Articles
197 Documents
<![CDATA[Analisa Prediktif Curah Hujan Data Time Series Berbasis Metode Neural Network ]]>
<![CDATA[Sitti Harlina]]>;
<![CDATA[Usman Usman]]>
<![CDATA[ Inspiration: Jurnal Teknologi Informasi dan Komunikasi Vol 10, No 2 (2020): Jurnal Inspiration Volume 10 Issue 2 ]]>
Publisher : <![CDATA[STMIK AKBA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.35585/inspir.v10i2.2586
<![CDATA[Hujan merupakan fenomena alam yang selalu dijumpai dalam kehidupan sehari – hari, besarnya intensitas curah hujan berbeda-beda tergantung dari lamanya curah hujan dan frekuensi kejadiannya. Intensitas curah hujan yang tinggi pada umumnya berlangsung dengan durasi pendek dan meliputi daerah yang tidak luas. Intensitas curah hujan di kota Makassar juga kepadatannya tidak merata antara satu tempat dengan tempat lain. Dalam penelitian ini akan membahas mengenai data curah hujan di kota Makassar, dengan cara menganalisa pola rentet waktu yang berubah - ubah dari data set curah hujan yang diambil dari Stasiun Romang Polong Makassar dari tahun 2005-2015, yang memudahkan dalam proses analisa prediksi akurasi yang dihasilkan dari pola rentet waktu data set tersebut, jika diterapkan dengan metode Neural Network (NN).Data curah hujan sangat menarik untuk dikaji sebab curah hujan merupakan salah satu faktor terbesar yang mempengaruhi iklim suatu wilayah dan mempengaruhi berbagai sektor kehidupan manusia. Kajian Data Mining dan ekonomi menunjukkan bahwa metode tersebut cocok untuk dipakai mengingat Neural Network (NN) dengan tingkat nilai error yang cukup rendah, kemampuan Neural Network dalam Universal Approximation telah diteliti oleh berbagai peneliti untuk peramalan data time series pada berbagai jenis data, sehingga kinerja dari Neural Network yang memuaskan dalam peramalan data time series, untuk menentukan model terbaik dari setiap periode sebelumnya di perlukan optimasi bobot dari setiap variabel data training yang relevan, sehingga metode Neural Network bisa diterapkan walaupun dengan tingkat kelayakan belum dipastikan maksimal Kata Kunci : Analisis, Curah Hujan, Neural Network, Prediktif, Time Series,]]>
<![CDATA[Implementasi Algoritma Best First Search Dalam Sistem Pakar Pertolongan Pertama Pada Bayi dan Anak ]]>
<![CDATA[Angriani, Husni]]>;
<![CDATA[Saharaeni, Yeni]]>
<![CDATA[ Inspiration: Jurnal Teknologi Informasi dan Komunikasi Vol 10, No 2 (2020): Jurnal Inspiration Volume 10 Issue 2 ]]>
Publisher : <![CDATA[STMIK AKBA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.35585/inspir.v10i2.2575
<![CDATA[Alternatif yang biasanya dilakukan orang tua ketika anak atau bayi sedang sakit adalah mencari informasi melalui internet. Namun beberapa website masih bersifat pasif sehingga orang tua tidak dapat melalukan penanganan dengan tepat. Sistem Pakar dapat membantu orang tua dalam menangani atau memberikan panduan bagi orang tua ketika anak atau bayi sedang sakit atau mengalami gejala yang tidak biasanya. Untuk mendukung pencarian solusi dari sistem pakar maka dibutuhkan algoritma best first search. Algoritma ini dinilai sangat efektif dalam pencarian solusi dalam node berdasarkan pola penalaran yang digunakan. Hasil dari implementasi algoritma best first search dapat membantu menemukan solusi yang tepat dari permasalahan berdasarkan gejala yang dialami. Pencarian solusi membutuhkan waktu yang cukup lama, namun solusi yang diberikan merupakan solusi terbaik untuk permasalahan tersebut.]]>
<![CDATA[Pembelajaran Kolaboratif Berbasis Online ]]>
<![CDATA[Fitriasari, Novi Sofia]]>;
<![CDATA[Apriansyah, Muhamad Renaldi]]>;
<![CDATA[Antika, Risma Nur]]>
<![CDATA[ Inspiration: Jurnal Teknologi Informasi dan Komunikasi Vol 10, No 1 (2020): Jurnal Inspiration Volume 10 Issue 1 ]]>
Publisher : <![CDATA[STMIK AKBA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.35585/inspir.v10i1.2564
<![CDATA[Pembelajaran kolaboratif adalah pembelajaran yang dilakukan oleh dua orang atau lebih untuk belajar secara bersama-sama. Salah satu tujuan pembelajaran kolaboratif adalah memberikan kesempatan kepada siswa untuk berpartisipasi secara aktif dalam proses pembelajaran atau yang dikenal dengan istilah student center. Permasalahan yang ada pada masa apademi Covid-19 mengakibatkan pembelajaran kolaboratif sulit dilakukan karena adanya social distancing, yang mengharuskan pembelajaran dilakukan dari rumah. Salah satu melakukan pembelajaran kolaboratif secara online. Aplikasi kolaboratif online yang dibahas pada penelitian ini adalah MOOCs APTIKOM, Google Classroom dan Aplikasi Sistem Manajemen Pengetahuan. Partisipan atau student yang memanfaatkan course di MOOCs tersebut masih dibawah 100 dan MOOCs APTIKOM memberikan layanan materi bidang informatika dan komputer yang dapat diakses secara bebas. Aplikasi google classroom yang merupakan aplikasi Web 2.0 dan aplikasi sistem manajemen pengetahuan(Asmape) dapat dimanfaatkan untuk pembelajaran kolaboratif secara online hal ini dibuktikan dengan telah diimplementasikannya google classroom pada mata kuliah evaluasi pembelajaran dan aplikasi Asmape telah dimanfaatkan pada mata kuliah basis data terutama untuk tugas kelompok membuat artikel ilmiah.]]>
<![CDATA[Identifikasi Mutu Bij Kopi Arabika Berdasarkan Cacat dengan Teknik Convolutional Neural Network ]]>
<![CDATA[Saputra, Mahmuda]]>;
<![CDATA[Kusrini, Kusrini]]>;
<![CDATA[Kurniawan, Mei P]]>
<![CDATA[ Inspiration: Jurnal Teknologi Informasi dan Komunikasi Vol 10, No 1 (2020): Jurnal Inspiration Volume 10 Issue 1 ]]>
Publisher : <![CDATA[STMIK AKBA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.35585/inspir.v10i1.2533
<![CDATA[Dalam proses pengemasan saat ini, penyortiran ini dilakukan secara manual. Dalam penelitian ini, convolution neural network diterapkan untuk secara otomatis untuk mengetahui informasi kecacatan biji kopi arabika. Input yang digunakan dalam penelitian ini adalah gambar biji kopi arabika dengan proses penguraian yang telah dikeringkan. Skenario yang terlibat dalam penelitian ini adalah pengumpulan data, preprocessing, klasifikasi dan pengujian. Preprocessing dilakukan dengan memotong beberapa cakupan objek biji kopi yang hanya berisi gambar biji kopi. Klasifikasi dilakukan oleh CNN, untuk mendapatkan akurasi model yang terbaik, parameter yang ada harus diuji dan dievaluasi. Pengujian dilakukan untuk dua jenis model, model 2 kelas dan model 4 kelas. Hasil percobaan menunjukkan bahwa akurasi terbaik yang diperoleh untuk model 2-kelas adalah 82,46 % dengan menggunakan tingkat pembelajaran 0,0001, konvolusi lapisan tunggal dengan lima belas filter dan 100 neuron pada lapisan tersembunyi. Ukuran filter adalah 3x3x3. Sedangkan model 4-kelas memperoleh akurasi terbaik 70,73% dengan dua lapisan konvolusional. Jumlah filter di setiap lapisan adalah 6 filter dengan ukuran 3x5x5 di lapisan pertama dan 18 filter dengan ukuran 6x3x3 di lapisan kedua.]]>
<![CDATA[Sistem Informasi Nilai Hue Pada Sayur Sawi Berbasis Data Citra Drone ]]>
<![CDATA[Idrus, Reski]]>;
<![CDATA[Zainuddin, Zahir]]>
<![CDATA[ Inspiration: Jurnal Teknologi Informasi dan Komunikasi Vol 10, No 2 (2020): Jurnal Inspiration Volume 10 Issue 2 ]]>
Publisher : <![CDATA[STMIK AKBA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.35585/inspir.v10i2.2589
<![CDATA[Penelitian ini dilaksanakan di Desa Kebun Sari Kecamatan Wonomulyo Kabupaten Polewali Mandar Provinsi Sulawesi Barat pada bulan Juni - Juli 2019. Kita ketahui sebagian para petani tanaman sayur sawi belum banyak mengetahui tentang nilai hue yang ada pada tanaman sayur sawi, padahal merupakan salah satu faktor penyebab tanaman tersebut bisa mempengaruhi pertumbuhan dan perkembangan tanaman sayur sawi dengan baik. Penelitian ini memberikan informasi nilai hue pada tanaman sayur sawi sehingga para petani dapat mengatasi terlebih dahulu jika tanaman sayur sawinya mengalami pertumbuhan kurang baik sebelum tiba masa waktu panennya agar supaya dapat meningkatkan hasil pertaniannya. Dalam hal ini pengambilan citra menggunakan pesawat drone dari atas tanaman dengan ketinggian 5 meter dari permukaan tanaman. Adapun algoritma yang digunakan adalah algoritma segmentasi warna. Hasil penelitian ini memberikan informasi bahwa tanaman sayur sawi dari umur 4 hari sampai 36 hari rata-rata perhari peningkatan segmentasi nilai piksel huenya antara 10 % sampai 15 %. Jika segmentasi nilai piksel huenya kurang dari 10 % perhari bisa dikatakan pertumbuhan dan perkembangan tanaman sayur sawinya kurang baik, sedangkan jika di atas dari 15 % perhari bisa dikatakan pertumbuhan dan perkembangan tanaman sayur sawinya sangat baik.]]>
<![CDATA[Rancang Bangun Sistem Cerdas Pemberian Nilai Otomatis Untuk Ujian Essai Menggunakan Algoritma Cosine Similarity ]]>
<![CDATA[Arfandy, Hamdan]]>;
<![CDATA[Musdar, Izmy Alwiah]]>
<![CDATA[ Inspiration: Jurnal Teknologi Informasi dan Komunikasi Vol 10, No 2 (2020): Jurnal Inspiration Volume 10 Issue 2 ]]>
Publisher : <![CDATA[STMIK AKBA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.35585/inspir.v10i2.2580
<![CDATA[Ujian merupakan salah satu cara evaluasi proses pembelajaran untuk mengetahui tingkat penguasaan peserta didik atas materi pengajaran yang diberikan. Secara garis besar terdapat dua jenis soal yang bisa digunakan yaitu soal objektif dan uraian. Pemberian nilai untuk jawaban soal uraian membutuhkan waktu yang lebih lama dibandingkan soal objektif karena harus diperiksa oleh orang yang benar-benar menguasai materi soal. Salah satu cara yang dapat digunakan untuk mempercepat pemeriksaan jawaban soal uraian adalah mengembangkan sebuah sistem cerdas Automated Essay Scoring (AES). Automated Essay Scoring merupakan sistem penilaian soal ujian uraian secara otomatis dengan membandingkan kunci jawaban dengan jawaban yang diberikan peserta didik melalui perhitungan nilai kedekatan jawaban menggunakan algoritma-algoritma sistem cerdas. Pada penelitian ini dikembangan sebuah sistem cerdas pemeriksaan jawaban soal uraian menggunakan algoritma cosine similarity. Penelitian dilakukan dalam 4 tahapan yaitu spesifikasi kebutuhan, perancangan sistem, implementasi dan pengujian sistem. Pada penelitian ini telah berhasil dirancangan dan diimplementasikan sebuah sistem penilaian otomatis dengan menerapkan preprocessing text dan menghitung bobot teks menggunakan Tf-Idf. Nilai Cosine Similarity untuk setiap jawaban berhasil ditampilkan dan berhasil dikonversi menjadi nilai hasil ujian. Nilai hasil ujian berhasil ditampilkan sesaat setelah ujian berhasil diselesaikan.]]>
<![CDATA[Deteksi Mobil Ambulance Menggunakan Operator Sobel ]]>
<![CDATA[Pamungkas, Prima Giri]]>;
<![CDATA[Kusrini, Kusrini]]>;
<![CDATA[Fatta, Hanif Al]]>
<![CDATA[ Inspiration: Jurnal Teknologi Informasi dan Komunikasi Vol 10, No 1 (2020): Jurnal Inspiration Volume 10 Issue 1 ]]>
Publisher : <![CDATA[STMIK AKBA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.35585/inspir.v10i1.2534
<![CDATA[Pengolahan data citra digital dalam pendeteksi kendaraan darurat yang dilakukan oleh sistem komputer mampu mendapatkan data serta hasil informasi yang lebih baik dan efisien. Salah satu metode yang digunakan dalam proses penelitian gambar digital adalah deteksi tepi. Dalam fungsinya motode ini merupakan cara mengidentifikasi garis tepi objek gambar sehingga informasi garis pada objek dapat di ketahui titik tepi yang diterapkan untuk mengidendifikasi tepi text ambulance yang terdapat pada kendaraan ambulance.penelitian ini, peneliti melakukan indentifikasi terhadap kendaraan ambulance yang difokuskan kepada text ambulance yang terpasang pada kendaraan ambulance dalam pengolahan gambar dan ekstraksi fitur text ambulance. Data yang capture dengan format jpg dan 450x660 pixel yang terdiri dari 150 gambar oleh kamera dengan menggunakan citra gray scale dan sobel didapatkan hasil 4 gambar digital yang dipilih secara acak.]]>
<![CDATA[Implementation Of C4.5 Algorithm For Predicting Late School Tuition Payments Using Python ]]>
<![CDATA[Victor Saputra Ginting]]>;
<![CDATA[Kusrini Kusrini]]>;
<![CDATA[Emha Taufiq]]>
<![CDATA[ Inspiration: Jurnal Teknologi Informasi dan Komunikasi Vol 10, No 1 (2020): Jurnal Inspiration Volume 10 Issue 1 ]]>
Publisher : <![CDATA[STMIK AKBA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.35585/inspir.v10i1.2535
<![CDATA[The Donation of Educational Development (SPP) School is one of the important components in implementing education, because School SPP is one of the requirements in achieving educational goals. Research conducted by Muqorobin, 2019 with the title "Optimization of the Naive Bayes Method with Feature Selection Gain for Predicting Late School Fee Payments" with Object Research conducted at SMK Al-Islam Surakarta resulted in an accuracy rate of 90%. The research was conducted by using several variables such as the amount of income, family dependents, parents 'educational background and parents' age. The research that will be carried out later will predict the late payment of School Fees by using the Dataset from the research conducted by Muqorobin, 2019 and implemented into the form of programming using the python programming language to produce prediction results. The research results obtained get an accuracy rate of 73%.]]>
<![CDATA[Rekomendasi Objek Wisata di Kabupaten Hulu Sungai Utara Menggunakan Metode Profile Matching ]]>
<![CDATA[Muhammad Alkaff]]>;
<![CDATA[Nurul Fathanah Mustamin]]>;
<![CDATA[Reza Karimi]]>
<![CDATA[ Inspiration: Jurnal Teknologi Informasi dan Komunikasi Vol 10, No 2 (2020): Jurnal Inspiration Volume 10 Issue 2 ]]>
Publisher : <![CDATA[STMIK AKBA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.35585/inspir.v10i2.2565
<![CDATA[Kabupaten Hulu Sungai Utara (HSU) memiliki wilayah yang luas, bahkan lebih luas dari Ibu Kota Kalimantan Selatan yaitu Banjarmasin. Akan tetapi, pendapatan daerah Kabupaten HSU mengalami penurunan yang signifikan saat Kabupaten Balangan memisahkan diri dengan membuat Kabupaten sendiri karena minimnya sumber daya alam yang terdapat di Kabupaten HSU. Meskipun demikian, Kabupaten HSU masih mempunyai sumber daya alam dalam bidang objek wisata untuk meningkatkan potensi pendapatan daerah. Sayangnya, karena kurangnya informasi tentang objek wisata di Kabupaten HSU membuat pendapatan daerah dalam sektor objek wisata tidak maksimal. Dengan dibuatnya sistem rekomendasi untuk mendukung keputusan menggunakan metode profile matching diharapkan bisa memberikan informasi serta rekomendasi objek wisata yang sesuai dengan kriteria calon wisatawan. Dari hasil pengujian sistem yang telah dilakukan dengan cara analisa rata-rata Interpretasi Skor Perhitungan (ISP) menggunakan skala Likert didapatkan nilai akurasi sebesar 93%]]>
<![CDATA[Penerapan Algoritma K-Nearest Neighbor pada Pengklasifikasian Dokumen Berita Online ]]>
<![CDATA[Andi Yulia Muniar]]>;
<![CDATA[Pasnur Pasnur]]>;
<![CDATA[Kiki Ria Lestari]]>
<![CDATA[ Inspiration: Jurnal Teknologi Informasi dan Komunikasi Vol 10, No 2 (2020): Jurnal Inspiration Volume 10 Issue 2 ]]>
Publisher : <![CDATA[STMIK AKBA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.35585/inspir.v10i2.2570
<![CDATA[Jumlah dokumen berita online meningkat dengan pesat. Dokumen-dokumen tersebut perlu dikelompokkan agar memudahkan menemukan berita pada topik terkait. Pengelompokan secara manual menggunakan bantuan manusia tidak efisien, terutama dengan kondisi jumlah dokumen yang sangat banyak. Pada penelitian ini diusulkan metode pengelompokan atau pengklasifikasian dokumen berita secara otomatis. Penelitian ini bertujuan untuk membuat suatu sistem yang mampu mengklasifikasikan dokumen berita online secara otomatis menggunakan metode k-Nearest Neighbour (KNN) dan diterapkan menggunakan bahasa pemrograman PHP Hypertext Preprocessor (PHP) serta database MySQL. Hasil pengujian pada dokumen berita yang dikumpulkan dari situs berita online TribunNews menujukkan nilai akurasi rata-rata 89,9% pada nilai k=7. Hasil penilitian menunjukkan bahwa metode KNN memiliki tingkat akurasi yang baik dalam melakukan pengklasifikasian dokumen berita secara otomatis.]]>
