Garuda - Garba Rujukan Digital

Article Per Year (5 Year)

All

Jurnal Tekno Insentif

jurnaltekno
Website

Published by Lembaga Layanan Wilayah Pendidikan Tinggi Wilayah IV

ISSN : 19074964 EISSN : 2655089X DOI : -

Core Subject : Science,

Computer Science & IT

Jurnal Tekno Insentif adalah wadah informasi bidang teknik berupa hasil penelitian yang diterbitkan oleh LLDIKTI Wilayah IV dan frekuensi terbit dua kali setahun.

Arjuna Subject : -

Articles 5 Documents

Search results for , issue "Vol 13 No 1 (2019): Jurnal Tekno Insentif" : 5 Documents clear

PERBANDINGAN METODE DATA MINING UNTUK PREDIKSI NILAI DAN WAKTU KELULUSAN MAHASISWA PRODI TEKNIK INFORMATIKA DENGAN ALGORITMA C4,5, NAÏVE BAYES, KNN DAN SVM Sri Widaningsih
Jurnal Tekno Insentif Vol 13 No 1 (2019): Jurnal Tekno Insentif
Publisher : Lembaga Layanan Pendidikan Tinggi Wilayah IV

Abstrak - Kelulusan mahasiswa merupakan salah satu hal yang harus diperhatikan karena termasuk ke dalam Standar Penjaminan Mutu Internal suatu perguruan tinggi. Program Studi Teknik Informatika merupakan salah satu prodi yang ada di Universitas Suryakancana. Untuk kelulusan terdapat standar yang akan dicapai oleh prodi yaitu waktu studi yaitu empat tahun dan IPK minimal 3,00. Untuk dapat mencapai mutu lulusan tersebut dibutuhkan suatu prediksi tingkat kelulusan dengan standar yang telah ditetapkan untuk mahasiswa yang masih menjalankan studi sehingga dapat dilakukan langkah antisipasi dari awal sehingga dapat menanggulangi terjadinya permasalahan dalam bidang akademik. Untuk memprediksi tingkat kelulusan dan IPK standar tersebut digunakan metode data mining dengan fungsi klasifikasi. Metodologi penerapan data mining ini menggunakan tahapan Discovery Knowledge of Databases (KDD) dimulai dari tahap selecting, preprocessing, transformation, data mining dan evaluation/interpretation. Teknik yang akan digunakan untuk model data mining klasifikasi ini terdiri dari empat algoritma yaitu C4.5, Support vector machine (SVM), k-nearest neigbor (kNN,) dan Naïve Bayes. Metoda klasifikasi terdiri dari variabel-variabel prediktor dan satu variabel target. Variabel-variabel prediktor terdiri dari jenis kelamin dan indeks prestasi dari semester 3 hingga 6. Perangkat lunak yang digunakan untuk mengolah data yaitu software Rapid Miner. Hasil akhir dari keempat algoritma tersebut diperoleh bahwa algoritma Naïve Bayes merupakan algoritma terbaik untuk memprediksi kelulusan mahasiswa yang tepat waktu dan IPK ≥ 3 dengan nilai accuracy (76,79%), error (23,17%) , dan AUC (0,850). Abstract - Graduate students is one factor that must be considered because it is included in the Quality Assurance Standards. The Informatic Engineering Department is one of the department at Suryakancana University. For the graduate standard that will be approved by the department, time period graduation is four years and a minimum GPA of 3.00. To achieve the required level of success, the predetermined standard level must be set for students to be anticipated from the start so they can overcome problems in the academic field. To predict the graduation rate and GPA standard the data mining method is used with the classification function. This data mining implementation methodology uses the stages of Discovery Knowledge of Databases (KDD) starting from selecting, preprocessing, transformation, data mining and evaluation / interpretation. The technique that will be used for this data mining model consists of four algorithms, such as C4.5, Support vector machine (SVM), the nearest k-neigbor (kNN,) and Naïve Bayes. The classification method consists of predictor variables and one target variable. Predictor variables consist of gender and achievement index from semester 3 to 6. The software used to process data is RapidMiner software. The final results of the following four algorithms generated from the Naïve Bayes algorithm are the best algorithms for predicting timely student graduation and GPA ≥ 3 with accuracy (76.79%), errors (23.17%), and AUC (0.850).

SISTEM DOKUMENTASI DENGAN METODE TAG DAN LINK Agus Suheri
Jurnal Tekno Insentif Vol 13 No 1 (2019): Jurnal Tekno Insentif
Publisher : Lembaga Layanan Pendidikan Tinggi Wilayah IV

Abstrak - Kegiatan administrasi selalu menghasilkan berkas atau dokumen, yang biasanya dikelola dengan melakukan pencatatan data dokumen, yang selanjutnya dokumen yang dihasilkan dalam proses kegiatan yang bersifat fisik tersimpan begitu saja tanpa pengelolaan berkelanjutan. Akibat tidak terdapatnya pengelolaan berkelanjutan dari proses tersebut maka mengakibatkan dokumen secara fisik menumpuk menghabiskan tempat berakibat kebutuhan tempat menjadi lebih besar secara fisik, mudah rusak akibat tempat penyimpanan atau gangguan akibat penyimpanan, serta ketika dibutuhkan di suatu pada suatu saat dalam proses pencarian membutuhkan waktu yang relatif lama. Pengelolaan Dokumen berkelanjutan diperlukan dengan dibuatkan perangkat bantu dalam pengelolaan dokumen dengan menggunakan sistem dimana setiap dokumen akan didigitasi kemudian diberikan TAG (Penandaan/Pelabelan) dan akan dihubungkan dengan metode “Link”. TAG digunakan sebagai penandaan atau pelabelan pada dokumen yang telah digitasi untuk mengelompokkan, pengategorian, dan mencantumkan keterangan singkat dari dokumen tersebut, sedangkan Link akan berguna untuk merelasikan kepemilikan atau keterlibatan seseorang dengan dokumen tersebut, sehingga bisa diketahui dan ditemukan dengan mudah serta cepat dalam temu kembali berkas yang diperlukan. Sistem ini dibangun berbasis desktop, dipilih dikarenakan akan lebih mudah dalam proses digitasi dokumen yang menghubungkan antara perangkat keras dan perangkat lunak, dengan menggunakan tools RAD Studio Delphi Xe8, dan Database Manajemen Sistem yang akan mengelola data dokumen hasil digitasi digunakan MySQL. Abstract - Administrative activities always produce files or documents, which are usually managed by recording document data, which then documents that are generated in the process of physical activities are stored without sustainable management. As a result of the absence of sustainable management of the process, it results in documents physically piling up the space resulting in larger physical needs, easily damaged due to storage or disruption due to storage, and when needed at some point in the search process requires a relatively long time . Continuous Document Management is needed by making assistive devices in document management using a system where each document will be digitized then given TAG (Labelling / Labelling) and will be linked to the "Link" method. TAG is used as marking or labelling of documents that have been digitized to group, categorize, and include a brief description of the document, while Link will be useful to clarify the ownership or involvement of someone with the document, so that it can be known and found easily and quickly in the retrieval file needed. This system is built on a desktop basis, chosen because it will be easier in the process of digitizing documents that connect hardware and software, using the RAD Studio Delphi Xe8 tools, and Database Management System that will manage the digitized document data used by MySQL.

PREDIKSI PENYAKIT GINJAL KRONIS MENGGUNAKAN ALGORITMA NAIVE BAYES CLASSIFIER BERBASIS PARTICLE SWARM OPTIMIZATION Toni Arifin; Daniel Ariesta
Jurnal Tekno Insentif Vol 13 No 1 (2019): Jurnal Tekno Insentif
Publisher : Lembaga Layanan Pendidikan Tinggi Wilayah IV

Abstrak - Penyakit ginjal kronis (PGK) merupakan masalah kesehatan masyarakat global dengan prevalensi dan insiden gagal ginjal yang meningkat, prognosis yang buruk dan biaya yang tinggi. nilai prevalensi di seluruh Indonesia untuk penyakit gagal ginjal memiliki nilai rata - rata berkisar kurang lebih 0.2 persen. Langkah pertama dalam pengelolaan penyakit ginjal adalah penetapan diagnosis yang tepat. Maka dibutuhkan sebuah metode untuk memprediksi penyakit ginjal kronis. Naïve Bayes memiliki beberapa kelebihan, yaitu cepat dalam perhitungan, algoritma yang sederhana dan berakurasi tinggi. Naïve Bayes Classifier lebih tepat diterapkan pada data yang besar dan dapat menangani data yang tidak lengkap (missing value) serta kuat terhadap atribut yang tidak relevan dan noise pada data. Untuk meningkatkan akurasi maka digunakan Particle Swarm Optimization untuk pembobotan atribut. Dari hasil penelitian Naive Bayes Classification berbasis Particle Swarm Optimization memiliki akurasi confusion matrix sebesar 98,75% dan AUC sebesar 99%. sedangkan Naive Bayes memiliki akurasi confusion matrix 97.00% dan AUC sebesar 99.8%. Abstract - Chronic kidney disease (CKD) is a global public health problem with an increased prevalence and incidence of kidney failure, poor prognosis and high costs. prevalence values throughout Indonesia for kidney failure have an average value of around 0.2 percent. The first step in managing kidney disease is determining the right diagnosis. Then we need a method to predict chronic kidney disease. Naïve Bayes has several advantages, which are fast in calculations, simple and high accuracy algorithms. The Naïve Bayes Classifier is more appropriately applied to large data and can handle incomplete data (missing value) and is strong against irrelevant attributes and noise in the data. To improve accuracy, Particle Swarm Optimization is used for weighting attributes. From the results of the Naive Bayes Classification research based on Particle Swarm Optimization, the accuracy of confusion matrix is 98.75% and AUC 99% . while Naive Bayes has an accuracy of 97.00% confusion matrix and AUC 99.8%.

ANALISIS MODEL SISTEM ANTRIAN PADA PELAYANAN ADMINISTRASI Maxsi Ary
Jurnal Tekno Insentif Vol 13 No 1 (2019): Jurnal Tekno Insentif
Publisher : Lembaga Layanan Pendidikan Tinggi Wilayah IV

Abstrak - Tujuan dari penelitian ini adalah menganalisis model sistem antrian yang digunakan pada bagian pelayanan administrasi kampus AMIK BSI Bandung. Analisa model sistem antrian memiliki pola kedatangan berdistribusi poisson, dan ukuran keefektifan sistem antrian menggunakan WinQSB. Model antrian pada pelayanan administrasi kampus menggunakan single channel single phase. Hasil analisis model sistem antrian menunjukkan bahwa tidak perlu penambahan petugas pelayanan dengan idle time lebih besar dari 83%. Model pola kedatangan berdistribusi poisson, ukuran keefektifan pelayanan administrasi 8,33% untuk rata-rata kedatangan 1, 16.67% untuk rata-rata kedatangan 2, dan 25% untuk rata-rata kedatangan 3, sedangkan asumsi rata-rata pelayanan adalah 12. Abstract - The purpose of this research is to analyze the model of queuing system used in the administration of campus AMIK BSI Bandung. The queue system model analysis has a Poisson distributed arrival pattern, and the queue system's queue effectiveness uses WinQSB. Model queue on campus administration services using single channel single phase. The result of queuing system model analysis shows that there is no need for additional service officer with idle time greater than 83%. The model of arrival pattern is Poisson distributed administrative service effectiveness measure 8.33% for average arrival 1, 16.67% for arrival average 2, and 25% for arrival average 3, while the average service assumption is 12.

PENGARUH KONSENTRASI DAN WAKTU PROSES ZAT PELEMAS NONIONIK SNOWSILICONE RDS-CC TERHADAP PEGANGAN KAIN PADA PROSES PENYEMPURNAAN KAIN KAPAS Luciana Luciana
Jurnal Tekno Insentif Vol 13 No 1 (2019): Jurnal Tekno Insentif
Publisher : Lembaga Layanan Pendidikan Tinggi Wilayah IV

Abstrak - Persyaratan yang menjadi tolak ukur dalam industri tekstil meliputi: kualitas produk, estetika (keindahan), sifat fisik kain dan biaya produksi. Salah satu parameter kualitas produk tekstil adalah pegangan kain (kekakuan). Peningkatan kekakuan akan menurunkan daya pakai bahan, terutama kain untuk kebutuhan konveksi, sehingga diperlukan proses penyempurnaan pelemasan dengan menambahkan zat pelemas. Zat pelemas nonionik jenis mikro silicon (Snowsilicone RDS-CC) merupakan zat hasil pengembangan, sehingga perlu dilakukan optimasi proses penyempurnaan pelemasan dengan variasi konsentrasi dan waktu perendaman. Metoda yang dilakukan adalah metode pad-dry-cure kemudian dilakukan pengujian kelangsaian, ketahanan kusut dan kelemasan kain. Kondisi optimum dicapai pada konsentrasi zat pelemas 30 g/L dan waktu 3 menit dengan nilai kelangsaian 23,565 % lalu pada pengujian kelemasan kain dengan nilai rangking tertinggi pada konsentrasi zat 50g/L pada 2 menit dengan jumlah nilai rangking 35 dan untuk pengujian dari kekusutan diperoleh nilai 1000 pada arah lusi dan 97,25 0 pada arah pakan pada konsentrasi 10g/l pada waktu rendam 3 menit. Abstrak - Persyaratan yang menjadi tolak ukur dalam industri tekstil meliputi: kualitas produk, estetika (keindahan), sifat fisik kain dan biaya produksi. Salah satu parameter kualitas produk tekstil adalah pegangan kain (kekakuan). Peningkatan kekakuan akan menurunkan daya pakai bahan, terutama kain untuk kebutuhan konveksi, sehingga diperlukan proses penyempurnaan pelemasan dengan menambahkan zat pelemas. Zat pelemas nonionik jenis mikro silicon (Snowsilicone RDS-CC) merupakan zat hasil pengembangan, sehingga perlu dilakukan optimasi proses penyempurnaan pelemasan dengan variasi konsentrasi dan waktu perendaman. Metoda yang dilakukan adalah metode pad-dry-cure kemudian dilakukan pengujian kelangsaian, ketahanan kusut dan kelemasan kain. Kondisi optimum dicapai pada konsentrasi zat pelemas 30 g/L dan waktu 3 menit dengan nilai kelangsaian 23,565 % lalu pada pengujian kelemasan kain dengan nilai rangking tertinggi pada konsentrasi zat 50g/L pada 2 menit dengan jumlah nilai rangking 35 dan untuk pengujian dari kekusutan diperoleh nilai 1000 pada arah lusi dan 97,25 0 pada arah pakan pada konsentrasi 10g/l pada waktu rendam 3 menit.

Page 1 of 1 | Total Record : 5

Filter by Year

2019 2019

Filter By Issues

All Issue Vol 17 No 2 (2023): Jurnal Tekno Insentif Vol 17 No 1 (2023): Jurnal Tekno Insentif Vol 16 No 2 (2022): Jurnal Tekno Insentif Vol 16 No 1 (2022): Jurnal Tekno Insentif Vol 15 No 2 (2021): Jurnal Tekno Insentif Vol 15 No 1 (2021): Jurnal Tekno Insentif Vol 14 No 2 (2020): Jurnal Tekno Insentif Vol 14 No 1 (2020): Jurnal Tekno Insentif Vol 13 No 2 (2019): Jurnal Tekno Insentif Vol 13 No 1 (2019): Jurnal Tekno Insentif Vol 12 No 2 (2018): Jurnal Tekno Insentif More Issue

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name
Andri Budi Santoso

Contact Email
jurnal@lldikti4.or.id

Phone
-

Journal Mail Official
jurnal@lldikti4.or.id

Editorial Address
-

Location
Kab. sumedang,

Jawa barat

INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name Andri Budi Santoso

Contact Email jurnal@lldikti4.or.id

Phone -

Journal Mail Official jurnal@lldikti4.or.id

Editorial Address -

Location Kab. sumedang, Jawa barat INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
Andri Budi Santoso

Contact Email
jurnal@lldikti4.or.id

Phone
-

Journal Mail Official
jurnal@lldikti4.or.id

Editorial Address
-

Location
Kab. sumedang,

Jawa barat

INDONESIA