Saat ini investasi sudah sangat menyebar luas dan banyak dari kita sedang melakukannya. Investasi ini berguna untuk mengatasi kebutuhan hidup dimasa mendatang yang tidak menentu. Salah satu penyebab tidak menentunya kebutuhan dimasa mendatang adalah inflasi. Salah satu contoh investasi adalah saham. Di dalam jual beli saham di Indonesia terdapat Jakarta Islamic Index (JII). JII adalah salah satu index yang ada di pasar modal Indonesia yang mengelompokkan beberapa saham yang masuk dalam kriteria syariah dan dihitung rata-rata dari harga saham – saham tersebut. Dalam berinvestasi saham, kita tidak bisa melakukan pergerakan yang sembarangan karena saham yang relatif berubah-ubah menjadi penyebab kegagalan dalam berinvestasi saham. Dengan demikian ketika melakukan investasi saham harus dilakukan analisa yang tepat. Perkembangan teknologi saat ini sangat maju dan juga dapat membantu kita dalam melakukan analisa dalam berinvestasi dengan melakukan prediksi harga. Pada penelitian ini, akan dimanfaatkan kemajuan teknologi tersebut dengan melakukan penelitian prediksi, penelitian ini dilakukan menggunakan metode Long short Term-Memory (LSTM). Model LSTM yang diusulkan dapat memperoleh performa yang cukup baik dengan hasil RMSE mencapai 5.20877667554, dan MAPE 0.08658576985.
{"title":"Prediksi Harga Saham Jakarta Islamic Index Menggunakan Metode Long Short-Term Memory","authors":"Didih Rizki Chandranegara, Raffi Ainul Afif, C. Aditya, Wildan Suharso, Hardianto Wibowo","doi":"10.26418/jp.v9i1.57561","DOIUrl":"https://doi.org/10.26418/jp.v9i1.57561","url":null,"abstract":"Saat ini investasi sudah sangat menyebar luas dan banyak dari kita sedang melakukannya. Investasi ini berguna untuk mengatasi kebutuhan hidup dimasa mendatang yang tidak menentu. Salah satu penyebab tidak menentunya kebutuhan dimasa mendatang adalah inflasi. Salah satu contoh investasi adalah saham. Di dalam jual beli saham di Indonesia terdapat Jakarta Islamic Index (JII). JII adalah salah satu index yang ada di pasar modal Indonesia yang mengelompokkan beberapa saham yang masuk dalam kriteria syariah dan dihitung rata-rata dari harga saham – saham tersebut. Dalam berinvestasi saham, kita tidak bisa melakukan pergerakan yang sembarangan karena saham yang relatif berubah-ubah menjadi penyebab kegagalan dalam berinvestasi saham. Dengan demikian ketika melakukan investasi saham harus dilakukan analisa yang tepat. Perkembangan teknologi saat ini sangat maju dan juga dapat membantu kita dalam melakukan analisa dalam berinvestasi dengan melakukan prediksi harga. Pada penelitian ini, akan dimanfaatkan kemajuan teknologi tersebut dengan melakukan penelitian prediksi, penelitian ini dilakukan menggunakan metode Long short Term-Memory (LSTM). Model LSTM yang diusulkan dapat memperoleh performa yang cukup baik dengan hasil RMSE mencapai 5.20877667554, dan MAPE 0.08658576985.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"98 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-04-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"86868779","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}
Metode pembelajaran e-learning telah lama dikenal dalam pembelajaran jarak jauh dan semakin meluas penggunaannya dikala pandemi terjadi. Metode ini seringkali dikeluhkan oleh pelajar yang terbiasa belajar dengan metode tatap muka sebagai penyebab rendahnya hasil belajar. Oleh karena itu dalam metode e-learning diperlukan persiapan sarana dan prasarananya agar kepuasan pelajar meningkat. Tujuan penelitian ini adalah untuk mengukur tingkat kepuasan mahasiswa dan mengetahui pengaruh secara parsial dan simultan service equal terhadap kepuasan mahasiswa pada metode e-learning. Subjek penelitian ini adalah mahasiswa di 3 (tiga) prodi jurusan Ekonomi sebanyak 100 orang dan sedang melaksanakan pembelajaran e-learning mata kuliah Matematika Bisnis, metode yang digunakan adalah dengan menggunakan observasi, studi literatur terkait service quality mengenai e-learning quality (ELQ) serta variabel kepuasan melalui penelitian-penelitian terdahulu, dan (3) kuesioner. Analisis data dilakukan dengan menggunakan multiple regression dan priority quadrant. Berdasarkan analisis data diperoleh kesimpulan (1) secara parsial variabel reliability merupakan variabel yang paling besar pengaruhnya, sedangkan variabel assurance merupakan variabel yang paling kecil pengaruhnya terhadap kepuasan mahasiswa, (2) variabel tangible tidak berpengaruh terhadap kepuasan, akan tetapi secara simultan 5 (lima) faktor dalam service quality berpengaruh positif terhadap kepuasan mahasiswa, dan (3) atribut yang menjadiprioritas perbaikan adalah atributketepatan waktu mengajar(A3) danpengajar memberikan penjelasan (pedoman/instruksi) pada materi belajar maupun penggunaan platform e-learning(A6).
{"title":"Analisis Perbandingan Multiple Regression dan Priority Quadrant terhadap Kepuasan Mahasiswa dalam E-learning Menggunakan Metode Servqual","authors":"Y. Azis, R. Rachmawati, M. Sarosa","doi":"10.26418/jp.v9i1.58534","DOIUrl":"https://doi.org/10.26418/jp.v9i1.58534","url":null,"abstract":"Metode pembelajaran e-learning telah lama dikenal dalam pembelajaran jarak jauh dan semakin meluas penggunaannya dikala pandemi terjadi. Metode ini seringkali dikeluhkan oleh pelajar yang terbiasa belajar dengan metode tatap muka sebagai penyebab rendahnya hasil belajar. Oleh karena itu dalam metode e-learning diperlukan persiapan sarana dan prasarananya agar kepuasan pelajar meningkat. Tujuan penelitian ini adalah untuk mengukur tingkat kepuasan mahasiswa dan mengetahui pengaruh secara parsial dan simultan service equal terhadap kepuasan mahasiswa pada metode e-learning. Subjek penelitian ini adalah mahasiswa di 3 (tiga) prodi jurusan Ekonomi sebanyak 100 orang dan sedang melaksanakan pembelajaran e-learning mata kuliah Matematika Bisnis, metode yang digunakan adalah dengan menggunakan observasi, studi literatur terkait service quality mengenai e-learning quality (ELQ) serta variabel kepuasan melalui penelitian-penelitian terdahulu, dan (3) kuesioner. Analisis data dilakukan dengan menggunakan multiple regression dan priority quadrant. Berdasarkan analisis data diperoleh kesimpulan (1) secara parsial variabel reliability merupakan variabel yang paling besar pengaruhnya, sedangkan variabel assurance merupakan variabel yang paling kecil pengaruhnya terhadap kepuasan mahasiswa, (2) variabel tangible tidak berpengaruh terhadap kepuasan, akan tetapi secara simultan 5 (lima) faktor dalam service quality berpengaruh positif terhadap kepuasan mahasiswa, dan (3) atribut yang menjadiprioritas perbaikan adalah atributketepatan waktu mengajar(A3) danpengajar memberikan penjelasan (pedoman/instruksi) pada materi belajar maupun penggunaan platform e-learning(A6).","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"56 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-04-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"90982157","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}
Eka Rahayu Setyaningsih, Anik Nur Handayani, Wahyu Sakti Gunawan Irianto, Yosi Kristian
Dalam pembentukan model Kecerdasan Buatan yang menggunakan pendekatan Deep Learning, dataset memegang peranan yang sangat penting. Memahami dan memilih kumpulan data yang tepat, sangatlah penting untuk memastikan keberhasilan sebuah model Kecerdasan Buatan. Salah satu topik yang cukup baru adalah mempelajari bagaimana pembentukan suara dari hasil pembacaan gerakan bibir manusia, dengan cakupan variasi bunyi dan bentuk bibir yang diharapkan dapat membantu pembelajaran sistem. Mayoritas dataset audio visual, yang biasa digunakan untuk pembangunan model pembentukan suara ataupun pembacaan gerakan bibir tidak memperhatikan keluasan cakupan variasi bunyi yang ada. AVID, salah satu dari dataset audio visual berbahasa Indonesia, mengadopsi susunan kata dalam dataset GRID, yang mengubah setiap kata penyusunnya dari Bahasa Inggris ke bahasa Indonesia. Sedangkan pada Bahasa Indonesia sendiri terdapat banyak ragam bunyi yang dibentuk dari satu atau sederet rangkaian fonem. Penelitian yang dilakukan penulis dengan memanfaatkan Genetic Algorithm untuk mendapatkan susunan kombinasi kata benda guna memperoleh nilai cakupan yang optimal. Dengan cakupan kombinasi suku kata yang lebih baik, maka dapat dihasilkan dataset untuk Deep Learning yang lebih baik lagi. Dalam penelitian ini, kata benda yang diproses, diperoleh dari KBBI edisi 2008, baru kemudian difilter untuk mendapatkan kata benda yang tepat mengandung 3 suku kata, yang bukan nama kota, tokoh maupun lokasi. Dari 39.070 kata benda yang ada, diperoleh 2936 kata benda yang akan digunakan. Ujicoba yang telah dilakukan pada 10.000 hingga 200.000 epoch, diperoleh rata-rata cakupan suku kata 72%-75% dengan batasan 26 variasi kata benda penyusunnya.
{"title":"Pemilihan Kata Benda Bahasa Indonesia Berdasarkan Cakupan Suku Kata Menggunakan Genetic Algoritma untuk Dataset Audio Visual","authors":"Eka Rahayu Setyaningsih, Anik Nur Handayani, Wahyu Sakti Gunawan Irianto, Yosi Kristian","doi":"10.26418/jp.v9i1.63970","DOIUrl":"https://doi.org/10.26418/jp.v9i1.63970","url":null,"abstract":"Dalam pembentukan model Kecerdasan Buatan yang menggunakan pendekatan Deep Learning, dataset memegang peranan yang sangat penting. Memahami dan memilih kumpulan data yang tepat, sangatlah penting untuk memastikan keberhasilan sebuah model Kecerdasan Buatan. Salah satu topik yang cukup baru adalah mempelajari bagaimana pembentukan suara dari hasil pembacaan gerakan bibir manusia, dengan cakupan variasi bunyi dan bentuk bibir yang diharapkan dapat membantu pembelajaran sistem. Mayoritas dataset audio visual, yang biasa digunakan untuk pembangunan model pembentukan suara ataupun pembacaan gerakan bibir tidak memperhatikan keluasan cakupan variasi bunyi yang ada. AVID, salah satu dari dataset audio visual berbahasa Indonesia, mengadopsi susunan kata dalam dataset GRID, yang mengubah setiap kata penyusunnya dari Bahasa Inggris ke bahasa Indonesia. Sedangkan pada Bahasa Indonesia sendiri terdapat banyak ragam bunyi yang dibentuk dari satu atau sederet rangkaian fonem. Penelitian yang dilakukan penulis dengan memanfaatkan Genetic Algorithm untuk mendapatkan susunan kombinasi kata benda guna memperoleh nilai cakupan yang optimal. Dengan cakupan kombinasi suku kata yang lebih baik, maka dapat dihasilkan dataset untuk Deep Learning yang lebih baik lagi. Dalam penelitian ini, kata benda yang diproses, diperoleh dari KBBI edisi 2008, baru kemudian difilter untuk mendapatkan kata benda yang tepat mengandung 3 suku kata, yang bukan nama kota, tokoh maupun lokasi. Dari 39.070 kata benda yang ada, diperoleh 2936 kata benda yang akan digunakan. Ujicoba yang telah dilakukan pada 10.000 hingga 200.000 epoch, diperoleh rata-rata cakupan suku kata 72%-75% dengan batasan 26 variasi kata benda penyusunnya.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"26 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-04-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"74913004","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}
LQ (Liquid) 45 merupakan indeks saham yang berisi 45 emiten yang dipilih berdasarkan pertimbangan likuiditas dan kapitalisasi pasar, dengan kriteria-kriteria sebagai berikut: telah tercatat di BEI minimal 3 bulan, aktivitas transaksi di pasar reguler yaitu nilai, volume, dan frekuensi transaksi, jumlah hari perdagangan di pasar reguler, kapitalisasi pasar pada periode waktu tertentu, dan keadaan keuangan dan prospek pertumbuhan perusahaan tersebut. Dengan mengetahui emiten-emiten yang akan masuk ke dalam indeks LQ 45, para investor akan sangat terbantu dalam merencanakan portofolio mereka di masa yang akan datang. Penelitian ini bertujuan membangun model prediksi bagi emiten-emiten yang akan masuk ke dalam LQ 45. Dataset terdiri dari ringkasan saham semua emiten dari 1 Februari 2015 sampai dengan Januari 2022 dan daftar emiten-emiten yang masuk ke dalam LQ 45 dari periode Agustus 2015-Januari 2016 sampai dengan Februari 2022-Juli 2022. Indeks LQ 45 sendiri diperbaharui setiap 6 bulan sekali; oleh karena itu, dalam penelitian ini model prediksi per 6 bulan dibentuk dan dilatih dengan 4-fold cross-validation. Model-model prediksi, yaitu HIVE-COTE 2.0, ROCKET, multi-layer perceptron, stacking recurrent neural networks, dan bi-directional recurrent neural networks memberikan hasil bahwa HIVE-COTE 2.0 HIVE-COTE 2.0 memberikan kinerja terbaik dalam precision, yaitu keunggulan sekitar 9% daripada model-model lainnya dalam memprediksi emiten-emiten jika kriteria yang dipertimbangkan adalah mengurangi false positive. Jika kriteria yang diutamakan adalah menjaga keseimbangan antara mengurangi false positive dan false negative, maka model multi-layer perceptron dengan banyak neuron yang cukup besar (512) juga memberikan F1 score yang lebih tinggi 9% daripada model-model lain dalam memprediksi emiten-emiten yang akan masuk LQ 45.
{"title":"Model Meta Ensemble dan Deep Learning untuk Prediksi Emiten LQ45","authors":"H. Bunyamin, O. Oktavianti, Meyliana Meyliana","doi":"10.26418/jp.v9i1.63351","DOIUrl":"https://doi.org/10.26418/jp.v9i1.63351","url":null,"abstract":"LQ (Liquid) 45 merupakan indeks saham yang berisi 45 emiten yang dipilih berdasarkan pertimbangan likuiditas dan kapitalisasi pasar, dengan kriteria-kriteria sebagai berikut: telah tercatat di BEI minimal 3 bulan, aktivitas transaksi di pasar reguler yaitu nilai, volume, dan frekuensi transaksi, jumlah hari perdagangan di pasar reguler, kapitalisasi pasar pada periode waktu tertentu, dan keadaan keuangan dan prospek pertumbuhan perusahaan tersebut. Dengan mengetahui emiten-emiten yang akan masuk ke dalam indeks LQ 45, para investor akan sangat terbantu dalam merencanakan portofolio mereka di masa yang akan datang. Penelitian ini bertujuan membangun model prediksi bagi emiten-emiten yang akan masuk ke dalam LQ 45. Dataset terdiri dari ringkasan saham semua emiten dari 1 Februari 2015 sampai dengan Januari 2022 dan daftar emiten-emiten yang masuk ke dalam LQ 45 dari periode Agustus 2015-Januari 2016 sampai dengan Februari 2022-Juli 2022. Indeks LQ 45 sendiri diperbaharui setiap 6 bulan sekali; oleh karena itu, dalam penelitian ini model prediksi per 6 bulan dibentuk dan dilatih dengan 4-fold cross-validation. Model-model prediksi, yaitu HIVE-COTE 2.0, ROCKET, multi-layer perceptron, stacking recurrent neural networks, dan bi-directional recurrent neural networks memberikan hasil bahwa HIVE-COTE 2.0 HIVE-COTE 2.0 memberikan kinerja terbaik dalam precision, yaitu keunggulan sekitar 9% daripada model-model lainnya dalam memprediksi emiten-emiten jika kriteria yang dipertimbangkan adalah mengurangi false positive. Jika kriteria yang diutamakan adalah menjaga keseimbangan antara mengurangi false positive dan false negative, maka model multi-layer perceptron dengan banyak neuron yang cukup besar (512) juga memberikan F1 score yang lebih tinggi 9% daripada model-model lain dalam memprediksi emiten-emiten yang akan masuk LQ 45.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"44 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-04-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"90215695","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}
Emilia Ramadhanty Gunawan, Eva Faja Ripanti, Haried Novriando
Barang Milik Negara (BMN) adalah semua barang yang dibeli atau diperoleh atas beban Anggaran Pendapatan dan Belanja Negara. Untuk itu diperlukan sistem penatausahaan yang baik guna mengoptimalkan pengadaan dan penggunaan barang tersebut. Saat ini UPT-PPD-Sintang masih menghadapi masalah dalam mengelola BMN, yaitu proses distribusi barang ke kantor pelayanan maupun dalam proses penggunaan barang. Tidak adanya sistem dan pelaporan yang terstruktur menyebabkan data laporan yang dibuat oleh staff cenderung tidak akurat sehingga terjadi selisih jumlah barang. Penelitian ini bertujuan untuk mengembangkan sistem yang dapat membantu kegiatan pengelolaan BMN di UPT-PPD-Sintang. Di mana dalam proses pengelolaan barang tersebut meliputi beberapa kegiatan, yaitu: perencanaan, pengadaan, penggunaan, pemindahtanganan, penatausahaan, pengawasan, dan pengendalian. Penelitian dilakukan dengan konsep system development life cycle dan pengembangan sistem dilakukan dengan metode Rapid Application Development (RAD) dengan model prototype. Data yang dibutuhkan dalam pengembangan sistem dikumpulkan dengan beberapa teknik, yaitu studi literatur dan wawancara, di mana hasil pengumpulan data dijadikan input untuk membuat rancangan sistem informasi pengelolaan BMN. Hasil rancangan diimplementasikan menjadi sebuah sistem yang fungsional. Sistem kemudian diuji dengan dua tahap, yaitu: tahap alpha (black box) dan tahap beta (User Acceptance Test (UAT)). Hasil pengujian tersebut menunjukkan bahwa metode RAD dengan model prototype dapat diimplementasikan dengan optimal karena tahapannya yang sangat efektif terutama dalam mengembangkan sistem dengan tim yang kecil serta waktu dan budget yang terbatas. Hal ini menunjukkan bahwa penelitian secara keseluruhan telah berhasil diimplementasikan dan pengembangan awal dari sistem informasi yang dirancang untuk membantu proses pengelolaan barang milik negara di UPT-PPD-Sintang berhasil dicapai.
{"title":"Rapid Application Development untuk Pengembangan Sistem Informasi Pengelolaan Barang Milik Negara (Studi Kasus UPT PPD Wilayah Sintang)","authors":"Emilia Ramadhanty Gunawan, Eva Faja Ripanti, Haried Novriando","doi":"10.26418/jp.v9i1.61371","DOIUrl":"https://doi.org/10.26418/jp.v9i1.61371","url":null,"abstract":"Barang Milik Negara (BMN) adalah semua barang yang dibeli atau diperoleh atas beban Anggaran Pendapatan dan Belanja Negara. Untuk itu diperlukan sistem penatausahaan yang baik guna mengoptimalkan pengadaan dan penggunaan barang tersebut. Saat ini UPT-PPD-Sintang masih menghadapi masalah dalam mengelola BMN, yaitu proses distribusi barang ke kantor pelayanan maupun dalam proses penggunaan barang. Tidak adanya sistem dan pelaporan yang terstruktur menyebabkan data laporan yang dibuat oleh staff cenderung tidak akurat sehingga terjadi selisih jumlah barang. Penelitian ini bertujuan untuk mengembangkan sistem yang dapat membantu kegiatan pengelolaan BMN di UPT-PPD-Sintang. Di mana dalam proses pengelolaan barang tersebut meliputi beberapa kegiatan, yaitu: perencanaan, pengadaan, penggunaan, pemindahtanganan, penatausahaan, pengawasan, dan pengendalian. Penelitian dilakukan dengan konsep system development life cycle dan pengembangan sistem dilakukan dengan metode Rapid Application Development (RAD) dengan model prototype. Data yang dibutuhkan dalam pengembangan sistem dikumpulkan dengan beberapa teknik, yaitu studi literatur dan wawancara, di mana hasil pengumpulan data dijadikan input untuk membuat rancangan sistem informasi pengelolaan BMN. Hasil rancangan diimplementasikan menjadi sebuah sistem yang fungsional. Sistem kemudian diuji dengan dua tahap, yaitu: tahap alpha (black box) dan tahap beta (User Acceptance Test (UAT)). Hasil pengujian tersebut menunjukkan bahwa metode RAD dengan model prototype dapat diimplementasikan dengan optimal karena tahapannya yang sangat efektif terutama dalam mengembangkan sistem dengan tim yang kecil serta waktu dan budget yang terbatas. Hal ini menunjukkan bahwa penelitian secara keseluruhan telah berhasil diimplementasikan dan pengembangan awal dari sistem informasi yang dirancang untuk membantu proses pengelolaan barang milik negara di UPT-PPD-Sintang berhasil dicapai.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"123 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-04-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"79475669","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}
Ikhwan Ruslianto, Uray Ristian, Hirzen Hasfani, Kartika Sari
Aquascape adalah seni mengatur dan merancang taman air yang meniru lingkungan alami dalam sebuah akuarium atau kolam. Terdapat permasalahan pada aquascape yaitu tanaman pada aquascape memerlukan cahaya yang cukup untuk berfotosintesis. Kemudian air harus tetap jernih, bersih dan pH air tetap terjaga. Hal-hal tersebut berdampak pada pertumbuhan tanaman pada ekosistem aquascape. Pada penelitian ini dibuatlah rekayasa sistem fotosintesis, pengaturan suhu, penyaringan dan pergantian air pada aquascape berbasis IoT. Sistem ini dapat menyalakan lampu sesuai kebutuhan dari tanaman air. Kemudian dapat mengatur suhu air yang datanya didapat dari sensor suhu dan dapat melakukan penyaringan air apabila air sudah keruh pada batas tertentu, dan pergantian air apabila air mengalami kekeruhan diatas ambang dan pH air yang sudah tidak normal. Sistem pemantauan dibuat agar dapat diberi peringatan untuk diberikan perawatan sehingga tanaman air tetap tumbuh dan terawat serta kejernihan air tetap terjaga demi menjaga estetika pada aquascape tersebut.
{"title":"Rekayasa Sistem Fotosintesis dan Ekosistem pada Media Aquascape Berbasis Internet Of Things","authors":"Ikhwan Ruslianto, Uray Ristian, Hirzen Hasfani, Kartika Sari","doi":"10.26418/jp.v9i1.61746","DOIUrl":"https://doi.org/10.26418/jp.v9i1.61746","url":null,"abstract":"Aquascape adalah seni mengatur dan merancang taman air yang meniru lingkungan alami dalam sebuah akuarium atau kolam. Terdapat permasalahan pada aquascape yaitu tanaman pada aquascape memerlukan cahaya yang cukup untuk berfotosintesis. Kemudian air harus tetap jernih, bersih dan pH air tetap terjaga. Hal-hal tersebut berdampak pada pertumbuhan tanaman pada ekosistem aquascape. Pada penelitian ini dibuatlah rekayasa sistem fotosintesis, pengaturan suhu, penyaringan dan pergantian air pada aquascape berbasis IoT. Sistem ini dapat menyalakan lampu sesuai kebutuhan dari tanaman air. Kemudian dapat mengatur suhu air yang datanya didapat dari sensor suhu dan dapat melakukan penyaringan air apabila air sudah keruh pada batas tertentu, dan pergantian air apabila air mengalami kekeruhan diatas ambang dan pH air yang sudah tidak normal. Sistem pemantauan dibuat agar dapat diberi peringatan untuk diberikan perawatan sehingga tanaman air tetap tumbuh dan terawat serta kejernihan air tetap terjaga demi menjaga estetika pada aquascape tersebut.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"46 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-04-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"76323989","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}
Aktifitas finger point call (FPC) yang mengharuskan operator menunjuk (finger point) dan mengucapkan (call) sebelum menjalankan suatu proses, merupakan aktifitas yang umum diterapkan di industri manufaktur khususnya pada perusahaan Jepang. FPC terbukti efektif mengurangi human error, tetapi operator sering tidak konsisten dalam menerapkan FPC sehingga perlu sistem untuk mendeteksi aktifitas FPC sudah dilakukan dengan baik dan benar. Salah satu metode pengenalan aktifitas (activity recognition) yaitu menggunakan convolutional neural networks (CNN) untuk mengklasifikasikan aktifitas manusia. Namun, aktifitas FPC dinyatakan valid atau invalid setelah memastikan operator menunjuk dengan benar ke arah objek dan menunjuk ke arah referensi, sehingga harus dilakukan analisis pada beberapa frame video. Apabila hanya menggunakan CNN saja, akan menyebabkan tingkat false positive menjadi tinggi, karena CNN akan langsung melakukan analisis pada 1 frame video. Tujuan penelitian ini yaitu mengurangi false positive ketika mendeteksi aktifitas FPC dengan cara melakukan anlaisis lebih lanjut pada hasil deteksi menggunakan euclidean distance matrices (EDM). Hasil penelitian menunjukkan pada percobaan yang diperagakan oleh 1 orang: false positive berkurang hingga 100%, nilai Precision sebesar 1, dan nilai recall sebesar 0,96. Hasil ketika diperagakan oleh 10 orang: nilai Precision sebesar 0,9, dan nilai recall sebesar 0,9. lebih baik dibandingkan YOLOv7 versi original yang nilai Precisionnya hanya sebesar 0,5.
{"title":"Penerapan Convolutional Neural Network (CNN) dan Euclidean Distance Matrices (EDM) untuk Mengurangi False Positive pada Pengenalan Aktifitas Finger Point Call","authors":"Rila Mandala, M. Safari","doi":"10.26418/jp.v9i1.61716","DOIUrl":"https://doi.org/10.26418/jp.v9i1.61716","url":null,"abstract":"Aktifitas finger point call (FPC) yang mengharuskan operator menunjuk (finger point) dan mengucapkan (call) sebelum menjalankan suatu proses, merupakan aktifitas yang umum diterapkan di industri manufaktur khususnya pada perusahaan Jepang. FPC terbukti efektif mengurangi human error, tetapi operator sering tidak konsisten dalam menerapkan FPC sehingga perlu sistem untuk mendeteksi aktifitas FPC sudah dilakukan dengan baik dan benar. Salah satu metode pengenalan aktifitas (activity recognition) yaitu menggunakan convolutional neural networks (CNN) untuk mengklasifikasikan aktifitas manusia. Namun, aktifitas FPC dinyatakan valid atau invalid setelah memastikan operator menunjuk dengan benar ke arah objek dan menunjuk ke arah referensi, sehingga harus dilakukan analisis pada beberapa frame video. Apabila hanya menggunakan CNN saja, akan menyebabkan tingkat false positive menjadi tinggi, karena CNN akan langsung melakukan analisis pada 1 frame video. Tujuan penelitian ini yaitu mengurangi false positive ketika mendeteksi aktifitas FPC dengan cara melakukan anlaisis lebih lanjut pada hasil deteksi menggunakan euclidean distance matrices (EDM). Hasil penelitian menunjukkan pada percobaan yang diperagakan oleh 1 orang: false positive berkurang hingga 100%, nilai Precision sebesar 1, dan nilai recall sebesar 0,96. Hasil ketika diperagakan oleh 10 orang: nilai Precision sebesar 0,9, dan nilai recall sebesar 0,9. lebih baik dibandingkan YOLOv7 versi original yang nilai Precisionnya hanya sebesar 0,5.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"3 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-04-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"81345003","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}
Indonesia merupakan negara yang rawan terjadi bencana alam seperti gempa dan tsunami. Seiring dengan perkembangan teknologi, arus informasi mengenai kebencanaan juga mengalir di media sosial seperti Twitter. Penggunaan Twitter dalam kaitannya dengan kebencanaan telah banyak diteliti antara lain untuk penyebarluasan informasi, alat manajemen dan pengurangan resiko, pemantauan aktivitas tanggap darurat, dan lain-lain. Penelitian ini bertujuan untuk mengidentifikasi pengguna twitter berpengaruh khusus untuk topik bencana gempa dan tsunami di Indonesia dengan menggunakan Social Network Analysis (SNA) dengan dan tanpa mempertimbangkan faktor frequency dan engagement. Hasil SNA tanpa mempertimbangkan faktor frequency dan engagement menunjukkan bahwa pengguna Twitter yang dinilai paling berpengaruh pada topik bencana gempa dan tsunami adalah situs berita seperti detikcom dengan influence score sebesar 0,77. Sedangkan jika mempertimbangkan faktor frequency dan engagement menunjukkan bahwa pengguna Twitter yang dinilai paling berpengaruh pada topik bencana gempa dan tsunami adalah akun infoBMKG dengan indeks influence score sebesar 0,63. Berdasarkan hasil penelitian ini ditemukan bahwa BMKG telah berperan penting dalam pemberian informasi mengenai bencana gempa bumi dan tsunami di Indonesia dan mendapatkan kepercayaan luas dari masyarakat yang ditunjukkan dengan adanya engagement yang lebih tinggi dibandingkan akun lainnya.
{"title":"Social Network Analysis untuk Identifikasi Pengguna Twitter Berpengaruh pada Topik Bencana Gempa dan Tsunami di Indonesia","authors":"Ibnu Santoso, Siskarossa Ika Oktora, Siti Muchlisoh, Ernawati Pasaribu","doi":"10.26418/jp.v9i1.62211","DOIUrl":"https://doi.org/10.26418/jp.v9i1.62211","url":null,"abstract":"Indonesia merupakan negara yang rawan terjadi bencana alam seperti gempa dan tsunami. Seiring dengan perkembangan teknologi, arus informasi mengenai kebencanaan juga mengalir di media sosial seperti Twitter. Penggunaan Twitter dalam kaitannya dengan kebencanaan telah banyak diteliti antara lain untuk penyebarluasan informasi, alat manajemen dan pengurangan resiko, pemantauan aktivitas tanggap darurat, dan lain-lain. Penelitian ini bertujuan untuk mengidentifikasi pengguna twitter berpengaruh khusus untuk topik bencana gempa dan tsunami di Indonesia dengan menggunakan Social Network Analysis (SNA) dengan dan tanpa mempertimbangkan faktor frequency dan engagement. Hasil SNA tanpa mempertimbangkan faktor frequency dan engagement menunjukkan bahwa pengguna Twitter yang dinilai paling berpengaruh pada topik bencana gempa dan tsunami adalah situs berita seperti detikcom dengan influence score sebesar 0,77. Sedangkan jika mempertimbangkan faktor frequency dan engagement menunjukkan bahwa pengguna Twitter yang dinilai paling berpengaruh pada topik bencana gempa dan tsunami adalah akun infoBMKG dengan indeks influence score sebesar 0,63. Berdasarkan hasil penelitian ini ditemukan bahwa BMKG telah berperan penting dalam pemberian informasi mengenai bencana gempa bumi dan tsunami di Indonesia dan mendapatkan kepercayaan luas dari masyarakat yang ditunjukkan dengan adanya engagement yang lebih tinggi dibandingkan akun lainnya.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"46 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-04-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"89346800","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}
Ricky Akbar, Adi Arga Arifnur, Jefril Rahmadoni, Salsabila Julia Putri
Selama ini proses untuk mengetahui hasil keputusan dari pemeriksaan Medical Check Up (MCU) dilakukan secara manual yaitu berdasarkan catatan hasil dari pemeriksaan masing-masing layanan MCU yang ada, kemudian datanya direkap dan diolah melalui aplikasi rumah sakit, sehingga baru didapatkan hasil pemeriksaannya secara keseluruhan, kemudian dokter memberikan rekomendasi terhadap hasil tersebut kepada pasien. Hal ini tentunya membuat hasil dari MCU ini akan menjadi lambat dan kurang akurat, apalagi banyaknya pasien yang akan melakukan pemeriksaan MCU ini tentunya akan menjadikan proses perekapan hasil menjadi lama. Maka salah satu solusi yang dapat diberikan untuk mengatasi permasalahan ini adalah dengan membangun sebuah aplikasi yang dapat secara otomatis memberikan rekomendasi dari hasil rekapan pemeriksaan MCU. Penelitian ini bertujuan untuk membangun aplikasi Sistem Pendukung Keputusan (SPK) dengan memanfaatkan metode Technique For Others Preferences by Similarity to Ideal Solution (TOPSIS). Metode TOPSIS dipilih untuk pembangunan Aplikasi SPK, karena model ini dapat menguraikan berbagai permasalahan yang kompleks menjadi suatu tingkatan dengan banyak faktor atau banyak kriteria, melalui konsep bahwa pilihan alternatif atau yang digunakan adalah yang terbaik. Selain itu, juga sangat memungkinkan apabila diterapkan pada permasalahan dengan banyak kriteria dan alternatif. Untuk mendukung riset ini digunakan metode pengumpulan data dalam bentuk observasi, wawancara, dokumen analisis, dan studi literatur. Luaran yang dihasilkan pada riset ini berupa model SPK yang sudah disesuaikan dengan standar nilai pemeriksaan MCU yang nantinya dijadikan sebagai acuan dalam membuat aplikasi SPK sehingga diharapkan dapat memberikan kemudahan dan mempercepat proses rekomendasi hasil MCU pada rumah sakit.
{"title":"Pemanfaatan Metode TOPSIS dalam Merancang Aplikasi Pendukung Keputusan untuk Memberikan Rekomendasi Hasil Medical Check Up pada Rumah Sakit","authors":"Ricky Akbar, Adi Arga Arifnur, Jefril Rahmadoni, Salsabila Julia Putri","doi":"10.26418/jp.v9i1.60173","DOIUrl":"https://doi.org/10.26418/jp.v9i1.60173","url":null,"abstract":"Selama ini proses untuk mengetahui hasil keputusan dari pemeriksaan Medical Check Up (MCU) dilakukan secara manual yaitu berdasarkan catatan hasil dari pemeriksaan masing-masing layanan MCU yang ada, kemudian datanya direkap dan diolah melalui aplikasi rumah sakit, sehingga baru didapatkan hasil pemeriksaannya secara keseluruhan, kemudian dokter memberikan rekomendasi terhadap hasil tersebut kepada pasien. Hal ini tentunya membuat hasil dari MCU ini akan menjadi lambat dan kurang akurat, apalagi banyaknya pasien yang akan melakukan pemeriksaan MCU ini tentunya akan menjadikan proses perekapan hasil menjadi lama. Maka salah satu solusi yang dapat diberikan untuk mengatasi permasalahan ini adalah dengan membangun sebuah aplikasi yang dapat secara otomatis memberikan rekomendasi dari hasil rekapan pemeriksaan MCU. Penelitian ini bertujuan untuk membangun aplikasi Sistem Pendukung Keputusan (SPK) dengan memanfaatkan metode Technique For Others Preferences by Similarity to Ideal Solution (TOPSIS). Metode TOPSIS dipilih untuk pembangunan Aplikasi SPK, karena model ini dapat menguraikan berbagai permasalahan yang kompleks menjadi suatu tingkatan dengan banyak faktor atau banyak kriteria, melalui konsep bahwa pilihan alternatif atau yang digunakan adalah yang terbaik. Selain itu, juga sangat memungkinkan apabila diterapkan pada permasalahan dengan banyak kriteria dan alternatif. Untuk mendukung riset ini digunakan metode pengumpulan data dalam bentuk observasi, wawancara, dokumen analisis, dan studi literatur. Luaran yang dihasilkan pada riset ini berupa model SPK yang sudah disesuaikan dengan standar nilai pemeriksaan MCU yang nantinya dijadikan sebagai acuan dalam membuat aplikasi SPK sehingga diharapkan dapat memberikan kemudahan dan mempercepat proses rekomendasi hasil MCU pada rumah sakit.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"1 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-04-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"90764518","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}
M. Irwansyah, Yarlina Yacoub, Metasari Kartika, B. Purmono, Romi Suradi, S. Sunarko, S. Alimah, Euis Etty Alhakim
Rencana PLTN skala komersial dihadirkan sebagai salah satu solusi dalam menyediakan pasokan energi listrik. Berdasar perjanjian kerjasama antara Pusat Kajian Sistem Energi Nuklir (PKSEN) BATAN dan Pemerintah Provinsi Kalimantan Barat tentang Kajian Pembangkit Listrik Tenaga Nuklir, wilayah pesisir Kalimantan Barat telah dikaji potensinya sebagai calon tapak PLTN. Survei titik nol yang dilakukan atas permintaan BAPPEDA Provinsi Kalimantan Barat memperoleh lokasi calon tapak untuk prototipe PLTN di Pantai Gosong, Desa Sungai Raya, Kecamatan Sungai Raya Kepulauan, Kabupaten Bengkayang. Setiap tahapan pelaksanaan pembangunan, pengoperasian dan dekomisioning PLTN harus berpedoman pada ketentuan peraturan perundang-undangan yang berlaku. Sasaran utama dalam evaluasi tapak untuk PLTN adalah keselamatan nuklir untuk memproteksi publik dan lingkungan dari dampak pelepasan radioaktif pada kondisi operasi normal maupun kecelakaan mealui evaluasi resiko. Salah satu persyaratan adalah evaluasi risiko terhadap anggota masyarakat dan kelayakan penerapan program kesiapsiagaan nuklir dari tapak dan wilayah sekitarnya sehingga jaluar evakukasi perlu direncanakan. Penelitian ini menggunakan metode skoring dan pembobotan dengan verifikasi melalui Pemerintah Daerah dan instansi terkait untuk menentukan Tempat Evakuasi Sementara (TES) dan Tempat Evakuasi Akhir (TEA). Dari hasil perhitungan dan verifikasi didapatkan hasil 15 titik toponimi yang dapat dijadikan lokasi TES dan 2 titik toponimi yang dapat dijadikan lokasi TEA.
{"title":"Penentuan Jalur Evakuasi dan Titik Kumpul Partisipatif untuk Keselamatan Masyarakat di Radius Zona Perencanaan Kedaruratan Nuklir Kalimantan Barat Berbasis Spasial","authors":"M. Irwansyah, Yarlina Yacoub, Metasari Kartika, B. Purmono, Romi Suradi, S. Sunarko, S. Alimah, Euis Etty Alhakim","doi":"10.26418/jp.v9i1.63664","DOIUrl":"https://doi.org/10.26418/jp.v9i1.63664","url":null,"abstract":"Rencana PLTN skala komersial dihadirkan sebagai salah satu solusi dalam menyediakan pasokan energi listrik. Berdasar perjanjian kerjasama antara Pusat Kajian Sistem Energi Nuklir (PKSEN) BATAN dan Pemerintah Provinsi Kalimantan Barat tentang Kajian Pembangkit Listrik Tenaga Nuklir, wilayah pesisir Kalimantan Barat telah dikaji potensinya sebagai calon tapak PLTN. Survei titik nol yang dilakukan atas permintaan BAPPEDA Provinsi Kalimantan Barat memperoleh lokasi calon tapak untuk prototipe PLTN di Pantai Gosong, Desa Sungai Raya, Kecamatan Sungai Raya Kepulauan, Kabupaten Bengkayang. Setiap tahapan pelaksanaan pembangunan, pengoperasian dan dekomisioning PLTN harus berpedoman pada ketentuan peraturan perundang-undangan yang berlaku. Sasaran utama dalam evaluasi tapak untuk PLTN adalah keselamatan nuklir untuk memproteksi publik dan lingkungan dari dampak pelepasan radioaktif pada kondisi operasi normal maupun kecelakaan mealui evaluasi resiko. Salah satu persyaratan adalah evaluasi risiko terhadap anggota masyarakat dan kelayakan penerapan program kesiapsiagaan nuklir dari tapak dan wilayah sekitarnya sehingga jaluar evakukasi perlu direncanakan. Penelitian ini menggunakan metode skoring dan pembobotan dengan verifikasi melalui Pemerintah Daerah dan instansi terkait untuk menentukan Tempat Evakuasi Sementara (TES) dan Tempat Evakuasi Akhir (TEA). Dari hasil perhitungan dan verifikasi didapatkan hasil 15 titik toponimi yang dapat dijadikan lokasi TES dan 2 titik toponimi yang dapat dijadikan lokasi TEA.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"89 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-04-27","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"90607967","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：