cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Adi Widarma
Contact Email
adiwidarma@unimed.ac.id
Phone
+6285275945045
Journal Mail Official
journal_cess@unimed.ac.id
Editorial Address
UPT TIK Universitas Negeri Medan Jl. Willem Iskandar pasar V Medan Estate, Medan 20221
Location
Kota medan,
Sumatera utara
INDONESIA
CESS (Journal of Computer Engineering, System and Science)
Published by Universitas Negeri Medan
ISSN : 25027131     EISSN : 2502714X     DOI : https://doi.org/10.24114/cess
Core Subject : Science,
Computer Science & IT
CESS (Journal of Computer Engineering, System and Science) contains articles on research results and conceptual studies in the fields of informatics engineering, computer science and information systems. The main topics published include: 1. Information security 2. Computer security 3. Networking & Data communication 4. Cloud & grid computing 5. Mobile Computing & Applications 6. Artificial Intelligence 7. Decision Support System 8. Data Minig 9. Other topics related to information technology
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 35 Documents
 1   2   3   4 
Search results for , issue "Vol 8, No 2 (2023): July 2023" : 35 Documents clear
Fever Classification Using the Neighbor Weighted K-Nearest Neighbor Method Surayya Safira Milania; Cucu Suhery; Tedy Rismawan
CESS (Journal of Computer Engineering, System and Science) Vol 8, No 2 (2023): July 2023
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v8i2.43267

Abstract

Demam merupakan gejala atau reaksi tubuh terhadap suatu infeksi atau penyakit. Demam dapat disebabkan karena adanya infeksi virus, bakteri, dan parasit. Serta demam akibat gigitan nyamuk. Beberapa penyakit penyebab demam yang perlu diwaspadai antara lain Demam Berdarah Dengue (DBD), Demam Tifoid, dan Malaria dikarenakan gejala klinis dari ketiga penyakit tersebut sangat mirip dan sulit untuk dibedakan. Akibat dari gejala yang mirip, seringkali menyebabkan kesulitan dalam mendapatkan diagnosis awal sehingga kurang tepat dalam penanganan. Oleh karena itu, pada penelitian ini dibangun sebuah sistem yang dapat mengklasifikasikan demam menggunakan metode Neighbor Weighted K-Nearest Neighbor. Data yang digunakan berjumlah 300 data dengan komposisi rasio data latih dan data uji sebesar 70%:30% sehingga data latih yang digunakan berjumlah 210 data dan data uji berjumlah 90 data. Penelitian ini dilakukan dengan mengamati variasi nilai ketetanggaan (K) dan nilai exp (E) terhadap akurasi sistem klasifikasi demam. Hasil pelatihan menunjukkan bahwa nilai K dan E yang bervariasi tidak mempunyai pengaruh terhadap akurasi tersebut. Hasil pengujian yang dilakukan mendapatkan akurasi sebesar 100% pada setiap variasi nilai K dan E.Fever is a symptom of the body's reaction to an infection or disease. Fever can be caused by viral, bacterial, or parasitic infections. as well as fever due to mosquito bites. Several diseases that cause fever that need to be watched out for include dengue hemorrhagic fever (DHF), typhoid fever, and malaria because the clinical symptoms of these three diseases are very similar and difficult to distinguish. As a result of similar symptoms, it often causes difficulties in getting an early diagnosis, so treatment is not appropriate. Therefore, in this study, a system was developed that could classify fever using the neighbor weighted K-nearest neighbor method. The data used totaled 300, with a composition ratio of 70% training data to 30% test data, for a total of 210 training data and 90 test data. This research was conducted by observing the variation in the value of neighborliness (K) and the value of exp (E) on the accuracy of the fever classification system. The results of the training show that the varying K and E values have no effect on accuracy. The results of the tests carried out obtained an accuracy of 100% for each variation in the values of K and E. 
Design and Build a Travel Taxi Ordering Application Using the FIFO Algorithm and the Flutter Framework Susanto Susanto; Nurul Mutiah; Dian Prawira
CESS (Journal of Computer Engineering, System and Science) Vol 8, No 2 (2023): July 2023
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v8i2.43792

Abstract

Antrian merupakan suatu keadaan dimana seseorang harus menunggu gilirannya untuk mendapatkan pelayanan. Seringkali antrian menjadi suatu masalah bagi masyarakat ataupun sebuah perusahaan yang memberikan pelayanan. Hal ini terjadi pada PT. Citra Surya Sejati, dimana proses pemesanan taksi masih manual dan disana penumpang harus mengantri untuk mendapatkan pelayanan. Disisi lain PT. Citra Surya Sejati juga mengalami permasalahan dimana pencatatan laporan pemesanan taksi masih menggunakan cara manual dengan mencatatnya dibuku, sehingga diperlukan sebuah sistem untuk mengatasi masalah tersebut. Sistem yang akan dibuat oleh peneliti menggunakan algoritma First In First Out untuk konfirmasi pesanannya, sehingga penumpang yang pertama kali memesan akan pertama kali mendapatkan pelayanan. Hasil dari penelitian ini berupa aplikasi berbasis Mobile untuk penumpang, sedangkan admin berbasis Website. Sistem ini telah dilakukan pengujian dengan menggunakan metode black box testing. Seluruh fungsionalitas sistem berjalan sesuai dengan perancangan yang telah dibuat sebelumnya dan antarmuka sistem memperoleh persentase 81,64% yang masuk ke dalam kategori Baik Sekali.  Queuing is a situation where a person has to wait for his turn to get service. Often queues become a problem for the community or a company that provides services. This happened to PT. Citra Surya Sejati, where the taxi ordering process is where passengers have to queue to get service. On the other hand PT. Citra Surya Sejati also experienced a problem where the recording of taxi order reports still used the manual method by recording them in a book, so a system was needed to overcome this problem. The system that the researcher will create uses the First In First Out algorithm to confirm orders, so that passengers who order for the first time will receive service first. The results of this study are in the form of a Mobile-based application for passengers, while the Website-based admin. This system has been tested using the black box testing method. All system functionality goes according to the design that has been made before and the system interface gets a percentage of 81.64% which is in the Very Good category.  
Implementation of K Nearest Neighbor in Detecting Heart Disease with Various Training Data Rifki Kosasih; Iffatul Mardhiyah
CESS (Journal of Computer Engineering, System and Science) Vol 8, No 2 (2023): July 2023
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v8i2.44303

Abstract

Salah satu organ penting dalam tubuh manusia adalah jantung, Jika jantung mengalami gangguan maka dapat menyebabkan penyakit jantung. Untuk mendeteksi adanya penyakit jantung biasanya dilakukan dengan berkonsultasi dengan tenaga medis. Akan tetapi dengan semakin banyaknya pasien di rumah sakit akan dapat memperlambat pendeteksian penyakit jantung. Oleh karena itu dibutuhkan suatu sistem yang dapat membantu tenaga medis dalam mempercepat pendeteksian penyakit jantung. Dalam penelitian ini diusulkan untuk menggunakan pendekatan machine learning seperti metode K Nearest Neighbor (KNN) dalam mendeteksi penyakit jantung. Data yang digunakan sebanyak 1025 pasien dengan 13 fitur seperti umur, jenis kelamin, rasa sakit di dada, tekanan darah saat sedang istirahat, kadar kolesterol, gula darah, hasil elektrografik saat sedang istirahat, detak jantung maksimal, jika mengalami nyeri dada saat latihan, depresi yang diinduksi oleh latihan relatif, kemiringan puncak ST segmen, jumlah pembuluh darah yang berwarna setelah diwarnai flourosopy dan tipe kerusakan pembuluh darah. Pada penelitian ini dilakukan tiga skema pembagian data latih dan data uji dengan rasio 60:40, 70:30 dan 80:20. Berdasarkan hasil pengujian diperoleh bahwa tingkat akurasi, presisi dan recall tertinggi terjadi Ketika rasio data latih dan data uji 70:30 yaitu sebesar 97,0779% untuk akurasi, 97,9166% untuk presisi dan 95,9183% untuk recall.One of the important organs in humans is the heart. If the heart is disturbed, it can cause heart disease. To detect the presence of heart disease is usually done in consultation with doctor. However, with the increasing number of patients in the hospital, it will be able to slow down the detection of heart disease. Therefore, we need a system that can assist doctors in accelerating the detection of heart disease. In this study, we propose to use a machine learning approach i.e., K Nearest Neighbor (KNN) method in detecting heart disease. The data used were 1025 patients with 13 features i.e., age, gender, chest pain, blood pressure, cholesterol, blood sugar, electrographic results, maximum heart rate, if you experience chest pain during exercise, depression which exercise-induced relative, peak slope, number of blood vessels after fluoroscopy and type of vessel damage. In this study, we have three schemes in divide training data and test data with ratios of 60:40, 70:30 and 80:20. Based on the test results, it was found that the highest levels of accuracy, precision and recall occurred when the ratio of training data and test data was 70:30, which was 97.0779% for accuracy, 97,9166 for precision and 95,9183% for recall.
Analysis of Indonesian Netizens' Dissent on President Jokowi before and after Fuel Price Increase Adi Mulia; Akhmad Rizal Dzikrillah
CESS (Journal of Computer Engineering, System and Science) Vol 8, No 2 (2023): July 2023
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v8i2.45319

Abstract

Penelitian ini dilakukan dengan tujuan yang didasarkan pada masalah yang muncul di masyarakat, yaitu kenaikan harga BBM. Metode klasifikasi sentimen yang diterapkan dalam penelitian ini adalah dengan menggunakan kamus korpus leksikon yang memperhitungkan nilai sentimen positif dan negatif. Peneliti lalu melakukan komparasi sentiment antara sebelum dan sesuadah kebijakan kenaikan harga BBM. Selanjutnya, peneliti menerapkan topik pemodelan Latent Dirichlet Allocation atau (LDA) untuk mengetahui apakah perbincangan kenaikan harga BBM menjadi topik utama saat BBM naik. Hasil dari penelitian ini menunjukkan bahwa setelah mengumumkan kenaikan harga BBM pada bulan September 2022, Persentase tweet bersentimen negatif yang mengarah kepada Presiden Jokowi mengalami kenaikan jika dibandingkan dengan sebelum mengumumkan kenaikan harga BBM. Persentase tweet bersentimen positif yang mengarah kepada presiden Jokowi mengalami penurunan jika dibandingkan dengan sebelum menaikkan harga BBM. Pada bulan saat presiden Jokowi mengumumkan kebijakan kenaikan harga BBM yaitu pada bulan September 2022, topik perbincangan yang berkaitan dengan kebijakan kenaikan harga BBM merupakan topik perbincangan terpopuler pada tweet yang mengarah kepada Presiden Jokowi. 33,8 % twit yang memperbincangkan kenaikan harga bahan bakar minyak adalah twit yang bersentimen negatif dengan topik perbincangan terpopuler netizen bersentimen negatif adalah topik-topik yang berelasi kritik pada pemerintahan Jokowi.This research was based on a problem that arose in the community, which was the increase in fuel prices. The sentiment classification method applied by the researcher is by using a lexicon corpus dictionary that considers positive and negative sentiment values. The researcher then compares sentiment between before and after the fuel price increase policy. Furthermore, the researcher applied Latent Dirichlet Allocation or (LDA) topic modeling to find out whether discussion of fuel price increase became the main topic when fuel rose. The results of this study show that after announcing the fuel price increase in September 2022, the percentage of negative tweets directed at President Jokowi has increased when compared to before announcing fuel price increase. The percentage of positive tweets directed at President Jokowi decreased when compared before raising fuel prices. In the month when President Jokowi announced fuel price increase policy, namely in September 2022, the topic of conversation related to fuel price increase policy was the most popular topic of conversation in tweets directed at President Jokowi. 33.8% of tweets that discussed fuel price increase negative tweets with the most popular topics of discussion netizens with negative sentiments topics related to criticism of Jokowi government. 
Cyber Security Audit using CIS CSC, NIST CSF and COBIT 2019 Framework Viny Fadila; Nurul Mutiah; Renny Puspita Sari
CESS (Journal of Computer Engineering, System and Science) Vol 8, No 2 (2023): July 2023
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v8i2.43257

Abstract

Tingginya penggunaan teknologi dan informasi saat ini mengakibatkan peningkatan risiko dan ancaman keamanan data dan informasi. Dinas Komunikasi dan Informatika Kota Pontianak, dinas pemerintahan yang memanfaatkan dan menggunakan banyak teknologi informasi. Untuk mengetahui sejauh mana kemampuan Dinas Komunikasi dan Informatika Kota Pontianak dalam mengelola keamanan siber, maka diperlukan audit keamanan siber. Audit dapat dilakukan dengan menggabungkan framework CIS CSC (Center for Internet Security Critical Security Controls) untuk membatasi focus area keamanan siber aset TI serta menggunakan NIST CSF (National Institute of Standards and Technology Cybersecurity Framework) dan COBIT 2019 (Control Objective for Information Technologies) untuk melakukan perhitungan level kapabilitas. Perhitungan level kapabilitas menggunakan metode CPM (COBIT Performance Model). Hasil perhitungan level kapabilitas keamanan siber Dinas Komunikasi dan Informatika Kota Pontianak pada Identify (ID) mencapai level 3.9, Protect (PR) mencapai level 3.4, Detect (DE) mencapai level 2.5, dan Respond (RS) mencapai level 4. Terdapat 19 rekomendasi aktivitas untuk dilakukan agar mencapai level keamanan siber yang diinginkan, kemudian dilakukan pemetaan aktivitas rekomendasi ke dalam action priority matrix, 10 aktivitas masuk ke dalam kuadran Quick Wins, dan 9 aktivitas yang masuk ke dalam kuadran Major Projects. The frequent use of technology and information today impacts the increased risk and threats to data and information security. Department of Information and Communications of Pontianak is the department that utilizes and uses a lot of information technology. To find out how far the Pontianak City Communication and Informatics Office is capable of managing cyber security, a cyber security audit is needed. Audits can be conducted by combining the CIS CSC (Center for Internet Security Critical Security Controls) framework to define the cybersecurity focus areas of IT assets and using the NIST CSF (National Institute of Standards and Technology Cybersecurity Framework) and COBIT 2019 (Control Objective for Information Technologies) to calculate the capability level. Capability level calculation uses the CPM (COBIT Performance Model) method. The results of calculating the level of cyber security capability of the Pontianak City Communication and Informatics Service for Identification (ID) reaches level 3.9, Protect (PR) reaches level 3.4, Detect (DE) reaches level 2.5, and Respond (RS) reaches level 4. There are 19 activity recommendations to be carried out in order to achieve the desired level of cybersecurity, then capture recommendation activities into the action priority matrix, 10 activities included in the Quick Wins quadrant, and 9 activities entered into the Major Projects quadrant.
Fake Face Detection System Using MobileNets Architecture Gabriel Indra Widi Tamtama; I Kadek Dendy Senapartha
CESS (Journal of Computer Engineering, System and Science) Vol 8, No 2 (2023): July 2023
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v8i2.43762

Abstract

Sistem pengenalan wajah merupakan salah satu metode dalam teknik biometric yang menggunakan wajah untuk proses identifikasi atau verifikasi seseorang. Teknologi ini tidak memerlukan kontak fisik seperti verifikasi sidik jari dan diklaim lebih aman karena wajah setiap orang memiliki karakter yang berbeda-beda. Terdapat dua fase utama dalam sistem biometrik wajah, yaitu deteksi wajah palsu Presentation Attack (PA) detektor dan pengenalan wajah (face recognition). Penelitian ini melakukan eksperimen dengan tujuan membangun sebuah model pembelajaran mesin (machine learning) berbasis mobile untuk melakukan deteksi wajah palsu ataupun memverifikasi keaslian wajah dengan menggunakan arsitektur Mobilenets. Verifikasi keaslian wajah diperlukan untuk meningkatkan sistem pengenalan wajah sehingga bisa membedakan wajah palsu dengan asli. Wajah palsu bisa dihadirkan dengan menunjukkan rekaman video atau gambar wajah seseorang sehingga bisa memanipulasi sistem. Dengan adanya metode verifikasi wajah asli, maka keamanan sistem bisa ditingkatkan dan meminimalisir penyalahgunaan. Kami menggunakan tiga jenis dataset publik, yaitu Replay-Mobile, Record-MPAD, dan LLC-FSAD untuk bahan training terhadap model anti-spoof yang dibangun. Model anti-spoof wajah dibangun dengan menggunakan arsitektur MobilenetV2 dengan menambahkan 3 layer neural network yang digunakan sebagai layer klasifikasi. Kemudian pengujian secara terkontrol dilakukan dengan menggunakan program komputer menghasilkan nilai HTER 0.17. Sedangkan hasil pengujian secara tidak terkontrol menggunakan aplikasi prototipe Android menghasilkan nilai HTER sebesar 0.21. Hasil pengujian ini menghasilkan selisih nilai HTER sebesar 0.04 yang mengindikasikan bahwa model anti-spoof wajah akan memiliki performa yang cenderung menurun bila digunakan secara real. The facial recognition system is a method in biometric techniques that use faces to identify or verify a person. This technology does not require physical contact such as fingerprint verification and is claimed to be safer because everyone's face has a different character. There are two main phases in the facial biometric system, namely fake face detection (Presentation Attack (PA) detector) and facial recognition. This study conducted experiments with the aim of building a mobile-based machine learning model to detect fake faces or verify facial authenticity using the MobileNets architecture. Verification of facial authenticity is needed to improve the facial recognition system so that it can distinguish fake faces from real ones. Fake faces can be presented by showing video recordings or pictures of someone's face so they can manipulate the system. The real-face verification method can improve system security and minimize misuse. We use three types of public datasets, namely Replay-Mobile, Record-MPAD, and LLC-FSAD for training materials for the built anti-spoof model. The facial anti-spoof model is built using the MobilenetV2 architecture by adding 3 neural network layers which are used as classification layers. Then controlled testing was carried out using a computer program to produce an HTER value of 0.17. While the results of uncontrolled testing using the Android prototype application produce an HTER value of 0.21. The results of this test produce a difference in the HTER value of 0.04, indicating that the facial anti-spoof model will have performance that tends to decrease when used in real terms.
Evaluation Scorring Game Application Construct Based Learning Arabic Letter with Analytical Heuristic Processing Ariadi Retno Hayati
CESS (Journal of Computer Engineering, System and Science) Vol 8, No 2 (2023): July 2023
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v8i2.45284

Abstract

Pada penelitian ini mengimplementasikan evaluasi penilaian dengan berbasis metode Analytical Heuristic Process (AHP) yang diimplementasikan untuk menilai aplikasi belajar huruf Arab Hijaiyah yang bertujuan menilai lebih sesuai dengan permainan yang terselesaikan. Terdapat beberapa level permainan dan setiap level memiliki desain permainan yang berbeda, dimana pada level 1 adalah kuis soal, level 2 adalah drag and drop, level 3 adalah mencari kata dimana karakter fani akan bergerak atas bawah kanan kiri dengan animasi, level 4 adalah mengumpulkan poin dengan karakter fani meloncat objek dan bergerak kanan kiri atas bawah. Hasil penilaian scor permainan user dihasilkan dengan akumulasi nilai pada semua level permainan dengan metode AHP dengan variabel level, variabel nilai, dan variabel waktu sebagai dasar penghitungan weight dari metode AHP.In this research implementation evaluation use Analytical Heuristic Process (AHP) for analysis application game education for learning Arabic Letter Hijaiyah the purpose is evaluated user score actually as level user finished. Application there is few level in this application game and every level has game desain which different. Level 1 user should solve game with quizioner game, level 2 user should drag and drop the game, level 3 user should find word where fani character can move to up,bottom, right and left whith animation, level 4 user should collect poin value with fani character can jump object and move to right,left, uo and bottom. Evaluation scor for user result from accumulation value from all level game use AHP method with level variabel, score variabel and time variable as basic weight from AHP method.
Twitter Sentiment Analysis Using the Naive Bayes Algorithm in the Case of the Indosurya Savings and Loans Cooperative Elma Rulfin Tiara Kiu; Ornensya Br Sembiring; Khairun Nisa Meiah Ngafidin
CESS (Journal of Computer Engineering, System and Science) Vol 8, No 2 (2023): July 2023
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v8i2.45527

Abstract

Kasus KSP Indosurya kembali mencuri perhatian saat ini karena terduga pelaku selaku pendiri KSP Indosurya divonis bebas oleh Hakim Ketua Pengadilan Negeri Jakarta Barat atas segala dakwaan pada dengan peryataan bahwa terdakwa terbukti melakukan perbuatan yang didakwakan tetapi bukan merupakan tindak pidana, melakukan perkara perdata yang kemudian menyita perhatian publik serta mengundang reaksi masyarakat diberbagai media sosial bahkan sempat menjadi tranding topik dimedia sosial twitter Indonesia. Oleh karena itu dilakukan penelitian ini guna mengetahui dan mengklasifikasikan sentimen masyarakat pada kasua KSP Indosurya menggunakan metode Naïve bayes. Dimana hasil tertinggi didapatkan oleh sentimen negative, sehingga didapatkan kesimpulan sentimen publik terhadap topik kasus KSP Indosurya di twitter Indonesia adalah negative dengan jumlah parameter 1200 berdasarkan analisis menggunakan metode Naïve bayes.The KSP Indosurya case has again stolen attention at this time because the alleged perpetrator Henry Surya as the founder of KSP Indosurya was acquitted by the Chief Judge of the West Jakarta District Court Syafrudin Ainor for all charges on Tuesday (24/1/2023) with a statement that the defendant Henry Surya was proven to have committed an act who was charged but did not constitute a crime, carried out a civil case which then seized the public's attention and invited public reaction on various social media and even became a trending topic on Indonesian Twitter social media Therefore, this research was carried out to find out and classify public sentiment in the KSP Indosurya case using the Naïve Bayes method. Where the highest results were obtained by negative sentiment, so it was concluded that public sentiment on the topic of the KSP Indosurya case on Twitter Indonesia was negative with a total of 1200 parameters based on analysis using the Naïve Bayes method.
Information Center Chatbot in Higher Education Using Dialogflow Dais Isnafirlah; Mia Kamayani
CESS (Journal of Computer Engineering, System and Science) Vol 8, No 2 (2023): July 2023
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v8i2.48186

Abstract

Fakultas Teknologi Industri dan Informatika UHAMKA, memiliki website resmi yang mengacu pada sistem informasi universitas yang berfungsi untuk pelayanan yang efektif dan menggunakan teknologi terkini. Faktanya, masih memiliki beberapa permasalahan yang terjadi yaitu dosen dan mahasiswa masih sering bertanya via japri ke pihak sekretariat, akademik maupun pimpinan prodi dan fakultas jika memerlukan informasi, serta masih sering melewatkan informasi yang ada di broadcast Grup WhatsApp. Oleh karena itu, tujuan dari penelitian ini untuk merencanakan dan menerapkan teknologi chatbot yang memberikan mahasiswa akses informasi yang cepat dan mudah tentang akademik Fakultas Teknologi Industri dan Informatika UHAMKA secara mudah dan cepat. Chatbot ini diimplementasikan menggunakan tools Dialogflow dengan metode Prototype dan Telegram API. Setelah melakukan uji coba blackbox, Bot Telegram yang dibuat telah terbukti mampu memberikan respons yang memuaskan terhadap pertanyaan yang diajukan, sehingga dapat memberikan bantuan kepada user dalam memperoleh informasi akademik yang dibutuhkan. Selain itu, pengguna tidak perlu menunggu terlalu lama untuk menerima balasan dari chatbot, sehingga membuat chatbot yang digunakan dapat beroperasi dengan cepat dan tepat.The UHAMKA Faculty of Industrial and Informatics Technology has an official website that refers to a university information system that functions for effective service and uses the latest technology. In fact, there are still several problems that occur, namely lecturers and students still often ask via email to the secretariat, academics or study program and faculty leaders if they need information, and they still often miss information that is   WhatsApp Group. Therefore, the purpose of this research is to plan and implement chatbot technology that gives students quick and easy access to information about the academics of the Faculty of Industrial Technology and Informatics UHAMKA easily and quickly. This chatbot is implemented using Dialogflow tools with the Prototype method and the Telegram API. After conducting a blackbox trial, the Telegram Bot that was created has been proven to be able to provide a satisfactory response to the questions asked, so that it can provide assistance to users in obtaining the required academic information. In addition, users don't have to wait too long to receive a reply from the chatbot, so that the chatbot used can operate quickly and precisely.
Clustering Reservoirs in Indonesia Based on Area and Volume Using the K-Means Algorithm Shofinurdin Shofinurdin; Afifah Khaerani; Arief Wibowo
CESS (Journal of Computer Engineering, System and Science) Vol 8, No 2 (2023): July 2023
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v8i2.44390

Abstract

Embung adalah cekungan yang digunakan untuk mengatur dan menampung aliran hujan dan meningkatkan kualitas air di badan air yang terkait. Embung juga digunakan untuk menjaga kualitas air tanah, mencegah banjir, menjaga estetika, dan mengairi. Terdapat 1.446 embung yang tersebar di seluruh wilayah Indonesia yang mempunyai luas dan volume yang beragam. Penelitian ini bertujuan untuk mengelompokkan embung di Indonesia berdasarkan luas dan volume menggunakan metode data mining klastering dengan algoritma K-Means. Sebelumnya, pengklasteran embung hanya dilakukan berdasarkan: tujuan pembangunan, penggunaan, aliran air, dan bahan pembentuknya. Hasil penelitian menunjukkan bahwa pengelompokkan embung yang terbaik adalah menjadi 4 klaster dengan rincian klaster kecil: 1.414 embung, klaster sedang: 24 embung, klaster tinggi: 7 embung dan klaster sangat tinggi: 1 embung.An embung (Reservoir) is a basin used to control and collect rainfall runoff and improve the water quality in the associated water bodies. Embungs are utilized for preserving groundwater quality, preventing floods, enhancing aesthetics, and facilitating irrigation. There are 1,446 embungs scattered across the entire territory of Indonesia, varying in size and volume. This study aims to cluster the embungs in Indonesia based on their size and volume using the clustering data mining technique with the K-Means algorithm. Previously, embung clustering was only performed based on their purpose of construction, usage, water flow, and constituent materials. The research findings indicate that the optimal clustering of embungs consists of four clusters, with the following details: small cluster (1,414 embungs), medium cluster (24 embungs), high cluster (7 embungs), and very high cluster (1 embung). This research will prove beneficial in the fields of data mining and hydrology. 

Page 1 of 4 | Total Record : 35

 1   2   3   4 

Filter by Year

2023 2023


Reset
Filter By Issues
All Issue Vol. 11 No. 1 (2026): Januari 2026 Vol. 10 No. 2 (2025): Juli 2025 Vol. 10 No. 1 (2025): Januari 2025 Vol 9, No 2 (2024): July 2024 Vol. 9 No. 2 (2024): July 2024 Vol. 9 No. 1 (2024): January 2024 Vol 9, No 1 (2024): January 2024 Vol 8, No 2 (2023): July 2023 Vol 8, No 1 (2023): January 2023 Vol 7, No 2 (2022): July 2022 Vol 7, No 2 (2022): July 2022 - In Process Vol 7, No 1 (2022): January 2022 Vol 6, No 2 (2021): Juli 2021 Vol 6, No 1 (2021): Januari 2021 Vol 5, No 2 (2020): JULI 2020 Vol 5, No 1 (2020): Januari 2020 Vol 4, No 2 (2019): JULI 2019 Vol 4, No 1 (2019): Januari 2019 Vol 3, No 2 (2018): Juli 2018 Vol 3, No 1 (2018): Januari 2018 Vol 2, No 2 (2017): Juli 2017 Vol 2, No 1 (2017): Januari 2017 Vol 1, No 2 (2016): Juli 2016 Vol 1, No 1 (2016): Januari 2016 More Issue