Pub Date : 2023-07-13DOI: 10.24114/cess.v8i2.46494
Wikke Alvina Medyanti, M. Faisal
Pergantian karyawan merupakan masalah yang signifikan bagi organisasi karena dapat berdampak negatif pada produktivitas dan kinerja. Dalam penelitian ini, dikembangkan sebuah model Support Vector Machine (SVM) untuk memprediksi pergantian karyawan berdasarkan dataset yang berisi berbagai atribut karyawan. Dataset tersebut telah melalui tahap pra-pemrosesan dengan melakukan pemetaan nilai-nilai kategorikal dan pengkodean one-hot. Fitur-fitur kemudian dibagi menjadi data latih dan data uji, serta dilakukan penskalaan menggunakan StandardScaler. Hasil penelitian menunjukkan bahwa model mencapai akurasi sebesar 88,4%. Presisi untuk karyawan yang tidak mengalami pergantian (non-attrition) tinggi, yaitu sebesar 89,3%, menunjukkan kemampuan model dalam mengidentifikasi dengan benar karyawan yang kemungkinan akan bertahan. Namun, presisi untuk karyawan yang mengalami pergantian (attrition) lebih rendah, sebesar 69,2%, mengindikasikan adanya ruang untuk perbaikan dalam mengidentifikasi karyawan yang berisiko mengalami pergantian. Recall untuk karyawan non-attrition mencapai 98,4%, menunjukkan kemampuan yang tinggi dalam mengklasifikasikan dengan benar, sedangkan recall untuk karyawan attrition sebesar 23,1%. Nilai F1-score juga mencerminkan kinerja yang lebih baik untuk karyawan non-attrition dibandingkan karyawan attrition. Secara keseluruhan, model SVM menunjukkan potensi dalam memprediksi pergantian karyawan, namun perlu dilakukan pengembangan lebih lanjut untuk meningkatkan identifikasi karyawan yang berisiko, sehingga memberikan wawasan berharga dalam pengambilan keputusan SDM dan strategi retensi.Employee attrition is a significant concern for organizations as it can have a negative impact on productivity and performance. In this study, a Support Vector Machine (SVM) model was developed to predict employee attrition based on a dataset containing various employee attributes. The dataset was preprocessed by mapping categorical values and performing one-hot encoding. The features were then split into training and testing sets, and scaled using the StandardScaler.The results showed that the model achieved an accuracy of 88.4%. The precision for non-attrition employees was high at 89.3%, indicating the model's ability to correctly identify employees who are likely to stay. However, the precision for attrition employees was lower at 69.2%, suggesting room for improvement in identifying employees at risk of attrition. The recall for non-attrition employees was 98.4%, indicating a high ability to correctly classify them, while the recall for attrition employees was 23.1%. The F1-score also reflected a better performance for non-attrition employees compared to attrition employees. Overall, the SVM model showed promise in predicting employee attrition, but further enhancements are needed to improve the identification of employees at risk, thus providing valuable insights for HR decision-making and retention strategies.
{"title":"Early Prediction System for Employee Attrition Company “XYZ” Using Support Vector Machine Algorithm","authors":"Wikke Alvina Medyanti, M. Faisal","doi":"10.24114/cess.v8i2.46494","DOIUrl":"https://doi.org/10.24114/cess.v8i2.46494","url":null,"abstract":"Pergantian karyawan merupakan masalah yang signifikan bagi organisasi karena dapat berdampak negatif pada produktivitas dan kinerja. Dalam penelitian ini, dikembangkan sebuah model Support Vector Machine (SVM) untuk memprediksi pergantian karyawan berdasarkan dataset yang berisi berbagai atribut karyawan. Dataset tersebut telah melalui tahap pra-pemrosesan dengan melakukan pemetaan nilai-nilai kategorikal dan pengkodean one-hot. Fitur-fitur kemudian dibagi menjadi data latih dan data uji, serta dilakukan penskalaan menggunakan StandardScaler. Hasil penelitian menunjukkan bahwa model mencapai akurasi sebesar 88,4%. Presisi untuk karyawan yang tidak mengalami pergantian (non-attrition) tinggi, yaitu sebesar 89,3%, menunjukkan kemampuan model dalam mengidentifikasi dengan benar karyawan yang kemungkinan akan bertahan. Namun, presisi untuk karyawan yang mengalami pergantian (attrition) lebih rendah, sebesar 69,2%, mengindikasikan adanya ruang untuk perbaikan dalam mengidentifikasi karyawan yang berisiko mengalami pergantian. Recall untuk karyawan non-attrition mencapai 98,4%, menunjukkan kemampuan yang tinggi dalam mengklasifikasikan dengan benar, sedangkan recall untuk karyawan attrition sebesar 23,1%. Nilai F1-score juga mencerminkan kinerja yang lebih baik untuk karyawan non-attrition dibandingkan karyawan attrition. Secara keseluruhan, model SVM menunjukkan potensi dalam memprediksi pergantian karyawan, namun perlu dilakukan pengembangan lebih lanjut untuk meningkatkan identifikasi karyawan yang berisiko, sehingga memberikan wawasan berharga dalam pengambilan keputusan SDM dan strategi retensi.Employee attrition is a significant concern for organizations as it can have a negative impact on productivity and performance. In this study, a Support Vector Machine (SVM) model was developed to predict employee attrition based on a dataset containing various employee attributes. The dataset was preprocessed by mapping categorical values and performing one-hot encoding. The features were then split into training and testing sets, and scaled using the StandardScaler.The results showed that the model achieved an accuracy of 88.4%. The precision for non-attrition employees was high at 89.3%, indicating the model's ability to correctly identify employees who are likely to stay. However, the precision for attrition employees was lower at 69.2%, suggesting room for improvement in identifying employees at risk of attrition. The recall for non-attrition employees was 98.4%, indicating a high ability to correctly classify them, while the recall for attrition employees was 23.1%. The F1-score also reflected a better performance for non-attrition employees compared to attrition employees. Overall, the SVM model showed promise in predicting employee attrition, but further enhancements are needed to improve the identification of employees at risk, thus providing valuable insights for HR decision-making and retention strategies.","PeriodicalId":53361,"journal":{"name":"CESS Journal of Computer Engineering System and Science","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-07-13","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"49266115","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}
Pub Date : 2023-07-11DOI: 10.24114/cess.v8i2.48186
Dais Isnafirlah, Mia Kamayani
Fakultas Teknologi Industri dan Informatika UHAMKA, memiliki website resmi yang mengacu pada sistem informasi universitas yang berfungsi untuk pelayanan yang efektif dan menggunakan teknologi terkini. Faktanya, masih memiliki beberapa permasalahan yang terjadi yaitu dosen dan mahasiswa masih sering bertanya via japri ke pihak sekretariat, akademik maupun pimpinan prodi dan fakultas jika memerlukan informasi, serta masih sering melewatkan informasi yang ada di broadcast Grup WhatsApp. Oleh karena itu, tujuan dari penelitian ini untuk merencanakan dan menerapkan teknologi chatbot yang memberikan mahasiswa akses informasi yang cepat dan mudah tentang akademik Fakultas Teknologi Industri dan Informatika UHAMKA secara mudah dan cepat. Chatbot ini diimplementasikan menggunakan tools Dialogflow dengan metode Prototype dan Telegram API. Setelah melakukan uji coba blackbox, Bot Telegram yang dibuat telah terbukti mampu memberikan respons yang memuaskan terhadap pertanyaan yang diajukan, sehingga dapat memberikan bantuan kepada user dalam memperoleh informasi akademik yang dibutuhkan. Selain itu, pengguna tidak perlu menunggu terlalu lama untuk menerima balasan dari chatbot, sehingga membuat chatbot yang digunakan dapat beroperasi dengan cepat dan tepat.The UHAMKA Faculty of Industrial and Informatics Technology has an official website that refers to a university information system that functions for effective service and uses the latest technology. In fact, there are still several problems that occur, namely lecturers and students still often ask via email to the secretariat, academics or study program and faculty leaders if they need information, and they still often miss information that is WhatsApp Group. Therefore, the purpose of this research is to plan and implement chatbot technology that gives students quick and easy access to information about the academics of the Faculty of Industrial Technology and Informatics UHAMKA easily and quickly. This chatbot is implemented using Dialogflow tools with the Prototype method and the Telegram API. After conducting a blackbox trial, the Telegram Bot that was created has been proven to be able to provide a satisfactory response to the questions asked, so that it can provide assistance to users in obtaining the required academic information. In addition, users don't have to wait too long to receive a reply from the chatbot, so that the chatbot used can operate quickly and precisely.
{"title":"Information Center Chatbot in Higher Education Using Dialogflow","authors":"Dais Isnafirlah, Mia Kamayani","doi":"10.24114/cess.v8i2.48186","DOIUrl":"https://doi.org/10.24114/cess.v8i2.48186","url":null,"abstract":"Fakultas Teknologi Industri dan Informatika UHAMKA, memiliki website resmi yang mengacu pada sistem informasi universitas yang berfungsi untuk pelayanan yang efektif dan menggunakan teknologi terkini. Faktanya, masih memiliki beberapa permasalahan yang terjadi yaitu dosen dan mahasiswa masih sering bertanya via japri ke pihak sekretariat, akademik maupun pimpinan prodi dan fakultas jika memerlukan informasi, serta masih sering melewatkan informasi yang ada di broadcast Grup WhatsApp. Oleh karena itu, tujuan dari penelitian ini untuk merencanakan dan menerapkan teknologi chatbot yang memberikan mahasiswa akses informasi yang cepat dan mudah tentang akademik Fakultas Teknologi Industri dan Informatika UHAMKA secara mudah dan cepat. Chatbot ini diimplementasikan menggunakan tools Dialogflow dengan metode Prototype dan Telegram API. Setelah melakukan uji coba blackbox, Bot Telegram yang dibuat telah terbukti mampu memberikan respons yang memuaskan terhadap pertanyaan yang diajukan, sehingga dapat memberikan bantuan kepada user dalam memperoleh informasi akademik yang dibutuhkan. Selain itu, pengguna tidak perlu menunggu terlalu lama untuk menerima balasan dari chatbot, sehingga membuat chatbot yang digunakan dapat beroperasi dengan cepat dan tepat.The UHAMKA Faculty of Industrial and Informatics Technology has an official website that refers to a university information system that functions for effective service and uses the latest technology. In fact, there are still several problems that occur, namely lecturers and students still often ask via email to the secretariat, academics or study program and faculty leaders if they need information, and they still often miss information that is WhatsApp Group. Therefore, the purpose of this research is to plan and implement chatbot technology that gives students quick and easy access to information about the academics of the Faculty of Industrial Technology and Informatics UHAMKA easily and quickly. This chatbot is implemented using Dialogflow tools with the Prototype method and the Telegram API. After conducting a blackbox trial, the Telegram Bot that was created has been proven to be able to provide a satisfactory response to the questions asked, so that it can provide assistance to users in obtaining the required academic information. In addition, users don't have to wait too long to receive a reply from the chatbot, so that the chatbot used can operate quickly and precisely.","PeriodicalId":53361,"journal":{"name":"CESS Journal of Computer Engineering System and Science","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-07-11","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"48575230","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}
Pub Date : 2023-07-11DOI: 10.24114/cess.v8i2.46337
S. Sukamto, Aidil Fitriansyah
Pentingnya keberadaan perpustakaan sekolah dalam sebuah pendidikan, maka dilakukan pengakreditasian perpustakaan sekolah yang bertujuan untuk meningkatkan kualitas perpustakaan, serta meningkatkan kegemaran membaca. Dinas Perpustakaan dan Kearsipan Kota Pekanbaru (DISPUSIP) dalam menentukan suatu perpustakaan sekolah yang layak untuk diakreditasi masih dilakukan dengan sistem manual. Untuk itu diperlukan sistem pendukung keputusan (SPK). Adapun tujuan dari penelitian ini adalah membangun SPK untuk menentukan perpustakaan sekolah yang layak diakreditasi dengan menggunakan metode Multi Attribute Utility Theory (MAUT), dengan langkah-langkah membentuk matriks keputusan, normalisasi matriks keputusan, menentukan matriks utilitas, menghitung utilitas akhir, dan perangkingan. Alternatif yang digunakan adalah 9 sekolah jenjang SMP baik negeri maupun swasta. Kriteria yang digunakan mengacu pada instrument akreditasi perpustakaan sekolah terdiri dari 6 kriteria yaitu koleksi, sarana dan prasarana, pelayanan perpustakaan, tenaga perpustakaan, penyelenggaraan dan pengelolaan, dan penguatan. Hasil penelitian yang diperoleh dengan menggunakan metode MAUT adalah PS 4 (SMPN 27) dengan nilai 0,977; PS 5 (SMPIT Imam An-Nawawi) dengan nilai 0,873; dan PS 3 (SMPN 34) dengan nilai 0,861 merupakan tiga perpustakaan sekolah yang layak untuk diakreditasi.The importance of the existence of a school library in an education, the accreditation of the school library is carried out with the aim of improving the quality of the library, as well as increasing the love of reading. The Pekanbaru City Library and Archives Service (DISPUSIP) in determining a school library that is eligible for accreditation is still using a manual system. For that we need a decision support system (SPK). The purpose of this study is to build a SPK to determine which school libraries are eligible for accreditation using the Multi Attribute Utility Theory (MAUT) method, with the steps of forming a decision matrix, normalizing the decision matrix, determining the utility matrix, calculating the final utility, and ranking. The alternatives used were 9 junior high schools, both public and private. The criteria used refer to the school library accreditation instrument consisting of 6 criteria, namely collections, facilities and infrastructure, library services, library staff, administration and management, and strengthening. The research results obtained using the MAUT method were PS 4 (SMPN 27) with a value of 0.977; PS 5 (SMPIT Imam An-Nawawi) with a value of 0.873; and PS 3 (SMPN 34) with a value of 0.861 are three school libraries that are eligible for accreditation.
{"title":"Application of the MAUT Method to Determine Eligibility for Accredited School Libraries","authors":"S. Sukamto, Aidil Fitriansyah","doi":"10.24114/cess.v8i2.46337","DOIUrl":"https://doi.org/10.24114/cess.v8i2.46337","url":null,"abstract":"Pentingnya keberadaan perpustakaan sekolah dalam sebuah pendidikan, maka dilakukan pengakreditasian perpustakaan sekolah yang bertujuan untuk meningkatkan kualitas perpustakaan, serta meningkatkan kegemaran membaca. Dinas Perpustakaan dan Kearsipan Kota Pekanbaru (DISPUSIP) dalam menentukan suatu perpustakaan sekolah yang layak untuk diakreditasi masih dilakukan dengan sistem manual. Untuk itu diperlukan sistem pendukung keputusan (SPK). Adapun tujuan dari penelitian ini adalah membangun SPK untuk menentukan perpustakaan sekolah yang layak diakreditasi dengan menggunakan metode Multi Attribute Utility Theory (MAUT), dengan langkah-langkah membentuk matriks keputusan, normalisasi matriks keputusan, menentukan matriks utilitas, menghitung utilitas akhir, dan perangkingan. Alternatif yang digunakan adalah 9 sekolah jenjang SMP baik negeri maupun swasta. Kriteria yang digunakan mengacu pada instrument akreditasi perpustakaan sekolah terdiri dari 6 kriteria yaitu koleksi, sarana dan prasarana, pelayanan perpustakaan, tenaga perpustakaan, penyelenggaraan dan pengelolaan, dan penguatan. Hasil penelitian yang diperoleh dengan menggunakan metode MAUT adalah PS 4 (SMPN 27) dengan nilai 0,977; PS 5 (SMPIT Imam An-Nawawi) dengan nilai 0,873; dan PS 3 (SMPN 34) dengan nilai 0,861 merupakan tiga perpustakaan sekolah yang layak untuk diakreditasi.The importance of the existence of a school library in an education, the accreditation of the school library is carried out with the aim of improving the quality of the library, as well as increasing the love of reading. The Pekanbaru City Library and Archives Service (DISPUSIP) in determining a school library that is eligible for accreditation is still using a manual system. For that we need a decision support system (SPK). The purpose of this study is to build a SPK to determine which school libraries are eligible for accreditation using the Multi Attribute Utility Theory (MAUT) method, with the steps of forming a decision matrix, normalizing the decision matrix, determining the utility matrix, calculating the final utility, and ranking. The alternatives used were 9 junior high schools, both public and private. The criteria used refer to the school library accreditation instrument consisting of 6 criteria, namely collections, facilities and infrastructure, library services, library staff, administration and management, and strengthening. The research results obtained using the MAUT method were PS 4 (SMPN 27) with a value of 0.977; PS 5 (SMPIT Imam An-Nawawi) with a value of 0.873; and PS 3 (SMPN 34) with a value of 0.861 are three school libraries that are eligible for accreditation.","PeriodicalId":53361,"journal":{"name":"CESS Journal of Computer Engineering System and Science","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-07-11","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"45775373","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}
Pub Date : 2023-07-10DOI: 10.24114/cess.v8i2.45038
Rasmila Rasmila, Andri Ramadoni, Alex Wijaya, Siti Sauda
Pengenalan terhadap budaya Kota Palembang seharusnya sudah diperkenalkan saat masih menginjak masa kanak-kanak, yang merupakan masa pembelajaran tentang kehidupan di sekitarnya dan diharapkan generasi penerus dapat memahami dan menghargai warisan budaya tersebut sehingga budaya Palembang dapat terus hidup dan terjaga kelestariannya di masa depan, kurangnya kesadaran tentang budaya asli Kota Palembang di kalangan remaja maupun anak-anak sejak usia dini, disebabkan oleh pengaruh budaya luar yang menawarkan konten dan teknologi yang lebih menarik. Hal ini memberikan ide kepada penulis yaitu bagaimana membuat sebuah media yang dapat menarik minat masyarakat untuk mengenal kebudayaan daerah Kota Palembang salah satunya dapat memanfaatkan aplikasi mobile dengan pendekatan user interface user experience sebagai dasar untuk menentukan alur dan fungsionalitas aplikasi kuis yang berisikan konten sejarah, kebudayaan, ciri khas terhadap Kota Palembang. Tujuan dari penelitian ini adalah memperoleh desain antarmuka Kuis Seberapo Palembang Kamu, penelitian ini menggunakan metode User Centered Design (UCD) yang fokus pada aspek antarmuka dan pengalaman pengguna. UCD terdiri dari empat tahapan yaitu Understand context of use, Specify User Requirements, Design Solution, dan Evaluate design against user requirement. Setelah tahapan ini diselesaikan, aplikasi dirancang sesuai dengan kebutuhan pengguna dan diuji menggunakan kuesioner untuk mengevaluasi hasil desain. Hasil penelitian menunjukkan bahwa aplikasi mobile Kuis Seberapo Palembang Kamu telah berhasil dirancang dan divalidasi oleh calon pengguna.Introduction to the culture of Palembang City should have been introduced while still in childhood, which is a period of learning about life around it and it is hoped that the next generation can understand and appreciate this cultural heritage so that Palembang culture can continue to live and maintain its sustainability in the future, lack of awareness about the original culture of Palembang City among teenagers and children from an early age, due to outside cultural influences that offer more interesting content and technology. This gives the author an idea, namely how to create a media that can attract people's interest in getting to know Palembang's regional culture, one of which can be utilizing a mobile application with a user interface user experience approach as a basis for determining the flow and functionality of a quiz application that contains historical, cultural, feature content. unique to the city of Palembang. The purpose of this study was to obtain an interface design for the Seberapo Palembang Kamu Quiz, this study used the User Centered Design (UCD) method which focuses on aspects of the interface and user experience. UCD consists of four stages, namely Understand context of use, Specify User Requirements, Design Solution, and Evaluate design against user requirements. After these stages are completed, the application is designed according to user
对城市文化识别Palembang应该引进的时候踩着童年的,是研究周围的生活,希望下一代能够理解和欣赏生活,以至于Palembang文化遗产可以继续和清醒的前景在未来,原始文化的缺乏认识Palembang市青少年和儿童从很小的时候起,是由外部文化的影响引起的，它提供了更吸引人的内容和技术。这给作者的想法,即创建一个媒体,怎样才能吸引社会认识文化城市地区Palembang其中可以利用移动应用用户体验为基础,决定了用户界面的方法包含内容的流程和应用程序功能测验对Palembang城市历史、文化的特点。本研究的目的是获得您的Seberapo Palembang测试界面的设计，该研究使用的是集中于用户界面和经验方面的用户centerdesign (UCD)。UCD由四个阶段组成，即理解现有的、特殊用户请求、设计解决方案和对用户申请的评估。完成这一阶段后，应用程序的设计符合用户的需求，并使用问卷进行测试，以评估设计结果。研究结果表明，您的移动测试应用Seberapo Palembang已经成功地设计和验证了潜在用户。文化》《Palembang城应该被introduced而仍然在童年,这是学习关于它周围生活的a期是hoped that the next generation可以理解,谢谢这个文化遗产所以那Palembang文化能继续to live and maintain意识的缺乏,这是一个可持续发展的未来关于Palembang城》之原创文化的青少年和儿童的早期时代,更有趣的竞争技术。这给《作家的主意,namely如何创建一个能吸引人民利益的媒体被高兴认识Palembang的区域文化,无关紧要的一个可以成为utilizing a mobile应用程序和用户体验用户界面进近的美国基地determining那个contains a测验应用程序之流和functionality历史文化,feature内容。帕伦邦之城的独一无二。这项研究的目的是为Seberapo Palembang提供一个内部设计。典型的四种状态的考虑，namely理解使用的类型、特定用户请求、设计解决方案和评估反对用户申请的类型。在这些阶段完成后，应用程序被设计成用户请求和测试，使用问题来评估设计结果。研究节目的结果是，Seberapo Palembang移动词典的测试结果已经成功地通过了测试用户的验证。
{"title":"Designing a User Interface and User Experience for the Quiz Application Seberapo Palembang Kamu Using a User Centered Design (UCD) Approach","authors":"Rasmila Rasmila, Andri Ramadoni, Alex Wijaya, Siti Sauda","doi":"10.24114/cess.v8i2.45038","DOIUrl":"https://doi.org/10.24114/cess.v8i2.45038","url":null,"abstract":"Pengenalan terhadap budaya Kota Palembang seharusnya sudah diperkenalkan saat masih menginjak masa kanak-kanak, yang merupakan masa pembelajaran tentang kehidupan di sekitarnya dan diharapkan generasi penerus dapat memahami dan menghargai warisan budaya tersebut sehingga budaya Palembang dapat terus hidup dan terjaga kelestariannya di masa depan, kurangnya kesadaran tentang budaya asli Kota Palembang di kalangan remaja maupun anak-anak sejak usia dini, disebabkan oleh pengaruh budaya luar yang menawarkan konten dan teknologi yang lebih menarik. Hal ini memberikan ide kepada penulis yaitu bagaimana membuat sebuah media yang dapat menarik minat masyarakat untuk mengenal kebudayaan daerah Kota Palembang salah satunya dapat memanfaatkan aplikasi mobile dengan pendekatan user interface user experience sebagai dasar untuk menentukan alur dan fungsionalitas aplikasi kuis yang berisikan konten sejarah, kebudayaan, ciri khas terhadap Kota Palembang. Tujuan dari penelitian ini adalah memperoleh desain antarmuka Kuis Seberapo Palembang Kamu, penelitian ini menggunakan metode User Centered Design (UCD) yang fokus pada aspek antarmuka dan pengalaman pengguna. UCD terdiri dari empat tahapan yaitu Understand context of use, Specify User Requirements, Design Solution, dan Evaluate design against user requirement. Setelah tahapan ini diselesaikan, aplikasi dirancang sesuai dengan kebutuhan pengguna dan diuji menggunakan kuesioner untuk mengevaluasi hasil desain. Hasil penelitian menunjukkan bahwa aplikasi mobile Kuis Seberapo Palembang Kamu telah berhasil dirancang dan divalidasi oleh calon pengguna.Introduction to the culture of Palembang City should have been introduced while still in childhood, which is a period of learning about life around it and it is hoped that the next generation can understand and appreciate this cultural heritage so that Palembang culture can continue to live and maintain its sustainability in the future, lack of awareness about the original culture of Palembang City among teenagers and children from an early age, due to outside cultural influences that offer more interesting content and technology. This gives the author an idea, namely how to create a media that can attract people's interest in getting to know Palembang's regional culture, one of which can be utilizing a mobile application with a user interface user experience approach as a basis for determining the flow and functionality of a quiz application that contains historical, cultural, feature content. unique to the city of Palembang. The purpose of this study was to obtain an interface design for the Seberapo Palembang Kamu Quiz, this study used the User Centered Design (UCD) method which focuses on aspects of the interface and user experience. UCD consists of four stages, namely Understand context of use, Specify User Requirements, Design Solution, and Evaluate design against user requirements. After these stages are completed, the application is designed according to user ","PeriodicalId":53361,"journal":{"name":"CESS Journal of Computer Engineering System and Science","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-07-10","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"43296173","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}
Embung adalah cekungan yang digunakan untuk mengatur dan menampung aliran hujan dan meningkatkan kualitas air di badan air yang terkait. Embung juga digunakan untuk menjaga kualitas air tanah, mencegah banjir, menjaga estetika, dan mengairi. Terdapat 1.446 embung yang tersebar di seluruh wilayah Indonesia yang mempunyai luas dan volume yang beragam. Penelitian ini bertujuan untuk mengelompokkan embung di Indonesia berdasarkan luas dan volume menggunakan metode data mining klastering dengan algoritma K-Means. Sebelumnya, pengklasteran embung hanya dilakukan berdasarkan: tujuan pembangunan, penggunaan, aliran air, dan bahan pembentuknya. Hasil penelitian menunjukkan bahwa pengelompokkan embung yang terbaik adalah menjadi 4 klaster dengan rincian klaster kecil: 1.414 embung, klaster sedang: 24 embung, klaster tinggi: 7 embung dan klaster sangat tinggi: 1 embung.An embung (Reservoir) is a basin used to control and collect rainfall runoff and improve the water quality in the associated water bodies. Embungs are utilized for preserving groundwater quality, preventing floods, enhancing aesthetics, and facilitating irrigation. There are 1,446 embungs scattered across the entire territory of Indonesia, varying in size and volume. This study aims to cluster the embungs in Indonesia based on their size and volume using the clustering data mining technique with the K-Means algorithm. Previously, embung clustering was only performed based on their purpose of construction, usage, water flow, and constituent materials. The research findings indicate that the optimal clustering of embungs consists of four clusters, with the following details: small cluster (1,414 embungs), medium cluster (24 embungs), high cluster (7 embungs), and very high cluster (1 embung). This research will prove beneficial in the fields of data mining and hydrology.
{"title":"Clustering Reservoirs in Indonesia Based on Area and Volume Using the K-Means Algorithm","authors":"Shofinurdin Shofinurdin, Afifah Khaerani, Arie Wibowo","doi":"10.24114/cess.v8i2.44390","DOIUrl":"https://doi.org/10.24114/cess.v8i2.44390","url":null,"abstract":"Embung adalah cekungan yang digunakan untuk mengatur dan menampung aliran hujan dan meningkatkan kualitas air di badan air yang terkait. Embung juga digunakan untuk menjaga kualitas air tanah, mencegah banjir, menjaga estetika, dan mengairi. Terdapat 1.446 embung yang tersebar di seluruh wilayah Indonesia yang mempunyai luas dan volume yang beragam. Penelitian ini bertujuan untuk mengelompokkan embung di Indonesia berdasarkan luas dan volume menggunakan metode data mining klastering dengan algoritma K-Means. Sebelumnya, pengklasteran embung hanya dilakukan berdasarkan: tujuan pembangunan, penggunaan, aliran air, dan bahan pembentuknya. Hasil penelitian menunjukkan bahwa pengelompokkan embung yang terbaik adalah menjadi 4 klaster dengan rincian klaster kecil: 1.414 embung, klaster sedang: 24 embung, klaster tinggi: 7 embung dan klaster sangat tinggi: 1 embung.An embung (Reservoir) is a basin used to control and collect rainfall runoff and improve the water quality in the associated water bodies. Embungs are utilized for preserving groundwater quality, preventing floods, enhancing aesthetics, and facilitating irrigation. There are 1,446 embungs scattered across the entire territory of Indonesia, varying in size and volume. This study aims to cluster the embungs in Indonesia based on their size and volume using the clustering data mining technique with the K-Means algorithm. Previously, embung clustering was only performed based on their purpose of construction, usage, water flow, and constituent materials. The research findings indicate that the optimal clustering of embungs consists of four clusters, with the following details: small cluster (1,414 embungs), medium cluster (24 embungs), high cluster (7 embungs), and very high cluster (1 embung). This research will prove beneficial in the fields of data mining and hydrology. ","PeriodicalId":53361,"journal":{"name":"CESS Journal of Computer Engineering System and Science","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-07-07","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"47206154","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}
Pub Date : 2023-07-07DOI: 10.24114/cess.v8i2.46862
Mangapul Siahaan
Permasalahan pemukiman yang sering terjadi diperkotaan adalah keterbatasan lahan untuk tempat tinggal sedangkan pertumbuhan penduduk semakin berkembang sehingga diperlukan prasarana tempat tinggal untuk masyarakat yang golongan ekonomi kurang mampu. Kelancaran pembayaran uang sewa rumah susun masih menjadi kendala sehingga diperlukan suatu sistem untuk mengklasifikasi dan prediksi kemampuan bayar oleh masyarakat. Tujuan penelitian ini adalah untuk menganalisa algoritma yang bagus dengan nilai akurasi yang tinggi agar bisa diimpelementasikan pada sistem. Sumber dataset yang digunakan dari database aplikasi sewa rumahsusun dengan variabel yang digunakan adalah nobriva, pekerjaan, statuspekerjaan, gaji, hargasewa dan keterangan. Algoritma yang digunakan dalam penelitian ini adalah Decision Tree dan Backpropagation dengan arsitektur 5-5-2. Berdasarkan hasil uji maka didapat nilai akurasi Decision Tree sebesar 90%, sedangkan nilai akurasi dengan algoritma Backpropagation dan arsitektur jumlah 5 node layer, 5 node hiden layer dan 2 node output layer dengan menggunakan activation sigmoid maka menghasilkan nilai akurasi sebesar 88.39%.Settlement problems that often occur in urban areas are limited land for residence while population growth is growing, so residential infrastructure is needed for economically disadvantaged people. The smooth payment of rent for flats is still an obstacle, so a system is needed to classify and predict the ability to pay by the public. This study aims to analyze a good algorithm with a high accuracy value so that it can be implemented in the system. The dataset source used is the flat rental application database, with the variables used are nobriva, occupation, employment status, salary, rental price, and description. The algorithm used in this research is Decision Tree and Backpropagation with 5-5-2 architecture. Based on the test results, the accuracy value of the Decision Tree is 90%. In contrast, the accuracy value with the Backpropagation algorithm and architecture consists of 5 node layers, 5 hidden layer nodes, and 2 output layer nodes using sigmoid activation, resulting in an accuracy value of 88.39%.
{"title":"Prediction of Smooth Rusunawa Rental Payments Using the Backpropagation Algorithm and Decision Tree","authors":"Mangapul Siahaan","doi":"10.24114/cess.v8i2.46862","DOIUrl":"https://doi.org/10.24114/cess.v8i2.46862","url":null,"abstract":"Permasalahan pemukiman yang sering terjadi diperkotaan adalah keterbatasan lahan untuk tempat tinggal sedangkan pertumbuhan penduduk semakin berkembang sehingga diperlukan prasarana tempat tinggal untuk masyarakat yang golongan ekonomi kurang mampu. Kelancaran pembayaran uang sewa rumah susun masih menjadi kendala sehingga diperlukan suatu sistem untuk mengklasifikasi dan prediksi kemampuan bayar oleh masyarakat. Tujuan penelitian ini adalah untuk menganalisa algoritma yang bagus dengan nilai akurasi yang tinggi agar bisa diimpelementasikan pada sistem. Sumber dataset yang digunakan dari database aplikasi sewa rumahsusun dengan variabel yang digunakan adalah nobriva, pekerjaan, statuspekerjaan, gaji, hargasewa dan keterangan. Algoritma yang digunakan dalam penelitian ini adalah Decision Tree dan Backpropagation dengan arsitektur 5-5-2. Berdasarkan hasil uji maka didapat nilai akurasi Decision Tree sebesar 90%, sedangkan nilai akurasi dengan algoritma Backpropagation dan arsitektur jumlah 5 node layer, 5 node hiden layer dan 2 node output layer dengan menggunakan activation sigmoid maka menghasilkan nilai akurasi sebesar 88.39%.Settlement problems that often occur in urban areas are limited land for residence while population growth is growing, so residential infrastructure is needed for economically disadvantaged people. The smooth payment of rent for flats is still an obstacle, so a system is needed to classify and predict the ability to pay by the public. This study aims to analyze a good algorithm with a high accuracy value so that it can be implemented in the system. The dataset source used is the flat rental application database, with the variables used are nobriva, occupation, employment status, salary, rental price, and description. The algorithm used in this research is Decision Tree and Backpropagation with 5-5-2 architecture. Based on the test results, the accuracy value of the Decision Tree is 90%. In contrast, the accuracy value with the Backpropagation algorithm and architecture consists of 5 node layers, 5 hidden layer nodes, and 2 output layer nodes using sigmoid activation, resulting in an accuracy value of 88.39%. ","PeriodicalId":53361,"journal":{"name":"CESS Journal of Computer Engineering System and Science","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-07-07","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"43299476","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}
Pub Date : 2023-07-07DOI: 10.24114/cess.v8i2.46295
Anissa Nurul Farida Tussholikhah, Nurissaidah Ulinnuha, W. D. Utami
Rumah merupakan salah satu kebutuhan primer bagi setiap individu, dan termasuk kedalam aset terpenting yang harus dimiliki. Kelayakan rumah yang layak huni dan tidak layak huni harus dipertimbangkan. Rumah yang tidak memenuhi kecukupan minimum dari segi ruang dan luas ruangan dianggap sebagai Rumah tidak layak huni (RTLH). Untuk mengatasi terjadinya peningkatan RTLH maka pemerintah menanggulanginya dengan memberikan bantuan kepada masyarakat yang layak menerima dengan tepat sasaran. Penelitian ini bertujuan untuk menerapkan metode Naïve Bayes dalam menentukan bantuan tepat sasaran menggunakan dua kelas penelitian, yakni layak menerima bantuan RTLH dan tidak layak menerima bantuan RTLH. Dari analisis klasifikasi menggunakan confusion matrix didapatkan hasil akurasi sebesar 63%, recall 100% dan presisi 25% untuk 400 data training dan 100 data testing dari total 500 data dengan 10 atribut pengujian.The house is one of the primary needs for every individual, and is included in the most important asset that must be owned. The livability of the livable and uninhabitable houses should be considered. A house that does not meet the minimum adequacy in terms of space and room area is considered an uninhabitable house (RTLH). To overcome the increase in RTLH, the government overcomes it by providing assistance to people who deserve to receive it on target. This study aims to apply the Naïve Bayes method in determining targeted assistance using two research classes, namely eligible to receive RTLH assistance and not eligible to receive RTLH assistance. From the classification analysis using the confusion matrix, the results obtained are 63% accuracy, 100% recall and 25% precision for 400 training data and 100 testing data from a total of 500 data with 10 test attributes.
{"title":"Implementation of Naive Bayes Classification Algorithm in Determining Appropriate Help Targets of Unlimited Houses (RTLH) in Bojonegoro District","authors":"Anissa Nurul Farida Tussholikhah, Nurissaidah Ulinnuha, W. D. Utami","doi":"10.24114/cess.v8i2.46295","DOIUrl":"https://doi.org/10.24114/cess.v8i2.46295","url":null,"abstract":"Rumah merupakan salah satu kebutuhan primer bagi setiap individu, dan termasuk kedalam aset terpenting yang harus dimiliki. Kelayakan rumah yang layak huni dan tidak layak huni harus dipertimbangkan. Rumah yang tidak memenuhi kecukupan minimum dari segi ruang dan luas ruangan dianggap sebagai Rumah tidak layak huni (RTLH). Untuk mengatasi terjadinya peningkatan RTLH maka pemerintah menanggulanginya dengan memberikan bantuan kepada masyarakat yang layak menerima dengan tepat sasaran. Penelitian ini bertujuan untuk menerapkan metode Naïve Bayes dalam menentukan bantuan tepat sasaran menggunakan dua kelas penelitian, yakni layak menerima bantuan RTLH dan tidak layak menerima bantuan RTLH. Dari analisis klasifikasi menggunakan confusion matrix didapatkan hasil akurasi sebesar 63%, recall 100% dan presisi 25% untuk 400 data training dan 100 data testing dari total 500 data dengan 10 atribut pengujian.The house is one of the primary needs for every individual, and is included in the most important asset that must be owned. The livability of the livable and uninhabitable houses should be considered. A house that does not meet the minimum adequacy in terms of space and room area is considered an uninhabitable house (RTLH). To overcome the increase in RTLH, the government overcomes it by providing assistance to people who deserve to receive it on target. This study aims to apply the Naïve Bayes method in determining targeted assistance using two research classes, namely eligible to receive RTLH assistance and not eligible to receive RTLH assistance. From the classification analysis using the confusion matrix, the results obtained are 63% accuracy, 100% recall and 25% precision for 400 training data and 100 testing data from a total of 500 data with 10 test attributes.","PeriodicalId":53361,"journal":{"name":"CESS Journal of Computer Engineering System and Science","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-07-07","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"47408988","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}
Pub Date : 2023-07-03DOI: 10.24114/cess.v8i2.43762
Gabriel Indra Widi Tamtama, I. K. D. Senapartha
Sistem pengenalan wajah merupakan salah satu metode dalam teknik biometric yang menggunakan wajah untuk proses identifikasi atau verifikasi seseorang. Teknologi ini tidak memerlukan kontak fisik seperti verifikasi sidik jari dan diklaim lebih aman karena wajah setiap orang memiliki karakter yang berbeda-beda. Terdapat dua fase utama dalam sistem biometrik wajah, yaitu deteksi wajah palsu Presentation Attack (PA) detektor dan pengenalan wajah (face recognition). Penelitian ini melakukan eksperimen dengan tujuan membangun sebuah model pembelajaran mesin (machine learning) berbasis mobile untuk melakukan deteksi wajah palsu ataupun memverifikasi keaslian wajah dengan menggunakan arsitektur Mobilenets. Verifikasi keaslian wajah diperlukan untuk meningkatkan sistem pengenalan wajah sehingga bisa membedakan wajah palsu dengan asli. Wajah palsu bisa dihadirkan dengan menunjukkan rekaman video atau gambar wajah seseorang sehingga bisa memanipulasi sistem. Dengan adanya metode verifikasi wajah asli, maka keamanan sistem bisa ditingkatkan dan meminimalisir penyalahgunaan. Kami menggunakan tiga jenis dataset publik, yaitu Replay-Mobile, Record-MPAD, dan LLC-FSAD untuk bahan training terhadap model anti-spoof yang dibangun. Model anti-spoof wajah dibangun dengan menggunakan arsitektur MobilenetV2 dengan menambahkan 3 layer neural network yang digunakan sebagai layer klasifikasi. Kemudian pengujian secara terkontrol dilakukan dengan menggunakan program komputer menghasilkan nilai HTER 0.17. Sedangkan hasil pengujian secara tidak terkontrol menggunakan aplikasi prototipe Android menghasilkan nilai HTER sebesar 0.21. Hasil pengujian ini menghasilkan selisih nilai HTER sebesar 0.04 yang mengindikasikan bahwa model anti-spoof wajah akan memiliki performa yang cenderung menurun bila digunakan secara real. The facial recognition system is a method in biometric techniques that use faces to identify or verify a person. This technology does not require physical contact such as fingerprint verification and is claimed to be safer because everyone's face has a different character. There are two main phases in the facial biometric system, namely fake face detection (Presentation Attack (PA) detector) and facial recognition. This study conducted experiments with the aim of building a mobile-based machine learning model to detect fake faces or verify facial authenticity using the MobileNets architecture. Verification of facial authenticity is needed to improve the facial recognition system so that it can distinguish fake faces from real ones. Fake faces can be presented by showing video recordings or pictures of someone's face so they can manipulate the system. The real-face verification method can improve system security and minimize misuse. We use three types of public datasets, namely Replay-Mobile, Record-MPAD, and LLC-FSAD for training materials for the built anti-spoof model. The facial anti-spoof model is built using the MobilenetV2 architecture by adding 3 neural ne
{"title":"Fake Face Detection System Using MobileNets Architecture","authors":"Gabriel Indra Widi Tamtama, I. K. D. Senapartha","doi":"10.24114/cess.v8i2.43762","DOIUrl":"https://doi.org/10.24114/cess.v8i2.43762","url":null,"abstract":"Sistem pengenalan wajah merupakan salah satu metode dalam teknik biometric yang menggunakan wajah untuk proses identifikasi atau verifikasi seseorang. Teknologi ini tidak memerlukan kontak fisik seperti verifikasi sidik jari dan diklaim lebih aman karena wajah setiap orang memiliki karakter yang berbeda-beda. Terdapat dua fase utama dalam sistem biometrik wajah, yaitu deteksi wajah palsu Presentation Attack (PA) detektor dan pengenalan wajah (face recognition). Penelitian ini melakukan eksperimen dengan tujuan membangun sebuah model pembelajaran mesin (machine learning) berbasis mobile untuk melakukan deteksi wajah palsu ataupun memverifikasi keaslian wajah dengan menggunakan arsitektur Mobilenets. Verifikasi keaslian wajah diperlukan untuk meningkatkan sistem pengenalan wajah sehingga bisa membedakan wajah palsu dengan asli. Wajah palsu bisa dihadirkan dengan menunjukkan rekaman video atau gambar wajah seseorang sehingga bisa memanipulasi sistem. Dengan adanya metode verifikasi wajah asli, maka keamanan sistem bisa ditingkatkan dan meminimalisir penyalahgunaan. Kami menggunakan tiga jenis dataset publik, yaitu Replay-Mobile, Record-MPAD, dan LLC-FSAD untuk bahan training terhadap model anti-spoof yang dibangun. Model anti-spoof wajah dibangun dengan menggunakan arsitektur MobilenetV2 dengan menambahkan 3 layer neural network yang digunakan sebagai layer klasifikasi. Kemudian pengujian secara terkontrol dilakukan dengan menggunakan program komputer menghasilkan nilai HTER 0.17. Sedangkan hasil pengujian secara tidak terkontrol menggunakan aplikasi prototipe Android menghasilkan nilai HTER sebesar 0.21. Hasil pengujian ini menghasilkan selisih nilai HTER sebesar 0.04 yang mengindikasikan bahwa model anti-spoof wajah akan memiliki performa yang cenderung menurun bila digunakan secara real. The facial recognition system is a method in biometric techniques that use faces to identify or verify a person. This technology does not require physical contact such as fingerprint verification and is claimed to be safer because everyone's face has a different character. There are two main phases in the facial biometric system, namely fake face detection (Presentation Attack (PA) detector) and facial recognition. This study conducted experiments with the aim of building a mobile-based machine learning model to detect fake faces or verify facial authenticity using the MobileNets architecture. Verification of facial authenticity is needed to improve the facial recognition system so that it can distinguish fake faces from real ones. Fake faces can be presented by showing video recordings or pictures of someone's face so they can manipulate the system. The real-face verification method can improve system security and minimize misuse. We use three types of public datasets, namely Replay-Mobile, Record-MPAD, and LLC-FSAD for training materials for the built anti-spoof model. The facial anti-spoof model is built using the MobilenetV2 architecture by adding 3 neural ne","PeriodicalId":53361,"journal":{"name":"CESS Journal of Computer Engineering System and Science","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-07-03","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"44929452","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}
Pub Date : 2023-07-01DOI: 10.24114/cess.v8i2.44303
R. Kosasih, Iffatul Mardhiyah
Salah satu organ penting dalam tubuh manusia adalah jantung, Jika jantung mengalami gangguan maka dapat menyebabkan penyakit jantung. Untuk mendeteksi adanya penyakit jantung biasanya dilakukan dengan berkonsultasi dengan tenaga medis. Akan tetapi dengan semakin banyaknya pasien di rumah sakit akan dapat memperlambat pendeteksian penyakit jantung. Oleh karena itu dibutuhkan suatu sistem yang dapat membantu tenaga medis dalam mempercepat pendeteksian penyakit jantung. Dalam penelitian ini diusulkan untuk menggunakan pendekatan machine learning seperti metode K Nearest Neighbor (KNN) dalam mendeteksi penyakit jantung. Data yang digunakan sebanyak 1025 pasien dengan 13 fitur seperti umur, jenis kelamin, rasa sakit di dada, tekanan darah saat sedang istirahat, kadar kolesterol, gula darah, hasil elektrografik saat sedang istirahat, detak jantung maksimal, jika mengalami nyeri dada saat latihan, depresi yang diinduksi oleh latihan relatif, kemiringan puncak ST segmen, jumlah pembuluh darah yang berwarna setelah diwarnai flourosopy dan tipe kerusakan pembuluh darah. Pada penelitian ini dilakukan tiga skema pembagian data latih dan data uji dengan rasio 60:40, 70:30 dan 80:20. Berdasarkan hasil pengujian diperoleh bahwa tingkat akurasi, presisi dan recall tertinggi terjadi Ketika rasio data latih dan data uji 70:30 yaitu sebesar 97,0779% untuk akurasi, 97,9166% untuk presisi dan 95,9183% untuk recall.One of the important organs in humans is the heart. If the heart is disturbed, it can cause heart disease. To detect the presence of heart disease is usually done in consultation with doctor. However, with the increasing number of patients in the hospital, it will be able to slow down the detection of heart disease. Therefore, we need a system that can assist doctors in accelerating the detection of heart disease. In this study, we propose to use a machine learning approach i.e., K Nearest Neighbor (KNN) method in detecting heart disease. The data used were 1025 patients with 13 features i.e., age, gender, chest pain, blood pressure, cholesterol, blood sugar, electrographic results, maximum heart rate, if you experience chest pain during exercise, depression which exercise-induced relative, peak slope, number of blood vessels after fluoroscopy and type of vessel damage. In this study, we have three schemes in divide training data and test data with ratios of 60:40, 70:30 and 80:20. Based on the test results, it was found that the highest levels of accuracy, precision and recall occurred when the ratio of training data and test data was 70:30, which was 97.0779% for accuracy, 97,9166 for precision and 95,9183% for recall.
{"title":"Implementation of K Nearest Neighbor in Detecting Heart Disease with Various Training Data","authors":"R. Kosasih, Iffatul Mardhiyah","doi":"10.24114/cess.v8i2.44303","DOIUrl":"https://doi.org/10.24114/cess.v8i2.44303","url":null,"abstract":"Salah satu organ penting dalam tubuh manusia adalah jantung, Jika jantung mengalami gangguan maka dapat menyebabkan penyakit jantung. Untuk mendeteksi adanya penyakit jantung biasanya dilakukan dengan berkonsultasi dengan tenaga medis. Akan tetapi dengan semakin banyaknya pasien di rumah sakit akan dapat memperlambat pendeteksian penyakit jantung. Oleh karena itu dibutuhkan suatu sistem yang dapat membantu tenaga medis dalam mempercepat pendeteksian penyakit jantung. Dalam penelitian ini diusulkan untuk menggunakan pendekatan machine learning seperti metode K Nearest Neighbor (KNN) dalam mendeteksi penyakit jantung. Data yang digunakan sebanyak 1025 pasien dengan 13 fitur seperti umur, jenis kelamin, rasa sakit di dada, tekanan darah saat sedang istirahat, kadar kolesterol, gula darah, hasil elektrografik saat sedang istirahat, detak jantung maksimal, jika mengalami nyeri dada saat latihan, depresi yang diinduksi oleh latihan relatif, kemiringan puncak ST segmen, jumlah pembuluh darah yang berwarna setelah diwarnai flourosopy dan tipe kerusakan pembuluh darah. Pada penelitian ini dilakukan tiga skema pembagian data latih dan data uji dengan rasio 60:40, 70:30 dan 80:20. Berdasarkan hasil pengujian diperoleh bahwa tingkat akurasi, presisi dan recall tertinggi terjadi Ketika rasio data latih dan data uji 70:30 yaitu sebesar 97,0779% untuk akurasi, 97,9166% untuk presisi dan 95,9183% untuk recall.One of the important organs in humans is the heart. If the heart is disturbed, it can cause heart disease. To detect the presence of heart disease is usually done in consultation with doctor. However, with the increasing number of patients in the hospital, it will be able to slow down the detection of heart disease. Therefore, we need a system that can assist doctors in accelerating the detection of heart disease. In this study, we propose to use a machine learning approach i.e., K Nearest Neighbor (KNN) method in detecting heart disease. The data used were 1025 patients with 13 features i.e., age, gender, chest pain, blood pressure, cholesterol, blood sugar, electrographic results, maximum heart rate, if you experience chest pain during exercise, depression which exercise-induced relative, peak slope, number of blood vessels after fluoroscopy and type of vessel damage. In this study, we have three schemes in divide training data and test data with ratios of 60:40, 70:30 and 80:20. Based on the test results, it was found that the highest levels of accuracy, precision and recall occurred when the ratio of training data and test data was 70:30, which was 97.0779% for accuracy, 97,9166 for precision and 95,9183% for recall.","PeriodicalId":53361,"journal":{"name":"CESS Journal of Computer Engineering System and Science","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-07-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"44086485","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}
Pub Date : 2023-07-01DOI: 10.24114/cess.v8i2.45319
Adi Mulia, Akhmad Rizal Dzikrillah
Penelitian ini dilakukan dengan tujuan yang didasarkan pada masalah yang muncul di masyarakat, yaitu kenaikan harga BBM. Metode klasifikasi sentimen yang diterapkan dalam penelitian ini adalah dengan menggunakan kamus korpus leksikon yang memperhitungkan nilai sentimen positif dan negatif. Peneliti lalu melakukan komparasi sentiment antara sebelum dan sesuadah kebijakan kenaikan harga BBM. Selanjutnya, peneliti menerapkan topik pemodelan Latent Dirichlet Allocation atau (LDA) untuk mengetahui apakah perbincangan kenaikan harga BBM menjadi topik utama saat BBM naik. Hasil dari penelitian ini menunjukkan bahwa setelah mengumumkan kenaikan harga BBM pada bulan September 2022, Persentase tweet bersentimen negatif yang mengarah kepada Presiden Jokowi mengalami kenaikan jika dibandingkan dengan sebelum mengumumkan kenaikan harga BBM. Persentase tweet bersentimen positif yang mengarah kepada presiden Jokowi mengalami penurunan jika dibandingkan dengan sebelum menaikkan harga BBM. Pada bulan saat presiden Jokowi mengumumkan kebijakan kenaikan harga BBM yaitu pada bulan September 2022, topik perbincangan yang berkaitan dengan kebijakan kenaikan harga BBM merupakan topik perbincangan terpopuler pada tweet yang mengarah kepada Presiden Jokowi. 33,8 % twit yang memperbincangkan kenaikan harga bahan bakar minyak adalah twit yang bersentimen negatif dengan topik perbincangan terpopuler netizen bersentimen negatif adalah topik-topik yang berelasi kritik pada pemerintahan Jokowi.This research was based on a problem that arose in the community, which was the increase in fuel prices. The sentiment classification method applied by the researcher is by using a lexicon corpus dictionary that considers positive and negative sentiment values. The researcher then compares sentiment between before and after the fuel price increase policy. Furthermore, the researcher applied Latent Dirichlet Allocation or (LDA) topic modeling to find out whether discussion of fuel price increase became the main topic when fuel rose. The results of this study show that after announcing the fuel price increase in September 2022, the percentage of negative tweets directed at President Jokowi has increased when compared to before announcing fuel price increase. The percentage of positive tweets directed at President Jokowi decreased when compared before raising fuel prices. In the month when President Jokowi announced fuel price increase policy, namely in September 2022, the topic of conversation related to fuel price increase policy was the most popular topic of conversation in tweets directed at President Jokowi. 33.8% of tweets that discussed fuel price increase negative tweets with the most popular topics of discussion netizens with negative sentiments topics related to criticism of Jokowi government.
{"title":"Analysis of Indonesian Netizens' Dissent on President Jokowi before and after Fuel Price Increase","authors":"Adi Mulia, Akhmad Rizal Dzikrillah","doi":"10.24114/cess.v8i2.45319","DOIUrl":"https://doi.org/10.24114/cess.v8i2.45319","url":null,"abstract":"Penelitian ini dilakukan dengan tujuan yang didasarkan pada masalah yang muncul di masyarakat, yaitu kenaikan harga BBM. Metode klasifikasi sentimen yang diterapkan dalam penelitian ini adalah dengan menggunakan kamus korpus leksikon yang memperhitungkan nilai sentimen positif dan negatif. Peneliti lalu melakukan komparasi sentiment antara sebelum dan sesuadah kebijakan kenaikan harga BBM. Selanjutnya, peneliti menerapkan topik pemodelan Latent Dirichlet Allocation atau (LDA) untuk mengetahui apakah perbincangan kenaikan harga BBM menjadi topik utama saat BBM naik. Hasil dari penelitian ini menunjukkan bahwa setelah mengumumkan kenaikan harga BBM pada bulan September 2022, Persentase tweet bersentimen negatif yang mengarah kepada Presiden Jokowi mengalami kenaikan jika dibandingkan dengan sebelum mengumumkan kenaikan harga BBM. Persentase tweet bersentimen positif yang mengarah kepada presiden Jokowi mengalami penurunan jika dibandingkan dengan sebelum menaikkan harga BBM. Pada bulan saat presiden Jokowi mengumumkan kebijakan kenaikan harga BBM yaitu pada bulan September 2022, topik perbincangan yang berkaitan dengan kebijakan kenaikan harga BBM merupakan topik perbincangan terpopuler pada tweet yang mengarah kepada Presiden Jokowi. 33,8 % twit yang memperbincangkan kenaikan harga bahan bakar minyak adalah twit yang bersentimen negatif dengan topik perbincangan terpopuler netizen bersentimen negatif adalah topik-topik yang berelasi kritik pada pemerintahan Jokowi.This research was based on a problem that arose in the community, which was the increase in fuel prices. The sentiment classification method applied by the researcher is by using a lexicon corpus dictionary that considers positive and negative sentiment values. The researcher then compares sentiment between before and after the fuel price increase policy. Furthermore, the researcher applied Latent Dirichlet Allocation or (LDA) topic modeling to find out whether discussion of fuel price increase became the main topic when fuel rose. The results of this study show that after announcing the fuel price increase in September 2022, the percentage of negative tweets directed at President Jokowi has increased when compared to before announcing fuel price increase. The percentage of positive tweets directed at President Jokowi decreased when compared before raising fuel prices. In the month when President Jokowi announced fuel price increase policy, namely in September 2022, the topic of conversation related to fuel price increase policy was the most popular topic of conversation in tweets directed at President Jokowi. 33.8% of tweets that discussed fuel price increase negative tweets with the most popular topics of discussion netizens with negative sentiments topics related to criticism of Jokowi government. ","PeriodicalId":53361,"journal":{"name":"CESS Journal of Computer Engineering System and Science","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-07-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"48459363","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：