Jurnal Ilmu Komputer dan Informatika

Penilaian Siswa menggunakan Metode Fuzzy Tsukamoto

Vivi Prisilia, Gusrianty Gusrianty — Wed, 10 Jan 2024 00:00:00 +0000

Penilaian merupakan hal yang penting untuk tolak ukur keberhasilan seorang siswa, maka pengolahan data nilai nya juga menjadi hal yang penting dalam pengambilan sebuah keputusan dengan cepat dan tepat. Pengambil keputusan membutuhkan alternatif kriteria yang dapat digunakan dalam menentukan penilaian dalam pembelajaran matapelajaran IPA pada Kurikulum 2013 menggunakan metode fuzzy logic tsukomoto sesuai dengan kriteria yang diinginkan. Kriteria penilaian disesuaikan diambil dari 4 Kompetensi Inti yaitu KI-1 (Sikap Spriritual), KI-2 (Sikap Sosial), KI-3 (Pengetahuan) dan KI-4 (Keterampilan). Sebagai salah satu metode dalam pengambilan keputusan fuzzy logic tsukomoto dapat memberikan rekomendasi hasil yang lebih baik. Penelitian ini bertujuan untuk membantu dalam pengambilan keputusan penilaian pembelajaran siswa paa kurikulum 2013 menggunakan metode fuzzy logic. Hasil dari pengujian meperlihatkan bahwa metode fuzzy logic tsukomoto menghasilkan nilai 81,41 (Cukup) untuk output sikap dan 85,03 (Cukup Tuntas) untuk output prestasi.

Penerapan Algoritma Random Forest dalam Prediksi Kelayakan Air Minum

Khairul Abdi, Angga Warjaya, Inna Muthmainnah, Padli Husaini Pahutar — Wed, 10 Jan 2024 00:00:00 +0000

Tantangan meningkatnya kebutuhan akan air bersih di tengah ketersediaan yang terbatas mendorong penelitian ini. Pencemaran air, terutama oleh limbah rumah tangga, menyebabkan penurunan kualitas air dan kelangkaan sumber air bersih. Dampak buruknya terhadap kesehatan masyarakat, terutama diare, menunjukkan urgensi identifikasi dini kualitas air yang tidak layak konsumsi. Oleh karena itu, penelitian ini menerapkan algoritma Random Forest untuk klasifikasi kualitas air dan prediksi kelayakan air minum. Penggunaan teknik data mining, khususnya Random Forest, diharapkan dapat mengidentifikasi pola kompleks dalam data dan faktor-faktor yang mempengaruhi kualitas air. Menggunakan dataset Water Quality dari Kaggle, hasil penelitian menunjukkan akurasi sebesar 69%. Analisis Feature Importance Score memperlihatkan kontribusi relatif fitur terhadap prediksi. Kurva ROC menggambarkan optimalitas klasifikasi, sementara Confusion Matrix memberikan gambaran kinerja model. Confusion Matrix yang merinci hasil klasifikasi model Random Forest Classifier. Diagonal utama menunjukkan jumlah instance yang benar-benar diprediksi dengan benar untuk kategori "Potabel" dan "Tidak Potabel", masing-masing 370 dan 84. Namun, terdapat 160 instance yang salah diklasifikasikan sebagai "Potabel" dan 42 sebagai "Tidak Potabel".

Analisis Prediksi Stroke dengan Membandingkan Tiga Metode Klasifikasi Decision Tree, Naïve Bayes, dan Random Forest

Yunita Aulia, Andriyansyah Andriyansyah, Suharjito Suharjito, Sri Wahyu Nensi — Thu, 18 Jan 2024 00:00:00 +0000

Prediksi stroke telah muncul sebagai bidang penelitian dan intervensi kesehatan yang penting karena dampaknya yang signifikan terhadap kesehatan masyarakat dan kesejahteraan individu. Pemeriksaan rinci mengenai usia, hipertensi, penyakit jantung, status perkawinan, jenis pekerjaan, jenis tempat tinggal, rata-rata kadar glukosa, BMI, status merokok, dan jenis kelamin sebagai factor terjadinya stroke. Dengan melakukan sintesis penelitian dan menganalisis kumpulan data yang luas, penelitian ini bertujuan untuk menjelaskan hubungan rumit antara faktor-faktor tersebut dan dampak kumulatifnya terhadap risiko stroke. Metode penelitian ini diawali dengan perbandingan algoritma Decision Tree, Naïve Bayes dan Random Forest dengan menggunakan software RapidMiner. Dari dataset prediksi stroke yang diberikan, terdapat 5110 responden dengan kondisi beragam. Di antara 5110 responden tersebut terdapat 12 atribut. Berdasarkan uraian yang telah dibahas maka dapat diambil kesimpulan bahwa metode Decision Tree merupakan metode terbaik dengan nilai akurasi tertinggi sebesar 95,13% dibandingkan dengan metode Random Forest dan Naïve Bayes dan nilai TF (True False) yang dipilih adalah 4861, TT (True True) adalah 0, FF (False False) adalah 249, dan FT (False True) adalah 0.

Analysis Sentiment Terhadap Ginjal Akut pada Twitter Menggunakan Algoritma Random Forest

Sun, 28 Jan 2024 00:00:00 +0000

Analisis sentimen berkaitan dengan identifikasi dan klasifikasi pendapat atau sentimen yang diungkapkan dalam teks sumber. Sosial media menghasilkan sejumlah besar data yang penuh dengan sentimen berupa tweet, update status, postingan blog maupun yang lainnya. Analisis sentimen dari data yang dihasilkan pengguna ini sangat berguna dalam mengetahui pendapat dari kerumunan. Dalam makalah ini, dilakukan analisis postingan twitter tentang Ginjal Akut menggunakan pendekatan Machine Learning, yaitu dengan menggunakan Algoritma Random Forest dan Particle Swarm Optimization. Hasil penelitian menunjukkan akurasi yang di dapat pada saat melakukan klasifikasi menggunakan algoritma Random Forest dengan Cross Validation sebesar 94.47%.

Sistem Informasi Geografis Objek Wisata Lokal dan Pengenalan Budaya Sumatera Utara Berbasis Web

Yola Permata Bunda — Wed, 21 Feb 2024 00:00:00 +0000

Sumatera Utara memiliki potensi pariwisata yang melimpah, mulai dari keindahan alam hingga situs bersejarah seperti. Selain itu, kekayaan budaya masyarakat Batak, Melayu dan lainnya sehingga bisa menjadi salah satu pemikat bagi wisatawan domestik maupun internasional. Di era digital ini, masyarakat cenderung mencari informasi secara online sebelum melakukan perjalanan seperti mencari lokasi, informasi budaya masyarakat dan informasi seputar wisata. Dalam prakteknya informasi tentang sistem informasi geografis objek wisata, informasi budaya dan lokasi tentang penegenalan informasi tersebut masih minim dan belum adanya website khusus untuk menampilkan semua data tersebut dan lokasi wisatanya sehingga masih kurangnya informasi yang bisa didapatkan oleh para wisatawan yang ingin mengujungi wisata di Sumatera Utara. Oleh karenanya dibutuhkan sebuah website Sistem Informasi Geografis Objek Wisata Lokal Dan Pengenalan Budaya Sumatera Utara BerbasiS Web untuk membantu para wisatawan bisa mendapatkan informasi lokasi dan budaya Sumatera Utara secara cepat, tepat dan jelas sehingga teknologi informasi untuk mengembangkan sektor pariwisata melalui sistem informasi geografis ini dapat meningkatkan visibilitas dan mengoptimalkan pengelolaan objek wisata serta pelestarian budaya. Pada penelitian ini menggunakan metode waterfall dalam pelaksanaan penelitiannya.Hasil dari penelitian ini adalah sebuah Sistem Informasi Geografis berbasis web yang memiliki beberapa tampilan menu yaitu menu list wisata, Home, Budaya, about dan berita untuk memudahkan pengguna mendapatkan informasi. Aplikasi telah berhasil menampilkan menu – menu tersebut dengan baik. Pengujian aplikasi menggunakan Black Box dan UAT, dari hasil pengujian UAT, persentase menyatakan aplikasi ini layak adalah 81,6%.

Game Edukasi “Adventure of English” sebagai Media Pembelajaran Bahasa Inggris Siswa Sekolah Dasar

Sat, 20 Apr 2024 00:00:00 +0000

Banyak Sekolah Dasar di Indonesia tidak memberikan pembelajaran Bahasa Inggris karena bukan mata pelajaran yang wajib ada untuk siswa-siswi sekolah dasar sehingga membuat minat bahasa inggris sejak dini sangat kurang. Salah satu cara untuk menarik perhatian anak untuk belajar bahasa Inggris adalah dengan diberikannya media seperti game untuk anak sekolah dasar agar anak-anak dapat bermain sambil belajar. Tujuan penelitian ini adalah untuk membangun game edukasi untuk pembelajaran Bahasa inggris bagi siswa sekolah dasar, yang diberi nama “Adventure of English”. Game Adventure of English memiliki beberapa menu, diantaranya adalah Play, Materi, dan Quiz. Berdasarkan pengujian blackbox yang telah dilakukan, didapat hasil bahwa game Adventure of English telah sesuai dengan yang diharapkan oleh pengembang aplikasi, sedangkan berdasarkan hasil User Acceptance Test, didapatkan nilai persepsi user sebesar 67.09 yang berada pada indikator kategori baik, sehingga game ini layak untuk digunakan dalam pembelajaran Bahasa inggris.

Pengembangan Arsitektur Microservice pada Learning Management System E-learning Menggunakan Metode Web Service

Calvin Alvito Dinova, Ihsan Cahyo Utomo — Sat, 20 Apr 2024 00:00:00 +0000

Learning Management System merupakan perangkat lunak dengan skala besar maka akan melibatkan berbagai media dan jaringan yang rumit, dalam pengembangan LMS, masih umum digunakan arsitektur monolitik yang menjalankan semua logika aplikasi dalam satu server. Namun, arsitektur monolitik memiliki kelemahan dalam mengadaptasi perubahan kebutuhan sistem, kompleksitas kode, dan pemeliharaan. Sebagai solusi alternatif, muncul arsitektur microservice yang membangun aplikasi sebagai kumpulan layanan kecil yang bekerja secara terpisah dan berkomunikasi melalui berbagai mekanisme. Pendekatan ini membantu menjaga keorganisan dan independensi kode program, sehingga memungkinkan pengujian aplikasi secara terpisah jika terjadi kesalahan.Dalam pertukaran data antar layanan, metode web service dengan format JSON (JavaScript Object Notation) sering digunakan. Penggunaan JSON memberikan kemudahan dalam implementasi dan tidak memberikan beban berlebih pada server. Penulis ingin membangun sebuah learning managaement system untuk e-learning yang menggunakan metode web service yang menggunakan arsitektur microservice yang mana akan membantu merancang bagian service agar lebih terorganisir dan mudah untuk di maintenace, yang dimana telah dilakukan pengujian menggunakan black box membuktikan bahwa sistem back-end yang menggunakan arsitektur microservice berfungsi sesuai dengan yang diharapkan. Selain itu, pengujian integrasi antara API Gateway dan layanan lainnya juga berhasil, di mana empat skenario koneksi antara layanan online menghasilkan kode respon 200 dan response body data yang sesuai, sedangkan empat skenario ketika salah satu layanan offline menghasilkan response code 500 dan pesan error "Service Unavailable".