Garuda - Garba Rujukan Digital

Article Per Year (5 Year)

All

Sistemasi: Jurnal Sistem Informasi

stmsi
Website

Published by Universitas Islam Indragiri

ISSN : 23028149 EISSN : 25409719 DOI : -

Core Subject : Science, Engineering,

Computer Science & IT Electrical & Electronics Engineering

Sistemasi adalah nama terbitan jurnal ilmiah dalam bidang ilmu sains komputer program studi Sistem Informasi Universitas Islam Indragiri, Tembilahan Riau. Jurnal Sistemasi Terbit 3x setahun yaitu bulan Januari, Mei dan September,Focus dan Scope Umum dari Sistemasi yaitu Bidang Sistem Informasi, Teknologi Informasi,Computer Science,Rekayasa Perangkat Lunak,Teknik Informatika

Arjuna Subject : -

Articles 21 Documents

1 2 3

Search results for , issue "Vol 10, No 2 (2021): Sistemasi: Jurnal Sistem Informasi" : 21 Documents clear

Penerapan K-Means Clustering dari Log Data Moodle untuk Menentukan Perilaku Peserta pada Pembelajaran Daring Easbi Ikhsan
Sistemasi: Jurnal Sistem Informasi Vol 10, No 2 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

AbstrakPembelajaran berbasis daring atau e-learning mulai semakin banyak digunakan oleh para pengampu pelajaran melalui Learning Management System (LMS). Moodle sebagai LMS popular mulai banyak digunakan karena fiturnya yang lengkap. Selain itu moodle juga mampu merekam aktivitas pembelajaran para peserta melalui ketersediaan log data. Berbagai log data yang tersimpan dalam Moodle belum banyak dimanfaatkan oleh pengelola pendidikan ataupun para pengajar untuk mengevaluasi proses pendidikan dan pelatihan. Penelitian ini membahas mengenai analisis perilaku peserta pelatihan kursus Visualisasi Data dengan Tableau pada LMS moodle di situs Warung Kompetensi Pegawai Badan Pusat Statistik (Warkop BPS). Metode analisis yang digunakan ialah k-means clustering. Hasil penelitian menunjukkan bahwa perilaku peserta pelatihan dari kursus ini dapat dibagi menjadi 3 kelompok atau cluster berdasarkan aktivitas peserta pelatihan. Penelitian ini memberikan kesimpulan bahwa k-means clustering mampu memberikan informasi pengelompokan perilaku peserta kursus dari log data LMS sehingga kedepannya mampu melihat intervensi apa untuk meningkatkan semangat belajar para peserta pelatihan.Kata kunci: Moodle, Log Data, Educational Data MiningAbstractOnline-based learning or e-learning is increasingly being used by instructors through the Learning Management System (LMS). Moodle as a popular LMS is starting to be widely used because of its complete features. In addition, Moodle is also able to record the learning activities of the participants through the availability of data logs. Various log data stored in Moodle have not been widely used by education managers or teachers to evaluate education and training progress. This study discusses the behavioral analysis of training participants in the data visualization course with Tableau on the Moodle LMS on the website of the Central Bureau of Statistics Employee Competency Stalls (Warkop BPS). The analytical methods used are Exploratory Data Analysis and k-means clustering. The results showed that the behavior of the trainees from this course could be divided into 3 groups or clusters based on the activities of the training participants. This study concludes that k-means clustering is able to provide information on the grouping of course participants' behavior from the LMS log data so that in the future they can see what interventions to increase the learning enthusiasm of the training participants.Keywords: Moodle, Log Data, Educational Data Mining

Perbandingan Algoritma Decision Tree C4.5 Dan Naive Bayes pada Analisa Tekstur Gray Level Co-Occurrence Matrix Menggunakan Citra Wajah Hamdun Sulaiman
Sistemasi: Jurnal Sistem Informasi Vol 10, No 2 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

AbstrakAnalisis tekstur lazim dimanfaatkan sebagai proses untuk melakukan klasifikasi dan interpretasi citra. Suatu proses klasifikasi citra berbasis analisa tekstur pada umumnya membutuhkan tahapan ekstraksi ciri, yang terdiri dari tiga macam metode yaitu metode statistik, metode spaktral dan metode struktural. Metode GLCM (Gray-Level Co-Occurrence Matrix) termasuk dalam metode statistik di mana dalam perhitungan statistiknya menggunakan distribusi derajat keabuan dengan mengukur tingkat kekontrasan, granularitas (ukuran), dan kekasaran suatu daerah dari hubungan ketetanggaan antar piksel di dalam citra. Tujuan penelitian ini mencari nilai akurasi yang baik dengan membandingkan algoritma decision tree C4.5 dan naive bayes pada analisa tekstur Gray Level Co-occurrence Matrix (GLCM) menggunakan citra wajah. Tools yang digunakan untuk ektrasi fitur menggunakan MATLAB dan untuk klasifikasi algoritmanya menggunakan tools Rapid miner. Dari hasil penelitian untuk nilai terbaik pada perbandingan algoritma dengan analisa tekstur Gray-Level Co-Occurrence Matrix (GLCM) menggunakan citra wajah. Untuk nilai akurasi terhadap 2 kelas dengan algoritma klasifikasi C4.5 sebesar 58,64%, sedangkan untuk nilai akurasi algoritma klasifikasi Naive Bayes sebesar 75,45% sedangkan untuk nilai akurasi terhadap 3 kelas dengan algoritma klasifikasi C4.5 sebesar 54,74%%, sedangkan untuk nilai akurasi algoritma klasifikasi Naive Bayes sebesar 62,63%. Dapat disimpukan bahwa algoritma Naive Bayes memiliki nilai terbaik dalam analisa tekstur Gray-Level Co-Occurrence Matrix (GLCM) menggunakan citra wajah baik terhadap 2 kelas maupun yang 3 kelas.Kata kunci: analisa tekstur, citra wajah, gray level co-occurrence matrix, algoritma c4.5, algoritma klasifikasi naive bayes AbstractTexture analysis is commonly used as a process for image classification and interpretation. An image classification process based on texture analysis generally requires feature extraction stages, which consist of three types of methods namely statistical methods, spactral methods and structural methods. The GLCM (Gray-Level Co-Occurrence Matrix) method is included in the statistical method in which statistical calculations use gray level distribution by measuring the contrast level, granularity (size), and roughness of an area from the neighboring relationships between pixels in the image. The purpose of this study is to find a good value of accuracy by comparing the C4.5 decision tree and naive bayes on the Gray Level Co-occurrence Matrix (GLCM) texture analysis using face images. The tools used for feature extraction use MATLAB and for the classification of the algorithm use Rapid Miner tools. From the results of the study for the best value in the comparison of algorithms with Gray-Level Co-Occurrence Matrix (GLCM) texture analysis using face images. For the accuracy of the two classes with C4.5 classification algorithm is 58.64%, while for the Naive Bayes classification algorithm accuracy value is 75.45% while for the accuracy of the 3 classes with C4.5 classification algorithm is 54.74 %% , while for the Naive Bayes classification algorithm accuracy value is 62.63%. It can be concluded that the Naive Bayes algorithm has the best value in Gray-Level Co-Occurrence Matrix (GLCM) texture analysis using face images for both classes and 3 classes.Keywords: texture analysis, facial image, gray level co-occurrence matrix, c4.5 algorithm, naive bayes classification algorithm.

Analisa Kesuksesan E-Government Lapor dengan Model Delone-Mclean dan Metode PLS-SEM Rizal Rachman
Sistemasi: Jurnal Sistem Informasi Vol 10, No 2 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

AbstrakKota Bandung sebagai salah satu kota di Indonesia yang serius mengembangkan program Smart City. Beberapa keunggulan yang salah satunya banyaknya ruang untuk warga bisa berinteraksi aktif dalam mengawasi pembangunan kota melalui inovasi. Pelayanan teknologi informasi yang diterapkan menggunakan E-Government LAPOR (Layanan Aspirasi dan Pengaduan Online Rakyat). Evaluasi Sistem Informasi E-Government LAPOR sangat dibutuhkan untuk menunjukan kesuksesan pelayanan yang diterapkan. Tujuannya untuk mempelajari tingkat keberhasilan sistem E-Government LAPOR. Untuk mengidentifikasikan faktor-faktor yang menyebabkan kesuksesan sistem teknologi informasi. Maka diperlukan model Delone-Mclean dan metode Pls-Sem sebagai faktor penentu keputusan dan kepuasan pengguna. Hasil penelitian menunjukkan bahwa kualitas informasi tidak memiliki pengaruh signifikan terhadap kepuasan pengguna, Kualitas sistem memiliki pengaruh signifikan terhadap kepuasan pengguna, kualitas layanan memiliki pengaruh signifikan terhadap kepuasan pengguna, kualitas informasi tidak memiliki signifikan terhadap net beneft melalui kepuasan pengguna, kualitas sistem memiliki pengaruh signifikan terhadap net benefit melalui kepuasan pengguna, kualitas layanan memiliki pengaruh signifikan terhadap net benefit melalui kepuasan pengguna dan tingkat kesuksesan penerapan sistem memiliki persentase sebesar 73,4%, maka penerapan sistem tersebut dapat dikatakan sukses. Kata Kunci: Analisis Kesuksesan, Delone dan Mclean, E-government, PLS-SEM AbstractBandung City as one of the cities in Indonesia is serious about developing the Smart City program. There are several advantages, one of which is the amount of space for citizens to actively interact in overseeing city development through innovation. The applied information technology service uses E-Government LAPOR (People's Online Aspiration and Complaints Service). Evaluation of the LAPOR E-Government Information System is needed to show the success of the service being implemented. The aim is to study the success rate of the E-Government LAPOR system. To identify the factors that cause the success of information technology systems. So we need the Delone-Mclean model and the Pls-Sem method as a determining factor for decisions and user satisfaction. The results showed that information quality has no significant effect on user satisfaction, system quality has a significant effect on user satisfaction, service quality has a significant effect on user satisfaction, information quality does not have a significant effect on net benefit through user satisfaction, system quality has a significant effect on user satisfaction. net benefit through user satisfaction, service quality has a significant effect on net benefits through user satisfaction and the success rate of implementing the system has a percentage of 73.4%, so the application of the system can be said to be successful. Keywords: Success Analysis, Delone and Mclean, E-government, PLS-SEM

Implementasi dan Pengukuran Pengalaman Pengguna Sistem Informasi Rehabilitasi Korban Penyalahgunaan Napza Menggunakan Heart Framework Okta Verina Tri Utami; Citra Wiguna; Dwi Mustika Kusumawardani
Sistemasi: Jurnal Sistem Informasi Vol 10, No 2 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

AbstrakSistem informasi rehabilitasi korban penyalahgunaan NAPZA merupakan sebuah sistem yang dibangun oleh developer systems untuk mengelola dan mendistribusikan informasi guna mempermudah pengambilan keputusan oleh pihak manajemen Kantor BRSKPN Satria. Dalam penerapan tahap awal sistem informasi rehabilitasi, pihak manajemen melakukan pengukuran guna mendapatkan feedback terhadap pengalaman pengguna sistem. Sistem ini telah digunakan selama satu bulan sebagai tahap awal penerapan. Penelitian ini menggunakan metode HEART framework untuk mengukur pengalaman pengguna dengan lima variabel, yaitu Happiness, Engagement, Adoption, Retention, dan Task Success. Hasil penelitian ini menunjukkan variabel Happiness 50% Sangat Setuju, variabel Engagement 43% Sangat Setuju, variabel Adoption 45% Sangat Setuju, variabel Retention 34% Sangat Setuju, dan Task Success 38% Sangat Setuju. Hasil menunjukkan tiga dari lima variabel HEART framework bernilai sangat setuju, yang memiliki arti sistem informasi rehabilitasi yang telah dievaluasi dapat diterima berdasarkan pengalaman pengguna. Sistem informasi rehabilitasi telah dilakukan pengukuran dan menunjukkan level usability pada kriteria “very high” dengan menggunakan Correlation Coefficient berdasarkan lima variabel HEART framework.Kata kunci: Sistem informasi, rehabilitasi, pengalaman pengguna, user experience, HEART framework AbstractThe rehabilitation information system for drug abuse victims is a system developed by developer systems to manage and distribute information to facilitate decision making by the management of the Satria BRSKPN Office. In implementing the early stages of the rehabilitation information system, the management takes measurements in order to get feedback on the experience of the system users. This system has been in use for one month as an initial stage of implementation. This study uses the HEART framework method to measure user experience with five variables, namely Happiness, Engagement, Adoption, Retention, and Task Success. The results of this study indicate the variable Happiness 50% Strongly Agree, 43% Strongly Agree Engagement variable, 45% Strongly Agree Adoption variable, 34% Strongly Agree Retention variable, and 38% Strongly Agree Task Success variable. The results show that three of the five HEART framework variables are highly agree, which means that the rehabilitation information system that has been evaluated is acceptable based on user experience. The rehabilitation information system has been measured and shows the level of usability on the “very high” criteria using the Correlation Coefficient based on the five HEART framework variables.Keywords: Information systems, rehabilitation, user experience, user experience, HEART framework

Klasifikasi Kopra Putih Menggunakan Algoritma k-Nearest Neighbor Rosi Rahayu Marlis; Abdullah Abdullah; Fitri Yunita
Sistemasi: Jurnal Sistem Informasi Vol 10, No 2 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Analisis Usability Mobile Apps Edlink dengan Menggunakan Heuristic Evaluation Finka Fatihahsari; Cahyo Darujati
Sistemasi: Jurnal Sistem Informasi Vol 10, No 2 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

AbstrakMobile apps Edlink adalah aplikasi berbasis android yang dikembangkan PT. SEVIMA untuk membantu mahasiswa dan dosen dalam melakukan kegiatan pembelajaran secara daring. Saat ini pengguna mobile apps Edlink mencapai 65.308 pengguna aktif. Berdasarkan rating pengguna yang didapat pada playstore yakni sebesar 3,9 dari 5 bintang. Rendahnya nilai rating tersebut dapat dipengaruhi dari beberapa ulasan pengguna pada playstore seperti aplikasi tidak dapat terhubung ke server, tidak dapat melakukan klik button submit kuis, dan tidak dapat melakukan unggah tugas perkuliahan. Permasalahan tersebut tentu menyebabkan pengguna kecewa dan menurunkan kepuasan pengguna (satisfaction). Pada penelitian ini menggunakan metode evaluasi heuristik, dengan tujuan untuk mengetahui kondisi usability saat ini secara spesifik dan diberikan rekomendasi perbaikan sesuai dengan prioritas temuan masalah. Peneliti membuat 40 pertanyaan yang digunakan sebagai bahan evaluasi. Dari hasil evaluasi 3 evaluator ahli diketahui kondisi saat ini terdapat 84 temuan masalah. Permasalahan usability terbanyak ditemukan pada prinsip H1- Visibility of System Status dengan persentase 23,8% dari total 82 permasalahan serta didapatkan rata-rata severity rating sebesar 2,5. Sedangkan, rata-rata severity rating tertinggi sebesar 3,22 pada prinsip H3-User Control and Freedom dari total 3 temuan masalah. Peneliti memberikan 38 rekomendasi perbaikan yang dapat digunakan dalam pengembangan Edlink.Kata Kunci: Mobile apps Edlink, evaluasi heuristik, usability, severity ratingAbstractEdlink Mobile apps is an android based application developed by PT. SEVIMA to assist students and lecturers in carrying out learning activities online. Currently Edlink mobile apps users reach 65,308 active users. Based on the user rating obtained in the Playstore, which is 3.9 out of 5 stars. The low rating value can be influenced by several user reviews on the playstore, such as the application cannot connect to the server, cannot click the submit quiz button, and cannot upload lecture assignments. These problems certainly cause users to be disappointed and reduce user satisfaction (satisfaction). This study uses the heuristic evaluation method, with the aim of knowing the current usability conditions specifically and providing recommendations for improvements in accordance with the priority of problem findings. The researcher made 40 questions which were used as evaluation materials. From the evaluation results of 3 expert evaluators, it is known that there are 84 problem findings at this time. The most usability problems are found in the H1-Visibility of System Status principle with a percentage of 23.8% of the total 82 problems and an average severity rating of 2.5 is obtained. Meanwhile, the highest average severity rating is 3.22 on the H3-User Control and Freedom principle from a total of 3 problem findings. Researchers provide 38 recommendations for improvements that can be used in the development of Edlink.Keywords: Mobile apps Edlink, heuristic evaluation, usability, severity rating

Rancang Bangun Sistem Audit Mutu Internal Guna Optimalisasi Kinerja Penjaminan Mutu Perguruan Tinggi Istianah Muslim; Maksum Rois Adin Saf; Rika Perdana Sari; Silvana Rasio Henim
Sistemasi: Jurnal Sistem Informasi Vol 10, No 2 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

AbstrakSalah satu bentuk evaluasi pada Sistem Penjaminan Mutu Internal (SPMI) perguruan tinggi adalah pelaksanaan Audit Mutu Internal (AMI). AMI merupakan kegiatan rutin tahunan yang dilakukan untuk mengevaluasi kesesuaian pelaksanaan standar SPMI agar dapat menjaga dan meningkatkan budaya mutu di sebuah perguruan tinggi. Menyadari pentingnya peranan AMI, setiap perguruan tinggi harus mampu melaksanakan AMI dengan baik agar dokumentasi dan pelaksanaannya dapat dilakukan menyeluruh terhadap Standar SPMI yang telah ditetapkan. Namun demikian, keterbatasan sumber daya manusia, waktu dan biaya menjadi kendala dan tantangan dalam pelaksanaan AMI. Banyaknya indikator yang harus diaudit dengan kompleksitas tahapan dalam pelaksanaan serta dokumentasi hasil AMI yang membutuhkan ruang penyimpanan yang besar tetapi berpotensi hilang dan rusak menjadi hambatan dalam mewujudkannya. Mengatasi permasalahan tersebut, dirancang suatu sistem informasi berbasis website yang mampu mendigitalisasi sistem dan mengotomatisasi pelaksanaan AMI agar menjadi efektif dan efisien dengan menggunakan metode prototyping. Sistem ini dirancang dinamis agar dapat disesuaikan dengan kebutuhan perguruan tinggi lainnya yang menggunakan model implementasi yang sama. Dengan diterapkannya sistem informasi ini dengan studi kasus Politeknik Caltex Riau (PCR), diperoleh hasil bahwa pelaksanaan AMI di PCR terbukti menjadi efektif dan efisien dari sisi waktu, pelaksanaan, otomatisasi pembuatan laporan yang dibutuhkan, pengukuran tingkat kedalaman indikator, dokumentasi dan visualisasi hasil AMI, pelaksanaan tindak lanjut hasil AMI serta konsistensi pelaksanaan AMI. Selain itu, sistem ini juga berhasil mengoptimalisasi kinerja SPMI di PCR melalui sistem e-SPMI yang telah dirancang dan diimplementasikan sebelumnya di PCR. Sistem informasi ini juga telah memenuhi seluruh aspek fungsional yang diharapkan dan memiliki tingkat kebergunaan yang sangat baik mencapai 87%.Kata kunci: audit mutu internal, metode prototyping, penjaminan mutu, sistem informasi, website.AbstractOne type of evaluation of the SPMI is the implementation of Internal Quality Audit (AMI). AMI is an annual routine activity conducted to evaluate the conformity of SPMI standards in order to improve the quality culture in a university. Recognizing the importance of the role of AMI, every university must be able to implement the AMI properly so that documentation and implementation can be done thoroughly against the SPMI standards that have been set. Nevertheless, the limitations of human resources, time and cost become obstacles and challenges in the implementation of AMIs. The number of indicators that must be audited with the complexity of stages in the implementation and documentation of AMI results that require large storage space but potentially lost and damaged becomes an obstacle in making it happen. To solve these problems, a website-based information system is designed that is able to digitize the system and automate the implementation of AMIs in order to be effective and efficient using prototyping method. With the implementation of this information system with the case study of Politeknik Caltex Riau (PCR), it was obtained that the implementation of AMI in PCR proved to be effective and efficient in terms of time, implementation, automation of the required data, measurement of the depth of indicators, documentation and visualization of AMI results, implementation of follow-up of AMI results and consistency of AMI implementation. In addition, the system also managed to optimize spmi performance in PCR through e-SPMI system that has been designed and implemented previously in PCR. This information system has also fulfilled all expected functional aspects and has an excellent usability rate of up to 87%.Keywords: internal quality audit, prototyping method, quality insurance, information system, website

Penentuan Penanganan Persalinan Caesar dengan Neural Network dan Particle Swarm Optimization Insan Cahya Setia; Toni Arifin
Sistemasi: Jurnal Sistem Informasi Vol 10, No 2 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

AbstrakPersalinan caesar merupakan suatu tindakan operatif pada ibu bersalin dengan melakukan insisi pada kulit, dinding perut dan dinding rahim untuk menyelamatkan ibu serta bayi. Tindakan caesar dilakukan jika sang ibu tidak dapat melahirkan secara normal yang disebabkan oleh suatu indikasi tertentu. Untuk mengurangi resiko persalinan pada ibu dan bayi, perlu dilakukan pemeriksaan kondisi calon pasien caesar, maka dapat dilakukan penerapan dan pemanfaatan teknik data mining guna meminimalisir kesalahan dalam pemeriksaan. Klasifikasi yaitu salah satu poin penting dalam data mining atau pembelajaran mesin. Klasifikasi merupakan suatu pengelompokan data dimana data tersebut memiliki kelas label atau target. Salah satu metode data mining untuk masalah klasifikasi yang bisa implementasikan yaitu Neural Network. Untuk meningkatkan hasil akurasi penelitian, maka dapat digunakan pembobotan atribut menggunakan Particle Swarm Optimization. Pada penelitian yang dilakukan, teknik klasifikasi metode Neural Network dan Particle Swarm Optimization diterapkan pada Caesarian Section Classification Dataset. Setelah penelitian selesai dilakukan, diperoleh hasil akurasi menggunakan Neural Network mencapai 87.50% dengan nilai Area Under Curve (AUC) yaitu 1.000. Kemudian hasil akurasi menggunakan Neural Network berbasis Particle Swarm Optimization mengalami peningkatan sebesar 6.25% dengan akurasi mencapai 93.75% dan Area Under Curve (AUC) yaitu 0.913.Kata kunci: Bobot, Klasifikasi, Neural Network, Particle Swarn Optimization, Penanganan Caesar AbstractCaesarean is an operative action on the mother by giving an incision in the skin, abdominal wall and uterine wall to save the mother and baby. Caesarean section is performed if the mother is unable to give birth normally due to a certain indication. To reduce the risk of childbirth to the mother and baby, it is necessary to examine the condition of prospective caesarean patients, so the application and utilization of data mining techniques can be done to minimize errors in the examination. Classification is one of the important points in data mining or machine learning. Classification is a grouping of data where the data has a label or target class. One of the data mining methods for classification problems that can be implemented is the Neural Network. To improve the results of research accuracy, attribute weighting can be used using Particle Swarm Optimization. In the research conducted, the classification technique of Neural Network method and Particle Swarm Optimization is applied to the Caesarian Section Classification dataset. After the research was completed, the accuracy of using the Neural Network was 87.50% with Area Under Curve (AUC) is 1.000. Then the accuracy of using Neural Network based on Particle Swarm Optimization has increased by 6.25% with an accuracy reaching 93.75% and Area Under Curve (AUC) is 0.913.Keywords: Caesarian Section Delivery, Classification, Neural Network, Particle Swarn Optimization, Weight.

Implementasi Algoritma Synthetic Minority Over-Sampling Technique untuk Menangani Ketidakseimbangan Kelas pada Dataset Klasifikasi Mulia Sulistiyono; Yoga Pristyanto; Sumarni Adi; Gagah Gumelar
Sistemasi: Jurnal Sistem Informasi Vol 10, No 2 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

AbstrakPada penelitian ini dilakukan penangganan ketidakseimbangan kelas terhadap kelas minoritas menggunakan teknik resampling yaitu oversampling. Algoritma oversampling yang digunakan adalah Synthetic Minority Over-sampling Technique (SMOTE). Hasil dari penelitian ini dibandingkan dengan hasil klasifikasi tanpa resampling. Uji evaluasi yang digunakan ialah akurasi, Geometric Mean (g-mean), dan Confussion Matrix (CM). Penanganan distribusi kelas yang tidak seimbang pada dataset menggunakan algoritma SMOTE dapat meningkatkan nilai akurasi maupun g-mean pada algoritma Naïve Bayes, SVM, KNN dan Decision Tree. Hal tersebut menunjukkan bahwa proses penanganan terhadap distribusi kelas yang tidak seimbang pada tahap pra-pemrosesan data memberikan pengaruh terhadap nilai akurasi maupun g-mean algoritma Naïve Bayes, SVM, KNN dan Decision Tree. Pada scenario percobaan yang telah dilakukan algoritma Naïve Bayes memiliki akurasi paling baik 96,43 %, SVM dengan 99,02 %, KNN dengan 97,29 % dan Decision Tree dengan nilai 97,29 % pada dataset ecoli 15,8 setelah dilakukan SMOTE dengan 10 fold cross validation. Sedangkan memiliki nilai G-mean paling baik 96,42 % untuk algoritma Naïve Bayes, SVM dengan 99,37 %, KNN dengan 99,53 % dan Decision Tree dengan nilai 96,29 % pada dataset ecoli 15,8 setelah dilakukan SMOTE dengan 10 fold cross validation.Kata Kunci : Data Mining, Klasifikasi, Imbalance Ratio (IR), Oversampling, Synthetic Minority Over-sampling Technique (SMOTE)AbstractIn this research, the subscriber of class imbalance to the minority class was carried out using a resampling technique, namely oversampling. The oversampling algorithm used is Synthetic Minority Over-sampling Technique (SMOTE). The results of this study were compared with the results of the classification without resampling. The evaluation tests used are accuracy, Geometric Mean (g-mean), and Confusion Matrix (CM). Handling the unbalanced class distribution on the dataset using the SMOTE algorithm can increase the accuracy and g-mean values of the Naïve Bayes, SVM, KNN and Decision Tree algorithms. This shows that the handling process of the unbalanced class distribution at the pre-processing stage has an effect on the accuracy and g-mean values of the Naïve Bayes, SVM, KNN and Decision Tree algorithms. In the experimental scenario that has been carried out the Naïve Bayes algorithm has the best accuracy of 96.43%, SVM with 99.02%, KNN with 97.29% and Decision Tree with a value of 97.29% on the ecoli dataset of 15.8 after SMOTE with 10 fold cross validation. Meanwhile, it has the best G-mean value of 96.42% for the Naïve Bayes algorithm, SVM with 99.37%, KNN with 99.53% and Decision Tree with a value of 96.29% in the ecoli dataset of 15.8 after SMOTE with 10 fold cross validation. Keywords: Data Mining, Classification, Imbalance Ratio (IR), Oversampling, Synthetic Minority Over-sampling Technique (SMOTE)

Metode Dempster-Shafer untuk Diagnosis Dini Jenis Penyakit Gangguan Jiwa Skizofrenia Berbasis Sistem Pakar Hairani Hairani; Kurniawan Kurniawan; Kurniadin Abd Latif; Muhammad Innuddin
Sistemasi: Jurnal Sistem Informasi Vol 10, No 2 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

AbstrakSkizofrenia merupakan jenis gangguan jiwa bersifat kronis yang mempengaruhi proses berpikir, merasakan, dan berprilaku baik bagi penderitanya. Permasalahan selama ini adalah sebagian masyarakat umum merasa malu untuk melakukan pemeriksaan langsung ke rumah sakit kejiwaan, karena masih ada stigma negatif masyarakat. Tidak hanya itu, biaya konsultasi dengan dokter spesialis kejiwaan yang tidak murah menjadi salah satu faktor untuk tidak memeriksakan dirinya. Padahal deteksi dini jenis skizofrenia sangat diperlukan agar diberikan penaganan cepat dan tepat, sehingga minimalisir terjadinya kondisi yang lebih parah. Solusinya adalah menggunakan konsep sistem pakar menggunakan metode dempster shafer untuk diagnosis jenis penyakit skizofrenia. Tahapan penelitian ini terdiri dari akuisisi pengetahuan, perancangan tabel keputusan, implementasi, dan pengujian akurasi. Pengembangan sistem pakar diagnosis penyakit skizofrenia menggunakan metode dempster shafer untuk memudahkan masyarakat umum (pasien) untuk mengetahui jenis penyakit skizofrenia yang diderita beserta tingkat keyakinannya tanpa harus pergi ke dokter spesialis kejiwaan. Berdasarkan hasil pengujian yang telah dilakukan menggunakan 12 data, metode dempster shafer mendapatkan akurasi 100%. Dengan demikian, metode dempster shafer dapat digunakan untuk diagnosis jenis penyakit skizofrenia.Kata Kunci: Dempster Shafer, Skizofrenia, Sistem Pakar AbstractSchizophrenia is a type of chronic mental disorder that affects the sufferer's thinking, feeling, and behavior processes. The problem so far is that some of general public feel ashamed to conduct a direct examination at a mental hospital, because there is still a negative stigma from the community. Not only that, cost of consulting with a psychiatric specialist is not cheap to be a factor for not having him checked out. In fact, early detection of this type of schizophrenia is needed so that it is given fast and precise treatment, so as to minimize the occurrence of more severe conditions. The solution is to use the concept of an expert system using dempster shafer method for diagnosis of schizophrenia. The stages of this research consisted of knowledge acquisition, decision table design, implementation, and accuracy testing. Development of an expert system for diagnosing schizophrenia using dempster shafer method to make it easier for the general public (patients) to find out type of schizophrenia that is being suffered and their level of confidence without having to go to a psychiatric specialist. Based on the results of tests that have been carried out using 12 data, dempster shafer method gets 100% accuracy. Thus, dempster shafer method can be used for diagnosis of schizophrenia.Keywords: Dempster Shafer, Skizofrenia, Expert System

Page 2 of 3 | Total Record : 21

1 2 3

Filter by Year

2021 2021

Filter By Issues

All Issue Vol 12, No 1 (2023): Sistemasi: Jurnal Sistem Informasi Vol 11, No 3 (2022): Sistemasi: Jurnal Sistem Informasi Vol 11, No 2 (2022): Sistemasi: Jurnal Sistem Informasi Vol 11, No 1 (2022): Sistemasi: Jurnal Sistem Informasi Vol 10, No 3 (2021): Sistemasi: Jurnal Sistem Informasi Vol 10, No 2 (2021): Sistemasi: Jurnal Sistem Informasi Vol 10, No 1 (2021): Sistemasi: Jurnal Sistem Informasi Vol 9, No 3 (2020): Sistemasi: Jurnal Sistem Informasi Vol 9, No 2 (2020): Sistemasi: Jurnal Sistem Informasi Vol 9, No 1 (2020): Sistemasi: Jurnal Sistem Informasi Vol 8, No 3 (2019): Sistemasi: Jurnal Sistem Informasi Vol 8, No 2 (2019): Sistemasi: Jurnal Sistem Informasi Vol 8, No 1 (2019): Sistemasi Vol 8, No 1 (2019): Sistemasi: Jurnal Sistem Informasi Vol 7, No 3 (2018): Sistemasi: Jurnal Sistem Informasi Vol 7, No 2 (2018): Sistemasi: Jurnal Sistem Informasi Vol 7, No 2 (2018): SISTEMASI Vol 7, No 1 (2018): Sistemasi: Jurnal Sistem Informasi Vol 6, No 3 (2017): Sistemasi: Jurnal Sistem Informasi Vol 6, No 2 (2017): Sistemasi: Jurnal Sistem Informasi Vol 6, No 1 (2017): Sistemasi: Jurnal Sistem Informasi Vol 5, No 3 (2016): Sistemasi: Jurnal Sistem Informasi Vol 5, No 2 (2016): sistemasi Vol 5, No 2 (2016): Sistemasi: Jurnal Sistem Informasi Vol 5, No 1 (2016): Sistemasi: Jurnal Sistem Informasi Vol 4, No 3 (2015): Sistemasi: Jurnal Sistem Informasi Vol 4, No 2 (2015): Sistemasi: Jurnal Sistem Informasi Vol 4, No 1 (2015): Sistemasi: Jurnal Sistem Informasi Vol 3, No 4 (2014): SISTEMASI: Jurnal Sistem Informasi Vol 3, No 3 (2014): Sistemasi: Jurnal Sistem Informasi Vol 3, No 2 (2014): Sistemasi: Jurnal Sistem Informasi Vol 3, No 1 (2014): Sistemasi: Jurnal Sistem Informasi Vol 2, No 4 (2013): Sistemasi: Jurnal Sistem Informasi Vol 2, No 3 (2013): Sistemasi: Jurnal Sistem Informasi Vol 2, No 2 (2013): Sistemasi:Jurnal Sistem Informasi Vol 2, No 1 (2013): Sistemasi: Jurnal Sistem Informasi More Issue

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name
-

Contact Email
-

Phone
-

Journal Mail Official
-

Editorial Address
-

Location
Kab. indragiri hilir,

Riau

INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name -

Contact Email -

Phone -

Journal Mail Official -

Editorial Address -

Location Kab. indragiri hilir, Riau INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
-

Contact Email
-

Phone
-

Journal Mail Official
-

Editorial Address
-

Location
Kab. indragiri hilir,

Riau

INDONESIA