JEPIN Jurnal Edukasi dan Penelitian Informatika最新文献_第6页

GoEliTool for Software Requirements Elicitation using Goal-Oriented Approach 使用目标导向方法的软件需求引出工具

JEPIN Jurnal Edukasi dan Penelitian Informatika Pub Date : 2022-12-20 DOI: 10.26418/jp.v8i3.58406

R. Delima, J. Purwadi

{"title":"GoEliTool for Software Requirements Elicitation using Goal-Oriented Approach","authors":"R. Delima, J. Purwadi","doi":"10.26418/jp.v8i3.58406","DOIUrl":"https://doi.org/10.26418/jp.v8i3.58406","url":null,"abstract":"Requirements engineering (RE) is an essential initial stage in software engineering. The RE process begins with the elicitation stage. This stage collects all user requirements that must be fulfilled by the system which will be developed. A goal-oriented approach is an effective approach used to automate the RE process. The development of goal-oriented input document standards is one of the important issues that has not been widely studied. Therefore, this study developed a goal-oriented input document standard for the requirements elicitation process. A tool is developed based on the form of the input document that has been generated. The development of standard forms of input documents begins with literature study and data collection, analysis, design of standard forms of documents, tool design, tool development, and testing. At the analysis stage, a logical framework and element structure is formulated in a goal-oriented approach. Furthermore, the standard form of input documents is developed. The standard form of the document becomes a guideline for developing tools to process data requirements from elicitation results. Tool testing is carried out using black-box testing. The test results show that the tool can work according to the planned function. The trial of the use of the tools was carried out using five requirements datasets. The results of testing and using the tool through the requirements dataset show that GoEliTools can be used to record data on the requirements of several users for the development of an information system. ","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"1 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2022-12-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"74432924","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}

引用次数: 0

Optimasi Algoritma Klasifikasi Naive Bayes, Decision Tree, K – Nearest Neighbor, dan Random Forest menggunakan Algoritma Particle Swarm Optimization pada Diabetes Dataset

JEPIN Jurnal Edukasi dan Penelitian Informatika Pub Date : 2022-12-20 DOI: 10.26418/jp.v8i3.56656

A. Fauzi, Agus Heri Yunial

{"title":"Optimasi Algoritma Klasifikasi Naive Bayes, Decision Tree, K – Nearest Neighbor, dan Random Forest menggunakan Algoritma Particle Swarm Optimization pada Diabetes Dataset","authors":"A. Fauzi, Agus Heri Yunial","doi":"10.26418/jp.v8i3.56656","DOIUrl":"https://doi.org/10.26418/jp.v8i3.56656","url":null,"abstract":"Organisasi International Diabetes Federation (IDF) mencatat pada tahun 2021 sebanyak 537 juta orang di dunia menderita penyakit diabetes dan diperkirakan jumlahnya akan mencapai 700 juta orang di tahun 2045. Dari data tersebut dapat dikatagorikan bahwa penyakit diabetes pada saat ini sudah menjadi salah satu penyakit pembunuh terbanyak didunia termasuk di Indonesia. Gejala diabetes dapat dideteksi, namun dari penelitian dalam kesehatan dasar tahun 2018, hanya seperempat dari para penderita diabetes yang mengetahui dirinya terjangkit diabetes. Dalam upaya meningkatkan pengetahuan tentang gejala diabetes perlu adanya model klasifikasi yang baik dan memiliki akurasi yang tinggi sebagai prediksi penyakit diabetes, sehingga pengidap diabetes dapat diprediksi lebih dini. Dalam penelitian ini, penulis melakukan optimasi untuk meningkatkan nilai akurasi hasil klasifikasi dataset diabetes menggunakan algoritma Particle Swarm Optimization (PSO) pada empat algoritma antara lain algoritma Naive Bayes, Decision Tree, K - Nearest Neighbor, dan Random Forest. Dari hasil penghitungan didapat nilai akurasi algoritma Naive Bayes sebelum optimasi 84.07% dan setelah optimasi 89.01%. Algoritma Decision Tree sebelum optimasi 94.78% dan setelah optimasi 96.98%. Algoritma K-Nearest Neighbor sebelum optimasi 85.99% dan setelah optimasi 94.51%. Algoritma Random Forest sebelum optimasi 97.25% dan setelah optimasi 98.35%. Berdasarkan hasil penghitungan nilai akurasi tertinggi sebelum dan sesudah optimasi adalah algoritma random forest, sedangkan kenaikan hasil optimasi tertinggi yaitu algoritma K-Nearest Neighbor sebanyak 8.52%.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"47 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2022-12-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"78746648","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}

引用次数: 0

Penerapan Metode Certainty Factor pada Sistem Pakar Diagnosa Hama dan Penyakit pada Tanaman Tomat

JEPIN Jurnal Edukasi dan Penelitian Informatika Pub Date : 2022-12-20 DOI: 10.26418/jp.v8i3.56178

Dila Adellia, Alda Cendekia Siregar, Syarifah Putri Agustini Alkadri

{"title":"Penerapan Metode Certainty Factor pada Sistem Pakar Diagnosa Hama dan Penyakit pada Tanaman Tomat","authors":"Dila Adellia, Alda Cendekia Siregar, Syarifah Putri Agustini Alkadri","doi":"10.26418/jp.v8i3.56178","DOIUrl":"https://doi.org/10.26418/jp.v8i3.56178","url":null,"abstract":"Tanaman tomat termasuk tanaman hortikultura yang memiliki banyak manfaat bagi tubuh. Kurangnya pengetahuan pelaku tani dalam merawat serta mengatasi permasalahan pada tanaman tomat berdampak pada hasil panen yang kurang memuaskan. Tujuan dilakukan penelitian ini adalah untuk menghasilkan sebuah sistem pakar diagnosa hama dan penyakit pada tanaman tomat berbasis website berdasarkan beberapa gejala serta solusi untuk mengatasi permasalahan pada tanaman tomat. Metode yang diterapkan pada website tanaman tomat yaitu Metode Certainty Factor. Metode tersebut dapat memberikan gambaran mengenai kepercayaan seorang pakar terhadap suatu masalah, pada sistem pakar diagnosa hama dan penyakit tanaman tomat dilakukan pengujian akurasi sistem. Pengujian akurasi sistem dilakukan untuk mengetahui tinggkat akurasi dan nilai keberhasilan sistem. Dalam pengujian akurasi sistem digunakan 20 data kasus lapangan berdasarkan wawancara langsung kepada beberapa pihak pelaku tani tanaman tomat, dengan mengumpulkan fakta-fakta berupa gejala dari setiap kasus permasalahan hama dan penyakit tanaman tomat. Berdasarkan 20 data kasus tanaman tomat yang telah dilakukan berdasarkan penyesuaian terhadap sistem dan pakar diperoleh nilai akurasi sistem sebesar 90%. ","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"1 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2022-12-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"77368334","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}

引用次数: 2

Otomasi dan Monitoring Hidroponik pada Tanaman Selada dengan Metode Sonic Bloom Berbasis IoT 生菜的水培自动化和监督，采用了广泛的声音布鲁姆方法

JEPIN Jurnal Edukasi dan Penelitian Informatika Pub Date : 2022-12-20 DOI: 10.26418/jp.v8i3.57392

Richo Maylano Yozienanda, Wisnu Widiarto, Ardhi Wijayanto

{"title":"Otomasi dan Monitoring Hidroponik pada Tanaman Selada dengan Metode Sonic Bloom Berbasis IoT","authors":"Richo Maylano Yozienanda, Wisnu Widiarto, Ardhi Wijayanto","doi":"10.26418/jp.v8i3.57392","DOIUrl":"https://doi.org/10.26418/jp.v8i3.57392","url":null,"abstract":"Tanaman selada khususnya selada krop (Lactuca Sativa L) merupakan sayuran dengan nilai ekonomi tinggi, nilai gizi besar, serta dengan bentuk yang menarik, sehingga membuat tanaman selada mempunyai potensi besar untuk dibudidayakan. Hal ini dibutuhkan pengembangan inovasi dalam produktivitasnya. Inovasi teknologi Sonic Bloom, yang memanfaatkan gelombang suara frekuensi tinggi, dimanfaatkan sebagai terobosan untuk membuat produktivitas tanaman selada tumbuh lebih baik. Hal ini disebabkan gelombang suara frekuensi tinggi, berfungsi untuk memacu membukanya mulut daun (stomata) yang dipadu dengan pemberian nutrisi. Sedangkan IoT dapat diimplementasikan pada bermacam bidang sehingga bermanfaat dan mempermudah kegiatan hidup manusia, antara lain pada sektor pertanian untuk memberikan kemudahan dalam menjalankan usaha. Kemudahan tersebut antara lain berupa pengumpulan data suhu, kelembaban, dan kecepatan angin, yang digunakan dalam mengambil keputusan untuk meningkatkan kualitas dan kuantitas dalam mengelola tanaman. Penerapan IoT mempermudah petani untuk mengecek suhu dan kelembaban tanah dari jarak jauh. Data ini nantinya akan digunakan untuk program pengairan dan pemupukan agar lebih presisi. Tujuan dari penelitian ini adalah untuk melakukan otomatisasi dan monitoring hidroponik pada tanaman selada dengan menggunakan metode Sonic Bloom berbasis IoT. Diharapkan melalui penelitian ini dapat mengetahui tingkat efektivitas dari perbandingan 3 musik yang berbeda dengan metode Sonic Bloom terhadap tumbuh tanaman selada. Evaluasi dengan membandingkan tanaman saat masa tanam dan pasca panen. Pada penelitian ini didapatkan hasil bahwa tanaman selada menggunakan lagu kicauan burung lebih efektif dalam meningkatkan laju pertumbuhan dibandingkan perlakuan musik gamelan dan instrumen pop dengan rata-rata pertumbuhan tinggi tanaman sebesar 0,54 cm, rata-rata pertumbuhan tinggi daun sebesar 0,51 cm, rata-rata lebar daun sebesar 0,19 cm, fresh weight sebesar 24,7 gram, dan dry weight sebesar 1,7 gram.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"6 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2022-12-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"86405240","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}

引用次数: 1

Identifikasi Malware Berdasarkan Artefak Registry Windows 10 Menggunakan Regshot dan Cuckoo

JEPIN Jurnal Edukasi dan Penelitian Informatika Pub Date : 2022-12-20 DOI: 10.26418/jp.v8i3.57208

Yusuf Bambang Setiadji, Dimas Febriyan Priambodo, M. Hasbi, Fadlilah Izzatus Sabila

{"title":"Identifikasi Malware Berdasarkan Artefak Registry Windows 10 Menggunakan Regshot dan Cuckoo","authors":"Yusuf Bambang Setiadji, Dimas Febriyan Priambodo, M. Hasbi, Fadlilah Izzatus Sabila","doi":"10.26418/jp.v8i3.57208","DOIUrl":"https://doi.org/10.26418/jp.v8i3.57208","url":null,"abstract":"Malicious software (malware) adalah perangkat lunak yang dibuat dengan tujuan tertentu, seperti mengubah, mencuri, atau merusak data serta mengambil alih sistem. Malware menjalankan tugasnya dengan mengenali faktor-faktor khusus melalui kombinasi parameter dan kondisi pada sistem. Salah satu faktor parameter berjalannya malware adalah sistem operasi. Sebagai sistem operasi dengan pengguna terbanyak, Windows juga memiliki risiko serangan malware tertinggi. Maraknya serangan malware selama 10 tahun terakhir mengharuskan dilakukannya tindakan penanganan insiden malware. Penanganan insiden malware dijalankan bersamaan dengan forensik digital yang digunakan untuk mendapatkan bukti aktivitas malware. Namun, seiring berjalannya waktu malware berkembang dan beradaptasi sehingga menghasilkan jenis-jenis malware dengan kemampuan yang menjadikannya sulit diidentifikasi. Kebutuhan penanganan insiden dapat memanfaatkan artefak digital seperti registry untuk mengidentifikasi keberadaan dan tingkah laku malware. Pada penelitian ini dilakukan identifikasi jenis malware berdasarkan artefak registry Windows 10. Penelitian ini melakukan analisis dinamik terhadap 90 sampel malware jenis backdoor, ransomware, dan spyware serta 10 sampel cleanware menggunakan tools Regshot dan Cuckoo yang dijalankan pada lingkungan virtualisasi. Hasil analisis dinamik selanjutnya diekstraksi, direduksi, dihitung, dan dianalisis berdasarkan 34 lokasi registry yang berperan dalam aktivitas malware dan kontaminasi data. Tahapan analisis hasil dilakukan terhadap data analisis dinamik menggunakan Regshot, Cuckoo, dan gabungan kedua tools. Berdasarkan hasil analisis, lokasi dengan modifikasi registry tertinggi pada malware bersifat konsisten sedangkan pada cleanware berubah. Malware jenis backdoor dan ransomware melakukan modifikasi registry tertinggi pada HKLMSYSTEM, sedangkan spyware melakukan modifikasi registry tertinggi pada HKLMSOFTWAREClasses.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"16 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2022-12-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"88173213","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}

引用次数: 0

Algoritma Pendeteksi Kerusakan Struktur Bangunan Berbasis Korelasi Jarak dan Metode Kuadrat Terkecil Parsial 这是一种基于距离关系和最小部分平方法的结构损伤算法

JEPIN Jurnal Edukasi dan Penelitian Informatika Pub Date : 2022-12-20 DOI: 10.26418/jp.v8i3.56011

Jimmy Tjen

{"title":"Algoritma Pendeteksi Kerusakan Struktur Bangunan Berbasis Korelasi Jarak dan Metode Kuadrat Terkecil Parsial","authors":"Jimmy Tjen","doi":"10.26418/jp.v8i3.56011","DOIUrl":"https://doi.org/10.26418/jp.v8i3.56011","url":null,"abstract":"Sering kali, sebuah kerusakan struktur yang masif terjadi karena pengabaian terhadap kerusakan kecil. Kejadian malang ini kemudian menimbulkan berbagai kerugiaan, baik secara material maupun korban jiwa. Oleh karena itu, dirasa penting untuk dapat mendeteksi kerusakan dari sebuah struktur sedini mungkin untuk mencegah terjadinya hal yang tidak diinginkan. Penelitian ini menggagas sebuah algoritma pendektesi kerusakan struktur bangunan berbasiskan pada metode korelasi jarak dan kuadrat terkecil parsial. algoritma ini berfokuskan pada pemilihan sekelompok sensor yang dapat bekerja secara optimal berdasarkan pada perhitungan korelasi jarak. Berdasarkan pada percobaan pada data experimental dari sebuah struktur jembatan, algoritma yang digagas dapat mengurangi jumlah akselerometer yang diperlukan hingga 80% untuk menyusun model prediktif tanpa mengurangi atau bahkan meningkatkan akurasi dari model prediktif akselerometer sebesar 1 hingga 1,3%. Lebih lanjut, algoritma yang digagas dapat mendekteksi keberadaan kerusakan struktur dengan baik, serta mampu mengkarakterisasi tingkat kerusakan dari struktur berdasarkan pada perubahan standar deviasi dari residu kuadrat.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"16 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2022-12-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"89139587","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}

引用次数: 1

Perbandingan Particle Swarm Optimization dengan Genetic Algorithm dalam Feature Selection untuk Analisis Sentimen pada Permendikbudristek PPKS-LPT

JEPIN Jurnal Edukasi dan Penelitian Informatika Pub Date : 2022-12-20 DOI: 10.26418/jp.v8i3.57300

G. G. Putra, W. Swastika, P. Irawan

{"title":"Perbandingan Particle Swarm Optimization dengan Genetic Algorithm dalam Feature Selection untuk Analisis Sentimen pada Permendikbudristek PPKS-LPT","authors":"G. G. Putra, W. Swastika, P. Irawan","doi":"10.26418/jp.v8i3.57300","DOIUrl":"https://doi.org/10.26418/jp.v8i3.57300","url":null,"abstract":"Kekerasan seksual merupakan salah satu masalah serius yang perlu diselesaikan. Setiap tahunnya terdapat lebih dari 2000 aduan kekerasan seksual. Di satuan Pendidikan, sebanyak 55% dari pelaku merupakan guru atau tenaga pendidik. Jumlah yang ada masih belum merepresentasikan jumlah sebenarnya karena 63% dari peserta survei DIKTI tidak melaporkan kasus kekerasan seksual yang diketahuinya dengan alasan menjaga nama baik kampus. Dengan begitu, Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi (Kemendikbud) menerbitkan Peraturan Menteri Pendidikan, Kebudayaan, Riset, dan Teknologi (Permendikbudristek) Nomor 30 tahun 2021 tentang Pencegahan dan Penanganan Kekerasan Seksual di Lingkungan Perguruan Tinggi (PPKS-LPT). Peraturan ini menimbulkan kontroversi di masyarakat sehingga perlu dilakukan klasifikasi sentimen. Klasifikasi sentimen dilakukan menggunakan algoritma Multinomial Naïve Bayes, Complement Naïve Bayes, Support Vector Machine, dan Nearest Neighbor dengan menggunakan data seleksi fitur Genetic Algorithm dan Particle Swarm Optimization pada data hasil ekstraksi fitur TF-IDF dari data Twitter yang diambil pada tanggal 1 September-30 Desember 2021 menggunakan kata kunci “permendikbud”, hashtag “cabutpermendikbudristekno30”, dan hashtag “dukungpermendikbud30”. Kemudian klasifikasi akan dievaluasi menggunakan 10-Fold Cross Validation. Hasil dari penelitian ini, algoritma CNB memiliki kinerja paling baik jika dibandingkan dengan 4 algoritma klasifikasi lain dengan nilai accuracy 0.688, precison 0.685, recall 0.688, dan f1-score 0.683. Seleksi fitur GA belum mampu menemukan fitur-fitur yang memiliki akurasi lebih baik jika dibandingkan menggunakan semua fitur, sedangkan seleksi fitur PSO mampu menemukan fitur yang memiliki akurasi sama atau lebih baik jika dibandingkan menggunakan semua fitur dengan peningkatan tertinggi sebanyak 0.8% pada MNB. Sebanyak 49% dari responden merupakan pendukung pengesahan Permendikbudristek PPKS-LPT.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"10 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2022-12-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"84913104","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}

引用次数: 1

Perancangan Embedded System untuk Kendali Rumah Burung Walet Berbasis ATmega8

JEPIN Jurnal Edukasi dan Penelitian Informatika Pub Date : 2022-12-20 DOI: 10.26418/jp.v8i3.57354

Wahyu Ramadhani Gusti, Masduki Zakarijah, Umi Rochayati

{"title":"Perancangan Embedded System untuk Kendali Rumah Burung Walet Berbasis ATmega8","authors":"Wahyu Ramadhani Gusti, Masduki Zakarijah, Umi Rochayati","doi":"10.26418/jp.v8i3.57354","DOIUrl":"https://doi.org/10.26418/jp.v8i3.57354","url":null,"abstract":"Burung walet merupakan burung pemakan serangga dengan sayap meruncing, memiliki ekor panjang, berwarna hitam dan tubuh bawahnya berwarna coklat. Hal yang sangat bermanfaat dari burung walet yaitu sarangnya dapat menjadi obat-obatan bagi manusia. Burung walet berkembang biak di daerah yang beriklim tropis dengan curah hujan yang tinggi. Unsur kelembaban dan suhu adalah faktor berkembang biaknya spesies atau populasi burung walet. Penelitian ini merupakan perancangan embedded system untuk kendali rumah burung walet adaptif berbasis ATmega8. Proses perancangan sistem dilakukan dengan menganalisis kebutuhan di lapangan, membuat desain, mengembangkan, implementasi, dan evaluasi. Sistem yang dikembangkan menggunakan mikrokontroler ATMega8, sensor DHT11, Real Time Clock (RTC), modul audio, humidifier sebagai pelembab ruangan, mini fan untuk sirkulasi udara, dan LED untuk mencegah hama predator. ATmega8 dipilih karena bentuk yang minimalis dan biaya yang rendah sehingga lebih prospek untuk proksi massal. Pada pengujian, hampir seluruh kompetensi penilaian berhasil tercapai, kecuali pada peltier kit. Secara keseluruhan, sistem dapat beroperasi otomatis sesuai yang diinginkan dan berfungsi dengan baik.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"1 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2022-12-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"72469971","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}

引用次数: 1

Prediksi Curah Hujan Dasarian dengan Metode Vanilla RNN dan LSTM untuk Menentukan Awal Musim Hujan dan Kemarau 用香草RNN和LSTM方法对达萨里安降雨的预测，以确定雨季和旱季的开始

JEPIN Jurnal Edukasi dan Penelitian Informatika Pub Date : 2022-12-20 DOI: 10.26418/jp.v8i3.56606

Ni Made Meriliana Candra Devi, I. P. A. Bayupati, Ni Kadek Ayu Wirdiani

{"title":"Prediksi Curah Hujan Dasarian dengan Metode Vanilla RNN dan LSTM untuk Menentukan Awal Musim Hujan dan Kemarau","authors":"Ni Made Meriliana Candra Devi, I. P. A. Bayupati, Ni Kadek Ayu Wirdiani","doi":"10.26418/jp.v8i3.56606","DOIUrl":"https://doi.org/10.26418/jp.v8i3.56606","url":null,"abstract":"Indonesia dijuluki sebagai negara agraris dimana perekonomian nasional bergantung pada sektor pertanian. Kualitas pertanian sangat dipengaruhi oleh perubahan iklim. BMKG memperkirakan datangnya musim di Indonesia didasari pada curah hujan dasarian. Curah hujan dasarian merupakan total curah hujan selama sepuluh hari. Curah hujan dasarian diatas 50 mm berturut-turut dalam tiga dasarian maka dasarian pertama akan ditentukan sebagai awal musim hujan. Sedangkan curah hujan dasarian dibawah 50 mm dalam tiga dasarian berturut-turut maka dasarian pertama akan ditentukan sebagai awal musim kemarau. Penelitian ini bertujuan untuk melakukan prediksi curah hujan dasarian untuk menentukan awal musim hujan dan musim kemarau. Metode Vanilla Recurrent Neural Network (Vanilla RNN) dan Long Short-Term Memory (LSTM) merupakan jenis dari jaringan saraf berulang yang baik digunakan dalam pemrosesan data sekuensial. Seleksi fitur (feature selection) dengan metode Backward Elimination dilakukan untuk meningkatkan akurasi dari prediksi. Fitur yang digunakan untuk prediksi curah hujan dasarian yaitu kecepatan angin, suhu udara, kelembaban udara, jarak pandang, dan tekanan udara. Adapun fitur hasil seleksi yaitu kelembaban, tekanan, dan jarak pandang. Hasil penelitian yang diperoleh yaitu metode Vanilla RNN dengan seleksi fitur memperoleh hasil terbaik dengan nilai R-Squared sebesar 0,6139 dan RMSE sebesar 28,4308.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"18 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2022-12-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"85124621","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}

引用次数: 1

Pendekatan Data Science untuk Mengukur Empati Masyarakat terhadap Pandemi Menggunakan Analisis Sentimen dan Seleksi Fitur 数据科学的方法是用情感分析和特征选择来衡量公众对流行病的同理心

JEPIN Jurnal Edukasi dan Penelitian Informatika Pub Date : 2022-12-20 DOI: 10.26418/jp.v8i3.56655

Fika Hastarita Rachman, Imamah Imamah

{"title":"Pendekatan Data Science untuk Mengukur Empati Masyarakat terhadap Pandemi Menggunakan Analisis Sentimen dan Seleksi Fitur","authors":"Fika Hastarita Rachman, Imamah Imamah","doi":"10.26418/jp.v8i3.56655","DOIUrl":"https://doi.org/10.26418/jp.v8i3.56655","url":null,"abstract":"Empati merupakan kemampuan seseorang untuk turut merasakan penderitaan orang lain. Pandemi covid yang melanda dunia, telah menyisakan banyak kehilangan dan keterpurukan. Penelitian ini bertujuan untuk mengetahui emosi masyarakat terhadap penderitaan sesama menggunakan pendekatan sentimen analisis. Dataset yang digunakan adalah komentar masyarakat di Twitter tentang pandemi Covid dalam rentang waktu November-Desember 2020. Data diambil dengan teknik crawling menggunakan library twint, didapatkan data sebanyak 2386 komentar, namun komentar yang mengandung empati hanya sebanyak 984 data. Dataset empati kemudian dilabeli oleh tiga orang menggunakan teknik majority voting. Hasil pengukuran dataset empati menunjukkan 55,7% komentar masyarakat indonesia mengandung empati positif (berempati), 37,4% empati negatif (tidak berempati), dan 6,9% netral. Untuk membentuk model yang dapat mendeteksi empati secara otomatis, maka digunakan dataset empati sebanyak 400, dengan 200 kelas positif dan 200 kelas negatif, kelas netral tidak digunakan pada penelitian ini karena jumlah data sangat sedikit. Metode machine learning yang digunakan untuk membangun model adalah Support Vector Machine (SVM) dengan metode ekstraksi fitur reliefF. Berdasarkan penelitian yang dilakukan, akurasi sistem dengan metode SVM tanpa seleksi fitur ReliefF adalah 83%. Sedangkan akurasi yang diperoleh sistem dengan seleksi fitur ReliefF mencapai 93% dengan penggunaan 85% fitur dari total keseluruhan fitur.","PeriodicalId":31793,"journal":{"name":"JEPIN Jurnal Edukasi dan Penelitian Informatika","volume":"29 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2022-12-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"80515066","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}

引用次数: 0