Journal of Computer and Information System ( J-CIS )

Analisis Performa K-Nearest Neighbor Dalam Mengklasifikasi Sentimen Pengguna Aplikasi PeduliLindungi

Sulfayanti — 2024-06-08

Virus Corona 19 (Covid-19) merupakan inveksi vius menular yang kini telah menyebar ke berbagai negara, termasuk Indonesia. Pemantauan penyebaran Covid-19 di Indonesia ditangani langsung oleh Pemerintah Indonesia khususnya oleh Kementerian Komunikasi dan Informatika (KOMINFO) dengan pembuatan aplikasi PeduliLindungi yang dapat diunduh di Google Play Store. Pengguna memberikan ulasan atau komentar mereka tentang aplikasi dengan tujuan untuk mengevaluasi dan meningkatkan kualitas produk kedepannya. Salah datu cara dalam mengevaluasi ulasan adalah dengan menganalisis sentiment ulasan tersebut. Analisis terhadap sentiment ulasan dilakukan untuk menentukan apakah opini atau komentar terhadap suatu permasalahan atau isu terkait topik tertentu memiliki kecenderungan positif, negatif, atau netral. Sehingga peneliti ingin mengetahui sejauh mana gambaran umum masyarakat mengenai Aplikasi PeduliLindungi dengan memanfaatkan hasil analisis ini dengan melakukan teknik klasifikasi terhadap ulasan PeduliLindungi menggunakan Algoritma K-Nearest Neighbor. Hasil pengklasifikasian sentimen yang diperoleh yaitu opini kategori positif sebesar 58,66%, sentimen dengan kategori negatif sebesar 26,12%, dan sentimen dengan kategori netral sebesar 15,22% ulasan dari total 7.500 ulasan. Hasil ini menunjukkan bahwa masyarakat percaya dengan aplikasi PeduliLindungi dan menilai bahwa aplikasi tersebut layak untuk diinstal. Performa algoritma K-Nearest Neighbor dalam mengklasifikasi sentimen pengguna menghasilkan akurasi sebesar 60,66%, dengan nilai presisi 64%, recall 62,79%, dan F1-score 54,44%.

Analisis Kinerja Algoritma Backpropagation Neural Network dalam Prediksi Penilaian Kepuasan Penumpang Maskapai Penerbangan

Sugiarto Cokrowibowo — 2024-06-08

Penelitian ini bertujuan untuk menggunakan Algoritma Backpropagation Neural Network dalam memprediksi tingkat kepuasan penumpang maskapai penerbangan. Langkah-langkah pengujian dilakukan dengan variasi rasio data 70:30, 80:20, dan 90:10 serta parameter seperti Learning Rate, Hidden Layer, dan Max_Epoch. Hasil penelitian menunjukkan bahwa Backpropagation Neural Network mampu melakukan prediksi dengan baik, dengan tingkat akurasi terbaik mencapai 99.82% pada rasio data 90:10. Struktur arsitektur terbaik terdiri dari 22 input layer, 20 Hidden Layer, dan 1 output layer, dengan iterasi/Max_Epoch sebanyak 1000 dan Learning Rate 0.01. Temuan ini menunjukkan potensi algoritma ini dalam meningkatkan pemahaman tentang kepuasan pelanggan dalam industri penerbangan.

Sistem Pakar Diagnosa Penyakit pada Tanaman Kakao Menggunakan Kombinasi Forward Chaining dan Case Based Reasoning

amel amel — 2024-06-08

Penelitian ini menggambarkan pengembangan aplikasi berbasis Case Based Reasoning dan Forward Chaining untuk sistem analisis gejala penyakit. Aplikasi ini dirancang dengan tujuan melakukan perhitungan pencarian kedekatan terhadap gejala dan penyakit berdasarkan kasus sebelumnya, serta melibatkan penalaran kedepan untuk memberikan solusi terhadap gejala yang diinputkan. Hasil pengujian menunjukkan tingkat akurasi sebesar 90% setelah dilakukan 20 kali pengujian, dengan uji BlackBox memverifikasi kinerja aplikasi tanpa adanya kesalahan fungsi. Kesimpulan penelitian menyarankan pengembangan lebih lanjut, baik dari segi algoritma dan metode, maupun pada permasalahan yang lebih kompleks. Disarankan juga untuk melakukan perbandingan algoritma guna menentukan metode terbaik dalam analisis atau diagnosa. Penelitian ini memberikan kontribusi terhadap pengembangan aplikasi cerdas yang dapat memberikan solusi akurat terhadap gejala penyakit.

Pengenalan Huruf Aksara Lontara Menggunakan Metode Convolutional Neural Network

mukhdar mustafa — 2024-06-08

Salah satu warisan budaya aksara nusantara, aksara lontara saat ini perlu di lestarikan agar tidak mengalami kepunahan. Beberapa hal yang menyebabkan aksara Lontara ini terancam punah diantaranya adalah tren penggunaan bahasa asing yang didukung oleh pesatnya perkembangan teknologi, serta kurangnya pendidikan dan pembelajaran yang mendukung kelestarian aksara Lontara pada generasi mudaPengenalan huruf aksara lontara menggunakan metode Convolutional Neural Network merupakan suatu sistem yang mampu menegenali huruf aksara lontara secara realtime. Pada penelitian ini menggunakan jenis penelitian eksperimen karena penelitian ini bersifat uji coba dimana penelitian ini menghasilkan suatu sistem pengenalan huruf aksara lontara dengan hasil akhir berupa perhitungan persentase pengujian. Implementasi Convolutional Neural Network sebagai metode yang digunakan untuk mendapatkan model. Berdasarkan tingkat akurasi terhadap model yang di dapatkan pada proses training dengan menggunakan 575 data uji sebanyak 48 data uji yang tidak dapat dikenali oleh sistem dan 527 data yang dapat dikenali dengan persentase sebesar 91.6%. Algoritma CNN sudah cukup baik dalam melakukan pengenalan huruf aksara lontara.

Sistem Monitiring Hasil Produksi Ayam Petelur Berbasis Internet Of Things

M.firman alim — 2024-06-08

Teknologi Internet of Things (IoT) telah membuka peluang baru bagi manusia untuk meningkatkan kreativitas mereka dalam berbagai bidang, termasuk pertanian dan peternakan. IoT memungkinkan pemantauan jarak jauh dan kontrol yang efisien terhadap lingkungan pertanian dan peternakan. Namun, dalam konteks peternakan ayam petelur, masih terdapat kebutuhan akan sistem monitoring yang lebih efisien untuk menghitung produksi telur secara otomatis. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sebuah sistem yang menggunakan IoT untuk melakukan perhitungan telur ayam petelur secara otomatis. Metode yang digunakan dalam penelitian ini adalah pengembangan prototipe sistem menggunakan platform IoT bernama Thinger.io. Hasil dari implementasi ini menunjukkan bahwa alat dan bahan yang diperlukan termasuk sensor infrared yang terhubung ke nodeMCU8266. Sistem ini memungkinkan penghitungan telur secara otomatis dan pengiriman data ke server melalui internet, sehingga memungkinkan pemantauan produksi telur secara real-time dan efisien. Penelitian ini memberikan kontribusi penting dalam pengembangan teknologi monitoring produksi ayam petelur dengan memanfaatkan IoT, yang dapat membantu peternak untuk meningkatkan efisiensi dan produktivitas usaha peternakan ayam petelur.

Implementasi Algoritma Horspool pada Kamus Digital Bahasa Daerah Taora

Muh. Rasjid — 2024-06-08

Indonesia merupakan sebuah negara yang dikenal dimanca negara karena memiliki banyak budaya, agama, suku, dan bahasa yang berbeda-beda, setiap daerah di Indonesia memiliki bahasa daerah tersendiri yang menjadi simbol vokal namun pengguna bahasa daerah semakin menurun dikalangan masyarakat, bahasa daerah semakin ditinggalkan sebagai alat komunikasi utama, termasuk bahasa taora di kabupaten mamasa provinsi sulawesi barat yang seiring perkembangan jaman termasuk dalam bahasa yang terancam punah. Salah satu upaya untuk mempertahankan dan melestarikan bahasa taora adalah pembuatan suatu sistem kamus digital dalam bentuk website, Penelitian ini bertujuan untuk mengimplementasikan algoritma Horspool dalam kamus digital bahasa daerah Taora guna mempercepat dan mempermudah pencarian kata. Pengembangan sistem dilakukan menggunakan metode waterfall, yang meliputi tahapan analisis kebutuhan, desain sistem, implementasi, pengujian, dan pemeliharaan. Pengumpulan data dilakukan melalui wawancara dengan masyarakat Taora, menghasilkan 662 kosakata yang kemudian dimasukkan ke dalam database kamus. Hasil implementasi menunjukkan bahwa algoritma Horspool efektif dalam meningkatkan efisiensi dan akurasi pencarian kata dalam kamus digital bahasa Taora. Sistem ini diharapkan dapat menjadi alat yang signifikan dalam pelestarian bahasa Taora, terutama bagi generasi muda. Pengembangan lebih lanjut diusulkan dalam bentuk aplikasi mobile untuk meningkatkan aksesibilitas dan manfaatnya