cover
Contact Name
Agung Nugroho
Contact Email
agung@pelitabangsa.ac.id
Phone
-
Journal Mail Official
jpcs@pelitabangsa.ac.id
Editorial Address
Jl. Inspeksi Kalimalang Tegal Danas Arah Deltamas, Cikarang Pusat, Kabupaten Bekasi
Location
Kab. bekasi,
Jawa barat
INDONESIA
Journal of Practical Computer Science (JPCS)
ISSN : -     EISSN : 28098137     DOI : https://doi.org/10.37366/jpcs
Journal of Practical Computer Science (JPCS) sebagai media kajian ilmiah dari hasil penelitian, pemikiran dan kajian dan implementasi berkaitan dengan bidang Ilmu Komputer Praktis. Fokus dan ruang lingkup Journal of Practical Computer Science (JPCS) meliputi: - Rekayasa Perangkat Lunak - Kecerdasan Buatan - Data Mining - Machine Learning - Internet of Things - Jaringan Komputer - Keamanan Informasi - Topik kajian lain yang relevan
Articles 5 Documents
Search results for , issue "Vol 1 No 2 (2021): November 2021" : 5 Documents clear
PERANCANGAN APLIKASI PERANTI BERGERAK DIAGNOSA PENYAKIT SISTEM EKSKRESI Agus Suheri; M Rizk y Khobir; Sri Widaningsih
Journal of Practical Computer Science Vol 1 No 2 (2021): November 2021
Publisher : DPPM Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (797.441 KB) | DOI: 10.37366/jpcs.v1i2.924

Abstract

Sistem pakar merupakan program berbasis pengetahuan yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli, dan sistem pakar yang baik dirancang agar dapat menyelesaikan suatu permasalahan tertentu dengan meniru kerja dari para ahli. Salah satu permasalahan yang bisa diangkat adalah sistem pakar bidang kesehatan pada sistem eksresi manusia, sistem pengeluaran zat-zat yang tidak digunakan oleh tubuh hasil dari metabolism tubuh. Indonesia menempati peringkat ke tujuh dunia untuk prevalansi penderita penyakit pada sistem ekskresi kebanyakan penyakit yang timbul adalah penyakit pada ginjal dan penyakit diabetes. Dengan peringkat tersebut maka Sistem Pakar dibutuhkan untuk menangani permasalahan kesehatan Sistem Eksresi yang dapat menjadi alternatif untuk membantu masyarakat dan tim kesehatan dalam melakukan diagnosa terhadap penyakit tersebut dengan mudah dan cepat dalam bentuk aplikasi. Aplikasi Diagnosa Penyakit Sistem Eksresi dibangun dengan berbasis peranti bergerak dengan pemrogram Android menggunakan Bahasa Java dan database mysql. Kata kunci: Android, Ekresi, Pakar, Perangkat Bergerak
Sistem Pendeteksian Masker dan Hand sanitizer Otomatis Berbasis Raspberry Pi Friendzen Lian Wijaya Gunardi; I Gusti Made Ngurah Desnanjaya; I Wayan Sudiarsa
Journal of Practical Computer Science Vol 1 No 2 (2021): November 2021
Publisher : DPPM Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1282.696 KB) | DOI: 10.37366/jpcs.v1i2.925

Abstract

COVID-19 merupakan pandemi yang sudah masuk ke tingkat global, dan sudah masuk ke Indonesia. Pemerintah melalui keputusan KEMENKES No. 382 tahun 2020 mengatur mengenai penetapan protokol kesehatan di tempat atau fasilitas umum. Petugas, pegawai, dan pengunjung wajib menggunakan masker, menjaga jarak, serta mencuci tangan atau memakai hand sanitizer ketika akan memasuki tempat atau fasilitas umum tersebut. Apabila ada pegawai yang terkena virus, maka akan besar kemungkinan tempat tersebut tutup dan seluruh pegawai wajib mengikuti tes covid-19. Untuk itu, penelitian sebuah sistem pendeteksian masker wajah dan pemberian hand sanitizer otomatis akan dibuat. Pembuatan sistem ini menggunakan perangkat Raspberry-Pi 4 Model B sebagai mikrokontrolernya dan juga pemrograman dengan bahasa python. Pemberian hand sanitizer otomatis juga akan dibuat di penelitian ini untuk memberikan pengguna hand sanitizer secara otomatis. Diharapkan penelitian ini dapat mencegah penyebaran virus COVID-19
PENERAPAN DATA MINING UNTUK MENGANALISA POLA PEMBELIAN SAYURAN HIDROPONIK MENGGUNAKAN METODE ALGORITMA APRIORI Sugeng Budi Rahardjo; Wiyanto W; Aprilia Sulistyohati; Umilhuda U
Journal of Practical Computer Science Vol 1 No 2 (2021): November 2021
Publisher : DPPM Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (643.708 KB) | DOI: 10.37366/jpcs.v1i2.939

Abstract

Seiring dengan maraknya usaha di bidang sayuran hidroponik, UD. Media Farms menyadari akan munculnya persaingan bisnis yang ketat, sehingga diperlukan strategi untuk menarik konsumen, kurangnya sumber informasi baru menjadi salah satu kendala kemajuan bisnis. Tujuan dari penelitian ini adalah untuk mengetahui informasi mengenai sayuran apa saja yang sering dibeli konsumen secara bersamaan dalam satu kali transaksi guna mengoptimalkan hasil panen sayuran hidroponik dan menentukan strategi bisnis penjualan sayuran hidroponik. Metode data mining yang digunakan dalam penelitian ini adalah metode association rule dengan algoritma apriori. Dari proses pengolahan data menggunakan algoritma aprori dan pengujian dengan alat rapid miner, dengan parameter support minimal 20% dan confidence minimal 60% maka aturan asosiasi yang terbentuk adalah 7 aturan. Dari 7 rule yang terbentuk, ditemukan 3 rule dengan nilai confidence tertinggi yaitu (selada → kangkung) dengan nilai support 50% dan confidence 79%, (selada, bayam merah → kangkung) dengan nilai support 25% dan kepercayaan diri 78%, (selada, pakcoy → kangkung) dengan nilai support 22% dan confidence 76%. Ketiga rule tersebut memiliki nilai lift ratio > 1 yang artinya rule tersebut valid dan dapat digunakan dengan baik.
Optimalisasi Support Vector Machine Menggunakan Particle Swarm Optimization Untuk Mendiagnosa Penyakit Kanker Payudara Ari Maulana; Agung Nugroho; Ikhsan Romli
Journal of Practical Computer Science Vol 1 No 2 (2021): November 2021
Publisher : DPPM Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (902.564 KB) | DOI: 10.37366/jpcs.v1i2.940

Abstract

Kanker payudara adalah kanker yang paling umum pada wanita dan penyebab utama kematian kanker di seluruh dunia. Klasifikasi dalam data mining merupakan dua bentuk proses analisis data yang digunakan untuk mengekstraksi model yang menggambarkan kelas data atau untuk memprediksi tren data di masa depan. Support Vector Machine (SVM) dikenal juga dengan support vector network yang merupakan metode supervised terkait dengan learning algorithm untuk analisa pola data yang digunakan untuk klasifikasi dan regresi. Seleksi fitur banyak digunakan untuk mengatasi fitur yang tidak relevan dan berlebihan. Seleksi fitur menyederhanakan sekumpulan data dengan mengurangi dimensi dan mengidentifikasi fitur yang relevan tanpa mengurangi akurasi prediksi. Penelitian ini mengguanakan algoritma Support Vector Machine dengan Particle Sarm Optimization untuk mendiagnosa penyakit kanker payudara. Hasil dari penelitian ini adalah accuracy sebesar 97.61%, precision sebesar 99.21% dan recall 96.94%. Penggunaan Particle Swarm Optimization bekerja secara efektif dalam meningkatkan nilai akurasi. Kata kunci: Kanker payudara, klasifikasi, support vector machine, particle swarm optimizatiom.
Anlisa Terpilihnya Tri Rismaharini sebagi Menteri Sosial dengan Pendekatan Algorithma Naïve Bayes Muhamad Fatchan; Hari Sugeng
Journal of Practical Computer Science Vol 1 No 2 (2021): November 2021
Publisher : DPPM Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (522.608 KB) | DOI: 10.37366/jpcs.v1i2.942

Abstract

Analisis sentimen merupakan penelitian dari suatu pendapat, atau opini dan luapan perasaan yang di ekspresikan dalam bentuk tekstual. Twitter merupakan sosial media yang memiliki jumah pengguna yang banyak khususnya di Indonesia twitter sering digunakan untuk meluapkan perasaan maupun tanggapan opini berupa tanggapan positif maupun negatif. Tujuan dari penelitian ini adalah untuk menentukan sentimen masyarakat terhadap terpilihnya Bu Tri Rismaharini menjadi Menteri Sosial pada twitter serta mengetahui tingkat akurasi metode dalam mengklasifikasikan sentimen positif dan sentimen negatif. Metode yang digunakan dalam penelitian ini yaitu Algoritma Naïve Bayes dan pemrosesan data menggunakan aplikasi Rstudio. Hasil dari penelitian ini yaitu mengetahui tingkat akurasi metode Naïve Bayes dalam mengklasifikasikan data sentimen positif dan negatif dengan membagi data penelitian menjadi 3 data testing yaitu 30%, 25%, dan 20% dan jumlah akurasi tertinggi yang ada pada penelitian ini adalah data testing 30% dan data training 70% yaitu dengan tingkat akurasi 90,3%. Dari penelitian ini bisa diketahui bahwa menggunakan aplikasi Rstudio dan metode Naïve Bayes memiliki tingkat akurasi yang baik dalam menentukan sentiment analisis. Kata kunci: TNaïve Bayes, Analisis sentiment, RStudio, Mensos Risma.

Page 1 of 1 | Total Record : 5