Jurnal Transformatika
Transformatika is a peer reviewed Journal in Indonesian and English published two issues per year (January and July). The aim of Transformatika is to publish high-quality articles of the latest developments in the field of Information Technology. We accept the article with the scope of Information Systems, Web Technology, Computer Networks, Artificial Intelligence, and Multimedia.
Articles
330 Documents
<![CDATA[Korelasi CO2 Terhadap Suhu dan kelembapan Dengan Multivariate Linear Regression ]]>
<![CDATA[Adhiwibowo, Whisnumurti]]>;
<![CDATA[Warsito, Budi]]>;
<![CDATA[Wibowo, Adi]]>
<![CDATA[ Jurnal Transformatika Vol. 21 No. 2 (2024): Januari 2024 ]]>
Publisher : <![CDATA[Jurusan Teknologi Informasi Universitas Semarang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26623/transformatika.v21i2.5230
<![CDATA[Sekarang ini keadaan udara di daerah perkotaan sudah sangat tercemar oleh polusi. Semakin banyak gas CO2 yang mulai menyebar ke udara dapat menyebabkan meningkatnya suhu udara.. Hal ini dikarenakan bahwa CO2 dapat meningkatkan suhu di permukaan bumi. CO2 mempunyai peran yang dapat menyebabkan pemanasan global karena gas CO2 mempunyai di udara bebas dan dapat menyerap panas Matahari sehinggs suhu Bumi meningkat dampak pencemaran udara seperti asap kendaraan, asap rokok, asap dari pembakaran pabrik, dan kontribusi terbesar dalam pemanasan global mempunyai pengaruh sebesar 50% dan mempunyai lama hidup 50 200 tahun di atmosfer. Peningkatan suhu udara dan konsentrasi CO2 merupakan masalah yang sering terjadi pada daerah perkotaan dimana salah satunya adalah meningkatnya jumlah kendaraan bermotor sehingga konsentrasi CO2 juga ikut meningkat. Dengan melihat korelasi CO2 Terhadap Suhu dan kelembapan Dengan mengunakan Multivariate Linear Regression, kita dapat melihat bagaiman korelasi antara suhu serta kelembapan. Regresi linier multivariat merupakan model regresi linier dengan lebih dari satu variabel respon Y berkorelasi dan satu atau lebih variabel prediktor X. Hasil penelitian menunjukkan bahwa Dalam penelitian tersebut dikatakan bahwa terdapat korelasi antara CO2 suhu serta cahaya. ]]>
<![CDATA[Expert System for”Hypertension Disease Diagnoses Using Web Based Certainty Factor Method ]]>
<![CDATA[Laukamang, Vicky Olfianto N.]]>;
<![CDATA[Prasetyo, Dwi]]>;
<![CDATA[Sina, Derwin R.]]>
<![CDATA[ Jurnal Transformatika Vol. 22 No. 1 (2024): July 2024 ]]>
Publisher : <![CDATA[Jurusan Teknologi Informasi Universitas Semarang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26623/transformatika.v22i1.8037
<![CDATA[Tekanan darah tinggi (hipertensi) merupakan kondisi di mana tekanan darah pada dinding arteri terlalu tinggi. Sampai saat ini, hipertensi menjadi isu kesehatan masyarakat, di mana jarang menimbulkan gejala yang jelas pada kesehatan. Hipertensi menjadi salah satu faktor resiko penyakit jantung koroner, gagal jantung, dan stroke. Hipertensi dikenal sebagai pembunuh secara tiba-tiba, karena seringkali penderita hipertensi tidak menyadari kondisinya dan baru mengetahuinya setelah melakukan pemeriksaan ke dokter dan mengalami komplikasi. Sistem pakar hadir sebagai sistem cerdas yang dapat digunakan sebagai solusi dan analisis dalam bidang medis, misalnya untuk mendiagnosis penyakit, pengguna dapat menggunakan sistem ini untuk mendiagnosis dan mendapatkan solusi terkait keluhan kesehatan yang mereka alami. Oleh sebab itu, sistem pakar ini dirancang, dibuat, dan dikembangkan untuk diagnosis dini penyakit hipertensi secara berbasis web dengan mengunakan metode certainty factor. Hasil pengujian sistem dengan menggunakan 100 data kasus, terbukti bahwa metode certainty factor mampu mendiagnosis penyakit hipertensi dengan tingkat akurasi mencapai 82%.]]>
<![CDATA[Decision Tree Implementation in IT Job Recommendation System ]]>
<![CDATA[Widayati, Yohana Tri]]>;
<![CDATA[Widjaja, Stephanus]]>;
<![CDATA[Wicaksono, Adityo Putro]]>;
<![CDATA[Gondohanindijo, Jutono]]>;
<![CDATA[Putri, Christine Cecillia]]>
<![CDATA[ Jurnal Transformatika Vol. 21 No. 2 (2024): Januari 2024 ]]>
Publisher : <![CDATA[Jurusan Teknologi Informasi Universitas Semarang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26623/transformatika.v21i2.8328
<![CDATA[Employment is the primary activity that humans engage in to generate income. With the advancement of technology and research, there are many new job opportunities leading to confusion in choosing a job path. This leads to individual confusion in making job choices. Ignorance of one's own talents and personality, as well as ignorance of the various options available, can be the source of this ignorance. This research aims to develop a Decision Tree model to assist users in determining the appropriate IT field. The system uses AI Project Cycle and data processing tools such as Google Collaboratory, which is based on Python programming language. The results show that the Decision Tree algorithm can be applied to recommend jobs in the IT field to help users find suitable fields in the IT field.]]>
<![CDATA[Penerapan Data Mining Dalam Strategi Bisnis Menggunakan Algoritma Apriori ]]>
<![CDATA[Bloemhard, Putri E]]>;
<![CDATA[Pandie, Emerensye Sofia Yublina]]>;
<![CDATA[Fanggidae, Adriana]]>;
<![CDATA[Rumlaklak, Nelci Dessy]]>;
<![CDATA[Widiastuti, Tiwuk]]>;
<![CDATA[Sina, Derwin Rony]]>;
<![CDATA[Nabuasa, Yelly Yosiana]]>
<![CDATA[ Jurnal Transformatika Vol. 22 No. 1 (2024): July 2024 ]]>
Publisher : <![CDATA[Jurusan Teknologi Informasi Universitas Semarang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26623/transformatika.v22i1.10194
<![CDATA[Strategi yang diambil dalam mengelola bisnis kuliner sangat penting dalam memenangkan persaingan. Data transaksi penjualan dari Chicken Brotus selama tahun 2016 hingga 2023 memberikan gambaran penting mengenai pengelolaan strategi pemasaran dan manajemen persediaan. Dalam penelitian ini, algoritma Apriori digunakan untuk mencari hubungan antar item penjualan dalam satu dataset. Hasil pengujian terhadap 11.123 record data, dengan kombinasi nilai minimum support 8% dan minimum confidence 25% serta minimum support 10% dan minimum confidence 25%, menghasilkan pola analisis frekuensi dan aturan asosiasi. Analisis menunjukkan bahwa item terlaris adalah es teh jumbo dengan nilai support 46,5%. Selain itu, ditemukan bahwa jika konsumen membeli ayam geprek biasa komplit, maka 63,1% kemungkinan mereka juga akan membeli es teh jumbo. Hasil ini memberikan wawasan berharga bagi Chicken Brotus untuk mengembangkan strategi pemasaran dan pengelolaan persediaan yang lebih efektif dan efisien. Dengan demikian, Chicken Brotus dapat meningkatkan penjualan dan kepuasan pelanggan melalui strategi yang didasarkan pada data yang akurat dan analisis yang mendalam]]>
<![CDATA[GA-SVM Wrapper Feature Selection untuk Penanganan Data Berdimensi Tinggi ]]>
<![CDATA[Rifa'i, Ahmad]]>;
<![CDATA[Suntoro, Joko]]>;
<![CDATA[Setiaji, Galet Guntoro]]>
<![CDATA[ Jurnal Transformatika Vol. 21 No. 2 (2024): Januari 2024 ]]>
Publisher : <![CDATA[Jurusan Teknologi Informasi Universitas Semarang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26623/transformatika.v21i2.8886
<![CDATA[Peningkatan data dalam beberapa tahun terakhir ini mengalami peningkatan yang sangat signifikan karena penggunaan sosial media dan peralihan menjadi era digital. Teknik untuk pengolahan data menjadi informasi yang berguna dinamakan dengan data mining. Namun masalah yang terjadi ketika menerapkan data mining, khususnya metode klasifikasi adalah data berdimensi tinggi karena data berdimensi tinggi mempengaruhi hasil evaluasi dalam klasifikasi menjadi rendah. Data berdimensi tinggi didefinisikan sebagai data dengan jumlah fitur yang banyak dan kompleks, kompleksitas fitur mengakibatkan sulitnya memilih subset fitur yang optimal karena terdapat fitur yang tidak relevan. Dalam penelitian ini akan digunakan teknik wrapper dengan menerapkan metode metaheuristik yaitu algoritma genetika (GA) untuk pemilihan subset fitur agar lebih optimal, dan algoritma pengklasifikasi yang digunakan adalah algoritma Support Vector Machine (SVM), metode ini disebut dengan GA-SVM WFS. Hasil akurasi metode GA-SVM WFS lebih tinggi dibandingkan dengan metode SVM, dengan rata-rata hasil akurasi masing-masing sebesar 0,902 dan 0,874. Dalam penelitian ini terdapat perbedaan secara signfikan antara metode GA-SVM WFS dan metode SVM setelah dilakukan uji paired t-test dengan nilai p-value sebesar 0,01 dengan nilai α sebesar 0,05.]]>
<![CDATA[MANAJEMEN SISTEM PENILAIAN KINERJA GURU TAMAN KANAK-KANAK DENGAN SIMPLE ADDITIVE WEIGHTING ]]>
<![CDATA[Lewa, Andi Hallang]]>;
<![CDATA[Farida, Ida]]>;
<![CDATA[Setiawan, Aries]]>;
<![CDATA[Hariyadi, Guruh Taufan]]>;
<![CDATA[Suharnawi, Suharnawi]]>;
<![CDATA[Purwatiningsih, Aris Puji]]>
<![CDATA[ Jurnal Transformatika Vol. 21 No. 2 (2024): Januari 2024 ]]>
Publisher : <![CDATA[Jurusan Teknologi Informasi Universitas Semarang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26623/transformatika.v21i2.8167
<![CDATA[Teacher performance according to Law Number 14 of 2005 includes the main activities of planning, learning, implementing, assessing learning outcomes, mentoring and training children as well as additional tasks related to the main activities in accordance with the main workload. Teacher performance influences student learning outcomes, with good teacher performance it should produce good quality students as well. Therefore, it is natural that teacher performance needs to be measured every period. The assessment certainly contains the main and additional tasks. Based on these problems, it is also necessary to improve the existing performance appraisal system. There needs to be an appropriate method to assist the teacher performance assessment process, one of which is the weighted method, namely simple additive weighting (SAW). Performance assessment every semester using the SAW method will be able to bridge the results of increasingly better teacher performance. The assessment is carried out on a weighted basis for each parameter. The final result is a ranking of the performance of all teachers in descending order]]>
<![CDATA[Bootstrapped Aggregating Optimization in Random Forest for Hepatitis Risk ]]>
<![CDATA[HISWATI, MARSELINA ENDAH]]>;
<![CDATA[DIQI, MOHAMMAD]]>;
<![CDATA[SYAFITRI, ENDANG NURUL]]>;
<![CDATA[FAUZIYYAH, ANNUR]]>
<![CDATA[ Jurnal Transformatika Vol. 22 No. 1 (2024): July 2024 ]]>
Publisher : <![CDATA[Jurusan Teknologi Informasi Universitas Semarang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26623/transformatika.v22i1.9073
<![CDATA[This research optimizes the Random Forest model with Bootstrapped Aggregating to predict hepatitis risk. The global significance of hepatitis as a health problem is underscored by its widespread impact. Using a Kaggle dataset comprising 596 records and 20 attributes, including age categories and gender, the study identifies limitations in predicting hepatitis risk. Through hyperparameter optimization, such as adjusting the number and depth of trees, the Random Forest model with bootstrapped aggregate achieves an accuracy of 96%, surpassing the standard model's 88%. The results demonstrate a significant improvement in precision, recall, and f1 score, particularly in reducing false negatives. The conclusion highlights the practical potential of this model for a more accurate assessment of hepatitis risk. While acknowledging limitations related to the size of the dataset, these findings provide a foundation for developing predictive models in the context of hepatitis risk, emphasizing the importance of employing ensemble techniques to improve model performance.]]>
<![CDATA[Decision Support System in Determining the right Investment Instrument ]]>
<![CDATA[Gunawan, Dedi]]>
<![CDATA[ Jurnal Transformatika Vol. 22 No. 2 (2025): January 2025 ]]>
Publisher : <![CDATA[Jurusan Teknologi Informasi Universitas Semarang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26623/gceske56
<![CDATA[The number of investment instrument is often confusing for people who have minimal knowledge but still want to investing. Due to the many investments instrument offered, with the lack of public literacy in financial management, most people have a fear of missing out which case the phenomena of FOMO (Fear of Missing Out), the desire of people to get rich quick without thinking about the risk future which result in many fraudulent practices circulating in the community. This study aims to assist users in deciding the right investment instrument according to the user s risk profile. The decision support system in determining investment instrument with AHP (Analytical Hierarchy Process) Method is a method for problems in determining priorities from various alternative. AHP will make it easier to determine the right instrument. ]]>
<![CDATA[Implementasi Metode Dempster-Shafer Untuk Mendiagnosis Karies Gigi ]]>
<![CDATA[Mauk, Imanuel Brian Calvin]]>;
<![CDATA[Sina, Derwin Rony]]>;
<![CDATA[Ledoh, Juan Rizky Mannuel]]>
<![CDATA[ Jurnal Transformatika Vol. 22 No. 2 (2025): January 2025 ]]>
Publisher : <![CDATA[Jurusan Teknologi Informasi Universitas Semarang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26623/cw57h274
<![CDATA[Gigi merupakan struktur keras yang terdapat di mulut manusia, berfungsi untuk mengunyah makanan, membantu dalam pengucapan, dan memberikan bentuk pada wajah. Gigi juga sering mengalami gangguan penyakit. Penyakit yang umumnya terjadi pada gigi adalah karies gigi. Penyebab dari karies gigi disebabkan karena kurangnya kebiasaan menyikat gigi secara teratur dan kurangnya kesadaran masyarakat akan pentingnya kesehatan gigi. Banyak orang yang mengalami karies gigi cenderung tidak langsung pergi ke dokter gigi, sehingga masalah pada email gigi bisa semakin parah, membentuk lubang atau karies yang lebih besar. Jumlah tenaga dokter gigi di Indonesia sangat terbatas, rasio antara dokter dengan jumlah pasien adalah 1:12000. Perkembangan teknologi saat ini ada suatu sistem yang dapat berkerja layaknya seorang pakar. Sistem pakar ini menggunakan perunutan maju (forward chaining) dan metode perhitungan nya menggunakan Dempster-Shafer. Dempster-Shafer merupakan metode ketidakpastian untuk menghasilkan suatu diagnosa yang berdasarkan nilai densitas dari setiap gejala. Penelitian dilakukan dengan membandingkan data hasil diagnosa pakar, pakar menetapkan batas nilai threshold sebesar 70%. Dari 50 data uji didapati 47 data yang sesuai dan diatas threshold sehingga didapati akurasi sistem sebesar 94%. Sementara itu dari 50 data uji ada 3 data uji yang berada di bawah nilai threshold]]>
<![CDATA[Penggunaan Feature Space SMOTE Untuk Mengurangi Overfitting Akibat Imbalance Dataset ]]>
<![CDATA[Kurniawan, Wira Adi]]>;
<![CDATA[Salam, M.Kom, Abu]]>
<![CDATA[ Jurnal Transformatika Vol. 22 No. 2 (2025): January 2025 ]]>
Publisher : <![CDATA[Jurusan Teknologi Informasi Universitas Semarang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26623/transformatika.v22i2.8305
<![CDATA[The creation of a classification model requires careful consideration of several crucial factors to achieve optimal performance. A good model is typically indicated by high accuracy and F1-score values, as well as low loss values. To create a successful model, certain conditions must be met, including selecting the appropriate architecture and ensuring the availability of high-quality data. In this study, a classification model for CT Kidney Stone was developed using an imbalanced dataset obtained from Kaggle. The chosen algorithm for model development was Convolutional Neural Network (CNN), as CNN is known for its effectiveness in image classification tasks. Three different pre-processing approaches were employed in model creation. The first model was built using the imbalanced training data. The second model involved data augmentation, while the third model utilized SMOTE oversampling. Subsequently, all three models were evaluated using private data to assess testing performance and identify any potential overfitting. The research findings revealed that the third model exhibited the best performance among the three, showcasing its superiority in handling the imbalanced dataset and achieving optimal results.]]>
