Journal Cerita: Creative Education of Research in Information Technology and Artificial Informatics

Implementasi Algoritma Apriori Tentang Pengaruh Penggunaan Teknologi Informasi Terhadap Pemilihan Berkuliah di STMIK AMIKOM Surakarta

2025-02-07T04:11:36+00:00

Beberapa bentuk promosi dilakukan oleh perguruan tinggi swasta untuk menarik minat calon mahasiswa baru. Berkembangnya media sosial juga turut digunakan sebagai salah satu cara untuk berpromosi. Akan tetapi, penggunaan media sosial masih sulit untuk dilihat dampaknya dalam menarik minat calon mahasiswa. Penelitian ini bertujuan untuk mengetahui pengaruh penggunaan teknologi informasi terhadap minat penentuan pemilihan mendaftar di STMIK AMIKOM Surakarta. Data yang digunakan adalah data kuesioner pendapat mahasiswa yang telah bergabung yang berkaitan dengan penggunaan teknologi informasi oleh STMIK AMIKOM Surakarta dalam hal promosi. Media sosial yang digunakan pada data penelitian adalah Facebook dan Instagram, pesan instan WhatsApp, dan Website resmi institusi. Pendekatan data mining yang dilakukan adalah berbasis asosiasi-kalsifikasi, yaitu menggunakan pendekatan asosiasi untuk menentukan kelas tertentu dan algoritma yang digunakan adalah apriori. Beberapa hasil dari penelitian ini antara lain Website dan Facebook menjadi tempat penyebaran informasi yang berpengaruh pada keyakinan memilih berkuliah di STMIK AMIKOM Surakarta dan Interaksi menjawab pertanyaan dan tampilan pada Instagram dan Facebook apabila ditingkatkan akan memiliki potensi untuk meningkatkan minat dan keyakinan memilih berkuliah di STMIK AMIKOM Surakarta.

Pemanfaatan AI untuk Kesehatan Publik: Pengalaman dan Harapan Pengguna Sistem Kualitas Udara dengan UTAUT2

2025-02-07T04:11:38+00:00

Pencemaran udara telah terbukti ada di seluruh dunia. Ini menunjukkan banyak bukti yang mempengaruhi efek buruk terkait kesehatan yang menyebabkan penyakit dan bahkan kematian, dan perkembangan teknologi telah membantu memantau paparan orang terhadap pencemaran udara. Penelitian ini menganalisis faktor-faktor yang mempengaruhi kegunaan yang dirasakan dari deteksi pencemaran udara pada aplikasi AIKU berdasarkan model Teori Penerimaan dan Penggunaan Teknologi yang Terpadu (UTAUT2) dan juga Teori Motivasi Perlindungan Diri (TMPD). Sebanyak 371 peserta dengan sukarela menjawab survei mandiri yang terdiri dari konstruk yang diadaptasi yang mencakup faktor-faktor seperti, Harapan Kinerja (PE), Harapan Upaya (EE), Pengaruh Sosial (SI), Kondisi yang Memfasilitasi (FC), Motivasi Hedonis (HM), Nilai Harga (PV), Niat menggunakan (IU), Meningkatkan Kesehatan Masyarakat (EPH). Metode Persamaan Struktural (SEM) digunakan untuk menentukan faktor-faktor yang mempengaruhi kegunaan yang dirasakan dari aplikasi AIKU. Hasil penelitian menunjukkan bahwa PE adalah faktor utama yang menyebabkan IU yang sangat tinggi di kalangan pengguna sehingga dapat meningkatkan EPH, selain itu FC terbukti menjadi faktor paling signifikan kedua yang mempengaruhi IU, diikuti oleh HM, PV, SI, EE. Studi ini mempertimbangkan evaluasi kegunaan di antara aplikasi seluler terkait kesehatan yang mencakup pencemaran udara. Hasil kerangka kerja dalam model ini diterapkan untuk mengevaluasi faktor dan aplikasi lain yang terkait dengan kesehatan masyarakat

Analisis Kepuasan Pengguna Aplikasi Access By KAI : Personal Innovativeness In Information Technology Sebagai Variabel Moderator

2025-02-07T04:11:40+00:00

Banyaknya transportasi yang digunakan pada era sekarang ini adalah salah satu faktor banyak orang memilih transportasi yang bisa memanejemen waktu contohnya transportasi kereta api yang dapat diakses melalui aplikasi. Penelitian ini bertujuan untuk menganalisis kepuasan pengguna aplikasi Access By KAI dalam memenuhi kebutuhan penggunanya. Teknik penelitian menggunakan teknik SEM dengan aplikasi SMART PLS 3.0. Penelitian ini melibatkan 308 responden pada usia produktif yang menggunakan aplikasi Access By KAI. Penelitian ini menggunakan metode End User Computing Satisfaction (EUCS) dengan variabel dependent yaitu Accuracy, Content, Format, Ease Of Use, Timeliness dan Personal Innovativeness In Information Technology (PIIT) dan variabel independent yaitu Kepuasan Pengguna. Hasil penelitian menunjukkan bahwa Format, Timelineess dan PIIT berpengaruh signifikan terhadap kepuasan pengguna. Upaya yang diharapkan ialah perlunya peningkatan pada aspek Accuracy, Content dan Easy of Use agar meningkatkan kepuasan pengguna aplikasi Access By KAI.

Identifikasi Kerusakan Buah Kakao Akibat Serangan Hama Menggunakan Algoritma Yolov9

2025-02-07T04:11:42+00:00

Pertanian di Indonesia memiliki peran penting dalam perekonomian nasional, dengan kakao sebagai salah satu komoditas utama. Indonesia merupakan produsen kakao terbesar ketiga di dunia. Namun, produktivitas kakao sering terganggu oleh serangan hama. Penelitian ini bertujuan untuk mengidentifikasi kerusakan buah kakao akibat serangan hama menggunakan algoritma YOLOv9 berbasis pengolahan citra. Fokus penelitian ini adalah hama penggerek buah kakao (Conopomorpha cramerella) dan hama penghisap buah kakao (Helopeltis spp.), yang dipilih karena dampaknya yang signifikan terhadap penurunan kualitas dan kuantitas hasil panen. Algoritma YOLOv9 dipilih karena keunggulannya dalam mendeteksi objek dengan akurasi tinggi dan kecepatan pemrosesan. Hasil penelitian menunjukkan bahwa model YOLOv9 mampu mengidentifikasi kerusakan dengan akurasi yang tinggi, mencapai mAP sebesar 99.5%. Dengan hasil ini, model yang dikembangkan dapat menjadi alat yang efektif untuk mendukung petani dalam memantau dan mengelola serangan hama secara lebih efisien. Penggunaan YOLOv9 dalam identifikasi kerusakan buah kakao diharapkan dapat memberikan solusi yang lebih efektif dalam mengurangi risiko penurunan hasil panen akibat serangan hama. Selain itu, teknologi ini membuka peluang untuk diintegrasikan dalam aplikasi mobile smart farming, sistem sortir buah kakao, dan sistem monitoring otomatis guna meningkatkan hasil panen kakao di Indonesia.

Kata kunci: Kakao, Hama, Citra, YoloV9

Penerapan Simple Additive Weighting Sebagai Sistem Pendukung Keputusan Pemilihan dan Penentuan Siswa Terbaik

2025-02-07T04:11:44+00:00

The purpose of this study is to design and create a decision support system for SMA Negeri 1 Cilegon, also known as SMANCIL. The use of the Simple Additive Weighting method to achieve the objectives of the study. So far, certain methods have not been used to select the best students, so that the decisions made are considered non-objective and not on target. Therefore, a decision support system is expected to help in making decisions about the best students. This study will investigate the case of finding the best alternative based on predetermined criteria. To calculate the weighted sum of the performance ratings for each alternative in all attributes, the SAW method is needed. By using the SAW method, several criteria are calculated to provide recommendations for the desired students. The ranking results show V6 = 0.97 and V28 = 1.00. Based on these results, it can be concluded that of all the specified criteria, V28 is the best student choice. This study is expected to produce a design for selecting the best students that will help teachers choose the best students according to their wishes.

Analisis Pola Belanja dengan Metode Apriori: Studi Kasus pada Data Transaksi Penjualan Alat Kesehatan di Joyo Alkes

2025-02-07T04:11:46+00:00

^{_{Penelitian ini bertujuan untuk menganalisis pola belanja dengan metode algoritma Apriori pada data transaksi penjualan toko alat kesehatan. Langkah-langkah analisis meliputi penghapusan kolom tidak penting, konversi data ke format transaksional, dan penggunaan algoritma Apriori untuk menghasilkan aturan asosiasi. Hasil analisis mengidentifikasi pola belanja yang memberikan wawasan berharga bagi toko dalam merencanakan strategi pemasaran dan penataan produk. Joyo Alkes, sebagai contoh toko alat kesehatan di Sukoharjo, memiliki banyak transaksi penjualan harian yang jika tidak diolah, data hanya menjadi sampah. Dengan teknologi data mining, data transaksi bisa diubah menjadi informasi berharga untuk peningkatan penjualan dan promosi produk. Algoritma Apriori digunakan untuk menganalisis data penjualan Joyo Alkes, memungkinkan pengembangan penjualan dan pemasaran produk yang lebih efektif. Pada penelitian ini, menggunakan nilai minimal support (penunjang) sebesar 5% dan nilai minimal confidence (kepastian) sebesar 60%. Hasil penelitian yang didapatkan bahwa pembeli produk 021m3 akan membeli produk onehealthcanul dan 026m3part2 secara bersamaan. dan pembeli produk reg akan membeli produk t021m3.}}

Penerapan PSO-SVM Untuk Deteksi Serangan Web Dengan Pendekatan Hybrid Anomaly-Signature Based

2025-02-07T04:11:47+00:00

The security of web applications is becoming increasingly crucial with the growing use of web platforms in education and business, especially due to the management of sensitive data. Attacks such as SQL Injection often pose serious threats to data integrity by exploiting weaknesses in input validation. Signature-based approaches are employed to detect known attacks, but they are often ineffective against new threats. On the other hand, anomaly-based approaches using Machine Learning can identify anomalous patterns but are typically slow for real-time detection. This study implements PSO-SVM (Particle Swarm Optimization-Support Vector Machine) to enhance the detection of attacks on web applications by combining anomaly and signature-based approaches. PSO is utilized to optimize SVM parameters, aiming to improve the accuracy of detecting new attacks and reduce the number of undetected threats. Evaluation through testing scenarios demonstrated an accuracy improvement of up to 99.3%, confirming that this hybrid approach is effective in enhancing the security of web applications.

Implementasi Pengujian Otomatis dan Pengukuran Kualitas Website Employee Self-Service PT Asta Protek Jiarsi

2025-02-07T04:11:49+00:00

Pengujian perangkat lunak menjadi sangat penting untuk memastikan operasi yang benar, sehingga memahami prinsip-prinsip dasar pengujian perangkat lunak serta teknik yang efektif sangat penting untuk menghasilkan perangkat lunak berkualitas tinggi. Otomatisasi pengujian membantu meningkatkan efisiensi, terutama dalam proyek yang kompleks dan memerlukan pemeliharaan serta pengujian yang berulang. Selain meningkatkan efisiensi, pengujian juga perlu dilakukan untuk mengukur kualitas perangkat lunak guna mencapai perangkat lunak yang berkualitas tinggi. PT Asta Protek Jiarsi telah membangun website Employee Self Service untuk memudahkan karyawan melakukan presensi, klaim medis, reimbursement, klaim lembur, dan menu lainnya. Metode McCall telah banyak digunakan untuk mengukur kualitas perangkat lunak. Beberapa penelitian sebelumnya menunjukkan bahwa penggunaan McCall dalam pengukuran kualitas perangkat lunak menghasilkan rekomendasi perbaikan yang berharga. Implementasi otomatisasi pada web Employee Self Service dan penerapan metode McCall dapat merinci karakteristik kualitas perangkat lunak seperti keandalan, efisiensi, dan pemeliharaan. Penerapan kriteria keberhasilan perangkat lunak McCall dengan pengujian otomatisasi memungkinkan identifikasi kelemahan dan kekuatan website Employee Self Service dengan lebih jelas, serta memungkinkan pengambilan tindakan yang diperlukan untuk perbaikan.

Analisa Perbaikan Jatuh Tegangan Dan Rugi Daya Penyulang Distribusi Menggunakan ETAP

2025-02-07T04:11:51+00:00

Susut energi adalah energi hilang dalam proses distribusi aliran listrik. Susut energi di PLN UID Jakarta Raya meningkat 4.7% atau 106.11 GWh dari tahun 2021 ke 2022, yang merupakan kenaikan terbesar kedua unit Jawa Bali di PT. PLN (Persero) setelah UID Jawa Timur dengan susut 140.54 GWh, UID Jawa Tengah dan DIY sebesar 65.19 GWh, UID Banten sebesar 64.53 GWh dan UID Jawa Barat sebesar 33.89 GWh. Faktor utama susut energi adalah rugi daya, yang membutuhkan analisis parameter beban dan tegangan. Penelitian ini menganalisa kondisi penyulang distribusi dengan beban besar dan panjang, yaitu penyulang Sigap, dengan menggunakan Load Flow Analysis pada aplikasi ETAP. Tujuannya untuk menampilkan rugi daya dan tegangan jatuh pada kondisi eksisting penyulang, maupun setelah rekonfigurasi sebagai solusi perbaikan.

Hasil simulasi menunjukkan kondisi eksisting tegangan ujung penyulang turun sebanyak 5,7% dari tegangan pelayanan dengan rugi daya 337.886 kW. SPLN No.72 Tahun 1987 memperbolehkan turun tegangan maksimal sebesar 5 %. Simulasi rencana rekonfigurasi menunjukkan bahwa rencana 1 berhasil memperbaiki tegangan ujung dari 18,87 kV menjadi 19,258 kV dan mengurangi rugi daya sebesar 84.9628 kW. Sedangkan rencana 2 berhasil memperbaiki tegangan ujung menjadi 19.82 kV dan rugi daya berkurang 195.6461 kW yang menjadikannya solusi perbaikan yang paling efektif untuk memperbaiki tegangan dan rugi daya.

Perbandingan Algoritma Naïve Bayes dan C4.5 dalam Klasifikasi Pencapaian Target Penjualan Tabungan Bank XYZ

2025-02-07T04:11:52+00:00

Penelitian ini mengkaji klasifikasi pencapaian target penjualan produk tabungan pada Kantor Cabang Pembantu (KCP) Bank XYZ menggunakan algoritma Naïve Bayes dan C4.5. Dengan perhatian terhadap pertumbuhan pesat dalam industri perbankan, peningkatan target penjualan produk menjadi tantangan utama yang dihadapi Bank XYZ. Penggunaan data mining, khususnya algoritma klasifikasi, menjadi strategi untuk meningkatkan efektivitas penjualan produk tabungan. Data historis penjualan produk tabungan dari Bank XYZ digunakan dalam studi kasus ini, dengan data yang telah dipreproses dan divisualisasikan untuk analisis yang lebih baik. Hasil evaluasi menunjukkan bahwa algoritma C4.5 memberikan akurasi yang lebih tinggi (95,1%) dibandingkan dengan Naïve Bayes (78,32%). Selain itu, evaluasi menggunakan metrik precision, recall, dan F1-score menunjukkan kinerja yang lebih baik dari algoritma C4.5 dalam mengklasifikasikan kedua kelas (0 dan 1) dengan precision, recall, dan F1-score yang lebih tinggi. Dengan demikian, penggunaan algoritma C4.5 lebih disarankan untuk mengklasifikasikan pencapaian target penjualan produk tabungan pada Kantor Cabang Pembantu Bank XYZ, karena memberikan hasil yang lebih baik dibandingkan dengan Naïve Bayes. Penelitian ini memberikan wawasan yang berharga bagi Bank XYZ dalam merancang strategi penjualan yang lebih efektif untuk meningkatkan pencapaian target penjualan produk tabungannya.

Kata kunci— data mining, klasifikasi, algoritma C4.5, algoritma naive bayes, perbandingan algoritme

Audit Sistem Informasi Terhadap Sistem Pembelian Di Aplikasi Shopee Menggunakan Framework Cobit 5

2025-02-07T04:11:54+00:00

Aplikasi e-commerce seperti Shopee menjadi simbol penting dalam kemajuan perdagangan daring, menawarkan kemudahan akses, variasi produk yang luas, dan pengalaman berbelanja yang memuaskan. Di balik kecanggihan tersebut, keamanan dan integritas sistem informasi menjadi faktor krusial yang harus dijaga. Penulis melakukan penelitian ini berdasarkan studi pustaka tentang audit sistem informasi menggunakan framework COBIT 5 sub part DSS. Penulis menyebar kuesioner terhadap pengguna shopee. Hasil kuisioner lalu dinilai berdasarkan tingkat kematangan dan dianalisis. Hasil dari rekapitulasi tingkat model maturity level penelitian audit sistem terhadap pembelian di aplikasi Shopee, yaitu berada di level 3 dan 4. Kelemahan terdapat pada submain DSS05, dimana memiliki nilai kematangan paling kecil dari domain lainnya yaitu 3,42.

Klasifikasi Citra Pada Wayang Kulit Menggunakan Convolutional Neural Network

2025-02-07T04:11:55+00:00

This research aims to develop a Convolutional Neural Network (CNN)-based shadow puppet image classification system by utilizing the ResNet-18 architecture, which is known to be efficient in handling image data and has a high level of accuracy. The system is designed to classify the Punakawan characters in shadow puppets, namely Bagong, Gareng, Petruk, and Semar, which are part of Indonesia's cultural heritage. In addition, this study also compares the performance of ResNet-18 with two other architectures, namely MobileNetV2 and DenseNet121. The dataset used consists of 2,148 images, which were obtained through live shooting and online searches. The images were processed using augmentation techniques and divided in a ratio of 70:15:15 for training, validation, and testing. The model was trained using optimal hyperparameters, such as learning rate 0.001 and batch size 32, to evaluate the performance of the three architectures. The evaluation results showed that the ResNet-18 architecture, as the main focus of the research, achieved an overall accuracy of 93.90%, with precision, recall, and F1-score of 94% each. In comparison, MobileNetV2 produced the highest validation accuracy of 96%, with better performance in generalization, while DenseNet121 produced a validation accuracy of 95%. This result confirms that although MobileNetV2 has the best performance in shadow puppet image classification, ResNet-18 still shows excellent results with simpler complexity, so it can be an efficient solution for the implementation of Punakawan shadow puppet classification system.

Prediksi Transaksi Minat Pembelian Online Menggunakan Kombinasi CNN Conv1D dan BiLSTM

2025-02-07T04:11:57+00:00

The rapid development of information technology has transformed consumer shopping behavior, particularly through e-commerce platforms. Online shopping has become a primary trend due to its convenience and the growing penetration of the internet. Understanding online purchase intention is therefore crucial for businesses in devising effective marketing strategies. Purchase intention is influenced by factors such as product quality, price, customer reviews, and platform usability. However, predicting purchase intention poses a significant challenge due to the large and complex nature of consumer data. Smote used for imbalance data. This study aims to combine CNN (Conv1D) and BiLSTM for high-accuracy purchase intention prediction. The research focuses on analyzing model accuracy and the effectiveness of the algorithms in handling imbalanced data. The results indicate that the combined CNN(Conv1D) + BiLSTM model achieves 97% accuracy with balanced evaluation metrics, although the True class recall (96%) is slightly lower than that of the False class (95%). Further optimization is needed to enhance overall model performance.

Rancang Bangun Aplikasi Display Multimedia Dengan Fitur Kreasi Konten Interaktif Berbasis Augmented Reality

2025-02-07T04:11:59+00:00

Bandung Techno Park (BTP) is one of Telkom University's innovation showcases frequently visited by students from both Indonesia and other countries such as Malaysia and Korea. However, BTP faces challenges in providing multimedia displays that effectively attract attention and offer interactive experiences for visitors. To address this issue, this study develops ARMazing, an Augmented Reality (AR)-based multimedia application designed to display various 3D animals in both realistic and cartoon forms. The research methodology includes literature review, system design based on the Multimedia Development Life Cycle (MDLC) model, and user testing and evaluation through a survey of 43 BTP visitors. The application features a creation mode, allowing users to select virtual animals, take photos, and record videos with them. Survey results indicate a positive response, with 83.2% of respondents appreciating the visual design, 81.4% valuing the educational content on animal species, and 90.7% enjoying the content creation feature. Based on the findings, ARMazing has proven to be an effective multimedia display medium that enhances attraction and interactivity at Bandung Techno Park while providing visitors with a more engaging educational experience.

Implementasi Metode Hibrida CNN-ELM Dalam Deteksi Citra Deepfake

2025-02-07T04:12:00+00:00

The existence of Artificial Intelligence (AI) today has played a significant role in human life. In addition to bringing positive impacts, AI also has negative effects that can be detrimental to humans, one of which is Deepfake. Deepfake is the use of deep learning to forge someone's face in an image or video. This research introduces a hybrid method combining Convolutional Neural Network (CNN) and Extreme Learning Machine (ELM) to detect deepfake images. The goal of this research is to create image detection to verify the authenticity of an image in order to avoid deepfake. With the advantage of feature extraction from the CNN model and the efficient computational speed of the ELM model, the CNN-ELM hybrid method can accurately and efficiently train and test data. This research uses various scenarios to find the best parameter configuration. The results of this hybrid method achieved an average accuracy of 85.77% using 600 hidden neurons, RMSprop optimization, and ReLu activation function. This research also developed a simple GUI to allow free input of photos to verify their authenticity. This research can be one approach to detecting deepfake images.