cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
M. Miftakul Amin
Contact Email
M. Miftakul Amin
Phone
-
Journal Mail Official
mmiftakulamin@gmail.com
Editorial Address
-
Location
Kota palembang,
Sumatera selatan
INDONESIA
Teknika
Published by Politeknik Negeri Sriwijaya
ISSN : 08543143     EISSN : 26223481     DOI : -
Core Subject : Engineering,
Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Control & Systems Engineering Electrical & Electronics Engineering Engineering
Arjuna Subject : -
Articles 373 Documents
 22   23   24   25   26 
Metode Elbow K-Means dalam Implementasi Data Mining pada Pemetaan Penyebaran Guru SMK Hartanti, Ninik Tri; Seniwati, Erni; Pramitasari, Rina
TEKNIKA Vol. 18 No. 2 (2024): Teknika Juli - Desember 2024
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.12715083

Abstract

Kualitas dari sistem pendidikan akan selalu dievaluasi sehingga mutu pendidikan akan semakin baik. Salah satu langkah untuk mendukung mutu pendidikan adalah adanya faktor sarana prasarana yang memadai dan adanya peran guru dalam proses pembelajaran yang berkualitas. Pola penyebaran guru menjadi penting guna mendukung pemerataan dalam penempatan guru sesuai dengan kebutuhan untuk setiap daerah. Penelitian ini membahas tentang bagaimana pola penyebaran guru SMK di Magelang, berdasarkan jumlah sekolah, jumlah guru dan siswa SMK di Magelang. Metode data mining yang digunakan adalah K-means Clustering, dengan dikombinasikan dengan metode penentuan jumlah klaster yaitu metode Elbow. Melalui metode Elbow akan dihasilkan nilai Sum of Squared Error (SSE) yang berfungsi untuk menentukan jumlah klaster. Hasil penelitian adalah terdapat 3 klaster dalam penyebaran guru SMK di Magelang. Klaster terbanyak adalah klaster ke2 dengan 11 kecamatan yaitu kecamatan Grabag, Sawangan, Dukun, Tempuran, Srumbung, Candimulyo, Kajoran, Pakis, Ngluwar, Kaliangkrik, dan Ngablak. Kemudian klister ke3 dengan kategori cukup yang terdapat 8 kecamatan, yaitu Mertoyudan, Salaman, Mungkid, Secang, Borobudur, Bandongan, Tegalrejo dan Windusari. Sedangkan klaster terkecil adalah klaster ke1 dengan 2 kecamatan, yaitu kecamatan Muntilan dan Salam.
Konverter Buck-Boost dengan Sistem Close Loop untuk Panel Surya menggunakan Kontrol Arduino Prasetyono, Rizki; , Nasrulloh; Suyudi, Suhud; Saraswati, Nurul Mega; Arsiandro, Fadly Haris
TEKNIKA Vol. 18 No. 2 (2024): Teknika Juli - Desember 2024
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.12593114

Abstract

Solar panel sumbernya diambil dari energi matahari yang fluktuatif dengan kondisi alam, maka dibutuhkan konverter untuk menaikan dan menurunkan tegangan untuk menyesuaikan kebutuhan perangkan yang akan digunakan. Berkaitan dengan itu tujuan riset mengebangkan dan mendesain Buck-Boost Converter yang menggunakan sistem close loop tegangan diatas 12 Volt untuk solar panel. Arus searah (DC) akan diatur melalui konverter DC ke DC, ini merupakan suatu device yang mengubah/ mengkonversi energi listrik dari DC ke DC (menaikan atau menurunkan) tanpa mengubah polaritas sumber dan meningkatkan efisiensi daya. Metode penelitian melalui tahapan analisis permasalahan, desain pengembangan, unjuk kerja, evaluasi, dan kesimpulan. Analisi data kuantitatif deskriptif menceritakan data sesuai dengan keadaan sebenarnya/ kondisi nyata. Kesimpulan riset untuk pengujian konverter DC to DC system close loop untuk solar panel, berdasarkan pengujian menggunakan catu daya pada kondisi buck mampu menurunkan tegangan sampai 4,1 Volt dengan nilai error 5,707%. Pada konsisi boost mampu menaikan tegangan 54,7 Volt dengan nilai error 0,25%. Efisiensi ketika menggunakan solar panel 100 Wp pada kondisi buck dengan variasi duty cycle mempereloh nilai Vout menurun dari Vin. Kemudian kondisi boost dengan variasi duty cycle menaikan Vout dari Vin . Hal ini menunjukan sesuai dengan penelitian bahwa konverter buck untuk menurunkan dan konverter boost untuk menaikann tegangan.
Jaringan Sensor Nirkabel Berbasis LoRa E32 untuk Deteksi Dini Kebakaran Hutan Wildhany Naufal Chadafi; Astutik, Rini Puji
TEKNIKA Vol. 18 No. 2 (2024): Teknika Juli - Desember 2024
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.12590310

Abstract

Sistem peringatan dini kebakaran hutan sangat penting untuk memberikan peringatan dan menghindari bencana lainnya yang diakibatkan oleh kebakaran hutan. Alat deteksi kebakaran yang digunakan Pemerintah saat ini masih tidak praktis, karena masih menggunakan kabel dalam komunikasi data sehingga dibutuhkan komunikasi secara nirkabel. Penggunaan Long Range Access (LoRa) pada penelitian ini diharapkan mampu menyelesaikan permasalahan tersebut, karena memiliki karakteristik berdaya rendah dan dapat menjangkau area yang jauh secara nirkabel dibandingkan dengan teknologi wifi. Tujuan dari penelitian ini yaitu terciptanya alat yang digunakan untuk mendeteksi kebakaran hutan secara dini dengan sensor pendeteksi asap MQ2 berbasis jaringan nirkabel LoRa dan jarak yang jauh. Mikrokontrolnya menggunakan Arduino dan sebagai komunikasi jarak menggunaakan LoRa E32. Metode yang digunakan dimulai dengan study literature, perancangan hardware dan software, pembuatan hardware dan software, pengujian alat, pengambilan data dan analisa hasil. Hasil yang didapat dari penelitian ini yaitu jarak terjauh yang dapat dijangkau oleh LoRa E32 adalah 500 meter. Semakin jauh jarak antara LoRa pengirim dan penerima maka semakin tinggi juga delay penerimaan data, dengan keberhasilan pengiriman data pada LoRa E32 dapat digunakan sebagai pendeteksi kebakaran secara dini dengan jarak maksimal 500 meter.
Strategi Marketing Promosi Penerimaan Mahasiswa Baru Menggunakan K-Means Clustering Agarina, Melda; Sutedi, Sutedi; Karim, Arman Suryadi; Sari, Erlinda Ratna
TEKNIKA Vol. 18 No. 2 (2024): Teknika Juli - Desember 2024
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.13208918

Abstract

Untuk meningkatkan jumlah pendaftar, perguruan tinggi harus mengimplementasikan strategi promosi yang efisien dan terarah. Salah satu pendekatan yang dapat digunakan untuk merancang strategi promosi yang efektif adalah K-Means Clustering. Teknik ini berfungsi untuk mengelompokkan calon mahasiswa berdasarkan karakteristik tertentu. Dengan cara ini, perguruan tinggi dapat menyesuaikan strategi promosi mereka sesuai dengan karakteristik masing-masing kelompok. Penelitian ini bertujuan untuk menerapkan metode K-Means Clustering dalam merancang strategi promosi dengan memanfaatkan data penerimaan mahasiswa baru dari empat tahun terakhir, menggunakan alat bantu seperti Excel, Rapidminer, dan Tableau. Data dianalisis dengan metode K-Means Clustering untuk mengelompokkan calon mahasiswa baru. Hasilnya menunjukkan bahwa metode ini dapat membagi calon mahasiswa menjadi tiga kategori: kategori berprestasi tinggi, kategori aktif dalam organisasi, dan kategori dari latar belakang ekonomi menengah ke atas. Berdasarkan hasil pengelompokan ini, strategi promosi yang disesuaikan dengan karakteristik masing-masing kelompok dapat dirumuskan. Penggunaan K-Means Clustering dalam merancang strategi promosi berdasarkan data penerimaan mahasiswa baru berpotensi membantu perguruan tinggi dalam meningkatkan jumlah pendaftar dan mencapai target penerimaan mereka.
Penerapan Algoritma K-Nearest Neighbor Untuk Klasifikasi Status Gizi Balita Di Posyandu Nusa Indah 4 Frencis Matheos Sarimole; Fentri Boy Pasaribu; Yuma Akbar; Aditya Zakaria Hidayat
TEKNIKA Vol. 18 No. 2 (2024): Teknika Juli - Desember 2024
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.12703925

Abstract

Klasifikasi Data mining adalah sebuah proses menentukan definisi kesamaan karakteristik dalam suatu kelompok atau kelas (class). Untuk mengklasifikasikan data baru berdasarkan data yang sudah dikategorikan (data pelatihan), algoritma K-Nearest Neighbor (KNN) adalah algoritma klasifikasi non-parametrik. Status gizi balita adalah keadaan tubuh balita sebagai hasil dari konsumsi makanan dan penggunaan zat gizi. Keadaan tubuh balita tersebut kemudian dihitung melalui antropometri. Indeks berat badan menurut umur, tinggi badan menurut umur, dan indeks berat badan menurut tinggi badan digunakan untuk menentukannya. Penelitian ini bertujuan untuk mengklasifikasikan status gizi balita. di Posyandu Nusa Indah 4 serta untuk mengetahui Tingkat akurasinya menggunakan algoritma klasifikasi K-Nearest Neighbor. Metode yang digunakan didalam penelitian ini adalah penelitian kuantitatif. Hasil dari penelitian ini adalah terprediksinya 100 data testing status gizi balita berdasarkan mayoritas kelas dari k tetangga terdekat pada 516 data Training yang telah dilakukan Klasifikasi. Evaluasi akurasi dilakukan dengan Metode Confusion Matrix dengan accuracy sebesar 94,64%, precision sebesar 94,64%, dan recall sebesar 94,64%.  Berdasarkan hasil tersebut, algoritma K-Nearest Neighbor dapat digunakan sangat baik untuk Klasifikasi Status Gizi Balita.
Kombinasi Algoritma TF-IDF dan Fuzzy Matching untuk Deteksi Kemiripan Judul Skripsi Azima, Muhammad Fauzan; Nur Listanto, Arif; Fitria, Fitria; Chairani, Chairani
TEKNIKA Vol. 19 No. 1 (2025): Teknika Januari 2025
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.13731519

Abstract

Dalam era informasi digital, deteksi kemiripan teks menjadi penting untuk berbagai aplikasi seperti plagiarisme, pengelompokan dokumen, dan penyaringan informasi. Penelitian ini bertujuan untuk mengembangkan metode yang efektif dalam mendeteksi kemiripan teks dengan menggabungkan algoritma TF-IDF dan Fuzzy Matching. Alasan pemilihan topik ini didasarkan pada kebutuhan akan akurasi yang lebih tinggi dalam mengidentifikasi kemiripan teks yang seringkali tidak dapat diatasi dengan metode konvensional secara memadai. Metode penelitian ini melibatkan penggunaan TF-IDF untuk mengekstraksi fitur penting dari teks, yang kemudian dipadukan dengan Fuzzy Matching untuk mengatasi variasi dan ketidakpastian dalam teks yang dibandingkan. Hasil penelitian menunjukkan bahwa kombinasi kedua algoritma ini mampu meningkatkan akurasi deteksi kemiripan teks dibandingkan dengan penggunaan salah satu algoritma secara terpisah. Pengujian dilakukan pada dataset Judul Skripsi Prodi Teknik Informatika IIB Darmajaya dengan variasi teks, dan hasilnya menunjukkan peningkatan yang signifikan dalam tingkat keakuratan yang tinggi. Evaluasi model menggunakan precision menunjukan akurasi sebesar 88,89%. Kesimpulan penelitian ini menegaskan pentingnya pendekatan gabungan TF-IDF dan Fuzzy Matching dalam aplikasi deteksi kemiripan teks, yang dapat memberikan kontribusi signifikan terhadap peningkatan kualitas dan efisiensi pengelolaan informasi digital.
Sistem Informasi Klasifikasi Hadits Berdasarkan Algoritma Naive Bayes Classifier Aprilia, Indri Mada; Agus, Isnandar; Muludi, Kurnia
TEKNIKA Vol. 19 No. 1 (2025): Teknika Januari 2025
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.13732176

Abstract

Kemajuan teknologi informasi telah berkembang pesat dan banyak dimanfaatkan sebagai media pembelajaran serta pencarian informasi, termasuk dalam pencarian hadits berdasarkan label dan perawinya. Hadits, sebagai panduan hidup umat Islam setelah Al-Qur’an, telah dibukukan, namun penyajian hadits dalam bentuk buku membuat banyak orang kesulitan menemukan hadits yang dicari karena pencarian masih dilakukan secara manual dengan jumlah data yang besar, sehingga membutuhkan banyak tenaga dan waktu. Penelitian ini bertujuan untuk membantu masyarakat dalam mencari hadits sesuai dengan label dan perawinya. Metode pengembangan perangkat lunak yang digunakan adalah metode waterfall, yang mencakup tahapan seperti analisis kebutuhan, desain sistem, penulisan kode program, pengujian sistem, dan pemeliharaan, dengan menerapkan algoritma Naïve Bayes Classifier. Proses klasifikasi ini melibatkan beberapa tahapan Preprocessing Text, seperti case folding, tokenisasi, filtering/Stopword Removal, stemming, training, dan prediction, yang pada akhirnya menghasilkan keluaran hadits terkait beserta label dan perawinya. Hasil dari penelitian ini adalah sistem informasi dan pencarian hadits dengan label dan perawinya yang menerapkan algoritma Naïve Bayes Classifier berbasis web.
Sistem Pakar Menentukan Kuantitas Dan Kualitas ASI Yang Baik Menggunakan Metode Best First Search Yani, Sefty; Samsudin, Samsudin
TEKNIKA Vol. 18 No. 2 (2024): Teknika Juli - Desember 2024
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.12784396

Abstract

Keberlangsungan hidup dari suatu keturunan manusia dapat dipertahankan dengan beberapa cara, salah satu ialah proses alamiah manusia yakni menyusui. Banyak manfaat yang terkandung di dalam Air Susu Ibu (ASI), dimana hal ini dibentuk dari campuran emulsi lemak dalam larutan laktosa, garam organik, dan lemak yang kemudian disekresikan oleh kelenjar payudara pada Ibu. Berbagai faktor dapat Berpengaruh pada optimalisisasi pemberian ASI kepada anak, yakni meliputi usia dari Ibu, pendidikan Ibu, pengetahuan Ibu, pekerjaan Ibu, paritas Ibu, dan keterbatasan akses konseling kesehatan mengenai keluhan atau kesulitas selama Ibu tersebut menyusui. Penelitian yang dijalankan memiliki tujuan untuk mengembangkan kemampuan diagnosis kuantitas dan kualitas ASI dengan menerapkan metode best first Search. Berdasarkan penelitian sistem pakar kuantitas dan kualitas ASI yang dibagun sudah mengikuti penyususnan sistem pakar dengan metode best first search. Sistem pakar yangdi bangun sudah mampu mendiangnosa kuantitas dan kualitas ASI yang baik, dengan akurat dan valid.
Penerapan Data Mining Pada Klasifikasi Gangguan Jiwa Menggunakan Algoritma C5.0 Di RSJ. Mahoni Kota Anthira, Najla; Suendri, Suendri
TEKNIKA Vol. 18 No. 2 (2024): Teknika Juli - Desember 2024
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.12784435

Abstract

Dalam dunia kesehatan, khususnya dalam bidang kesehatan mental, teknologi telah menjadi alat yang sangat berguna untuk mengeksplorasi berbagai metode dalam upaya mendeteksi, dan mengklasifikasikan jenis penyakit yang mungkin dialami oleh pasien. Meskipun banyak terobosan telah diterapkan di dunia kesehatan, namun dalam konteks kesehatan mental, tidak semua teknologi tersebut dapat diimplementasikan dengan efektif. Untuk memudahkan tenaga kesehatan dalam melakukan prediksi, dan klasifikasi jenis penyakit gangguan jiwa maka dibutuhkan sebuah system rekomendasi prediksi, dan klasifikasi yang efektif. Dalam penelitian ini algoritma C5.0 digunakan untuk mengolah dan mengklasifikaskan data kedalam kategori tertentu, berdasarkan hubungan antara variabel-variabel yang dimasukkan kedalamnya, sekaligus membuat pohon keputusan yang berfungsi untuk memvisualkan hubungan antara variabel-variabel tersebut. Hasil pengujian dengan metode confusion matrix didapati akurasi sebesar 94,44%. Dimana pada label Depresi didapati precision sebesar 88%, Skizofernia sebesar 94,44%, Bipolar sebesar 100%, Psikosis sebesar 91,80%, dan PTSD sebesar 100%. Sedangkan hasil recall pada label Depresi sebesar 88%, Skizofernia sebesar 89,47%, Bipolar sebesar 90%, Psikosis sebesar 100%, dan PTSD sebeasr 100%.
Model Indo-BERT untuk Identifikasi Sentimen Kekerasan Verbal di Twitter Nurjoko, Nurjoko; Rahardi, Agus
TEKNIKA Vol. 18 No. 2 (2024): Teknika Juli - Desember 2024
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.12788184

Abstract

Munculnya kekerasan verbal di platform media sosial Twitter menjadi isu yang semakin memprihatinkan dalam beberapa tahun terakhir. Kekerasan verbal mencakup berbagai bentuk komunikasi yang merendahkan, menghina, dan mengancam, seringkali merugikan individu atau kelompok. Permasalahan utama yang dibahas dalam penelitian ini adalah identifikasi sentimen terkait perilaku kekerasan verbal di media sosial, khususnya Twitter. Penelitian ini bertujuan untuk mengembangkan model analisis sentimen Verbal Violence Behavior (VVB) di Twitter dengan menggunakan Indo-BERT. Keakuratan model akan dibandingkan dengan BERT. Penelitian ini diawali dengan pengumpulan data melalui web crawling dengan menggunakan kategori perilaku kekerasan verbal sebagai referensi. Pelabelan dataset dilakukan melalui kombinasi metode manual dan otomatis dengan pendekatan semi-supervised learning. Proses ini melibatkan pembelajaran mandiri, di mana data yang tidak berlabel secara otomatis diberi label menggunakan model yang telah dilatih sebelumnya. Dataset dikategorikan menjadi sentimen positif, sentimen negatif, dan sentimen netral. Model Indo-BERT digunakan sebagai kerangka analisis. Evaluasi hasil dilakukan dengan menerapkan matriks konfusi. Temuan dari percobaan ini menunjukkan bahwa model Indo-BERT memiliki kemampuan yang lebih unggul dengan tingkat akurasi mencapai 72% dalam memproses teks berbahasa Indonesia dibandingkan dengan model BERT dengan tingkat akurasi sebesar 69%.

Page 24 of 38 | Total Record : 373

 22   23   24   25   26 

Filter by Year

2018 2026


Reset
Filter By Issues
All Issue Vol. 20 No. 2 (2026): Teknika Mei 2026 (In Progress) Vol. 20 No. 1 (2026): Teknika Januari 2026 Vol. 19 No. 3 (2025): Teknika September 2025 Vol. 19 No. 2 (2025): Teknika Mei 2025 Vol. 19 No. 1 (2025): Teknika Januari 2025 Vol. 18 No. 2 (2024): Teknika Juli - Desember 2024 Vol. 18 No. 1 (2024): Teknika Januari - Juni 2024 Vol. 17 No. 2 (2023): Teknika Juli - Desember 2023 Vol. 17 No. 1 (2023): Teknika Januari - Juni 2023 Vol. 16 No. 2 (2022): Teknika Juli - Desember 2022 Vol. 16 No. 1 (2022): Teknika Januari - Juni 2022 Vol. 15 No. 2 (2021): Teknika Juli - Desember 2021 Vol. 15 No. 1 (2021): Teknika Januari - Juni 2021 Vol. 14 No. 2 (2020): Teknika Juli - Desember 2020 Vol. 14 No. 1 (2020): Teknika Januari - Juni 2020 Vol. 13 No. 2 (2019): Teknika Juli - Desember 2019 Vol. 13 No. 1 (2019): Teknika Januari - Juni 2019 Vol. 12 No. 2 (2018): Teknika Juli - Desember 2018 Vol. 12 No. 1 (2018): Teknika Januari - Juni 2018 More Issue