Garuda - Garba Rujukan Digital

APLIKASI PEMESANAN MAKANAN MENGGUNAKAN ALGORTIMA COLLABORATIVE FILTERING DENGAN METODE MVC (MODEL VIEW CONTROLLER) aji putra prasetiyo
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 8, No 2 (2021)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v8i2.384

KantinQuy is a place for selling various food and beverages in Jakarta, where this canteen still uses direct orders to the seller because the customer does not get a menu book and the recording of the menu that you want to order is still using the books and pens provided, this ordering website application aims to make the KantinQuy website for ordering various food and drinks to make it easier for customers to choose orders and more practical when viewing a list of food or drink menus, this website feature is also available recommended menu menus in the website application. In this research, the system development uses the PHP programming language and includes the MVC method and the Collaborative Filtering algorithm. the MVC (Model View Controller) method which functions in dividing the business login display and UI (user interface) or the view seen by the user, while the collaborative filtering algorithm is for recommending with proof of ratings from a customer and different customers to generate recommendations. the testing stage (testing) on this ordering website uses the blackbox procedure by pressing functionality testing for application development recommendations that can be tried in the next research, namely that it can be raised using a mobile ordering application, so that customers can order food and drinks on the smartphone features used customers.Keywords: MVC, website,collaborative filetering.KantinQuy ialah tempat penjualan aneka makanan dan minuman yang berada di Jakarta, dimana kantin ini masih menggunakan pemesanan secara langsung ke penjual dikarnakan customer tidak mendapatkan buku menu dan pencatatan menu yang ingin di pesan masih menggunakan buku dan pulpen yang disediakan ,aplikasi website pemesanan ini bertujuan untuk menjadikan website KantinQuy pada pemesanan aneka makanan dan minuman agar lebih mempermudah customer dalam memilih pesanan dan lebih praktis saat melihat daftar menu makanan atau minuman ,fitur website ini juga sudah tersedia menu menu yang recommended didalam aplikasi website. dalam penelitian ini pengembangan sistem menggunakan bahasa pemograman PHP dan didalam nya terdapat metode MVC dan algoritma Collaborative Filtering. metode MVC (Model View Controller) yang berfungsi dalam membagi tampilan login bisnis dan UI (user interface) ataupun tampilan yang dilihat oleh user, sedangkan algoritma collaborative filtering untuk merekomendasikan dengan bukti peringkat dari seorang customer dan customer yang berbeda untuk memunculkan rekomendasi . tahap pengujian (testing)pada website pemesanan ini memakai tata cara blackbox dengan memencet pengujian fungsionalitas buat rekomendasi pengembangan aplikasi yang bisa dicoba pada riset berikutnya ialah bisa dibesarkan jadi menggunakan aplikasi mobile pemesanan , sehingga customer bisa dapat melakukan pemesanan makanan dan minuman pada fitur smartphone yang digunakan customer .Kata kunci: MVC,website,collaborative filtering.

IMPLEMENTASI SSD_RESNET50_V1 UNTUK PENGHITUNG KENDARAAN Muhammad Nur Rizal; Radityo Adi Nugroho; Dodon Turianto nugrahadi; Muhammad Reza Faisal; Friska Abadi
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 8, No 2 (2021)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v8i2.383

Google has released the Tensorflow Object Detection API to facilitate deep learning application development using the Tensorflow Object Detection API. The TensorFlow Object Detection API is an open-source framework that can be used to develop, train, and deploy object detection models. In this study, the Tensorflow Object Detection API is implemented in a vehicle counter application with the SSD_Resnet50_v1 detection model. From the research that has been done, applications with the detection of the SSD_Resnet50_v1 model get an accuracy of 56.49% in calculating motor-type vehicles and 54.43% for car-type vehicles.Kata Kunci : SSD_Resnet50_v1, Vehicle Counting, Tensorflow Object Detection APIGoogle telah merilis Tensorflow Object Detection API untuk mempermudah pengembangan aplikasi Deep learning dengan menggunakan Tensorflow Object Detection API. TensorFlow Object Detection API adalah open source framework yang dapat digunakan untuk mengembangkan, melatih, dan menggunakan model deteksi objek. Pada penelitian ini Tensorflow Object Detection API diimplementasikan pada aplikasi penghitung kendaraan dengan model deteksi SSD_Resnet50_v1. Dari penelitian yang telah dilakukan, aplikasi dengan model deteksi SSD_Resnet50_v1 mendapatkan akurasi sebesar 56,49% dalam menghitung kendaraan berjenis motor dan 54,43% untuk kendaraan berjenis mobil.Kata Kunci : SSD_Resnet50_v1, penghitung kendaraan, Tensorflow Object Detection API

IDENTIFIKASI OTOMATIS PESAN SAKSI MATA PADA MEDIA SOSIAL SAAT BENCANA GEMPA Sarah Monika Nooralifa; Mohammad Reza Faisal; Friska Abadi; Radityo Adi Nugroho; Muliadi Aziz
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 8, No 2 (2021)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v8i2.351

Social media platforms such as Twitter make it easy for users to share and receive critical information on disasters and emergencies. Information from eyewitnesses can be useful for law enforcement agencies and humanitarian organizations. Identification disaster messages on Twitter can also be used as information that can be used to see the current situation. In several research studies, earthquake disasters are divided into three categories: eyewitnesses, non-eye witnesses, and do not know. Meanwhile, the feature extraction that used in this research is bag-of-words that produce high-dimensional data output. The purpose of this research is to utilize lexicon-based feature extraction to produce low-dimensional data. However, there has never been the use of Lexicon based on the multiclass classification in cases of natural disasters. The features built by the Lexicon-based are far less, namely 2-15 features. This research was divided into two steps, namely the first step was carried out without combining Lexicon and the second step was carried out by combining Lexicon. The highest accuracy produced by the combination of Barasa SentiwordNet, Bing Liu, NRC, AFINN, and Heeryon Cho’s Lexicon using the Support Vector Machine classification with an accuracy of 64.13% with a total of 15 features.Keywords: Lexicon Based, Support Vector Machine, Classification, Text Mining, Twitter, DisastersPlatform media sosial seperti Twitter memudahkan para pengguna untuk berbagi dan menerima informasi penting selama bencana dan keadaan darurat. Informasi dari saksi mata dapat berguna bagi lembaga penegak hukum dan organisasi kemanusiaan. Pesan bencana di Twitter juga dapat digunakan sebagai informasi yang digunakan untuk mengetahui situasi yang sedang berlangsung. Pada beberapa riset yang telah dilakukan oleh peneliti, tweet bencana gempa dibagi menjadi tiga kategori yaitu eyewitness, non-eyewitness, dan don’t know. Sedangkan ekstraksi fitur yang digunakan pada riset-riset tersebut adalah bag-of-words yang menghasilkan keluaran berupa data berdimensi tinggi. Tujuan penelitian ini adalah memanfaatkan ekstraksi fitur berbasis lexicon untuk menghasilkan data berdimensi rendah. Namun belum pernah ada pemanfaatan Lexicon Based untuk klasifikasi multiclass pada kasus klasifikasi pesan bencana alam. Fitur yang dihasilkan oleh Lexicon based jauh lebih sedikit yaitu 2-15 fitur. Penelitian ini dibagi menjadi dua tahap, yaitu tahap pertama dilakukan tanpa penggabungan kamus Lexicon dan tahap kedua dilakukan dengan menggabungkan kamus Lexicon. Akurasi tertinggi dihasilkan oleh kombinasi Barasa SentiwordNet, Bing Liu, NRC, AFINN, dan Lexicon Heeryon Cho menggunakan klasifikasi Support Vector Machine dengan akurasi sebesar 64,13% dengan jumlah fitur sebanyak 15 fitur. Kata kunci: Lexicon based, Support Vector Machine, Klasifikasi, Text Mining, Twitter, Bencana Alam

METODE FORWARD CHAINING DAN CERTAINTY FACTOR UNTUK MENDIAGNOSA PENYAKIT PADA PEROKOK AKTIF BERBASIS ANDROID Willy Welvi Nanda
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 8, No 2 (2021)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v8i2.386

Because the proportion of active smokers in Indonesia is increasing from year to year, human health is decreasing every day. Lack of self-care and lack of awareness of smoking make some people no longer pay attention to their health. Many people have bad effects from cigarette . This is because the effect is not immediately visible when you first smoke. Many smokers are reluctant to check themselves for various reasons. Therefore, the researcher uses the forward chaining method and the certainty factor method to create an expert system in diagnosing active smokers. The results of this study resulted in the calculation of the disease diagnosis sample having a certainty level of 97.75% and the results diagnosing oral cancer.Keywords: Android, Certainty Factor, expert system, Forward Chaining, smokerKarena proporsi perokok aktif di Indonesia meningkat dari tahun ketahun , kesehatan manusia menurun setiap hari. Kurangnya menjaga diri dan kurangnya kesadaran akan merokok membuat sebagian orang tidak lagi memperhatikan kesehatannya. Banyak orang efek buruk dari rokok. Ini disebabkan karena efek tersebut tidak langsung terlihat saat pertama kali merokok. Banyak perokok yang malas memeriksakan diri ke dokter dengan berbagai alasan. Oleh karena itu, peneliti menggunakan metode forward chaining dan metode certainty factor untuk membuat sistem pakar dalam mendiagnosis perokok aktif. Hasil dari penelitian ini menghasilkan perhitungan pada sampel diagnosa penyakit memiiliki persentase tingkat kepastian sebesar 97.75% dan hasil tersebut mendiagnosa penyakit kanker mulut.. Kata kunci: Android, Certainty Factor, Forward Chaining, perokok, sistem pakar

PERKIRAAN SUMBER DAYA PENGEMBANGAN SISTEM INFORMASI MENGGUNAKAN COCOMO II (Studi Kasus : Pengembangan Sistem Informasi Pengelolaan Data English Proficiency Test (EPT) Unit Pelaksana Teknis (UPT) Bahasa Universitas Lampung) Dian Pitaloka; Anie Rose Irawati; Yohana Tri Utami
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 8, No 2 (2021)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v8i2.378

Success in working on a project should start with good planning. Inadequate planning will impact on cost, time, and human resources swelling so that it is not in accordance with the plan. This study implements the COCOMO II (Constructive Cost Model II) method to calculate the estimated resources needed in an information system development. This research uses Information System of English Proficiency Test (EPT) in Unit Pelaksana Teknis (UPT) Bahasa of the University of Lampung as a case study, which is currently in the development stage. Unit Pelaksana Teknis (UPT) Bahasa of the University of Lampung must know the resources needed to complete the information system development project in order to determine a budget plan. This method has the advantage of being able to clearly predict the time, cost, and resources to complete an information system project. The COCOMO II method is carried out by calculating the Scale Factor, Effort Multiplier, and Effort Estimation.Keywords: Scale Factor, Effort Multiplier, Effort Estimation, Unadjusted Function Point,Source Lines Of CodeKeberhasilan dalam mengerjakan suatu proyek software harus dimulai dengan perencanaan yang baik. Perencanaan yang kurang baik dapat berimbas pada pembengkakan sumber daya biaya, waktu, dan sumber daya manusia sehingga tidak sesuai dengan perencanaan. Penelitian ini mengimplementasikan metode COCOMO II (Constructive Cost Model II) untuk menghitung estimasi sumber daya yang dibutuhkan dalam pengembangan sistem informasi dengan studi kasus Sistem Informasi Pengelolaan Data English Proficiency Test (EPT) Unit Pelaksana Teknis (UPT) Bahasa Universitas Lampung yang berada dalam tahap pengembangan. Unit Pelaksana Teknis (UPT) Bahasa Universitas Lampung harus mengetahui sumber daya yang diperlukan untuk menyelesaikan proyek pengembangan sistem informasi agar dapat menentukan rencana anggaran yang dijadikan sebagai acuan dalam pengembangan sistem. MetodeCOCOMO II memiliki kelebihan yaitu bisa memprediksi kebutuhan waktu, biaya, dan juga sumberdaya untuk menyelesaikan proyek sistem informasidengan jelas. Pengukuran dengan metode COCOMO II dilakukan dengan cara melakukan perhitungan Scale Factor, Effort Multiplier, dan Effort Estimation.Kata Kunci: Scale Factor, Effort Multiplier, Effort Estimation, Unadjusted Function Point,Source Lines Of Code

TEXT MINING UNTUK MENGKLASIFIKASI JUDUL BERITA ONLINE STUDI KASUS RADAR BANJARMASIN MENGGUNAKAN METODE NAÏVE BAYES Muhammad Sholih Afif
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 8, No 2 (2021)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v8i2.389

As technology advances, it causes a shift from news media which is usually published in newspapers, now changes to follow the times and develops into online news. In online news, news is usually grouped into several categories. The categorization is still manual. So in need of automatic categorization of online news titles. The method used in classifying online news titles is Naïve Bayes. The results of this study obtained an accuracy of 78.75%. Meanwhile, the recall results are 80.56% and the precision is 78.75%.Keywords: Classification, Text Mining, Naïve Bayes and Online NewsSeiring bertambah majunya teknologi menyebabkan peralihan dari media berita yang biasanya dimuat dalam koran sekarang berubah mengikuti perkembangan zaman dan berkembang menjadi berita online. Pada berita online biasanya dalam berita dikelompokan menjadi beberapa kategori. Pengkategorian tersebut masih manual. Sehingga diperlukan pengkategorian judul berita online yang secara otomatis. Metode yang digunakan dalam pengklasifikasian judul berita online ini adalah Naïve Bayes. Hasil dari penelitian ini mendapatkan hasil akurasi sebesar 78.75%. Sedangkan untuk hasil Recall adalah 80.56% dan Precision adalah 78.75%. Kata kunci: Klasifikasi,Text Mining, Naïve Bayes dan Berita Online

ANALISIS PERBANDINGAN KINERJA LAYANAN CONTAINER AS A SERVICE (CAAS) STUDI KASUS : DOCKER DAN PODMAN Chairul Mukmin; Therezia Naraloka; Qodri Harun Andriyanto
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 8, No 2 (2021)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v8i2.381

The development of cloud computing is growing and becoming a trend that is widely used in the telecommunications world today, one of the models is Container As A Service or often abbreviated as CAAS. This technique aims to reduce resource usage and facilitate the server management process. To run Container As A Service, it is necessary to have a platform, in this study using the Docker and Podman platforms. One of the factors that affect the performance of this service is in terms of resource use and security. There are many types of attacks on computer systems that can consume existing resources such as Denial of service (DOS) attacks, this type of attack is constantly evolving in various forms. Recall the role of Docker and Podman in terms of reducing resource usage and simplifying the server management process. So the problems that will arise when Docker and Podman were used as service centers, will be disrupted when getting a DOS attack. This study aims to measure the performance of a Container service in terms of CPU, RAM and Response Time performance of web server services under normal conditions, when running many applications, when getting DOS attacks and when implementing DOS attack prevention, by adopting the PPDIOO method. in achieving the results of the research. The results show that containers consume large resources in terms of CPU usage, these results are described in Figures 3.1 and 3.2, namely for the Docker container service 84.45% of CPU usage and 675 Mb of RAM usage, while for the Podman service it is 94.05% of usage CPU and RAM usage of 658 Mb.Keywords: Container As A Service, Denial of Service , Docker, Podman.Perkembangan komputasi awan semakin berkembang dan menjadi suatu trend yang banyak digunakan di dunia telekomunikasi saat ini, salah satu modelnya yaitu Container As A Service atau yang sering disingkat CAAS. Teknik ini bertujuan untuk mengurangi penggunaan resource dan memudahkan dalam proses manajemen server. Untuk menjalankan Container As A Service ini perlu adanya sebuah platform, pada penelitian ini menggunakan platform Docker dan Podman. Salah satu faktor yang mempengaruhi kinerja dari layanan ini yaitu dari sisi penggunaan resource dan keamanannya. Terdapat banyak jenis serangan terhadap sistem komputer yang dapat menghabiskan resource yang ada seperti serangan Denial of service (DOS), jenis serangan ini senantiasa berkembang dalam berbagai bentuk. Mengingat kembali peran dari Docker dan Podman dalam hal mengurangi penggunaan resource dan memudahkan dalam proses manajemen server. Maka permasalahan yang akan timbul disaat Docker dan Podman tadi yang dijadikan sebagai sentral layanan, akan terganggu disaat mendapatkan serangan DOS. Penelitian ini bertujuan untuk mengukur kinerja sebuah layanan Container dari sisi kinerja CPU, RAM dan Respone Time dari layanan web server pada saat kondisi normal, pada saat menjalankan banyak aplikasi, pada saat mendapatkan serangan DOS dan pada saat menerapkan pencegahan serangan DOS, dengan mengadopsi metode PPDIOO dalam mencapai hasil dari penelitian. Hasil penelitian menunjukan bahwa container memakan resource yang besar dari segi penggunaan CPU, hasil ini dijelaskan pada gambar 3.1 dan 3.2 yaitu untuk layanan container docker sebesar 84.45% dari penggunaan CPU dan untuk penggunaan RAM sebesar 675 Mb, sedangkan untuk layanan podman sebesar 94.05 % dari penggunaan CPU dan untuk penggunaan RAM sebesar 658 Mb.Kata kunci: Container As A Service, Denial of Service, Docker, Podman

SISTEM PAKAR KERUSAKAN BARANG RUMAH TANGGA (MESIN CUCI, AC & KULKAS) BERBASIS FORWARD CHAINING Admi Syarif; Novita Dwilestari; Akmal Junaidi; Rico Andrian
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 8, No 2 (2021)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v8i2.390

In the last few decades, the use of household electronic goods (Air Conditioner (AC), Washing Machine, and Refrigerator) has increased significantly. Since these devices are used continuously, those might be very susceptible to damage. This study aims to develop a web-based expert system that capable to diagnose and provide information for possible solutions. The system adopts the forward chaining approaches on the PHP language. The effectiveness of the system was evaluated by using 30 test problems (10 refrigerators, 10 washing machines, and 10 air conditioners). The experimental results are compared to those given by expert. It shown that the system can solve problems effectively.Keywords: Expert System, Artificial Intelligence, Electronics, Forward Chaining Dalam beberapa dekade terakhir, penggunaan barang elektronik rumah tangga (Air Conditioner (AC), Mesin Cuci dan Kulkas) meningkat meningkat sangat signifikan. Karena slat elektronik tersebut digunakan secara terus menerus, sehingga sangat rentan kerusakan. Penelitian ini bertujuan untuk mengembangan system pakar berbasisi web yang mampu mendiagnosa kerusakan dan memberikan informasi solusi perbaikan yang mungkin dilakukan. Sistem ini dikembangkan dengan mengadopsi metode penalaran maju (forward chaining) dalam bahasa PHP. Sistem diujicobakan dengan menggunakan 30 jenis kerusakan (10 kulkas, 10 mesin cuci dan 10 AC). Hasil yang diperoleh dibandingkan dengan hasil yang diberikan oleh pakar. Hasil eksperimen menunjukkan bahwa sistem mampu membantu penyelesaian masalah secara efektif.Kata kunci: Sistem Pakar, Kecerdasan Buatan, Barang Elektronik, Forward Chaining

ANALISIS SISTEM PAKAR UNTUK MENGIDENTIFIKASI PENYAKIT PADA TANAMAN JERUK SIAM (CITRUS NOBILIS VAR. MICROCARPA) DARI PERKEBUNAN DESA SETAPOK, KOTA SINGKAWANG Fatma Agus Setyanngsih; Rahmawati Rahmawati; Mukarlina Mukarlina
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 8, No 2 (2021)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v8i2.382

Pontianak Oranges (alternatively called ‘Siam Oranges’), are cultivated by farmers in several areas in West Kalimantan, one of which is a plantation in Setapok Village, Singkawang City. According to information obtained from local farmers, citrus cultivation under threat, namely by bacteria. These bacteria turn leaves yellow with black spots, as well making them become wrinkled and shrink in size. Citrus farmers who still do not fully understand about citrus plant diseases take treatment in eradicating these diseases using pesticides. Citrus farmers if wrong in knowing the disease can result in wrong selection of pesticides so that they fail in eradicating citrus diseases. With these problems, it is appropriate to find a solution, namely by building an expert system to identify diseases in Siamese Citrus Plants (Citrus Nobilis Var. Microcarpa). With this application, it is hoped that farmers can help diagnose what diseases are attacking their citrus plants, so that they can also know how to handle them and prevent wider ones.The method used for expert system development in this research is the Expert System Development Life Cycle (ESDLC) method. The stages in ESLDC include: (1) Identification and Analysis of Problems. (2) Acquisition of Knowledge as well as its Representation. (3) Prototype Assembly; (4) Validation and Testing. (5) Implementation and Integration. The expert system application are made with PHP as its web-based programming language and MySQL as its database. This expert system can help farmers determine treatment options based on their on-field observations. Determining which disease is which is done by using the Bayes method, where every available solution will be ranked in order of effectiveness.The built system has a 90% success rate, which means that farmers are able to utilize the system as intended and combat the diseases afflicting their citrus trees.Key Words: Disease, Siam Oranges, Expert System, West Kalimantan Jeruk Pontianak atau jeruk siam dibudidayakan oleh petani di beberapa wilayah di Kalimantan Barat, salah satunya di perkebunan yang ada di Desa Setapok, Kota Singkawang. Menurut informasi yang diperoleh dari petani setempat bahwa budidaya tanaman jeruk mengalami kendala yaitu pohon tanaman jeruk mengalami kerusakan dengan gejala di antaranya daun menguning dan terdapat bercak hitam, serta daun menjadi keriput dan kerdil. Petani jeruk yang masih awam belum mengerti keseluruhan tentang penyakit tanaman jeruk melakukan pengobatan dalam membasmi penyakit tersebut menggunakan pestisida. Petani jeruk jika salah dalam mengetahui penyakit dapat mengakibatkan salah dalam pemilihan pestisida sehingga gagal dalam pembasmian penyakit jeruk. Dengan permasalahan tersebut maka sudah selayaknya dicarikan solusi penyelesaiannya, yaitu dengan membangun sebuah sistem pakar untuk mengidentifikasi penyakit pada Tanaman Jeruk Siam (Citrus Nobilis Var. Microcarpa). Dengan aplikasi ini diharapkan petani dapat terbantu dalam mendiagnosis penyakit apa yang sedang menyerang tanaman jeruknya, sehingga dapat pula mengetahui penanganannya dan mencegah serangan yang lebih luas. Metode pegembangan sistem pakar yang digunakan dalam penelitian ini adalah ESDLC (Expert System Development Life Cycle). Tahapan-tahapan dalam ESDLC ini meliputi, identifikasi dan analisa masalah, akuisisi dan representasi pengetahuan (knowledge representation), pembangunan prototype, verifikasi, validasi dan testing, implementasi dan integrasi. Aplikasi sistem pakar dibuat dengan Bahasa pemrograman berbasis web PHP dan My SQL sebagai database. Metode inferensi yang dipakai Forward Chaining. Sistem pakar berbasis komputer dapat membantu memecahkan masalah agar petani dapat menentukan pilihan pengobatan. Metode yang diterapkan untuk mengidentifikasi penyakit pada jeruk siam adalah Metode Bayes, dimana setiap alternatif yang disediakan akan dilakukan perangkingan untuk memperoleh hasil terbaik.Sistem yang dibangun menghasilkan nilai persentase 90%, artinya mampu membantu petani dalam memilih penganan yang tepat dan sesuai penyakit pada jeruk siam. Kata Kunci: penyakit, jeruk siam, sistem pakar, Kalimantan Barat

ARSITEKTUR SISTEM INFORMASI BERBASIS WEB MONITORING PROSES RECOVERY SURVIVOR GANGGUAN JIWA PASCA PERAWATAN Astria Hijriani; Sigit Tunggul Waskito; Yohana Tri Utami
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 8, No 2 (2021)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v8i2.391

Mental disorders (mental disorders) are a disease that requires long-term care in the process of rehabilitation. In 2013, there were at least 14 million Indonesians who had a mental illness. Someone who is affected by a mental disorder is called a survivor. In the process of rehabilitation, survivors will be treated in a mental hospital for further treatment. If conditions improve, survivors will be sent home. However, there are many survivors after treatment relapse due to lack of supervision of the state of survivors. This paper discusses how health workers monitor the condition of survivors using an integrated information system with a mobile app. In its development, the method used is prototyping. The system needs are obtained through media discussions and interviews with Ikatan Perawat Kesehatan Jiwa Indonesia (IPKJI) Lampung. The system was also tested using the black box testing method. As a result, the features needed to solve the problem are running as they shouldKeywords: mental disorder, survivor, information system, black-box testingGangguan jiwa (mental disorders) merupakan salah satu penyakit yang memerlukan perawatan jangka panjang dalam proses rehabilitasinya. Pada tahun 2013, setidaknya terdapat 14 juta warga Indonesia yang mengalami penyakit gangguan jiwa. Seseorang yang terkena gangguan jiwa disebut dengan survivor. Dalam proses rehabilitasi nya, survivor akan dirawat di rumah sakit jiwa untuk pengobatan lebih lanjut. Apabila kondisi membaik, survivor akan dipulangkan ke pihak keluarga (caregiver). Namun, banyak sekali terjadi survivor pasca perawatan kambuh dikarenakan kurangnya pengawasan terhadap kondisi survivor. Paper ini membahas tentang bagaimana petugas kesehatan memantau kondisi survivor menggunakan sistem informasi yang terintegrasi dengan mobile app. Dalam pengembangannya, metode yang digunakan adalah prototyping. Kebutuhan sistem diperoleh melalui media diskusi dan wawancara dengan pihak Ikatan Perawat Kesehatan Jiwa Indonesia (IPKJI) Lampung. Tidak hanya itu, sistem juga diuji menggunakan metode black box testing. Hasilnya, fitur-fitur yang dibutuhkan untuk menyelesaikan permasalahan yang ada berjalan sebagaimana mestinya.Kata kunci: gangguan jiwa, survivor, sistem informasi, black-box testing

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name
Muliadi

Contact Email
muliadi@ulm.ac.id

Phone
+6285228102971

Journal Mail Official
klik@ulm.ac.id

Editorial Address
Jl. A. Yani, KM. 36, PRODI ILMU KOMPUTER Lingkungan Fakultas Matematika dan Pengetahuan Alam Universitas Lambung Mangkurat, Gedung II, Lt. 3, Banjarbaru klik@ulm.ac.id

Location
Kota banjarmasin,

Kalimantan selatan

INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name Muliadi

Contact Email muliadi@ulm.ac.id

Phone +6285228102971

Journal Mail Official klik@ulm.ac.id

Editorial Address Jl. A. Yani, KM. 36, PRODI ILMU KOMPUTER Lingkungan Fakultas Matematika dan Pengetahuan Alam Universitas Lambung Mangkurat, Gedung II, Lt. 3, Banjarbaru klik@ulm.ac.id

Location Kota banjarmasin, Kalimantan selatan INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
Muliadi

Contact Email
muliadi@ulm.ac.id

Phone
+6285228102971

Journal Mail Official
klik@ulm.ac.id

Editorial Address
Jl. A. Yani, KM. 36, PRODI ILMU KOMPUTER Lingkungan Fakultas Matematika dan Pengetahuan Alam Universitas Lambung Mangkurat, Gedung II, Lt. 3, Banjarbaru klik@ulm.ac.id

Location
Kota banjarmasin,

Kalimantan selatan

INDONESIA