cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Muhammad Nur
Contact Email
muhammadnur@politeknikbosowa.ac.id
Phone
+6285242389681
Journal Mail Official
maple.meka@politeknikbosowa.ac.id
Editorial Address
Jalan Kapasa Raya No.23 Kapasa Kecamatan Tamalanrea, Daya, Kec. Biringkanaya, Kota Makassar, Sulawesi Selatan 90245
Location
Kota makassar,
Sulawesi selatan
INDONESIA
Mechatronics Journal in Professional and Entrepreneur (MAPLE)
Published by Politeknik Bosowa
ISSN : 26854868     EISSN : 29636175     DOI : -
Core Subject : Science, Education, Engineering,
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mathematics
-Robotics and Automation -Artificial Intelligence and Computational Intelligence -Intelligent Control -Instrumentation and System Integration -Signal and Image Processing -Modelling and Simulation -dan lain-lain.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 5 Documents
 1 
Search results for , issue "Vol 6, No 2 (2024)" : 5 Documents clear
Identifikasi Kelompok Prestasi Mahasiswa Berdasarkan Kombinasi Nilai Tugas, MID, dan UAS Menggunakan K-Means Clustering Safanah, Nur Azizah Ayu
Mechatronics Journal in Professional and Entrepreneur (MAPLE) Vol 6, No 2 (2024)
Publisher : Politeknik Bosowa

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

Abstract

Penelitian ini bertujuan untuk mengidentifikasi kelompok prestasi mahasiswa berdasarkan kombinasi nilai Ulangan Harian, Ujian Tengah Semester (UTS), dan Ujian Akhir Semester (UAS) menggunakan metode K-Means Clustering. Data yang digunakan adalah nilai mahasiswa dari mata kuliah Ilmu Budaya Dasar di Fakultas Ilmu Sosial dan Politik, Universitas Maritim Raja Ali Haji. Sampel terdiri dari 24 mahasiswa dengan atribut yang dianalisis meliputi Tugas Mandiri (TM), Tugas, UTS, dan UAS. Metode K-Means Clustering digunakan untuk mengelompokkan data ke dalam tiga kategori prestasi: tinggi, sedang, dan cukup. Proses clustering dilakukan melalui beberapa iterasi hingga tidak ada lagi perubahan anggota cluster. Hasil pengelompokan kemudian divalidasi menggunakan software KNIME Analytic Platform untuk memastikan akurasi. Penelitian ini menunjukkan bahwa metode K-Means Clustering dapat digunakan secara efektif untuk menganalisis dan mengelompokkan prestasi mahasiswa berdasarkan kombinasi nilai akademik mereka, memberikan wawasan yang bermanfaat bagi institusi pendidikan tinggi dalam memahami pola prestasi mahasiswa.
Penerapan Metode K-Means Clustering untuk Pengelompokan Prestasi Siswa menggunakan Orange Data Mining: Studi Kasus di MTs Muhammadiyah Tallo Makassar Awalia, Rifqa
Mechatronics Journal in Professional and Entrepreneur (MAPLE) Vol 6, No 2 (2024)
Publisher : Politeknik Bosowa

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

Abstract

Peningkatan kualitas pendidikan adalah fokus utama bagi setiap institusi pendidikan, terutama di Indonesia, dengan salah satu indikator keberhasilannya adalah prestasi siswa. Namun, terdapat kesenjangan prestasi yang signifikan antar siswa yang disebabkan oleh berbagai faktor seperti latar belakang sosial ekonomi dan kualitas pembelajaran. Untuk memahami pola prestasi siswa, penelitian ini menerapkan metode K-Means Clustering untuk mengelompokkan prestasi siswa di MTs Muhammadiyah Tallo Makassar menggunakan software Orange Data Mining. Penelitian ini bertujuan untuk mengelompokkan prestasi siswa menjadi tiga cluster: tinggi, cukup, dan rendah berdasarkan nilai akademik siswa. Penelitian ini menggunakan dataset nilai raport siswa kelas VII.1 tahun pelajaran 2022/2023. Tahapan penelitian meliputi studi literatur, pengumpulan data, preprocessing data, penerapan metode K-Means Clustering, dan analisis hasil. Hasil penelitian menunjukkan bahwa metode K-Means Clustering berhasil mengelompokkan prestasi siswa ke dalam tiga cluster dengan bantuan Orange Data Mining, yang mempermudah interpretasi dan visualisasi hasil. Cluster tinggi terdiri dari 8 siswa, cluster cukup terdiri dari 10 siswa, dan cluster rendah terdiri dari 3 siswa. Hasil clustering ini memberikan wawasan berharga bagi pendidik untuk merumuskan strategi pembelajaran yang tepat bagi setiap kelompok siswa, khususnya untuk membantu siswa dalam cluster cukup dan rendah meningkatkan prestasinya. Penelitian ini merekomendasikan analisis lanjutan dengan data yang lebih besar dan variabel tambahan untuk mendapatkan hasil yang lebih komprehensif.
Analisis Kecocokan Model Autoregressive Integrated Moving Average (ARIMA) dalam Prediksi Penyebaran COVID-19 (Studi Kasus: Kabupaten Bone, Sulawesi Selatan) Adistia, Ainun Zahra
Mechatronics Journal in Professional and Entrepreneur (MAPLE) Vol 6, No 2 (2024)
Publisher : Politeknik Bosowa

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

Abstract

Pandemi COVID-19 yang telah menimpa dunia sejak akhir tahun 2019 memberikan pelajaran berharga mengenai urgensi kesiapsiagaan dan respons yang cepat dalam menanggapi wabah penyakit menular. Meskipun saat ini pandemi COVID-19 telah mereda dan situasinya mulai kembali normal, pengalaman dalam beberapa tahun terakhir menegaskan perlunya pengembangan metode prediksi yang dapat diandalkan untuk mengantisipasi kemungkinan wabah di masa depan. penelitian ini bertujuan untuk mengidentifikasi dan menganalisis pola penyebaran COVID-19 di Kabupaten Bone, menerapkan model ARIMA untuk memprediksi jumlah kasus COVID-19 di masa depan, serta mengevaluasi kecocokan dan akurasi model ARIMA dengan data aktual. Penelitian ini menggunakan pendekatan kuantitatif dengan metode Autoregressive Integrated Moving Average (ARIMA). Hasil dari penelitian ini menunjukkan bahwa metode ARIMA memiliki keterbatasan dalam menangani pola nonlinier.
Desain dan Implementasi Sistem Pengukuran Ketinggian Air Menggunakan Sensor JSNSR04T pada Penampungan Air Otomatis wahhab, habib abdul; alfian, Muhammad luthfi; Isminarti, Isminarti; Putra, Nur Azhary Iriawan eka
Mechatronics Journal in Professional and Entrepreneur (MAPLE) Vol 6, No 2 (2024)
Publisher : Politeknik Bosowa

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

Abstract

Masyarakat pengguna PDAM di Sorowako biasanya menyimpan air pada tangki air untuk digunakan pada kebutuhan sehari-hari. Air dari PDAM dipompa menggunakan pompa air menuju tangki air. Namun, terdapat kendala ketika musim kemarau yaitu pasokan air PDAM di Sorowako berkurang, sehingga suplai air ke rumah masyarakat menjadi tidak stabil ditandai dengan air dari PDAM hanya mengalir pada waktu-waktu tertentu. Saat ini, pengendalian pompa air dilakukan secara konvensional, yaitu dengan menggunakan pelampung air otomatis. Pelampung ini bekerja selayaknya saklar otomatis pompa air, ketika air terisi penuh maka pompa akan mati, sebaliknya jika air berkurang pompa air akan aktif. Hal ini tidak efisien untuk diterapkan di Sorowako karena distribusi air PDAM di Sorowako tidak selamanya mengalir. Tujuan penelitian ini adalah untuk mengembangkan sistem penampungan air otomatis dengan menggunakan sensor JSN-SR04T sebagai pengukur ketinggian air pada tangki dan RTC-DS3231 sebagai fungsi timer. Pompa air dapat diaktifkan dengan waktu yang ditentukan serta akan berhenti secara otomatis ketika mencapai ketinggian tertentu. Hasil dari penilitian ini telah dibuat pengembangan sistem penampung air otomatis dengan menggunakan sensor JSN-SR04T sebagai pengukur ketinggian air dan RTC-DS3231 sebagai fungsi pewaktuan. Pengujian sensor JSN-SR04T menunjukkan nilali rata-rata error sebesar 0,66%.
Penerapan Algoritma Naïve Bayes untuk Memprediksi Penjualan Makanan Pada Toko Korean food Putri Azzahra, Andi Shelma
Mechatronics Journal in Professional and Entrepreneur (MAPLE) Vol 6, No 2 (2024)
Publisher : Politeknik Bosowa

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

Abstract

Penelitian ini bertujuan untuk mengevaluasi keefektifan algoritma  Naïve Bayes dalam memprediksi penjualan makanan pada toko makanan Korea menggunakan data penjualan sebelumnya. Algoritma  Naïve Bayes diterapkan pada data yang terdiri dari nama produk, harga, ukuran dan jenis produk. Metode klasifikasi yang digunakan yaitu metode  Naïve Bayes, digunakan dengan bantuan tools software Orange. Hasil evaluasi menunjukkan tingkat akurasi prediksi yang tinggi dengan nilai AUC 0,957, akurasi klasifikasi 0,956, dan nilai F1 0,956. Hal ini menunjukkan bahwa algoritma  Naïve Bayes dapat digunakan untuk memprediksi penjualan dengan baik.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol 7 No 2 (2025) Vol 6, No 2 (2024) Vol 6, No 1 (2024) Vol 5, No 2 (2023) Vol 5, No 1 (2023) Vol 4, No 2 (2022) Vol 4, No 1 (2022) Vol 3, No 2 (2021) Vol 3, No 1 (2021) Vol 2, No 2 (2020) Vol 2, No 1 (2020) Vol 1, No 2 (2019) Vol 1, No 1 (2019) More Issue