Salah satu faktor penting dalam menilai akreditasi suatu lembaga atau perguruan tinggi adalah kelulusan. Prediksi kelulusan mahasiswa Program Studi Teknik Informatika Universitas 17 Agustus 1945 Surabaya penting untuk diketahui guna mengidentifikasi mahasiswa yang tidak lulus tepat waktu sejak awal. Prediksi kelulusan mahasiswa dapat dilakukan dengan menggunakan data mining khususnya metode klasifikasi. Pada penelitian ini, Algoritma Naive Bayes digunakan sebagai metode klasifikasi. Data pelatihan terdiri dari 120 alumni Program Studi Teknik Informatika angkatan 2017, sedangkan data pengujian terdiri dari 30 mahasiswa angkatan 2018. Atribut data yang digunakan untuk penelitian ini adalah IPS Semester 1-4, SKS, IPK, dan status kelulusan mahasiswa. Penelitian ini diharapkan dapat memberikan informasi tentang prediksi kelulusan mahasiswa tepat waktu dan memberikan masukan bagi perguruan tinggi untuk perbaikan kedepannya. Hasil dari penelitian ini menghasilkan diantaranya Hasil dari penerapkan algoritma Naïve Bayes pada sistem prediksi kelulusan ini dapat digunakan untuk memperkirakan apakah mahasiswa akan lulus tepat waktu atau tidak, Mahasiswa dapat dengan mudah melakukan intropeksi diri dengan cara mengakses halaman website ini secara online tanpa harus data ke gedung biro akademik, Hasil penelitian ini memiliki tingkat akurasi dalam memprediksi kelulusan mahasiswa yaitu 77%, tingkat presisi 77% , dan recall time 78%.
{"title":"PEMODELAN PREDIKSI TINGKAT KELULUSAN MAHASISWA DENGAN PENDEKATAN ALGORITMA NAÏVE BAYES","authors":"Supangat, M. R. Sulistyawan","doi":"10.33795/jip.v9i4.1367","DOIUrl":"https://doi.org/10.33795/jip.v9i4.1367","url":null,"abstract":"Salah satu faktor penting dalam menilai akreditasi suatu lembaga atau perguruan tinggi adalah kelulusan. Prediksi kelulusan mahasiswa Program Studi Teknik Informatika Universitas 17 Agustus 1945 Surabaya penting untuk diketahui guna mengidentifikasi mahasiswa yang tidak lulus tepat waktu sejak awal. Prediksi kelulusan mahasiswa dapat dilakukan dengan menggunakan data mining khususnya metode klasifikasi. Pada penelitian ini, Algoritma Naive Bayes digunakan sebagai metode klasifikasi. Data pelatihan terdiri dari 120 alumni Program Studi Teknik Informatika angkatan 2017, sedangkan data pengujian terdiri dari 30 mahasiswa angkatan 2018. Atribut data yang digunakan untuk penelitian ini adalah IPS Semester 1-4, SKS, IPK, dan status kelulusan mahasiswa. Penelitian ini diharapkan dapat memberikan informasi tentang prediksi kelulusan mahasiswa tepat waktu dan memberikan masukan bagi perguruan tinggi untuk perbaikan kedepannya. Hasil dari penelitian ini menghasilkan diantaranya Hasil dari penerapkan algoritma Naïve Bayes pada sistem prediksi kelulusan ini dapat digunakan untuk memperkirakan apakah mahasiswa akan lulus tepat waktu atau tidak, Mahasiswa dapat dengan mudah melakukan intropeksi diri dengan cara mengakses halaman website ini secara online tanpa harus data ke gedung biro akademik, Hasil penelitian ini memiliki tingkat akurasi dalam memprediksi kelulusan mahasiswa yaitu 77%, tingkat presisi 77% , dan recall time 78%.","PeriodicalId":232501,"journal":{"name":"Jurnal Informatika Polinema","volume":"27 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-22","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"123773987","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Muhammad Basurah, W. Swastika, Oesman Hendra Kelana
Facial recognition is a popular biometric security system used to authenticate individuals based on their unique facial structure. However, this system is vulnerable to spoofing attacks where the attacker can bypass the system using fake representations of the user's face such as photos, statues or videos. Liveness detection is a method used to address this issue by verifying that the user is a real person and not a representation. This journal article focuses on the life sign method of liveness detection, which utilizes facial movements to confirm the user's existence. We implement the latest technology of artificial intelligence from TensorFlow.js using face-api.js and compare it with the GLCM algorithm. However, even with the life sign detection method, there is still a chance of bypassing the system if an attacker uses a video recording. To mitigate this, we propose the addition of an object detection system to detect the hardware used to show video recordings with ml5.js. Our face recognition and expression detection system, using the pre-trained model face-api.js, achieved an accuracy of 85% and 82.5%, respectively, and the object detection system built with ml5.js has high accuracy and is very effective for liveness detection. Our results indicate that face-api.js outperformed GLCM algorithm in detecting spoofing attempts.
{"title":"IMPLEMENTATION OF FACE RECOGNITION AND LIVENESS DETECTION SYSTEM USING TENSORFLOW.JS","authors":"Muhammad Basurah, W. Swastika, Oesman Hendra Kelana","doi":"10.33795/jip.v9i4.1332","DOIUrl":"https://doi.org/10.33795/jip.v9i4.1332","url":null,"abstract":"Facial recognition is a popular biometric security system used to authenticate individuals based on their unique facial structure. However, this system is vulnerable to spoofing attacks where the attacker can bypass the system using fake representations of the user's face such as photos, statues or videos. Liveness detection is a method used to address this issue by verifying that the user is a real person and not a representation. This journal article focuses on the life sign method of liveness detection, which utilizes facial movements to confirm the user's existence. We implement the latest technology of artificial intelligence from TensorFlow.js using face-api.js and compare it with the GLCM algorithm. However, even with the life sign detection method, there is still a chance of bypassing the system if an attacker uses a video recording. To mitigate this, we propose the addition of an object detection system to detect the hardware used to show video recordings with ml5.js. Our face recognition and expression detection system, using the pre-trained model face-api.js, achieved an accuracy of 85% and 82.5%, respectively, and the object detection system built with ml5.js has high accuracy and is very effective for liveness detection. Our results indicate that face-api.js outperformed GLCM algorithm in detecting spoofing attempts.","PeriodicalId":232501,"journal":{"name":"Jurnal Informatika Polinema","volume":"10 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-22","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"134212153","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Perkembangan teknologi dan bisnis yang begitu cepat, menuntut perusahan untuk terus berkembang seperti pada fasilitas Kesehatan yaitu rumah sakit. Salah satu upaya yang dilakukan guna menjawab tuntutan pelayanan kesehatan yang baik adalah dengan melakukan investasi di bidang teknologi. Penelitian ini bertujuan untuk melakukan analisis terhadap investasi yang dilakukan oleh sebuah rumah sakit. Metode yang akan digunakan untuk menganalisis kelayakan investasi TI yaitu dilakukan menggunakan metode Information Economic (IE). Berdasarkan hasil analisis non finansial manfaat yang diperoleh yaitu adanya penghematan biaya kertas untuk laporan dan pengurangan tenaga SDM (operator), menghemat biaya penggajian karyawan, dan membantu mencapai tujuan strategis perusahaan. Selanjutnya berdasarkan hasil analisis finansial, Nilai ROI sebesar 1,00% yang menunjukan keuntungan dari investasi mencapai 1 kali lipat dari total investasi 5 tahun. Nilai NPV sebesar Rp. 9.477.162 yang menunjukan nilainya lebih dari 0 (>0) dan Nilai PP sebesar 1 bulan. Berdasarkan Dampak ekonomis dan kelayakan investasi menunjukan bahwa penghematan langsung biaya operasional selama 5 tahun sebesar Rp. 131.762.250. Sedangkan skor akhir proyek sebesar 75,01 dengan skor minimal -20 dan skor maksimal 100, sehingga menghasilkan justifikasi kategori Layak.
{"title":"ANALISA KELAYAKAN INVESTASI SISTEM INFORMASI MANAJEMEN RUMAH SAKIT (SIMRS) MENGGUNAKAN METODE INFORMATION ECONOMICS (IE)","authors":"Yudha Herlambang, Cahya Pratama, Heri Supriyanto","doi":"10.33795/jip.v9i4.1368","DOIUrl":"https://doi.org/10.33795/jip.v9i4.1368","url":null,"abstract":"Perkembangan teknologi dan bisnis yang begitu cepat, menuntut perusahan untuk terus berkembang seperti pada fasilitas Kesehatan yaitu rumah sakit. Salah satu upaya yang dilakukan guna menjawab tuntutan pelayanan kesehatan yang baik adalah dengan melakukan investasi di bidang teknologi. Penelitian ini bertujuan untuk melakukan analisis terhadap investasi yang dilakukan oleh sebuah rumah sakit. Metode yang akan digunakan untuk menganalisis kelayakan investasi TI yaitu dilakukan menggunakan metode Information Economic (IE). Berdasarkan hasil analisis non finansial manfaat yang diperoleh yaitu adanya penghematan biaya kertas untuk laporan dan pengurangan tenaga SDM (operator), menghemat biaya penggajian karyawan, dan membantu mencapai tujuan strategis perusahaan. Selanjutnya berdasarkan hasil analisis finansial, Nilai ROI sebesar 1,00% yang menunjukan keuntungan dari investasi mencapai 1 kali lipat dari total investasi 5 tahun. Nilai NPV sebesar Rp. 9.477.162 yang menunjukan nilainya lebih dari 0 (>0) dan Nilai PP sebesar 1 bulan. Berdasarkan Dampak ekonomis dan kelayakan investasi menunjukan bahwa penghematan langsung biaya operasional selama 5 tahun sebesar Rp. 131.762.250. Sedangkan skor akhir proyek sebesar 75,01 dengan skor minimal -20 dan skor maksimal 100, sehingga menghasilkan justifikasi kategori Layak.","PeriodicalId":232501,"journal":{"name":"Jurnal Informatika Polinema","volume":"36 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-08-22","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"121255278","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Masindo Karya adalah salah satu perusahaan yang mendistribusi springbed dengan berbagai macam merek ke toko-toko yang ada di kota Indonesia, khususnya kota Medan. Pada saat ini proses peramalan jumlah springbed di perusaah ini masih dilakukan secara manual berdasarkan insting dari manajer perusahaan tersebut serta perhitungan sederhana dengan merata-ratakan jumlah penjualan berdasarkan periode tertentu. Pada saat ini proses peramalan jumlah springbed di perusaahan ini masih dilakukan secara manual berdasarkan insting dari manajer perusahaan tersebut serta perhitungan sederhana dengan merata-ratakan jumlah penjualan berdasarkan periode tertentu. Untuk memprediksi jumlah penjualan springbed di masa depan, data jumlah penjualan yang akan digunakan dari bulan agustus 2021 sampai dengan Maret 2023. Salah satu metode yang dapat digunakan untuk melakukan prediksi adalah double exponential smoothing. Pada proses prediksi dengan metode ini harus memberikan parameter nilai alpha. Untuk mengukur nilai margin error metode double exponential smothing, metode MAPE akan digunakan untuk menghitung nilai margin error. Nilai parameter alpha yang akan diberikan adalah 0.3, 0.5, dan 0.7. Hasil dari penelitian dapat ditarik kesimpulan bahwa nilai nilai margin error dengan menggunakan metode MAPE nilai MAPE terkecil yatu sebesar 15.07 % dengan nilai parameter alpha 0.5. Hasil prediksi yang didapatkan dengan nilai alpha tersebut adalah sebesar 664.
{"title":"PENERAPAN METODE DOUBLE EXPONENTIAL SMOOTHING UNTUK MEMPREDIKSI JUMLAH PENJUALAN SPRINGBED DI PT. MASINDO KARYA PRIMA","authors":"V. Tarigan","doi":"10.33795/jip.v9i3.1335","DOIUrl":"https://doi.org/10.33795/jip.v9i3.1335","url":null,"abstract":"Masindo Karya adalah salah satu perusahaan yang mendistribusi springbed dengan berbagai macam merek ke toko-toko yang ada di kota Indonesia, khususnya kota Medan. Pada saat ini proses peramalan jumlah springbed di perusaah ini masih dilakukan secara manual berdasarkan insting dari manajer perusahaan tersebut serta perhitungan sederhana dengan merata-ratakan jumlah penjualan berdasarkan periode tertentu. Pada saat ini proses peramalan jumlah springbed di perusaahan ini masih dilakukan secara manual berdasarkan insting dari manajer perusahaan tersebut serta perhitungan sederhana dengan merata-ratakan jumlah penjualan berdasarkan periode tertentu. Untuk memprediksi jumlah penjualan springbed di masa depan, data jumlah penjualan yang akan digunakan dari bulan agustus 2021 sampai dengan Maret 2023. Salah satu metode yang dapat digunakan untuk melakukan prediksi adalah double exponential smoothing. Pada proses prediksi dengan metode ini harus memberikan parameter nilai alpha. Untuk mengukur nilai margin error metode double exponential smothing, metode MAPE akan digunakan untuk menghitung nilai margin error. Nilai parameter alpha yang akan diberikan adalah 0.3, 0.5, dan 0.7. Hasil dari penelitian dapat ditarik kesimpulan bahwa nilai nilai margin error dengan menggunakan metode MAPE nilai MAPE terkecil yatu sebesar 15.07 % dengan nilai parameter alpha 0.5. Hasil prediksi yang didapatkan dengan nilai alpha tersebut adalah sebesar 664.","PeriodicalId":232501,"journal":{"name":"Jurnal Informatika Polinema","volume":"238 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-05-21","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"116456182","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Data Mining is an activity that combines various branches of science into one, consisting of database systems, statistics, machine learning, and visualization, to analyze a large dataset in order to obtain useful data characteristics. To address the problem of imbalanced datasets, the distribution of non-uniform classes among classes is balanced by using a comparison of the SMOTE and ADASYN methods to ensure that the number is balanced between majority (negative) and minority (positive) classes. Based on the results of experiments conducted in this study, testing the SMOTE method with a classification method can handle the number of majority (negative) and minority (positive) classes in imbalanced data by producing MCC and Gmean values that achieve better predictive performance than using a classification method alone or using the ADASYN method. Furthermore, for the MultiClass dataset, the highest MCC and Gmean values were achieved using SMOTE + KNN with the highest MCC value of 0.64 and Gmean value of 0.74. This indicates that the handling process of imbalanced class distribution in the data preprocessing stage has an influence on the accuracy values of MCC and Gmean in the SMOTE + KNN method.
{"title":"KOMPARASI METODE SMOTE DAN ADASYN UNTUK PENANGANAN DATA TIDAK SEIMBANG MULTICLASS","authors":"Yulian Pamuji, Sephia Dwi Arma Putri","doi":"10.33795/jip.v9i3.1330","DOIUrl":"https://doi.org/10.33795/jip.v9i3.1330","url":null,"abstract":"Data Mining is an activity that combines various branches of science into one, consisting of database systems, statistics, machine learning, and visualization, to analyze a large dataset in order to obtain useful data characteristics. To address the problem of imbalanced datasets, the distribution of non-uniform classes among classes is balanced by using a comparison of the SMOTE and ADASYN methods to ensure that the number is balanced between majority (negative) and minority (positive) classes. Based on the results of experiments conducted in this study, testing the SMOTE method with a classification method can handle the number of majority (negative) and minority (positive) classes in imbalanced data by producing MCC and Gmean values that achieve better predictive performance than using a classification method alone or using the ADASYN method. Furthermore, for the MultiClass dataset, the highest MCC and Gmean values were achieved using SMOTE + KNN with the highest MCC value of 0.64 and Gmean value of 0.74. This indicates that the handling process of imbalanced class distribution in the data preprocessing stage has an influence on the accuracy values of MCC and Gmean in the SMOTE + KNN method.","PeriodicalId":232501,"journal":{"name":"Jurnal Informatika Polinema","volume":"1 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-05-17","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"127680791","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Kadek Suarjuna, Muhammad Shulhan Khairy, As’ad Alfan Jauhari
Perkembangan teknologi informasi pada saat ini mengalami kemajuan yang sangat pesat. Hai ini berpengaruh terhadap kebutuhan sumber daya manusianya yang juga semakin meningkat. Akibatnya tingkat pengangguran saat ini semakin meningkat. Hampir sebagian besar perusahaan sekarang ini menggunakan sistem yang telah terkomputerisasi, yang otomatis menuntut seseorang untuk dapat menggunakan sistem tersebut dengan baik. Hal tersebut dapat mendorong terjadinya peningkatan kebutuhan seseorang untuk dengan cepat dan mudah mengajukan diri atau melamar ke suatu perusahaan atau instansi yang nantinya jika jumlah lamaran meningkat, perusahaan membutuhkan lebih banyak waktu untuk memilah lamaran mana yang telah memenuhi persyaratan perusahaan, karena perusahaan pastinya membutuhkan sistem manajemen yang baik. Oleh karena itu Sistem pengambil keputusan dengan memanfaatkan metode SAW (Simple Additive Weighting) untuk menentukan nilai dari tes lamaran pekerjaan dan metode Fuzzy Logic. perankingan pelamar. Jika suatu perusahaan menerima calon pekerjaan lebih dari satu, sistem dapat merekomendasikan peringkat calon pekerjaan dengan memberikan rekomendasi sesuai dengan hasil nilai Tes Potensi Akademik (TPA) di kalangan masyarakat.
{"title":"SISTEM KENDALI PENGANGGURAN DAN INFORMASI LOWONGAN KERJA PADA DINAS KETENAGAKERJAAN KABUPATEN MALANG","authors":"Kadek Suarjuna, Muhammad Shulhan Khairy, As’ad Alfan Jauhari","doi":"10.33795/jip.v9i3.1278","DOIUrl":"https://doi.org/10.33795/jip.v9i3.1278","url":null,"abstract":"Perkembangan teknologi informasi pada saat ini mengalami kemajuan yang sangat pesat. Hai ini berpengaruh terhadap kebutuhan sumber daya manusianya yang juga semakin meningkat. Akibatnya tingkat pengangguran saat ini semakin meningkat. Hampir sebagian besar perusahaan sekarang ini menggunakan sistem yang telah terkomputerisasi, yang otomatis menuntut seseorang untuk dapat menggunakan sistem tersebut dengan baik. Hal tersebut dapat mendorong terjadinya peningkatan kebutuhan seseorang untuk dengan cepat dan mudah mengajukan diri atau melamar ke suatu perusahaan atau instansi yang nantinya jika jumlah lamaran meningkat, perusahaan membutuhkan lebih banyak waktu untuk memilah lamaran mana yang telah memenuhi persyaratan perusahaan, karena perusahaan pastinya membutuhkan sistem manajemen yang baik. Oleh karena itu Sistem pengambil keputusan dengan memanfaatkan metode SAW (Simple Additive Weighting) untuk menentukan nilai dari tes lamaran pekerjaan dan metode Fuzzy Logic. perankingan pelamar. Jika suatu perusahaan menerima calon pekerjaan lebih dari satu, sistem dapat merekomendasikan peringkat calon pekerjaan dengan memberikan rekomendasi sesuai dengan hasil nilai Tes Potensi Akademik (TPA) di kalangan masyarakat.","PeriodicalId":232501,"journal":{"name":"Jurnal Informatika Polinema","volume":"7 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-05-16","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"125346373","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Kerapian mahasiswa dalam hal pakaian dan rambut merupakan hal yang sangat diperhatikan di Universitas Darussalam Gontor (UNIDA Gontor). Oleh karena itu Unit Usaha UNIDA Gontor (U3 Gontor) menyediakan tempat cukur bagi mahasiswa yang diberi nama Barbershop U3 Gontor. Permasalahan dalam manajemen Barbershop U3 Gontor saat ini adalah sering terjadinya kehilangan nota dan perbedaan rekap antara rekap nota dan rekap worksheet sehingga terjadinya kesalahpahaman data antara staff dan pegawai cukur. Dengan adanya fakta tersebut, peneliti merancang sistem informasi manajemen Barbershop U3 Gontor berbasis website. Tujuan dari penilitian ini untuk merancang sistem informasi manajemen Barbershop U3 Gontor. Sistem informasi manajemen ini dirancang untuk dapat mengatasi terjadinya perbedaan data nota dengan data excel yang menyebabkan kesalahan perekapan keuangan. Dalam sistem manajemen ini terdapat fitur laporan yang dapat mempermudah staff dalam merekap keuangan. Adapun dari metode perancangan sistem informasi manajemen menggunakan metode Software Development Life Cycle (SDLC) model waterfall yang terdiri dari beberapa tahapan, yaitu requirements, analysis, design, implementation, dan testing. Perancangan desain proses data menggunakan Use Case Diagram, flowchart, dan mockup . Perancangan databese menggunakan Data Flow Diagram (DFD) Level 1 dan Entity Relationship Diagram (ERD). Pada sistem ini dikembangkan menggunakan pemrograman bahasa PHP dengan framework Laravel dan database menggunakan MySQL. Sistem informasi manajemen ini diuji coba dengan menggunakan metode blackbox pada aplikasi Barbershop U3 Gontor. Hasil uji coba pada setiap halaman dan fungsi menunjukkan bahwa sistem dapat bekerja sesuai yang diharapkan dan hasil dari uji coba pengguna halaman home mendapatkan nilai rata-rata 4.48 sedangkan uji coba pengguna sistem informasi manajemen mendapatkan nilai rata-rata 4.40 dengan keseluruhan pada sistem ini mendapatkan predikat puas. Hasil dari penelitian ini menandakan bahwa adanya sistem informasi manajemen Barbershop U3 Gontor layak digunakan untuk mengelola data manajemen dan data transaksi agar dapat tercatat dengan rapi dan baik.
{"title":"SISTEM INFORMASI MANAJEMEN BARBERSHOP UNIT USAHA UNIDA GONTOR (U3) BERBASIS WEBSITE","authors":"Dihin Muriyatmoko","doi":"10.33795/jip.v9i3.1274","DOIUrl":"https://doi.org/10.33795/jip.v9i3.1274","url":null,"abstract":"Kerapian mahasiswa dalam hal pakaian dan rambut merupakan hal yang sangat diperhatikan di Universitas Darussalam Gontor (UNIDA Gontor). Oleh karena itu Unit Usaha UNIDA Gontor (U3 Gontor) menyediakan tempat cukur bagi mahasiswa yang diberi nama Barbershop U3 Gontor. Permasalahan dalam manajemen Barbershop U3 Gontor saat ini adalah sering terjadinya kehilangan nota dan perbedaan rekap antara rekap nota dan rekap worksheet sehingga terjadinya kesalahpahaman data antara staff dan pegawai cukur. Dengan adanya fakta tersebut, peneliti merancang sistem informasi manajemen Barbershop U3 Gontor berbasis website. Tujuan dari penilitian ini untuk merancang sistem informasi manajemen Barbershop U3 Gontor. Sistem informasi manajemen ini dirancang untuk dapat mengatasi terjadinya perbedaan data nota dengan data excel yang menyebabkan kesalahan perekapan keuangan. Dalam sistem manajemen ini terdapat fitur laporan yang dapat mempermudah staff dalam merekap keuangan. Adapun dari metode perancangan sistem informasi manajemen menggunakan metode Software Development Life Cycle (SDLC) model waterfall yang terdiri dari beberapa tahapan, yaitu requirements, analysis, design, implementation, dan testing. Perancangan desain proses data menggunakan Use Case Diagram, flowchart, dan mockup . Perancangan databese menggunakan Data Flow Diagram (DFD) Level 1 dan Entity Relationship Diagram (ERD). Pada sistem ini dikembangkan menggunakan pemrograman bahasa PHP dengan framework Laravel dan database menggunakan MySQL. Sistem informasi manajemen ini diuji coba dengan menggunakan metode blackbox pada aplikasi Barbershop U3 Gontor. Hasil uji coba pada setiap halaman dan fungsi menunjukkan bahwa sistem dapat bekerja sesuai yang diharapkan dan hasil dari uji coba pengguna halaman home mendapatkan nilai rata-rata 4.48 sedangkan uji coba pengguna sistem informasi manajemen mendapatkan nilai rata-rata 4.40 dengan keseluruhan pada sistem ini mendapatkan predikat puas. Hasil dari penelitian ini menandakan bahwa adanya sistem informasi manajemen Barbershop U3 Gontor layak digunakan untuk mengelola data manajemen dan data transaksi agar dapat tercatat dengan rapi dan baik.","PeriodicalId":232501,"journal":{"name":"Jurnal Informatika Polinema","volume":"25 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-05-16","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"126786866","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Akhmad Alfan Fauzi, Sri Lestanti, Zunita Wulansari
MTs Darussalam Kademangan merupakan salah satu sekolah yang melaksanakan pembelajaran daring di masa pandemi Covid-19. Kebiasaan siswa mulai berubah, tidak ada lagi bersosialisasi, bersenda gurau, berdiskusi, serta bekerja kelompok sesama siswa. Dengan adanya permasalahan tersebut, perlu dibuat kelompok – kelompok yang merupakan kualifikasi dari hasil evaluasi pembelajaran untuk memetakan hasil penilaian proses pembelajaran dengan menggunakan algoritma K-Medoids. Jenis penelitian ini adalah penelitian deskriptif. Tujuan dalam penelitian ini adalah mendeskripsikan kepuasan siswa terhadap proses pembelajaran Daring di masa pandemi Covid-19. Sehingga metode penelitian yang digunakan adalah metode penelitian kuantitatif. Mendeskripsikan hal tersebut maka digunakan teknik survei. Teknik survei adalah suatu bentuk kegiatan yang sudah menjadi kelaziman bagi masyarakat ilmiah. Dalam penelitian ini yang menjadi subjek penelitian adalah siswa kelas 8 dan 9 MTS Darussalam Kademangan. Dan yang menjadi objek penelitian adalah mengetahui tingkat kepuasan terhadap pembelajaran Daring sebagai aktivitas proses pembelajaran sekolah bagi siswa Berdasarkan penelitian yang telah dilakukan, dapat ditarik kesimpulan: 1. Pengelompokkan kepuasan siswa dalam pembelajaran daring menggunakan algoritma K-Medoids menghasilkan 5 cluster. Cluster yang terbentuk antara lain: 10 anggota berada pada cluster 0 dengan kategori sangat puas, 7 anggota berada pada cluster 1 dengan kategori puas, 17 anggota berada pada cluster 2 dengan kategori cukup puas, 67 anggota berada pada cluster 3 dengan kategori tidak puas, dan 91 anggota berada pada cluster 4 dengan kategori cukup puas.
{"title":"PENGELOMPOKKAN KEPUASAN SISWA TERHADAP PEMBERLAJARAN DARING MENGGUNAKAN ALGORITMA K-MEDOIDS","authors":"Akhmad Alfan Fauzi, Sri Lestanti, Zunita Wulansari","doi":"10.33795/jip.v9i3.1255","DOIUrl":"https://doi.org/10.33795/jip.v9i3.1255","url":null,"abstract":"MTs Darussalam Kademangan merupakan salah satu sekolah yang melaksanakan pembelajaran daring di masa pandemi Covid-19. Kebiasaan siswa mulai berubah, tidak ada lagi bersosialisasi, bersenda gurau, berdiskusi, serta bekerja kelompok sesama siswa. Dengan adanya permasalahan tersebut, perlu dibuat kelompok – kelompok yang merupakan kualifikasi dari hasil evaluasi pembelajaran untuk memetakan hasil penilaian proses pembelajaran dengan menggunakan algoritma K-Medoids. Jenis penelitian ini adalah penelitian deskriptif. Tujuan dalam penelitian ini adalah mendeskripsikan kepuasan siswa terhadap proses pembelajaran Daring di masa pandemi Covid-19. Sehingga metode penelitian yang digunakan adalah metode penelitian kuantitatif. Mendeskripsikan hal tersebut maka digunakan teknik survei. Teknik survei adalah suatu bentuk kegiatan yang sudah menjadi kelaziman bagi masyarakat ilmiah. Dalam penelitian ini yang menjadi subjek penelitian adalah siswa kelas 8 dan 9 MTS Darussalam Kademangan. Dan yang menjadi objek penelitian adalah mengetahui tingkat kepuasan terhadap pembelajaran Daring sebagai aktivitas proses pembelajaran sekolah bagi siswa Berdasarkan penelitian yang telah dilakukan, dapat ditarik kesimpulan: 1. Pengelompokkan kepuasan siswa dalam pembelajaran daring menggunakan algoritma K-Medoids menghasilkan 5 cluster. Cluster yang terbentuk antara lain: 10 anggota berada pada cluster 0 dengan kategori sangat puas, 7 anggota berada pada cluster 1 dengan kategori puas, 17 anggota berada pada cluster 2 dengan kategori cukup puas, 67 anggota berada pada cluster 3 dengan kategori tidak puas, dan 91 anggota berada pada cluster 4 dengan kategori cukup puas. \u0000 ","PeriodicalId":232501,"journal":{"name":"Jurnal Informatika Polinema","volume":"40 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-05-16","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"117042416","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pandemi Covid-19 berdampak besar bagi pendidikan sehingga proses pembelajaran terkendala dan dilakukan secara daring. Dampak tersebut juga dirasakan oleh guru dan siswa di MTs Sunan Kalijogo Ngadri. Oleh karna itu, guru kesulitan melakukan pembelajaran dan siswa bosan dengan aplikasi E-Learning yang disediakan oleh Kemenag. Dengan adanya permasalahan tersebut, perlu dibuatkan aplikasi Learning Management System (LMS) yang dapat dengan mudah digunakan oleh para guru dan dapat meningkatkan motivasi para siswa dengan menggunakan metode R&D yang didukung oleh metode pengembangan software menggunakan model waterfall. Model waterfall terdiri dari 5 tahapan yaitu Analysis, Design, Development, Testing, dan Maintenance. Setelah dilakukan pengujian menggunakan pengujian black box tidak ada kendala pada aplikasi, dan tingkat kelayakan aplikasi yang diperoleh dari hasil persentase kuesioner para guru memiliki nilai persentase rata-rata sebesar 95,3%, siswa 87,8% dan pengujian ahli 84%. Dari hasil pengujian tersebut, aplikasi ini masuk kategori “Layak”. Aplikasi ini sangat membantu para guru dalam proses pembelajaran dengan tampilan yang mudah dijalankan dan memiliki fitur perangkingan kelas yang dapat dilihat oleh seluruh siswa di kelas, dengan adanya sistem perangkingan dapat meningkatkan daya kompetitif para siswa. Aplikasi ini sudah memenuhi aspek kelayakan berdasarkan pengujian aplikasi menggunakan black box, validasi guru, siswa dan ahli.
{"title":"PERANCANGAN LEARNING MANAGEMENT SYSTEM (LMS) DI MTS SUNAN KALIJOGO NGADRI","authors":"Toni Hardian, Sri Lestanti, Sabitul Kirom","doi":"10.33795/jip.v9i3.1171","DOIUrl":"https://doi.org/10.33795/jip.v9i3.1171","url":null,"abstract":"Pandemi Covid-19 berdampak besar bagi pendidikan sehingga proses pembelajaran terkendala dan dilakukan secara daring. Dampak tersebut juga dirasakan oleh guru dan siswa di MTs Sunan Kalijogo Ngadri. Oleh karna itu, guru kesulitan melakukan pembelajaran dan siswa bosan dengan aplikasi E-Learning yang disediakan oleh Kemenag. Dengan adanya permasalahan tersebut, perlu dibuatkan aplikasi Learning Management System (LMS) yang dapat dengan mudah digunakan oleh para guru dan dapat meningkatkan motivasi para siswa dengan menggunakan metode R&D yang didukung oleh metode pengembangan software menggunakan model waterfall. Model waterfall terdiri dari 5 tahapan yaitu Analysis, Design, Development, Testing, dan Maintenance. Setelah dilakukan pengujian menggunakan pengujian black box tidak ada kendala pada aplikasi, dan tingkat kelayakan aplikasi yang diperoleh dari hasil persentase kuesioner para guru memiliki nilai persentase rata-rata sebesar 95,3%, siswa 87,8% dan pengujian ahli 84%. Dari hasil pengujian tersebut, aplikasi ini masuk kategori “Layak”. Aplikasi ini sangat membantu para guru dalam proses pembelajaran dengan tampilan yang mudah dijalankan dan memiliki fitur perangkingan kelas yang dapat dilihat oleh seluruh siswa di kelas, dengan adanya sistem perangkingan dapat meningkatkan daya kompetitif para siswa. Aplikasi ini sudah memenuhi aspek kelayakan berdasarkan pengujian aplikasi menggunakan black box, validasi guru, siswa dan ahli.","PeriodicalId":232501,"journal":{"name":"Jurnal Informatika Polinema","volume":"40 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-05-16","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"117051337","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Ulasan pengguna merupakan salah satu bentuk timbal balik dari pengguna yang sepatutnya dianalisis oleh pihak pengembang agar dapat digunakan sebagai dasar pengembangan aplikasi. Analisis sentimen dari ulasan pengguna dapat menjadi salah satu cara untuk mengetahui sentimen pengguna terhadap aplikasi. Analisis aplikasi m-banking Bank Syariah Indonesia yaitu BSI Mobile dilakukan dengan pendekatan klasifikasi dengan menggunakan supervised machine learning. Pada penelitian ini, model klasifikasi yang dibuat dengan algoritma Multinomial Naïve Bayes menghasilkan hasil evaluasi terbaik dengan nilai ROC area sebesar 0,84%. Hasil ini mengungguli hasil evaluasi SVM, Decision Trees, dan KNN. Namun sayangnya model klasifikasi yang dihasikan ini kurang mampu dalam memprediksi sentimen negatif sehingga ke depannya perlu peningkatan performa model klasifikasi untuk memperbaiki akurasi prediksi.
用户审查是开发人员对用户进行适当分析的一种形式，目的是将其作为应用程序开发的基础。用户评论的情感分析可以成为了解用户对应用程序的一种方式。印尼伊斯兰银行m-banking Bank (BSI Mobile)的应用程序分析是通过使用超现实学习机器的分类方法进行的。在这项研究中，用跨国算法Naive Bayes创建的分类模型得出了ROC值为0.84%的最佳评估结果。这一结果超过了SVM、Decision Trees和KNN的评估结果。但不幸的是，这种产生的分类模型无法预测负面情绪，因此需要进一步提高分类模型的性能，以提高预测准确性。
{"title":"ANALISIS SENTIMEN ULASAN PENGGUNA BSI MOBILE PADA GOOGLE PLAY DENGAN PENDEKATAN SUPERVISED LEARNING","authors":"Amalia Anjani Arifiyanti, Nurisa Rahma Shantika, Anggy Oktaviana Syafira","doi":"10.33795/jip.v9i3.1003","DOIUrl":"https://doi.org/10.33795/jip.v9i3.1003","url":null,"abstract":"Ulasan pengguna merupakan salah satu bentuk timbal balik dari pengguna yang sepatutnya dianalisis oleh pihak pengembang agar dapat digunakan sebagai dasar pengembangan aplikasi. Analisis sentimen dari ulasan pengguna dapat menjadi salah satu cara untuk mengetahui sentimen pengguna terhadap aplikasi. Analisis aplikasi m-banking Bank Syariah Indonesia yaitu BSI Mobile dilakukan dengan pendekatan klasifikasi dengan menggunakan supervised machine learning. Pada penelitian ini, model klasifikasi yang dibuat dengan algoritma Multinomial Naïve Bayes menghasilkan hasil evaluasi terbaik dengan nilai ROC area sebesar 0,84%. Hasil ini mengungguli hasil evaluasi SVM, Decision Trees, dan KNN. Namun sayangnya model klasifikasi yang dihasikan ini kurang mampu dalam memprediksi sentimen negatif sehingga ke depannya perlu peningkatan performa model klasifikasi untuk memperbaiki akurasi prediksi. \u0000 ","PeriodicalId":232501,"journal":{"name":"Jurnal Informatika Polinema","volume":"20 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-05-16","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"117062229","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
京公网安备 11010802042870号
京ICP备2023020795号-1
扫码关注我们
求助内容：
应助结果提醒方式：