkeolog, dan penggemar, memfasilitasi pelestarian jangka panjang manuskrip Babad Lombok yang tak ternilai harganya ini.
STUDI KOMPARATIF XGBOOST DAN MLP BERDASARKAN EVALUASI FITUR PADA KLASIFIKASI ANGKA BAHASA ISYARAT SIBI Benedict Michael Pepper; Gilbetch Ronaldo Triswanto
Prosiding Seminar Nasional Universitas Ma Chung (Informatika & Sistem Informasi Bahasa dan Seni
Publisher : Ma Chung Press

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

Abstract

Sistem pengenalan bahasa isyarat berbasis sarung tangan sensor dikembangkan sebagai alat bantu komunikasi bagi komunitas tunarungu. Meskipun demikian, penentuan kombinasi fitur pada sistem tersebut sering kali dilakukan secara intuitif tanpa validasi empiris. Penelitian ini mengevaluasi validitas pemilihan fitur menggunakan algoritma ExtraTreesClassifier pada dataset angka Sistem Isyarat Bahasa Indonesia (SIBI) yang terdiri dari 20 kelas gestur. Hasil analisis menunjukkan bahwa saluran magnetometer, yang dikecualikan dalam penelitian acuan sebelumnya, merupakan fitur paling informatif. Sebaliknya, saluran akselerometer yang dipertahankan dalam studi acuan tersebut berada di peringkat terbawah kepentingan fitur. Selanjutnya, dua model klasifikasi, yaitu Extreme Gradient Boosting (XGBoost) dan Multilayer Perceptron (MLP) berbasis PyTorch, dioptimalkan menggunakan pencarian hiperparameter Bayesian melalui Optuna dengan 100 percobaan per konfigurasi pada dua himpunan fitur berbeda. Menggunakan seluruh 16 fitur, XGBoost mencapai akurasi uji sebesar 99,83% dan MLP mencapai 99,08%. Kedua hasil tersebut melampaui baseline k-Nearest Neighbors (kNN) yang mencatat akurasi 98,90%. Ambiguitas klasifikasi pada Kelas 16 dan 17, yang menjadi kelemahan utama kNN akibat kemiripan karakteristik data, dapat diselesaikan. Nilai F1-score kedua kelas tersebut meningkat masing-masing dari 0,97 dan 0,95 menjadi 0,9972 dan 0,9978. Temuan ini menunjukkan bahwa metode ansambel pohon keputusan mengungguli kNN dan MLP pada data sensor tabular. Hasil eksperimen ini juga menunjukkan bahwa tahapan evaluasi kepentingan fitur secara objektif merupakan fondasi penting dalam perancangan sistem klasifikasi gestur.
PERANCANGAN HAND PAINTING MENGGUNAKAN PEWARNAAN ALAM BUAH, DAUN SINGKONG, DAN UBI UNGGU Netty Juliana
Prosiding Seminar Nasional Universitas Ma Chung (Informatika & Sistem Informasi Bahasa dan Seni
Publisher : Ma Chung Press

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

Abstract

Melukis kain menggunakan pewarna alam buah bit, daun singkong, dan ubi unggu merupakan bagian dari pewarna alam yang diaplikasikan pada perancangan hand painting pada desain permukaan kain dengan memanfaatkan sumber daya alam disekitar lingkungan. Masalah yang diangkat pada penelitian ini berupa perancangan hand painting menggunakan pewarna alam dengan merancang motif flaura anggrek. Sehingga hal ini merupakan salah satu perwujudan dari kegiatan industri kreatif yang selalu dikembangkan ditengah masyarakat moderen ini, guna mengurangi pencemaran limbah industri tekstil. Metodologi yang digunakan pada kegiatan penelitian ini berupa metode penelitian berbasis praktik, melalui eksplorasi ide, teknik atau proses, konsep, hingga menghasilkan produk seni tekstil yang kreatif. Penelitian ini bertujuan untuk merancang hand painting menggunakan pewarna alam pada motif kembang aggrek di permukaan bahan katun primissima. Serta bertujuan untuk memberikan kontribusi pengetahuan dan keterampilan terhadap industri rumah tangga kriya tekstil. Konsep yang diterapkan pada perancangan kriya melukis kain yaitu studi literatur, membuat peta konsep, sketsa bentuk, desain motif, dan proses pembuatan produk. Teori yang digunakan pada perancangan melukis kain berupa penerapan unsur-unsur desain dan prinsip-prinsip desain tekstil. Diharapkan manfaat dari penelitian ini dapat memberi informasi dan pengetahuan baru mengenai perancangan hand painting pada seni kriya tekstil dengan menggunakan pewarnaan alam. Serta dapat menjadi peluang dalam meningkatkan usaha mikro, kecil, dan menengah atau disebut UMKM.
RANCANG BANGUN SISTEM TATA TERTIB SISWA BERBASIS WEB PADA SMPK SANTA MARIA 2 MALANG Marcell Chandra Kenchana; Soetam Rizky Wicaksono
Prosiding Seminar Nasional Universitas Ma Chung (Informatika & Sistem Informasi Bahasa dan Seni
Publisher : Ma Chung Press

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

Abstract

Transformasi digital pada tata kelola kedisiplinan sekolah menengah masih dihadapkan pada berbagai kendala administratif yang memicu ketidakefisienan operasional. Penelitian ini dilatarbelakangi oleh permasalahan faktual di SMPK Santa Maria 2 Malang, di mana proses pencatatan pelanggaran harian serta akumulasi poin masih sangat bergantung pada instrumen konvensional seperti kertas kitir dan buku catatan. Untuk mengatasi permasalahan tersebut, diusulkan sebuah solusi melalui metode Substitusi Ipteks dengan pendekatan pengembangan perangkat lunak Rapid Application Development (RAD). Tahapan penelitian mencakup perencanaan kebutuhan, desain sistem, konstruksi menggunakan bahasa pemrograman PHP dan kerangka kerja Tailwind CSS, serta implementasi akhir. Hasil penelitian menunjukkan bahwa Sistem Informasi Tata Tertib dan Poin Siswa (SITAPSI) berhasil dibangun dengan mengintegrasikan enam modul fungsional utama, meliputi modul dashboard dan pemantauan, pengaturan akademik dan master data, master data aturan, operasional pelanggaran, manajemen surat peringatan, serta rekapitulasi pelaporan. Implementasi sistem ini menerapkan pengolahan poin secara presisi berdasarkan kategori pelanggaran, pembagian peran otorisasi antara Superadmin dan Admin Tatib, serta arsitektur soft delete untuk menjaga integritas rekam jejak komunikasi. Secara kuantitatif, pengujian kelayakan melalui User Acceptance Test (UAT) menunjukkan tingkat keberhasilan absolut sebesar 100% pada seluruh skenario pengujian. Sebagai simpulan, penerapan SITAPSI sangat efektif dalam meminimalisir kesalahan pendataan manual, meningkatkan transparansi informasi bersama wali murid melalui buku penghubung digital, serta mengoptimalkan efisiensi birokrasi penegakan kedisiplinan di lingkungan institusi pendidikan.
Algoritma Enkripsi AES 256 dan Verifikasi OTP Komunikasi Client-Server pada Python Bita Parga Zen; Hendry Setiawan; Clint Joy Perez Melody Mokosandi
Prosiding Seminar Nasional Universitas Ma Chung (Informatika & Sistem Informasi Bahasa dan Seni
Publisher : Ma Chung Press

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

Abstract

Dalam sistem berbasis jaringan komunikasi kendali beberapa tahapan yang dilakukan terutama untuk menjaga keamanan data. Komunikasi client-server menjadi hal yang penting dalam melakukan komunikasi, banyak nya tantangan dalam keamanan menjadi perioritas utama untuk menjaaga integritas data, penelitian ini menyarankan penggunaan AES sebagai enkripsi data dalam hal komunikasi nya, sistem AES menggunakan kunci yang sama untuk enkripsi dan dekripsi AES.generate_key, pada sistem ini menggunakan standar AES dalam CBC mode dengan kunci 128-bit untuk enkripsi, selanjutnya menggunakan PKCS7 padding, HMAC digunakan SHA256untuk autentikasi dan menggunakan token = f.encrypt(b"Secret message!") dalam pengiriman pesan pada proses enkripsi hasil enkripsi (byte): b'\x80\x01\x02...' (64+ byte). Hasil dari encode base64: gAAAAABkO. dekripsi dengan token Base64 gAAAAABkO didecode ke byte asli., sistem ini dibuat untuk dapat mengenkripsi pesan di sisi klien sebelum dikirimkan ke server melalui koneksi TCP. Dengan menggunakan metode enkripsi AES dalam komunikasi client server, sistem dapat melindungi privasi data dengan mengenkripsinya dan menjamin kualitas komunikasi yang aman, pada penelitian ini terbukti dapat dijalankan dengan baik
Perbandingan Klasifikasi Tumor Otak Pada Citra MRI Dengan Menggunakan Arsitektur CNN EfficientNetV2S, ResNet152V2, Dan VGG19 Benedict Chilwin Punarto; Natanael Missionday Gloryant; Windra Swastika
Prosiding Seminar Nasional Universitas Ma Chung (Informatika & Sistem Informasi Bahasa dan Seni
Publisher : Ma Chung Press

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

Abstract

Tumor otak merupakan salah satu penyakit neurologis serius yang membutuhkan diagnosis cepat dan akurat, di mana citra Magnetic Resonance Imaging (MRI) memegang peranan krusial. Interpretasi manual citra MRI seringkali memakan waktu dan bervariasi antar-pengamat, mendorong eksplorasi otomatisasi menggunakan deep learning. Penelitian ini bertujuan untuk membandingkan performa arsitektur pre-trained Convolutional Neural Network (CNN) EfficientNetV2S, ResNet152V2, dan VGG19 dalam klasifikasi tumor otak berdasarkan citra MRI. EfficientNetV2S dipilih karena dikenal dengan efisiensi parameter dan skalabilitasnya, sedangkan VGG19 merupakan model klasik yang telah terbukti kemampuannya dalam berbagai tugas klasifikasi citra. ResNet152V2 juga dipilih karena merupakan salah satu arsitektur dengan layer yang banyak dan model yang besar. Penelitian ini menggunakan dataset citra MRI tumor otak yang telah dianotasi untuk melatih dan mengevaluasi ketiga model. Hasil eksperimen menunjukkan bahwa ketiga konfigurasi model berhasil mengidentifikasi tumor otak dengan akurasi tinggi. Secara spesifik, EfficientNetV2S meraih akurasi testing tertinggi sebesar 99.2%, ResNet152V2 mendapatkan akurasi sebesar 98.8%, dan VGG19 mendapatkan akurasi sebesar 99.0%. Berdasarkan temuan ini, EfficientNetV2S terbukti menjadi pilihan yang lebih optimal, terutama jika mempertimbangkan efisiensi komputasi karena kemampuannya meraih akurasi tinggi dengan model yang lebih ringan. Meskipun demikian, VGG19 dan ResNet152V2 tetap memberikan hasil yang kompetitif dan layak dipertimbangkan, khususnya bila efisiensi komputasi bukan prioritas utama.
Perbandingan Strategi Implementasi Model MobileNetV2 untuk Pengenalan Jenis Sampah Otomatis dari Citra Digital Alexandra Jennifer Matahurila; , Elizabeth Anndini Shayna Putri Matahurila; Windra Swastika
Prosiding Seminar Nasional Universitas Ma Chung (Informatika & Sistem Informasi Bahasa dan Seni
Publisher : Ma Chung Press

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

Abstract

Pengelolaan sampah yang belum terpilah dari sumbernya merupakan tantangan lingkungan global yang menghambat pencapaian target Sustainable Development Goals (SDGs) serta efektivitas ekonomi sirkular. Inefisiensi dan risiko pada proses pemilahan manual mendorong pengembangan solusi otomatis, sehingga penelitian ini menyajikan analisis komparatif mendalam untuk mengevaluasi dampak strategi penanganan data terhadap kinerja model deep learning MobileNetV2 dalam klasifikasi citra sampah. Dua pendekatan utama diinvestigasi secara sistematis. Pendekatan pertama berfungsi sebagai baseline, menerapkan transfer learning pada dataset asli yang distribusinya tidak seimbang. Sementara itu, pendekatan kedua dirancang sebagai strategi teroptimasi yang secara aktif mengintegrasikan augmentasi data (mencakup rotasi, flipping, dan penyesuaian kecerahan) untuk meningkatkan variasi, serta penyeimbangan kelas melalui metode oversampling untuk mengatasi bias. Proses pelatihan pada kedua model dioptimalkan menggunakan callbacks penting seperti early stopping untuk mencegah overfitting dan reduksi learning rate otomatis. Hasil evaluasi menunjukkan perbedaan performa yang signifikan. Model baseline mencapai akurasi uji 95,23%, namun dengan kinerja yang tidak stabil dan bias terhadap kelas mayoritas. Sebaliknya, model teroptimasi menunjukkan superioritas jelas dengan raihan akurasi uji 97,92%, didukung oleh kemampuan generalisasi yang kuat dan performa yang adil serta merata di semua kategori sampah. Dengan demikian, disimpulkan bahwa penerapan augmentasi dan penyeimbangan kelas adalah faktor fundamental yang secara signifikan meningkatkan keandalan dan akurasi model MobileNetV2, menjadikannya kandidat yang jauh lebih kuat untuk diimplementasikan pada sistem manajemen sampah cerdas.

Page 11 of 15 | Total Record : 147

 9   10   11   12   13 

Filter by Year

2021 2026


Reset
Filter By Issues
All Issue Bahasa dan Seni Vol. 2 (2022): Prosiding Seminar Nasional Universitas Ma Chung Vol. 1 (2021): Prosiding Seminar Nasional Universitas Ma Chung