Jurnal Eksplora Informatika

Peramalan Kebutuhan Spare Part Bengkel Mobil dengan Metode Weight Moving Average

Finna Suroso — 2024-03-30

Salah satu permasalahan yang ada pada bengkel mobil adalah belum dapat meramalkan kebutuhan stok persediaan spare part, sehingga menyebabkan ketidaktersediaan spare part pada saat ada permintaan dan menyebabkan overstock spare part yang tidak digunakan pada bengkel. Penelitian ini bertujuan implementasi Weight Moving Average untuk meramalkan kebutuhan stok spare part mobil. Peramalan dengan implementasi Weight Moving Average mampu meramalkan pada bulan berikutnya sehingga mampu meminimalkan terjadinya kesalahan order spare part dan dapat menyelesaikan pekerjaan dengan efisien dari segi waktu staf dalam mengontrol kebutuhan spare part serta tempat penyimpanan barang spare part. Metode yang digunakan adalah Weight Moving Average. Metode ini banyak digunakan dalam menentukan trend sebuah deret dalam waktu. Hasil dari penerapan metode peramalan dengan mengunakan Metode Weight Moving Average memberikan hasil peramalan dengan cukup akurat, meninjau dari data-data hasil penjualan sebelumnya, yang dapat dijadikan dasar dalam proses estimasi spare part untuk mengatur jumlah order spare part yang dapat mengurangi terjadinya ketidaktersediaan dan overstock atau kelebihan stok. Mean Absolute Percentage Error (MAPE) sebesar 2,76 %, digunakan untuk mengukur ketepatan ramalan. Untuk nilai MAD bergantung pada selisih parameter nilai aktual dan peramalan, sedangkan nilai MSE merupakan hasil kuadrat dari tiap periode untuk nilai MAD.

Sistem Klasifikasi Penentuan Penerima Bantuan Langsung Tunai Menggunakan Metode K-Nearest Neighbor

Tia Sutianah — 2024-03-30

Sistem Penentu Kelayakan Penerima Bantuan Langsung Tunai (BLT) di Desa Sahbandar dirancang untuk memenuhi kebutuhan Dinas Desa Sahbandar khususnya untuk pengelolaan BLT. Penyaluran BLT di Desa Sahbandar masih berjalan sebagaimana mestinya namun proses seleksi penerima BLT tidak objektif sehingga penyaluran dana tidak tepat sasaran, dan juga terjadi manipulasi data karena pendataan masih di-input secara manual dengan pencatatan di buku besar dan Microsoft Excel. Maka dari itu dibuatkan sistem sebagai penentu kelayakan penerima BLT di Desa Sahbandar. Metode yang digunakan dalam menyusun sistem ini adalah metode K-Nearest Neighbor menggunakan Framework Laravel. Hasil dari penelitian ini berupa sistem berbasis web dengan mengklasifikasikan data berdasarkan kriteria Pekerjaan, Jumlah Tanggungan perorang dalam keluarga dan Penghasilan yang didapat perbulan. Sistem ini menghasilkan status Layak dan Tidak Layaknya penduduk di Desa Sahbandar sebagai penerima BLT pada data testing yang diuji.

Analisis Sentimen Pengguna Aplikasi MyPertamina Menggunakan Algoritma Bidirectional Long Short Term Memory

Angga Saputra — 2024-03-30

Aplikasi mobile telah menjadi sarana penting bagi perusahaan untuk berinteraksi dengan pengguna dan mengumpulkan umpan balik dari mereka. Salah satu aspek penting dari analisis data aplikasi pengguna adalah analisis sentimen, yang dapat memberikan wawasan pengguna tentang pandangan dan penggunaan aplikasi. Aplikasi MyPertamina yang merupakan layanan e-money juga telah terdaftar dan diawasi oleh Bank Indonesia. MyPertamina berfungsi sebagai sistem pembayaran non tunai. Pada aplikasi MyPertamina dapat memberikan ulasan aplikasi melalui kolom komentar atau memberikan rating dari 1 hingga 5 pada google playstore, namun seringkali pengguna memberikan rating yang tidak sesuai dengan ulasannya sehingga dapat mempengaruhi pelanggan jika ulasannya kurang bagus. Agar mempermudah pengelolaan data ulasan, penelitian ini menggunakan analisis sentiment. Analisis sentimen merupakan suatu metode yang digunakan untuk memahami, mengekstrak, dan mengolah secara otomatis data opini dan tekstual untuk mendapatkan sentimen yang terkandung dalam suatu opini. Penggunaan algoritma Bidirectional Long Short Term Memory (BiLSTM) dan Long Short Term Memory (LSTM) untuk analisis sentimen dari umpan balik pengguna pada aplikasi myPertamina. Penelitian ini menggunakan dataset yang berisi ulasan pengguna dari aplikasi myPertamina yang dikumpulkan dari platform Google PlayStore. Dataset ini secara otomatis dianotasi menggunakan library transformers untuk mengidentifikasi sentimen dari ulasan sebagai positif atau negatif. Selanjutnya, algoritma BiLSTM dan LSTM diterapkan untuk melakukan analisis sentimen pada dataset yang dianotasi. Hasil eksperimen menunjukkan bahwa kedua algoritma BiLSTM dan LSTM mampu menghasilkan sentimen yang cukup baik pada dataset ulasan pengguna myPertamina. BiLSTM menunjukkan kinerja yang lebih baik dibandingkan dengan LSTM, dengan akurasi 90% dan 86,25% untuk model LSTM.

Penentuan Takaran Pupuk Nitrogen Tanaman Padi Menggunakan Metode Histogram BWD

Dian Megah Sari — 2024-03-30

Padi merupakan komoditas tanaman pangan yang sejak dulu menjadi penghidupan bagi masyarakat Indonesia, menjadi tanaman pangan prioritas utama dan dikonsumsi masyarakat dalam kesehariannya sehingga perlu dijaga kualitasnya. Salah satu yang menandakan bahwa tanaman padi itu memiliki kualitas yang baik adalah dengan melihat warna dari daun padi tersebut, dimana semakin hijau warna daun padi maka akan semakin baik pula kualitas dan kesehatan padi, untuk tetap menjaga kualiatas tanaman padi maka diperlukan Pemberian pupuk, karena salah satu faktor utama yang dapat mempengaruhi kualitas padi menjadi semakin baik adalah dengan memberikan pupuk yang mengandung unsur hara dan dengan takaran yang seimbang. Untuk pemberian pupuk dengan takaran yang seimbang maka dibutuhkan pengawasan ataupun alat bantu ukur. Tujuan dari penelitian ini adalah membangun sebuah sistem untuk menentukan jumlah takaran pupuk nitrogen yang diukur berdasarkan warna daun pada tanaman padi. sistem dibangun menggunakan Bahasa Pemrograman Python dengan menerapkan Metode Histogram untuk mengimplementasi citra warna daun dari Bagan Warna Daun (BWD). Metode pengembangan sistem menggunakan metode prototype. Dalam metode prototipe, fokus utama adalah pada pembuatan prototipe awal yang dapat mensimulasikan fitur atau fungsi utama dari perangkat lunak yang akan dikembangkan.

Studi Pembanding Edge Detection Metode Sobel dan Prewitt pada Citra Rontgen Menggunakan Software Matlab

I Kadek Seneng — 2024-03-30

Edge detection merupakan sebuah proses mendeteksi garis tepi yang membatasi dua wilayah, deteksi tepi banyak diterapkan pada bidang medis yang bertujuan untuk memudahkan analisis. Menentukan metode deteksi tepi citra tidak bisa hanya dilihat secara langsung, maka perlu adanya analisis penentuan metode. Pada penelitian ini menggunakan citra rontgen tulang rusuk, dan citra rontgen jari-jari tangan, pada penelitian ini dilakukan tahap perbaikan citra noise reduction, kemudian konversi citra menjadi grayscale, kemudian deteksi tepi metode Sobel dan Prewitt, kemudian proses binerisasi dan perbandingan menggunakan tiga parameter perbandingan MSE, PSNR dan nnz. Semakin besar nilai MSE menunjukkan perbedaan besar antara citra awal dengan citra hasil, semakin besar nilai PSNR menunjukkan semakin besar kualitas dari gambar yang dihasilkan. Fungsi nnz (number of nonzero entries) semakin banyak piksel warna putih maka semakin banyak juga tepi yang diperoleh. Berdasarkan hasil penelitian yang telah dilakukan, maka diperoleh kesimpulan, pada citra rontgen tulang rusuk metode sobel menghasil nilai lebih baik berdasarkan hasil yang diperoleh pada masing-masing parameter penguji MSE= 4.610,7, PSNR= 11.493,2 dB, nnz= 10.752. Pada citra rontgen jari-jari tangan metode prewitt menghasilkan nilai lebih baik berdasarkan hasil yang diproleh MSE= 1.188,8, PSNR= 17.379,9 dB, nnz= 6.948.

Deteksi Tumor Otak Dengan Metode Convolutional Neural Network

Bernadetta Sri Endah Dwi — 2024-03-30

Tumor otak merupakan salah satu penyakit mematikan di dunia. Menurut data Global Cancer Observatory, kasus tumor otak di Indonesia pada tahun 2021 mencapai 5.964 kasus serta tingkat kematian berada pada posisi 12 dengan 5298 kasus. Diagnosa cepat dan lebih dini tentu akan mampu menekan tingkat kematian tumor otak. Penelitian ini mengusulkan metode Convolutional Neural Network (CNN) untuk deteksi otak berdasarkan pencitraan medis. Model CNN didesain secara khusus terdiri dari 14 layer. Berdasarkan hasil pengujian model CNN yang dihasilkan memiliki akurasi tinggi yaitu 99%. Selain itu berdasarkan hasil komparasi dengan dataset yang sama, model yang diusulkan 5% lebih unggul dari metode sebelumnya yang menggunakan pre-trained model MobileNetV2.

Analisa Perencanaan Strategi Sistem Informasi untuk Mendukung Produktivitas Otomotif

Mailia Putri Utami — 2024-03-30

PT. Mitrametal Perkasa merupakan perusahaan manufaktur komponen aluminium casting dan rem komponen untuk otomotif. PT. Mitrametal Perkasa kini menjadi perusahaan yang melibatkan seluruh alur proses kerjanya dengan teknologi untuk proses mengelola seluruh sumber daya yang ada pada perusahaan, namun di samping itu implementasi dari penggunaan teknologi masih kurang optimal sehingga perlu adanya perancanaan strategis yang lebih optimal. Analisis perencanaan strategis sistem informasi merupakan salah satu cara untuk memperbaiki kinerja produktivitas dari segi pelayanan otomotif. Analisis perencaanaan strategis sistem informasi pada PT. Mitrametal Perkasa menggunakan metode Ward and Peppard, yang mana metode Ward and Peppard memiliki konsep metode yaitu terdiri dari tahapan input dan tahapan output dengan hasil akhir berupa portofolio aplikasi untuk perusahaan di masa mendatang. GAP pada penelitian ini yaitu terdapat pada fokusnya penelitian ini pada objek penelitian yang memanfaatkan strategi perencanaan SI/IT yang telah diterapkan pada proses bisnisnya. Hasil penelitian ini yaitu sistem dan teknologi informasi pada PT. Mitrametal Perkasa yaitu portofolio yaitu yang di dalamnya terdapat sistem informasi keuangan, sistem informasi pelanggan, sistem informasi produksi komponen otomotif, sistem informasi kepegawaian, sistem informasi kemitraan, sistem informasi pengendalian mutu, dan website, yang berguna untuk meningkatkan keunggulan kompetitif serta kerangka kerja perencanaan strategi SI/IT yang terintegrasi dengan manajemen pengelolaan sumber daya informasi.

Penerapan Data Mining pada Model Clustering Data Kuesioner Mahasiswa terhadap Kinerja Dosen

Muhammad Sholeh — 2024-03-30

Setiap akhir semester hampir semua perguruan tinggi memberikan kuesioner yang wajib diisi oleh mahasiswa. Salah satu parameter yang dievaluasi adalah evaluasi untuk mengukur kinerja dosen. Pertanyaan yang harus dijawab mahasiswa diantaranya keaktifan dosen dalam mengajar, penyampaian materi dan lainnya . Hasil kuesioner dilakukan proses pengolahan dan hasil akhirnya adalah indeks prestasi kinerja dosen. Dalam penelitian ini, dilakukan proses data mining pada datasheet hasil kuesioner. Model data mining akan dilakukan dengan model clustering. Tujuan dari penelitian adalah membuat model Clustering untuk menghasilkan kinerja dosen berdasar pada pengelompokan dengan menggunakan datasheet hasil kuesioner. Hasil pengelompokkan dilakukan dengan melakukan pengujian dengan membuat pengelompokan dari 2-4 kelompok. Metode yang digunakan adalah metode CRISP DM yang terdiri dari business understanding, Data understanding, data preparation, model, evaluasi dan develop. Proses klastering menggunakan aplikasi Rapid miner. Data hasil kuesioner yang sudah dilakukan disimpan dalam bentuk datasheet. Datasheet terdiri dari 118 record dan 12 atribut. Proses pengelompokkan diolah dengan menggunakan model clustering dengan menggunakan algoritma K-Mean. Hasil penelitian adalah proses pengolahan pada datasheet yang dibuat model klasterisasi dengan nilai centroid (k) mulai dari 2 sampai 6. Evaluasi dilakukan dengan menguji performance masing-masing hasil nilai k. Evaluasi dengan menggunakan Davies Bouldin dan hasil klasterisasi dengan nilai k=3 merupakan hasil yang paling kecil yaitu -0.737, sehingga klasterisasi dengan K=3 direkomendasikan menjadi suatu model.

Model Recurrent Neural Network-Gated Recurrent Unit untuk Membangun Mesin Penerjemah Bahasa Indonesia-Banyumasan

Andik Wijanarko — 2024-03-30

Bahasa Banyumasan berakar dari bahasa Jawa dengan dialek Banyumasan, dituturkan di bagian barat Jawa Tengah dan sebagian bagian timur provinsi Jawa Barat. Undang-undang mengungkapkan perlunya upaya pelestarian bahasa daerah. Salah satu upayanya adalah membangun mesin penerjemah bahasa Indonesia-Banyumasan. Model yang digunakan adalah Recurrent Neural Network yang digunakan untuk membangun mesin penerjemah beberapa bahasa daerah di Indonesia, tapi belum pernah digunakan untuk bahasa Indonesia-Banyumasan, khususnya Gated Reccurent Unit. Tujuan penelitian ini membangun mesin penerjemah bahasa Indonesia-Banyumasan dan mengukur kualitas terjemahannya. Metode yang digunakan adalah eksperimen mulai dari pembuatan korpus paralel yang dilanjutkan melakukan training korpus menggunakan, dan langkah terakhir adalah melakukan evaluasi menggunakan metrik Bilingual Evaluation Understudy. Korpus paralel yang digunakan berisi 1.302 kalimat dengan panjang kalimat rata-rata 20 kata perkalimat. Waktu training yang diperlukan adalah 72 jam. Skor metrik yang dihasilkan adalah 34.1 yang berarti model tersebut dan paralel korpus menghasilkan kualitas terjemahan yang masih dapat ditingkatkan.

Rancang Bangun Aplikasi Informasi Kehadiran dengan Teknologi Augmented Reality

Eri Satria — 2024-03-30

Informasi kehadiran merupakan hal penting untuk disajikan pada aktivitas organisasi. Penelitian ini bertujuan untuk merancang dan membangun sebuah aplikasi yang menampilkan informasi kehadiran secara visual dengan cara pendeteksian wajah berteknologi augmented reality. Bentuk sajian visual memberikan kemudahan menangkap informasi bagi penggunanya dan lebih menarik secara tampilan. Metode Research and Development digunakan untuk mengembangkan aplikasi, terdiri dari tahapan Preliminary, Protopyping Stage, Summative Evaluation, Systematic Reflection and Documentation. Penelitian dilakukan pada sebuah sekolah dengan melibatkan sepuluh guru sebagai sampel. Perangkat lunak pendukung yang digunakan yaitu Unity versi 5, Adobe Photoshop. Hasil Penelitian berupa aplikasi penyajian informasi kehadiran dengan cara pendeteksian wajah penggunanya. Aplikasi menggunakan teknologi augmented reality yang dijalankan pada perangkat mobile. Cara akses dengan pendeteksian wajah menjadi alternatif dalam kemudahan akses. Material yang dibutuhkan pada pembuatan fitur ini dengan opencv berupa pustaka perangkat lunak untuk pengolahan gambar dinamis secara real-time, banyak fitur pengenalan wajah, deteksi wajah, dan berbagai jenis metode artificial intelegence. Fitur augmented reality dengan penambahan fungsi, dimana kamera terarah ke subjek maka muncul informasi kehadiran. Hasil pengujian aplikasi dengan melibatkan ahli dan pengguna, aplikasi dapat diterima dengan baik dari sisi kemudahan mengoperasikan, tingkat toleransi kesalahan, kesesuaian dan desain visual. Penelitian selanjutnya diharapkan mengintegrasikan bukan hanya informasi kehadiran, tapi sajian informasi lainnya pada organisasi.

Analisis Faktor Teknologi dan Organisasi dalam Adopsi Aplikasi Penjualan dan Pembayaran oleh UMKM

Ayuningtyas Ayuningtyas — 2024-03-30

Usaha Micro Kecil dan Menengah (UMKM) telah menyumbang lebih dari 60% Produk Domestik Bruto (PDB) Indonesia, dan menyerap lebih dari 95% tenaga kerja nasional. Pengetahuan dan pemahaman mengenai penggunaan teknologi sangat penting untuk meningkatkan kinerja UMKM. Pemerintah telah mencanang target untuk meningkatkan derajat UMKM dengan program UMKM GoDigital. Namun baru 26,7% pelaku UMKM yang telah GoDigital. Tidak tercapainya target pemerintah untuk program GoDigital dipengaruhi oleh beberapa tantangan yang dihadapi oleh UMKM diantaranya yaitu adopsi teknologi. Penelitian ini dilakukan untuk mengetahui dan menganalisis faktor-faktor yang mempengaruhi niat adopsi aplikasi SaaS oleh UMKM di Indonesia, ditinjau dari faktor teknologi dan organisasi. Penelitian ini merupakan penelitian empirik dengan pendekatan kuantitatif. Data diambil dan dikumpulkan melalui kuesioner yang disebarkan dan telah diisi oleh 182 pemilik UMKM secara online. Selanjutnya data diolah dan dianalisis dengan menggunakan SEM-PLS. Hasil penelitian menunjukkan bahwa terdapat dua dimensi dari faktor teknologi yang berpengaruh pada niat adopsi aplikasi yaitu kompleksitas (59,7%) dan persepsi kemudahan penggunaan (47,5%). Dari faktor organisasi dimensi yang berpengaruh adalah dukungan manajemen puncak (33,5%).

Optimasi Logistic Regression untuk Deteksi Serangan DoS pada Keamanan IoT

Nauval Dwi Primadya — 2024-03-30

Keamanan perangkat Internet of Things (IoT) merupakan prioritas utama karena potensi risiko kerusakan perangkat dan kebocoran data yang dapat berdampak serius. Perangkat IoT telah membawa manfaat signifikan ke berbagai sektor, seperti kesehatan, transportasi, dan industri, namun tingkat serangan terhadapnya terus meningkat. Dalam mengatasi tantangan ini, pendekatan machine learning digunakan dengan memanfaatkan dataset CIC IOT ATTACKS 2023 dari University of New Brunswick. Untuk menghasilkan data yang berkualitas, dilakukan random undersampling untuk mengatasi ketidakseimbangan data, dan seleksi fitur menggunakan Recursive Feature Elimination untuk mendapatkan fitur terbaik. Pemilihan Logistic Regression sebagai algoritma pemodelan dipilih dengan pertimbangan yang matang. Logistic Regression dipilih karena kemampuannya memberikan interpretasi yang jelas terhadap kontribusi relatif setiap fitur terhadap prediksi keamanan perangkat IoT. Selain itu, model ini efisien secara komputasional, mengatasi ketidakseimbangan data, dan tahan terhadap overfitting, yang semuanya merupakan faktor krusial dalam konteks keamanan IoT. Hasil penelitian menunjukkan bahwa penggunaan Logistic Regression bersamaan dengan seleksi fitur memberikan tingkat akurasi tertinggi mencapai 97%, dengan waktu pemrosesan yang efisien sekitar 11 detik. Dari hasil ini, dapat disimpulkan bahwa kombinasi teknik random undersampling dan seleksi fitur menggunakan Recursive Feature Elimination secara positif memengaruhi akurasi pada model Logistic Regression, menjadikannya pilihan yang sesuai untuk meningkatkan keamanan perangkat IoT.