Journal of Informatics and Computer Science (JINACS)

Analisis QoS Dan QoE Pada Video Streaming Berbasis IoT Menggunakan ESP32-CAM dan NGROK

2024-02-28T04:55:24+00:00

Penelitian ini menghasilkan analisis Quality of Service dan Quality of Experience (QoE) menggunakan metode MOS berbasis Internet of Things (IoT) menggunakan ESP32Cam dan Ngrok Server. Internet of Things pada dasarnya memberikan kemudahan para penggunaannya namun hal tersebut belum tentu memberikan efisiensi dan hasil yang diinginkan. Makada dari itu analisis ini menganalisa sebuah traffic jaringan yang menguhubungkan antara ESP32Cam dengan Ngrok Server saat melakukan monitoring pada suatu tempat yang terbuka. Hasil penelitian menunjukan bahwa Quality of Service menghasilkan nilai yang berbanding lurus dengan kualitas video tersebut. Nilai Throughput 1341kbps (Sangat baik), delay 2,0783832ms (Baik), Jitter 2,601221ms (Baik), dan Packet Loss 0.8% pada live-streaming sesuai dengan standar ITU-T dan TIPHON. Hasil yang sama pada penggunaan NGROK Server saat melakukan video streaming secara bergantian pada user ditunjukan pada hasil MOS (Mean Opinion Score) ialah 84% (Sangat Baik). Dengan hasil analisis ini memberikan kesempatan pada penelitian selanjutnya untuk menambahkan pengembangan live-streaming ESP32Cam secara source code maupun servernya.

Kata Kunci— Quality of Service (QOS), Mean Opinion Score (MOS), ESP32Cam, Internet of Things (IoT), NGROK.

Api First Development Portal Informasi Produk Umkm Kerupuk Di Kecamatan Tulangan, Kabupaten Sidoarjo Berbasis Microservices

2024-02-28T04:55:25+00:00

UMKM kerupuk di Kecamatan Tulangan Kabupaten Sidoarjo memiliki banyak produk kerupuk. Salah satu produk UMKM yang menjadi ikonik adalah usaha rumahan yang menghasilkan aneka ragam kerupuk melalui proses pengolahan. Namun dalam hal ini masih memiliki salah satu hal yang kurang diperhatikan, yaitu dalam pemasaran dan promosi. Penyampaian informasi dilakukan melalui berbagai macam jenis media. Peneliti memilih media WebAPI untuk memberikan informasi yang bersifat publik serta dapat diakses dan dikelola oleh publik. Peneliti merancang sistem layanan informasi berbasis API yang menyediakan data produk kerupuk olahan UMKM di Kecamatan Tulangan, Kabupaten Sidoarjo. Sistem tersebut dapat diakses oleh user yang terdaftar untuk mendapatkan informasi produk. User yang telah terdaftar juga dapat berkontribusi untuk mengelola produk kerupuk oleh masing-masing user. Pengembangan sistem layanan informasi kerupuk menggunakan metode API first development digunakan agar pengembangan tersebut dilakukan secara terfokus dengan kebutuhan fungsional sistem.

Berdasarkan penelitian yang sudah dilaksanakan, dengan mengambil dari banyaknya data yang diuji coba hingga membantu berjalannya bisnis kerupuk, pengembangan layanan sistem informasi berbasis WebAPI. Karena pada UMKM terdapat beberapa produk kerupuk unggulan, peneliti membuat sistem layanan informasi yang dapat membantu memberikan detail informasi kerupuk produksi UMKM kepada klien/user yang mengakses sistem tersebut dengan WebAPI. Pertimbangan penggunaan arsitektur microservice agar sistem dapat terisolasi dan berfokus pada modul tertentu. Dengan arsitektur microservice, ketika terdapat pengembangan selanjutnya baik minor maupun major dapat dilakukan secara parsial ataupun paralel. Pengembangan dengan menerapkan API first juga dilakukan dengan tujuan tercapainya produk WebAPI sehingga pengembangan layanan agar terbangun sesuai kebutuhan.

Kata Kunci – UMKM, Web API, Microservices, CNN, API First Developments.

Prediksi Siswa Putus Sekolah Menggunakan Algoritma Decision Tree C4.5

2024-02-28T04:55:25+00:00

Abstrak— Pendidikan merupakan salah satu usaha sadar suatu bangsa, yang berguna dalam meningkatkan kualitas atau kemampuan sumber daya manusia (SDM), dengan melakukan aktivitas belajar yang bisa membantu siswa untuk meningkatkan kemampuan yang ada pada dirinya secara maksimal. Peningkatan kualitas pendidikan nasional yang pada saat ini sedang dilakukan oleh pemerintah, masih banyak hambatan yang dilalui di--lingkungan. Besarnya jumlah siswa putus sekolah (dropout) adalah salah satu masalah utama yang selalu diperhatikan oleh pemerintah. Penelitian ini dimaksudkan untuk memprediksi siswa putus sekolah dengan menerapkan metode Decision Tree C4.5. Algoritma Decision Tree C4.5 bisa menjalankan perkiraan kemungkinan di masa depan dengan menggunakan data—yang sudah ada pada sebelumnya—dan memperhitungkan sebagian variabel yang akan menjadi penentu hasil akhir suatu keputusan. Hasil dari penggunaan data--mining dengan algoritma Decision Tree C4.5 bisa diterapkan dalam melakukan prediksii jumlah siswa putus sekolah. Dari hasil pengujian algoritma decision tree C4.5 didapatkan nilai akurasi sebesar 92%, presisi 84% dan recall sebesar 50%. Pada sistem menampilkan pohon keputusan dengan hasil yang diperoleh yaitu data siswa putus sekolah lebih sedikit dibandingkan dengan data siswa yang masih aktif (tidak putus sekolah).

Kata Kunci— Pendidikan, Siswa putus sekolah, Prediksi, Algoritma Decision Tree C4.5

Analisis Perbandingan Metode Pengenalan Wajah untuk Absensi Online dengan KNN dan Local Binary Pattern Histogram (LBPH)

2024-02-28T04:55:25+00:00

Abstrak— Pengenalan wajah merupakan bagian integral dari sistem biometrik yang banyak digunakan dalam berbagai aplikasi, termasuk dalam sistem absensi online. Penelitian ini bertujuan untuk membandingkan dua metode pengenalan wajah, yaitu k-Nearest Neighbor (KNN) dan Local Binary Pattern Histogram (LBPH), dalam konteks implementasi sistem absensi online. Dengan memanfaatkan data wajah dari 10 individu dengan masing-masing paling sedikit 100 citra wajah, penelitian ini melibatkan pengambilan data wajah secara realtime menggunakan webcam dan analisis performa metode KNN serta LBPH. Hasil pengujian menunjukkan bahwa metode KNN, dengan total 1011 wajah, mencapai akurasi terbaik sebesar 98,52% untuk pengenalan wajah. Sementara itu, metode LBPH memberikan hasil terbaik sebesar 81% untuk pencocokan wajah per individu. Dari hasil pengujian yang telah dilakukan menunjukkan bahwa akurasi yang dihasilkan dengan menggunakan metode KNN memiliki akurasi lebih baik dibandingkan LBPH. Penelitian ini memberikan pemahaman yang lebih baik tentang kecocokan dan keunggulan relatif dari kedua metode dalam konteks pengenalan wajah untuk tujuan absensi online.

Kata Kunci— Analisis, Pengenalan Wajah, K-Nearest Neighbor (KNN), Local Binary Pattern Histogram (LBPH), Sistem Absensi Online.

Analisis Perbandingan Performa Download Pada Manajemen Bandwidth Mikrotik Routerboard Menggunakan Metode Simple Queue dan Queue Tree HTB

2024-03-07T03:18:32+00:00

Abstrak— Penelitian ini mengeksplorasi pemanfaatan teknologi jaringan pada MikroTik RouterBoard untuk meningkatkan manajemen bandwidth melalui metode Simple Queue dan Queue Tree HTB. Dengan pertumbuhan pesat pengguna internet, khususnya pada jaringan internet, optimalisasi jaringan komputer menjadi kunci peningkatan produktivitas. Fokus utama penelitian adalah analisis kualitas download jaringan yang diuji melalui simulasi VirtualBox dengan PC sebagai client. Tujuan penelitian mencakup implementasi dan analisis perbandingan kedua metode, dengan MikroTik RouterBoard sebagai platform. Manfaat penelitian mencakup pemahaman mendalam kelebihan dan kelemahan metode, kontrol bandwidth, dan pemahaman performa optimal.

Hasil penelitian menunjukkan bahwa metode Queue Tree HTB lebih ada kepastian bandwith yang diperoleh jika dibandingkan dengan metode Simple Queue, karena pada metode Queue Tree HTB dapat menggunakan priority sehingga bandwith tidak berebut dan dapat disesuiakan dengan skenario Administrator Jaringan

Penerapan MADM-ELECTRE untuk Penerimaan Beasiswa Pemerintah Kabupaten Bojonegoro

2024-04-19T01:46:43+00:00

Abstrak— Banyaknya program beasiswa saat ini tentu menarik minat pelajar maupun mahasiswa untuk melanjutkan pendidikan. Hal ini disebabkan oleh, sebagian besar bangsa ini tidak dapat melanjutkan pendidikan disebabkan oleh faktor ekonomi. Salah satu program beasiswa yang diselenggarakan oleh daerah untuk meningkatkan sumber daya manusia adalah beasiswa yang diselenggarakan oleh Dinas Pendidikan Kabupaten Bojonegoro. Namun, proses seleksi masih dilakukan secara manual, tentunya hal ini dapat menyebabkan penerima beasiswa tidak tepat sasaran juga meningkatkan kesalahan dari manusia karena banyaknya data yang harus diolah. Penelitian ini bertujuan untuk memberikan solusi untuk mengatasi permasalahan tersebut.

Dalam simulasinya dalam penelitian menggunakan Metode ELECTRE. Hasil dari metode ELECTRE membutuhkan waktu 2,76408 untuk mengeksekusi data yang digunakan. Karena Metode ELECTRE bekerja dengan membandingkan masing-masing peserta berdasarkan atribut yang ada, sehingga dapat meningkatkan skor. Untuk hasil nilai terendah yang diperoleh peserta seleksi beasiswa yaitu 0,00 yang membuktikan bahwa pada studi kasus ini Metode ELECTRE memiliki angka kompetisi yang tinggi.

Kata Kunci— Beasiswa, Metode ELECTRE, Pendidikan, Algoritma MADM

Implementasi Unit Testing pada Website Columbia Catanta Menggunakan Algoritma Generate dan Test Case

2024-04-26T02:55:08+00:00

Penelitian ini bertujuan untuk mengevaluasi hasil implementasi unit testing pada Website Columbia Catanta menggunakan algoritma generate dan test case, serta menganalisis tingkat keberhasilan unit testing berdasarkan test case yang dibuat. Implementasi unit testing dilakukan untuk mengidentifikasi dan memperbaiki bug yang mungkin ada dalam Website manajemen kontrak Columbia Catanta. Pengujian dilakukan dengan mengukur persentase keberhasilan uji pada unit-unit yang telah ditentukan, seperti function dan object yang digunakan dalam website. Hasil penelitian menunjukkan bahwa sebelum dilakukan unit testing, terdapat 4 bug yang ditemukan. Namun, setelah dilakukan testing menggunakan 13 class, tidak ditemukan adanya bug dalam pengujian skenario. Pengujian ini membuktikan efektivitas unit testing dalam meningkatkan kualitas perangkat lunak dengan menghasilkan hasil pengujian 100%. Hasil ini menunjukkan pentingnya penerapan unit testing dalam pengembangan website untuk memastikan kinerja dan keandalannya secara menyeluruh.

Kata Kunci— Unit testing, Website, Algoritma, Generate, Test Case.

Implementasi Server Side Rendering Pada Sistem Absensi Mahasiswa Berbasis Website

2024-04-26T03:23:53+00:00

Di era digital yang terus berkembang, teknologi informasi telah mengalami percepatan yang luar biasa, terutama dalam bidang pengembangan website. Salah satu perkembangan website saat ini menjadi salah satu aspek penting dalam lingkungan akademik adalah sistem absensi. Server side Rendering merupakan suatu teknologi rendering dalam pengembangan suatu website dimana website tersebut dirender di sisi server.Tujuan penelitian ini berfokus untuk menjelaskan dan menunjukan implementasi Server Side Rendering (SSR) pada sistem absensi mahasiswa berbasis website, menjelaskan dan membandingkan performa website yang mengimplementasikan Server Side Rendering dengan website yang mengimplementasikan Client Side Rendering (CSR). Hasil penelitian ini menunjukan bahwa implementasi Server side Rendering berhasil digunakan dan diimplementasikan pada sistem absensi mahasiswa berbasis website. Website dapat berjalan dengan baik dan dapat dirender dengan baik di sisi server. Hasil pengujian menunjukan bahwa implementasi Server side Rendering memiliki perbandingan kecepatan index (SI) memiliki rasio perbandingan ± 0,15 detik, waktu muat pertama (FCP) sebesar ± 0,20 detik, dan muat konten terbesar (FCP) sebesar sebesar ± 0,20 detik berdasarkan pengambilan data menggunakan tool pengujian yang telah ditetapkan. Pengujian dan perbandingan setiap data yang dikumpulkan menunjukan bahwa website Server side Rendering memiliki keunggulan dalam performa dan waktu muat, namun memiliki kelemahan yang sangat penting, yaitu adalah biaya beban dan pemeliharaan server dibandingakan website yang menggunakan Client side Rendering. Namun keunggulan di sisi keamanan dan SEO yang menjadi poin penting pada saat mengembangkan website Server side Rendering.

Kata Kunci— Server Side Rendering, Client Side Rendering, Performa, Website, Absensi

Implementasi Deep Transfer Learning untuk Klasifikasi Nominal Uang Kertas Rupiah

2024-04-30T03:32:16+00:00

Penerapan teknologi otomatisasi dilakukan dalam proses transaksi jual beli menggunakan mesin sebagai perantara. Mesin tersebut bertindak sebagai penjual yang memiliki kemampuan serupa dengan otak manusia, termasuk kemampuan membaca dan mengenali nominal uang dengan cepat dan tepat. Penggunaan teknologi otomatisasi ini menjadi solusi kemudahan dalam kegiatan jual beli. Untuk itu, penelitian ini memfokuskan pada pengenalan nominal mata uang kertas rupiah dengan menerapkan teknologi Deep Transfer Learning - algoritma Convolutional Neural Network (CNN). Lebih jauh, penelitian ini melakukan pemilihan arsitektur pretrained model yang sesuai dan penyesuaian nilai learning rate yang dapat mempengaruhi kinerja model klasifikasi. Jumlah epoch yang optimal juga dipertimbangkan untuk memastikan model memiliki cukup kesempatan untuk belajar dari data pelatihan. Selain itu, penggunaan batch size yang dinilai paling ideal juga dieksplorasi karena hal ini dapat mempengaruhi tercapainya performa tinggi dengan waktu komputasi yang efisien.

Hasil uji coba memperlihatkan bahwa model yang paling optimal dicapai ketika model dibangun dengan menggunakan pretrained model VGG16 dengan kombinasi hyperparameter learning rate 0.0001, batch size 20, dan 15 epochs. Kemudian, hasil evaluasi kinerja model saat pelatihan menunjukkan nilai rata-rata akurasi 94.29%, presisi 95.01%, recall 94.29%, f1-score 94.26%, dan AUC 99.84%. Setelah dilakukan testing dengan data uji diperoleh rata-rata nilai accuracy 92.86%, precision 94.07%, recall 92.86%, f1-score 93.03%, dan AUC 99.64%.

Kata Kunci— Deep Transfer Learning, Convolutional Neural Network, VGG16, Klasifikasi, Uang Kertas Rupiah.

Perbandingan Klasifikasi Hasil Indeks Kepuasan Masyarakat Terhadap Upt Balai Latihan Kerja Surabaya Menggunakan Algoritma Decision Tree, Random Forest, K-Nearest Neighbor

2024-04-30T07:54:51+00:00

Abstrak – Pelaksanaan evaluasi hasil indeks kepuasan masyarakat terhadap UPT Balai Latihan Kerja Surabaya yang dilakukan dengan cara memberikan kuisioner kepada masyarakat dan perserta pelatihan yang ada di UPT Balai Latihan Kerja Surabaya, kemudian berkas kuisioner diserahkan kepada pihak Staff Pengembangan dan Pemasaran.. Akan tetapi hasil kuisioner yang seharusnya diberikan kepada kepala UPT Balai Latihan Kerja Surabaya sebagai bahan evaluasi UPT Balai Latihan Kerja Surabaya sering kali hanya terbengkalai dan tidak diproses lebih lanjut olehUPT Balai Latihan Kerja Surabaya. Sehingga evaluasi kuisioner khususnya pada sarana prasarana melalui selembaran kertas bisa dianggap tidak efektif dan tidak sesuai sasaran.Untuk mengatasi permasalah diatas penulis memberikan alternatif denga ncaramemanfaatkan ilmu yang diperoleh selama perkuliahan dengan menggunakan teknik data mining untuk memprediksi tingkat kepuasan masyarakat menggunakan metode perbandingan 3 algoritma yaitu DecisionTree, RandomForest, K-Nearest Neighbor. Klasifikasi merupakanTeknik dalam data mining untuk mengklompokkan data berdasarkan data terhadap data sampel.Pada penelitian ini,penulis melakukan perbandingan 3 teknik klasifikasi untuk mengklasifikasikan respon kepuasan masyarakat pada dataset UPT Balai Latihan Kerja Surabaya.Perbandingan teknik klasifikasi ini dilakukan untuk mengetahui model dalam teknik klasifikasi mana yang paling efektif untuk mengklasifikasikan target pada dataset UPT Balai Latihan Kerja Surabaya.Proses klasifikasi diawali dengan preprocessing data untuk melakukan penghilangan missing value danpemilihan fitur pada dataset. Pada tahap evaluasi digunakkan teknik confusion matrix dan Kfold crossvalidation. Setelah dilakukan pengujian, didapatkanbahwa hasil klasifikasi menunjukan akurasi terbaikdiperoleh oleh model Random Forest memperoleh accuracy1.00,DecisionTree memperoleh accuracy 0.91,danK-NearestNeighbor 0.94.

KataKunci: Perbandingan,Klasifikasi,datamining, Decision Tree, Random Forest, K-NearestNeighbor

Klasifikasi Tingkat Stres Mahasiswa Menggunakan RMSProp untuk Arsitektur Artificial Neural Network

2024-05-06T03:16:46+00:00

Abstrak— Beratnya berbagai tuntutan yang dihadapi mahasiswa membuat mereka kerap mengalami gejala stres. Gejala stres yang terus menerus dapat memperburuk keadaan psikis dan fisik mahasiswa yang pada akhirnya menyebabkan turunnya kinerja akademik mereka. Namun, gejala stres tidak dapat ditangani secara sembarangan. Perlu adanya penanganan gejala stres yang tepat yang disesuaikan dengan tingkat stres yang dialami. Untuk itu, pengklasifikasian tingkat stres mahasiswa sangat diperlukan untuk memberikan penanganan lebih lanjut yang tepat. Oleh karena itu, penelitian ini memfokuskan pada bagaimana cara mengklasifikasikan tingkat stres mahasiswa secara otomatis menggunakan teknologi Artificial Neural Network (ANN). Dalam penelitian ini, kinerja ANN ditingkatkan dengan melakukan pengujian terhadap RMSProp optimizer dengan berbagai variasi hyperparameter dan percobaan dengan dan tanpa oversampling SMOTE-N. Setelah pengujian dilakukan sebanyak 52 kali, hasil ujicoba memperlihatkan bahwa RMSProp dengan SMOTE-N lebih unggul dibanding RMSProp tanpa SMOTE-N. Akurasi RMSProp dengan SMOTE-N berhasil mencapai 96%, sedangkan akurasi RMSProp tanpa SMOTE-N sebesar 88% sehingga SMOTE-N pada model dapat meningkatkan kinerja sebesar 8%.

Kata Kunci— klasifikasi, stres, mahasiswa, ANN, SMOTE-N

Pengembangan Aplikasi Virtual Reality Pemandu Senam Lansia Berbasis Android Untuk Motivasi Olahraga Lansia

2024-05-07T07:14:47+00:00

Abstrak—Jumlah populasi penduduk lansia di dunia akan terus meningkat. Dengan meningkatnya jumlah lansia dapat memberikan dampak negatif apabila tidak diimbangi dengan mempertahankan kesejahteraan lansia. Senam lansia olahraga ringan dan mudah dilakukan, yang dapat diterapkan pada lansia untuk meningkatkan kebugaran jasmaninya. Penelitian ini bertujuan untuk mengembangkan Aplikasi Android Pemandu Senam Kebugaran menggunakan teknologi Virtual Reality (VR) dengan Google Cardboard, ditujukan khusus untuk lansia. Proses pengembangan sistem dilakukan dengan metode MDLC (Multimedia Development Life Cycle) dengan tujuan mengukur pengaruhnya terhadap motivasi lansia dalam berolahraga. Hasil penelitian mencakup pembangunan aplikasi VR pemandu senam lansia berbasis Android serta pengujian Alpha Testing dan Beta Testing. Pengujian Alpha Testing menggunakan Whitebox Basic path menghitung nilai Cyclomatic Complexity(CC),menunjukkan resiko bug rendah pada AppManager dan sedang pada GameManager, dengan hasil pengujian Blackbox menyatakan 93% lulus, 7% kondisi else, dan 0% kegagalan. Pengujian Beta Testing menunjukkan tingkat motivasi lansia yang sangat tinggi dalam menggunakan aplikasi VR, dengan mayoritas responden berada pada kategori sangat tinggi (65%), diikuti oleh kategori tinggi (30%), dan sedang (6%), tanpa ada responden pada kategori rendah atau sangat rendah. Kesimpulannya, penelitian ini menunjukkan respon positif dari lansia terhadap pengalaman berolahraga yang lebih interaktif menggunakan aplikasi VR.

Kata Kunci— MDLC (Multimedia Development Life Cycle), Cyclomatic Complexity(CC), Alpha Testing, Beta Testing, Virtual Reality, motivasi senam lansia

Implementasi State Compression dengan NFT (Non-Fungible Token) Pack pada Blockchain Solana untuk Penjualan & Pembelian Paket NFT dalam Game berbasis Web3

2024-05-16T02:23:16+00:00

Penelitian ini bertujuan mengimplementasikan "NFT Pack" dalam ekosistem game Web3 di blockchain Solana dengan menggunakan teknologi State Compression untuk meningkatkan efisiensi dan keamanan transaksi NFT. Melalui integrasi paket NFT yang mendukung lebih dari satu NFT, penelitian ini bertujuan memberikan inovasi baru bagi pemain game Web3. Dengan penerapan State Compression, biaya transaksi dapat dikurangi dan efisiensi penyimpanan data ditingkatkan. Hasil penelitian menunjukkan bahwa implementasi NFT Pack dengan State Compression berhasil, dengan smart contract yang memfasilitasi pembelian, penjualan, dan interaksi NFT dalam paket. Pengujian menunjukkan pengaruh positif terhadap biaya transaksi dan efisiensi tanpa mengurangi keamanan system yang ada sebelumnya. Kesimpulan menghasilkan bahwa studi kasus NFT Pack berhasil dan terbukti aman, serta menyoroti potensi besar implementasi ini dalam meningkatkan efisiensi transaksi dan pengalaman pengguna di ekosistem game Web3. Penggunaan State Compression pada Compressed NFT menghasilkan penghematan biaya yang signifikan kurang lebih 95,3% dibandingkan NFT biasa dan potensi skalabilitas lebih tinggi. Saran untuk penelitian mendatang meliputi penelitian lebih lanjut mengenai keamanan dan skalabilitas, serta pengembangan fitur inovatif untuk meningkatkan interaksi pengguna dengan NFT.

Kata Kunci— Blockchain, Non-Fungible Token, Smart Contract, Solana, Compressed NFT.

Implementasi Fisher Yates Shuffle pada Website Latihan Soal Japanese Language Profiency Test

2024-05-16T02:42:29+00:00

Abstrak— Bahasa Jepang semakin diminati di seluruh dunia untuk tujuan akademik, profesional, dan budaya, dengan Japanese Language Proficiency Test (JLPT) sebagai standar penilaian kemahiran internasional. Penelitian ini bertujuan untuk mengembangkan platform latihan soal JLPT yang inovatif menggunakan metode Fisher-Yates Shuffle, dengan fokus pada peningkatan ketersediaan, variasi latihan, dan pengalaman belajar para pemelajar. Evaluasi pengguna menunjukkan tingkat kepuasan yang tinggi, sedangkan pengujian algoritma memastikan keberagaman dan keacakan soal. Selain itu, penelitian ini juga menyelidiki dampak penggunaan metode ini terhadap efisiensi pengujian dan efektivitas pembelajaran bahasa Jepang. Dengan menyediakan latihan yang bervariasi dan dinamis melalui platform inovatif ini, penelitian ini berkontribusi pada pemelajar bahasa Jepang di seluruh dunia. Diharapkan platform ini dapat menjadi sumber belajar yang efektif untuk meningkatkan kemampuan bahasa Jepang para pemelajar. Penelitian ini memberikan landasan bagi pengembangan lebih lanjut dalam konteks pembelajaran bahasa Jepang secara global.

Kata Kunci— Bahasa Jepang, Japanese Language Proficiency Test (JLPT), Fisher-Yates Shuffle, Latihan soal, Pengalaman belajar, Evaluasi pengguna.

Rancang Bangun Game 2D Metabharata Berbasis Android dengan Waterfall Model Menggunakan Software Unity Sebagai Game Berbasis Kesenian Wayang Jawa

2024-05-16T03:04:29+00:00

Pengembangan game 2D Metabharata diinisiasi sebagai upaya untuk memperkenalkan dan melestarikan kesenian wayang Jawa, khususnya kepada generasi muda. Wayang Jawa, dengan nilai seni dan filosofi yang mendalam, dianggap memiliki potensi untuk disampaikan secara kreatif melalui medium game 2D. Penelitian ini menerapkan metode pengembangan Waterfall model untuk memastikan pendekatan terstruktur dalam proses pembuatannya. Game Metabharata diarahkan untuk menyatukan teknologi digital, metode pengembangan perangkat lunak yang terstruktur, dan kekayaan seni budaya wayang Jawa. Manfaat dari penelitian ini melibatkan peningkatan apresiasi seni wayang Jawa, terhubungnya generasi dengan budaya lokal, dukungan bagi pengembangan game lokal, serta kontribusi sebagai media yang menarik dan interaktif dalam merevitalisasi budaya. "Metabharata" diharapkan menjadi alat efektif untuk mempertahankan dan membangkitkan kembali minat generasi muda terhadap budaya lokal, terutama budaya Jawa. Pengujian game ini melibatkan analisis validitas konten, validitas konstruk melalui pendekatan multi-ahli, dan pengujian usability dengan USE Questionnaire. Hasil validitas menunjukkan tingkat validitas sangat valid, dan pengujian kegunaan menunjukkan kepuasan yang tinggi dengan persentase kegunaan sebesar 94%. Dengan hasil ini, dapat disimpulkan bahwa "Metabharata" layak dipertahankan dan dikembangkan lebih lanjut sebagai kontribusi terhadap pengembangan game berbasis budaya lokal.

Kata Kunci— 2D Game, Metabharata, Waterfall Model, Wayang Jawa, Revitalisasi Budaya.

Penerapan Metode Deep Learning Menggunakan Algoritma CNN based Recommendation pada Aplikasi E-Commerce Gols (Studi Kasus : PT. Cipta Giri Sentosa)

2024-05-16T03:27:58+00:00

Perkembangan zaman Teknologi informasi dan komunikasi yang sangat pesat di era sekarang, menggiring masyarakat untuk melakukan banyak hal secara online. Efektivitas dan efisiensi yang sangat tinggi menjadi hal yang dapat diandalkan bagi masyarakat untuk mempermudah dalam kegiatan sehari-hari. Termasuk pada trend berbelanja masyarakat dimana sebelumnya dilakukan secara offline yang mengharuskan masyarakat untuk datang ke lokasi perbelanjaan /toko untuk membeli barang yang diinginkan. Kini, masyarakat dapat berbelanja dimanapun dan kapanpun hanya dengan bermodalkan perangkat (HP/Laptop). Tak hanya masyarakat dapat berbelanja, namun masyarakat yang ingin menjual barang apapun, tidak perlu repot untuk membuat gerai/toko, cukup dengan mendaftarkan pada platform yang menyediakan jasa jual/beli. Namun terdapat tantangan bagi pembeli dimana dari banyaknya kategori dan jenis barang yang tentunya akan memberi kesulitan bagi pembeli untuk mencari yang diinginkan.
Dalam mengatasi hal tersebut, maka berkembanglah sistem rekomendasi yang memudahkan pembeli untuk memfilter secara spesifik produk yang diinginkan. Penelitian mengenai sistem rekomendasi ini juga mengalami banyak perkembangan. Deep Learning merupakan salah satu contoh metode yang dikembangkan untuk sistem rekomendasi ini, dimana metode ini turunan dari Artificial Neural Network yang bertujuan untuk membangun saraf visual mirip dengan jaringan otak manusia yang dapat menganalisis dan memproses data besar secara otomatis.
Pada penelitian kali ini metode Deep Learning yang digunakan yaitu algoritma CNN (Convolutional Neural Network) yang dirancang untuk menganalisis dan memproses 8 kategori fashion dengan total 6000 training data gambar (750 data gambar per kategori) dan 1000 test data gambar (125 data gambar per kategori). Hasil akurasi terbaik yang didapatkan dari training data sebanyak 70 epochs yaitu di angka 86,42%.

Implementasi Algoritma Apriori Untuk Analisis Pola Pemilihan Menu Pre-Order Dan Inovasi “Paket Hemat” Pada Pawon Lelly

2024-05-16T06:37:20+00:00

Algoritma apriori adalah salah satu algoritma analisis data dalam data mining, khususnya dalam menemukan pola asosiasi antara item dalam data. Algoritma ini sangat berguna dalam di bidang Food and Beverages (FNB), karena dapat mengidentifikasi kombinasi produk yang sering dibeli oleh pelanggan. Dengan memanfaatkan algoritma apriori, bisnis dapat mengoptimalkan strategi penjualan dan pengelolaan stok, sehingga meningkatkan efisiensi operasional dan kepuasan pelanggan. Pawon Lelly, sebagai bisnis yang bergerak di bidang Food and Beverages (FNB), menghadapi tantangan dalam menentukan menu yang diminati pelanggan. Hingga saat ini, pengambilan keputusan terkait menu masih didasarkan pada asumsi, yang seringkali mengakibatkan pemborosan waktu, tenaga, dan bahan baku jika menu yang disajikan tidak sesuai dengan preferensi pelanggan. Dengan pola minat pelanggan yang sering berubah-ubah, strategi bisnis yang efektif harus didukung oleh data yang akurat dan analisis yang mendalam. Penggunaan algoritma apriori dalam data mining menawarkan solusi menarik untuk masalah ini. Melalui metode association rule atau aturan asosiasi, algoritma apriori dapat mengidentifikasi kombinasi menu yang sering dipesan, sehingga membantu dalam menyusun daftar menu yang lebih sesuai dengan preferensi pelanggan. Studi sebelumnya telah menunjukkan keberhasilan algoritma apriori dalam mengolah data transaksi dan menemukan pola yang berguna untuk pengambilan keputusan. Dengan data yang dihasilkan dari analisis, Pawon Lelly dapat menyusun strategi yang lebih tepat dalam proses pemasaran produknya. Dengan demikian, penggunaan algoritma apriori tidak hanya membantu dalam pengambilan keputusan , tetapi juga memberikan wawasan yang lebih dalam mengenai perilaku pelanggan, memungkinkan Pawon Lelly untuk beradaptasi dengan cepat terhadap perubahan tren dan permintaan pasar.

Kata Kunci— Algoritma Apriori, Analisis, Data Mining, Asosiasi, FNB.

Pengembangan Website Pergudangan berbasis FIFO untuk Optimalisasi Persediaan Barang di LMI Pusat Surabaya

2024-05-20T04:47:44+00:00

Abstrak—Pengelolaan persediaan barang di Lembaga Manajemen Infaq (LMI) memiliki beberapa tantangan. Tantangannya berupa kurangnya efisiensi dan efektivitas dalam pengelolaan stok. Selain itu, pengelompokan barang dan penanda belum ada sehingga kondisi ini menyebabkan barang sulit dicari dan memperlambat proses pengambilan. Barang yang tidak terdeteksi keberadaannya di gudang berpotensi tertimbun dan menjadi usang. Permasalahan semakin bertambah karena pencatatan terkait aktivitas barang masuk dan keluar yang belum digital yang menyebabkan kesalahan perhitungan. Kesalahan ini membuat jumlah stok di master barang menjadi tidak akurat. Dalam rangka mengatasi persoalan ini, peneliti membangun sebuah website pergudangan yang mengimplementasikan metode FIFO (First In First Out) agar manajemen persediaan barang dapat dioptimalkan. Metode FIFO dipilih karena mampu mengatur penyimpanan barang berdasarkan prinsip item pertama masuk maka item tersebut keluar lebih dulu. Sehingga penerapan metode ini dapat mengurangi risiko kerusakan barang dan mempermudah pemantauan barang dari aktivitas keluar dan masuknya barang. Hasil penelitian menunjukkan peningkatan efisiensi dan efektivitas pengelolaan persediaan barang di LMI. Optimalisasi diukur melalui peningkatan efisiensi operasional dan pengurangan risiko barang kadaluarsa atau usang. Lebih dari itu, penelitian ini juga melibatkan pengujian kualitas website dengan menggunakan standar ISO 9126. Pengujian menggunakan skala nilai 1 atau 2 menunjukkan persetujuan bahwa website sesuai standar, sedangkan nilai 3 atau 4 menunjukkan ketidaksesuaian. Hasil pengukuran menunjukkan bahwa website pergudangan yang dikembangkan mencapai tingkat kualitas yang sesuai dengan standar ISO 9126. Hal ini diindikasikan dengan nilai kesesuaian sebesar 1.83, yang artinya website tersebut memenuhi standar kualitas yang diharapkan.

Kata Kunci— Stok, FIFO, gudang, monitoring, ISO 9126.

Sistem Navigasi Autonomous Pada Prototipe Kapal dengan Sensor GPS dan Kompas

2024-05-20T04:57:04+00:00

Penguasaan teknologi kapal wisata dan teknologi digital dalam sektor kemaritiman menjadi krusial untuk mengoptimalkan pengalaman wisata bahari secara visual maupun non visual. KKCTBN 2023 menggerakkan pengembangan prototipe kapal wisata tanpa awak sebagai langkah maju. Sistem navigasi autonomous dengan GPS Neo 6m dan sensor kompas HMC5883L dipilih untuk memastikan jalur pelayaran yang akurat. GPS Neo 6m dan HMC5883L dikenal karena efisiensinya. Penelitian ini bertujuan membangun Rancang Sistem Navigasi Autonomous Pada Prototipe Kapal Autonomous Tourism Surface Vessel dengan Sensor GPS Neo 6m dan Sensor Kompas HMC5883L. GPS Neo 6m akan memberikan titik koordinat prototipe kapal sedangkan HMC5883L memberikan nilai arah mata angin sebagai dasar dari sistem navigasi. Metode yang digunakan pada penelitian ini terdiri dari beberapa langkah yaitu analisis kebutuhan, desain rancangan prototipe, implementasi, pengujian, dan hasil penelitian. Pada pengujian sensor GPS Neo 6m, didapatkan nilai rata-rata eror 0.52 m dan eror tertinggi 1,6 m. Sedangkan pada pengujian sensor HMC5883L didapatkan nilai rata-rata eror 1,1° dan eror tertinggi 2°. Hasil dari penelitian ini prototipe kapal mampu bergerak sesuai dengan titik yang sudah ditentukan. Dilakukan iterasi sebanyak lima kali dengan keberhasilan 86%.

Kata Kunci— Navigasi, Autonomous, Kapal, GPS Neo 6m, HMC5883L.

Penerapan Metode Long Short-Term Memory Dalam Sistem Rekomendasi Tim Fantasy Premier League

2024-05-29T02:36:00+00:00

Sepakbola adalah olahraga terpopuler di dunia, sehingga terpengaruh perkembangan era modern. Hal ini membuat analisis performa dalam membangun tim sepakbola menjadi penting. Salah satu penerapannya adalah dalam Fantasy Premier League di mana dibutuhkan sistem yang mampu memprediksi poin dan memberikan rekomendasi untuk menentukan tim yang optimal. Sistem terdiri dari server side yang berisi model LSTM untuk menghitung prediksi poin dan memilih rekomendasi susunan pemain yang optimal dan sesuai aturan Fantasy Premier League, dan client side berupa aplikasi mobile di mana pengguna dapat memilih tim favorit dan untuk menampilkan hasil rekomendasi susunan tim. Untuk membangun model LSTM dilakukan pengumpulan dan preprocessing data terlebih dahulu, lalu dilakukan training dengan berbagai konfigurasi. Model yang terpilih adalah model dengan 256 neuron dan 3000 epoch yang menghasilkan mean squared error sebesar 0,642. Setelah terbentuk, model akan diletakkan dalam server side dan disambungkan ke aplikasi. Hasil rekomendasi menghasilkan prediksi poin sebesar 1803,131 poin. Ketika diuji coba dalam permainan Fantasy Premier League poin yang dihasilkan sebesar 1527 poin, lebih rendah 276,131 poin dari prediksi.

Kata Kunci— LSTM, sepakbola, Fantasy Premier League, prediksi, rekomendasi tim.