Jurnal Multimedia dan Teknologi Informasi (Jatilima)

PREDIKSI PENJUALAN SEMBAKO MENGGUNAKAN METODE REGRESI LINIER SEDERHANA

Dea Amallia, Abdul Halim Hasugian — Mon, 11 Aug 2025 00:00:00 +0000

Penelitian ini berfokus pada prediksi penjualan sembako di Toko Gento dengan menggunakan regresi linier sederhana. Metode ini dipilih karena kesederhanaannya dalam memodelkan hubungan antara waktu dan volume penjualan. Penelitian ini mengikuti lima tahap dalam siklus data mining, yaitu pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi. Data yang digunakan mencakup penjualan dari Januari hingga Juni. Hasil penelitian menunjukkan bahwa regresi linier sederhana dapat memberikan prediksi tren penjualan yang cukup akurat, terutama untuk produk dengan pola penjualan linier. Model ini diharapkan dapat membantu toko dalam membuat keputusan terkait pengelolaan stok dan perencanaan penjualan.

Sentiment Analysis on the Planned Nickel Mining Development in Raja Ampat Using the Random Forest Algorithm

Attila Rajani, Abdul Halim Hasugian — Mon, 11 Aug 2025 00:00:00 +0000

The planned nickel mining development on Kawe and Manuran Islands in Raja Ampat has sparked various public reactions, especially on social media platforms. Raja Ampat is known for having one of the highest levels of marine biodiversity in the world, raising concerns about the potential ecological and social impacts of such development. This study aims to analyze public sentiment regarding the nickel mining plan in Raja Ampat by utilizing social media comments. The method used is the Random Forest algorithm, which is recognized for its high performance in classifying complex text data. A total of 2,010 comments were collected, and after the preprocessing stage, 1,658 clean data entries remained for analysis. The preprocessing steps included text cleaning, case folding, normalization, tokenization, stopword removal, and stemming. The results show that 57.85% of the comments expressed positive sentiment, while 42.15% showed negative sentiment. The Random Forest model was able to classify the sentiments with an accuracy of 80.1%, using three decision trees as the basis for majority voting. Furthermore, n-gram analysis and word cloud visualization provided insight into the dominant words in public opinion, offering a deeper understanding of the issues being discussed. This research is expected to serve as a consideration in development policy-making that prioritizes environmental sustainability and the well-being of local communities.

Sistem Informasi Monitoring Penyewa Kios Pasar Inpres Berbasis Web Menggunakan Algoritma Bubble Sort

Muzakkir Rizky Siregar, Muhammad Dedi Irawan — Fri, 15 Aug 2025 00:00:00 +0000

Penelitian ini bertujuan untuk mengembangkan sistem informasi berbasis web berguna memantau penyewa kios di Pasar Inpres, Kabupaten Labuhanbaatu Selatan, Kota Pinang. Sistem ini dikembangkan untuk mengatasi berbagai permasalahan dalam pengelolaan pasar yang masih dilakukan secara manual, seperti pencatatan data kios, pemantauan kebersihan kios, dan masa sewa kios yang sering kali tidak terdokumentasi dengan baik. Penelitian ini dilaksanakan selama tiga bulan dengan pendekatan rekayasa perangkat lunak yang mencakup analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Sistem yang dibangun memungkinkan pengelola pasar untuk mengakses data secara real-time terkait informasi kios, mulai dari identitas penyewa, status kebersihan kios, hingga durasi sewa. Salah satu fitur unggulan sistem ini adalah penggunaan algoritma Bubble Sort yang berfungsi untuk mengurutkan data berdasarkan tiga aspek utama, yaitu ukuran atau luas kios, tingkat kebersihan, dan masa sewa, dari nilai terbesar ke terkecil. Dengan fitur ini, pengelola dapat dengan mudah melihat prioritas pengawasan dan pengelolaan kios, seperti kios dengan ukuran paling besar, kios dengan masa sewa terpanjang, atau kios dengan tingkat kebersihan paling tinggi. Implementasi sistem ini memberikan dampak signifikan terhadap efektivitas pengelolaan pasar, terutama dalam hal transparansi, efisiensi, dan pengambilan keputusan berbasis data yang akurat dan terstruktur. Selain itu, sistem ini turut mendorong transformasi digital dalam pengelolaan pasar tradisional, dengan menghadirkan teknologi yang relevan dan mudah digunakan. Sistem informasi ini terbukti memberikan kontribusi besar terhadap peningkatan manajemen pasar dan berpotensi untuk diadaptasi di pasar-pasar lainnya sebagai bentuk dukungan terhadap pengembangan infrastruktur ekonomi lokal yang lebih modern dan profesional.

WEB-BASED LIBRARY INFORMATION SYSTEM ( E-PERPUS) USING THE AGILE METHOD AT SMP NEGERI 13 MEDAN

Tasya Syalsabilla, Muhamad Alda — Tue, 26 Aug 2025 00:00:00 +0000

School libraries play an important role in supporting the educational process and improving student literacy. However, manual library management is still common, including at SMP Negeri 13 Medan. This causes various obstacles such as searching for book and member data, limited access to information outside school hours, and delays in returning books. To overcome these problems, this study developed a web-based library information system (e-Perpus) using the Agile method. The system is designed with the PHP programming language and MySQL database with the laravel framework. The Agile method allows for the development of systems that are flexible and adaptive to user needs. The results of the implementation show that the e-Perpus system is able to improve the operational efficiency of libraries and facilitate access to information for students and school staff.

Penerapan K-Means Clustering untuk Pengelompokan Pasien Rumah Sakit berdasarkan Tingkat Keparahan Penyakit

Galih Alasi, Raissa Amanda Putri — Mon, 18 Aug 2025 00:00:00 +0000

Penelitian ini menerapkan metode K-Means Clustering untuk mengelompokkan 995 data pasien RSUD H. Sahudin Kutacane ke dalam tiga kategori tingkat keparahan penyakit, yaitu Ringan, Sedang, dan Parah, berdasarkan atribut klinis seperti usia, jenis kelamin, triase awal, tanda vital, hasil laboratorium, dan faktor penunjang medis lainnya. Proses penelitian meliputi pengumpulan data, pra-pemrosesan (encoding variabel kategorikal, imputasi data hilang, dan normalisasi Min-Max), pemodelan menggunakan K-Means dengan jumlah cluster optimal tiga, serta evaluasi menggunakan Silhouette Score. Hasil clustering menunjukkan distribusi pasien pada Cluster 1 sebanyak 403 pasien, Cluster 2 sebanyak 387 pasien, dan Cluster 0 sebanyak 205 pasien, di mana Cluster 0 cenderung memiliki tingkat keparahan lebih tinggi. Nilai Silhouette Score sebesar 0,1078 mengindikasikan pemisahan antar cluster masih kurang optimal, namun model ini mampu memberikan gambaran awal yang berguna untuk mendukung pengambilan keputusan medis.

Initial Centroid Pada Algoritma K-Means Dan K-Medoids

Devita Anggraini, Muhammad Siddik Hasibuan — Wed, 20 Aug 2025 00:00:00 +0000

Pertumbuhan data yang semakin besar, kompleks, dan beragam menuntut adanya metode analisis yang mampu mengubah data mentah menjadi informasi yang bermanfaat. Salah satu teknik yang banyak digunakan adalah clustering, yaitu proses pengelompokan data berdasarkan kemiripan karakteristik. Algoritma K-Means dan K-Medoids merupakan dua metode clustering yang populer. K-Means bekerja dengan menentukan pusat cluster berdasarkan nilai rata-rata (means) dari data, sedangkan K-Medoids menggunakan salah satu objek data sebagai pusat cluster (medoid). Permasalahan utama pada kedua algoritma ini terletak pada pemilihan titik pusat awal cluster (initial centroid) yang sangat mempengaruhi hasil akhir pengelompokan. K-Means sering kali menghasilkan klaster yang berbeda karena penentuan centroid dilakukan secara acak, sedangkan K-Medoids lebih stabil terhadap pencilan, namun memerlukan waktu komputasi yang lebih lama. Penelitian ini membahas pentingnya strategi pemilihan initial centroid pada algoritma K-Means dan K-Medoids serta perbandingan kinerja keduanya. Berdasarkan hasil analisis, K-Means lebih sesuai digunakan untuk dataset berukuran besar dengan distribusi data seragam karena lebih cepat dalam proses komputasi. Sementara itu, K-Medoids lebih akurat dalam mengelompokkan dataset kecil yang memiliki variasi tinggi serta mengandung pencilan karena tidak terdistorsi oleh nilai rata-rata. Dengan demikian, pemilihan metode yang tepat harus mempertimbangkan ukuran, distribusi, dan karakteristik dataset yang dianalisis. Penelitian ini diharapkan dapat memberikan kontribusi dalam memahami peran initial centroid dalam meningkatkan stabilitas dan akurasi hasil clustering.

Analysis of Wireless Network Quality at Muhammadiyah Vocational School Rembang Using QOS (Quality of Service) Parameters

Crisna Dwiki Saputra, Wijayanto, Ade Ricky Rozaqqi — Wed, 20 Aug 2025 00:00:00 +0000

This study aims to analyze the quality of the wireless network at SMK Muhammadiyah Rembang using the Quality of Service (QoS) parameters, which include throughput, delay, jitter, and packet loss. Data collection was carried out through direct measurement using the Wireshark application on the wireless network in the laboratory room. The collected data were then analyzed based on the TIPHON standard to determine the network quality level. The results of the study during both learning activities and break time indicate that the average throughput falls into the good category, delay is in the excellent category, jitter is in the good category, and packet loss is within the recommended limits. Overall, the wireless network quality at SMK Muhammadiyah Rembang is adequate to support information technology–based learning activities.

Comparison of the Cheng and Lee Fuzzy Time Series Methods for Predicting Clean Water Supply in Asahan Regency

Rafika Sari Prayetno, Fibri Rakhmawati — Sun, 24 Aug 2025 00:00:00 +0000

This study compares the performance of the Fuzzy Time Series (FTS) Cheng and Lee methods in forecasting the distribution, production, and sales of clean water at Perumda Tirta Silaupiasa, Asahan Regency. The research utilized monthly secondary data from January 2023 to April 2025. Data analysis was conducted using R-Studio software, and forecasting accuracy was evaluated through the Mean Absolute Percentage Error (MAPE). The results show that both methods achieved a high level of accuracy, with MAPE values below 3%. However, the Cheng method consistently outperformed the Lee method, recording MAPE values of 2.28% (distribution), 1.59% (production), and 1.63% (sales), while the Lee method produced slightly higher values of 2.45%, 1.83%, and 1.77% for the same variables. These findings demonstrate that the Cheng method is more adaptive in capturing fluctuations in clean water data, especially during periods of sudden changes. This research provides practical recommendations for improving clean water supply management in regions with dynamic operational conditions

Analisis Sentimen Terhadap Isu Kandungan Produk PinkFlash Menggunakan Algoritma Support Vector Machine

Nurhaliza Harahap, Raissa Amanda Putri — Sun, 24 Aug 2025 00:00:00 +0000

Tujuan penulisan studi ini yaitu untuk menerapkan algoritma support vector machine terhadap pelanggan Eyeshadow pallete pada produk pink flash serta menghitung kurasi konsumen eyeshadow pallete pink flash. Data yang peneliti pakai didapati dari sumber-sumber seperti skripsi, buku, jurnal, literatur sejenis serta website yang berkaitan dengan teori yang dikaji. Studi ini menggunakan sebanyak 500 data ulasan pelanggan yang dikumpulkan dari toko Pinkflash di platform e-commerce Tokopedia. Data tersebut dipilih karena dianggap mewakili opini konsumen secara nyata terhadap produk yang ditawarkan. Ulasan-ulasan ini mencakup berbagai pengalaman pengguna, mulai dari kepuasan terhadap kualitas produk hingga keluhan terkait pengemasan maupun pengiriman. Hasilnya menampilkan jika model SVM bisa menguraikan ulasan pelanggan dengan keakurasian yang tinggi. sehingga memberikan indikasi bahwa metode ini efektif dalam menganalisis sentimen kepuasan konsumen terhadap isu kandungan produk pinkflash. Selain itu, hasil akurasi tinggi ini juga menunjukkan seberapa baik ia dapat membedakan antara sentimen positif dan negatif, yang dapat membantu perusahaan memahami pendapat pelanggan lebih dalam dan membuat strategi pemasaran yang lebih terarah.

PEMBUATAN VIDEO PEMBELAJARAN AKTIVITAS SEHARI-HARI BERBASIS ANIMASI

Yeni Adelia, Ada Udi Firmansyah — Sun, 24 Aug 2025 00:00:00 +0000

Pendidikan anak usia dini dapat berlangsung secara formal melalui lembaga PAUD seperti Pos PAUD, Kelompok Bermain, TPA, dan TK, maupun secara informal melalui peran orang tua di rumah. Peran orang tua sebagai teladan sangat penting karena anak cenderung meniru perilaku lingkungan sekitarnya. Permasalahan umum yang muncul dalam lingkungan sekolah dan rumah meliputi kurangnya kebiasaan menjaga kebersihan diri, seperti mencuci tangan, menyikat gigi, dan tata krama saat makan. Hal ini berpotensi menimbulkan berbagai penyakit dan gangguan kesehatan pada anak. Salah satu solusi yang ditawarkan adalah penggunaan media pembelajaran berbasis animasi sebagai alat bantu edukatif yang menarik dan efektif. Video animasi bertema kebersihan dan perilaku sehat seperti cara menjaga kesehatan gigi, aturan makan yang baik, ayo cuci tangan dulu dapat menjadi alternatif media pembelajaran yang mudah dipahami anak, baik di sekolah maupun di rumah. Pemanfaatan teknologi ini diharapkan dapat meningkatkan kesadaran anak terhadap pentingnya perilaku hidup sehat sejak dini.

Implementasi Metode Fuzzy Mamdani Untuk Pemilihan Keramik Rumah Bangunan

Raihan Hafiz Nasution, Rakhmat Kurniawan R — Tue, 26 Aug 2025 00:00:00 +0000

Pemilihan keramik merupakan salah satu aspek penting dalam konstruksi bangunan karena berpengaruh pada kenyamanan, keamanan, dan estetika hunian. Variasi produk serta perbedaan karakteristik teknis seperti harga, kualitas, daya serap air, dan kekasaran permukaan sering menyulitkan konsumen dalam menentukan pilihan yang tepat. Penelitian ini bertujuan untuk mengembangkan sistem pendukung keputusan pemilihan keramik rumah bangunan berbasis metode Fuzzy Mamdani. Metode penelitian yang digunakan adalah Research and Development (R&D) dengan melibatkan proses fuzzifikasi, inferensi fuzzy, dan defuzzifikasi. Data penelitian mencakup 120 jenis keramik dari berbagai merek ternama di Indonesia. Hasil pengujian menunjukkan bahwa empat produk keramik, yaitu Indogress Batu Alam Lux, Roman Batu Alam Lux, Granito Batu Alam Lux, dan Platinum Kayu Eksklusif, memperoleh skor 80 dengan kategori “Sangat Direkomendasikan”, sementara Kia Marmer Classic hanya memperoleh skor 50 dengan kategori “Cukup Direkomendasikan”. Temuan ini mengindikasikan bahwa harga dan kualitas menjadi faktor dominan dalam penentuan rekomendasi, sedangkan daya serap air dan kekasaran berperan sebagai variabel pendukung. Dengan demikian, sistem yang dikembangkan mampu membantu konsumen memilih keramik secara lebih objektif dan akurat.

Application of Circular Regression Analysis on Dengue Hemorrhagic Fever (DHF) Cases in North Sumatra

Nazwa Rinjani, Ismail Husein — Tue, 26 Aug 2025 00:00:00 +0000

Dengue Hemorrhagic Fever (DHF) continues to be one of the leading public health challenges in Indonesia, with North Sumatra experiencing a sharp increase to 8,541 reported cases in 2022. The recurring seasonal pattern of this disease necessitates an approach that can capture cyclic characteristics. Therefore, this study applied circular regression to examine the influence of time (expressed in monthly cycles), rainfall, and temperature on the distribution of DHF cases. The research utilized secondary data collected from the North Sumatra Provincial Health Office for case numbers and from the Meteorology, Climatology, and Geophysics Agency (BMKG) for climate information. Monthly data were transformed into radians, followed by correlation testing and model construction to determine the strength of relationships. The resulting model demonstrated a high explanatory power with an adjusted R² value of 92.44%, indicating strong model fit. Among the independent variables tested, only the sine transformation of the month (sin α), which represents seasonal peaks and troughs, showed a statistically significant contribution to case variation (p < 0.001). In contrast, the cosine transformation (cos α), rainfall, and temperature were not significant predictors, most likely due to relatively stable climatic conditions and the lagged effects of rainfall on mosquito breeding. The model further identified August and September as the months with the highest risk of DHF, aligning with descriptive case data. These findings confirm that seasonal dynamics are the primary driver of dengue transmission in the region. The study concludes that circular regression is an effective analytical tool for diseases with cyclical patterns and can provide essential evidence for public health planning. Strengthening preventive actions and vector control in peak months is crucial to reducing the impact of DHF in North Sumatra.

Optimization of LPG Gas Cylinder Distribution Costs in the Vehicle Routing Problem Using Dijkstra's Algorithm and Prim's Algorithm

Muhammad Vikry Rezki Rambe, Fibri Rakhmawati — Tue, 26 Aug 2025 00:00:00 +0000

This research aims to optimize the distribution costs of 3 kg LPG at PT Irit Gas thru Vehicle Routing Problem modeling. Data for 2024 includes 11 points (1 depot, 10 customers). The cost matrix is formed using Dijkstra's Algorithm on a weighted graph constructed from Haversine distances thru a k-nearest neighbors approach, ensuring that the cost between location pairs reflects the shortest path on the network. Prim's algorithm was then used to build a Minimum Spanning Tree as the basis for distance-efficient customer clustering, which was subsequently cut according to the vehicle capacity limit of 560 tubes per trip, before the visit sequence was reordered based on the shortest distance. The results show three feasible routes: Route 1 (500 tubes) 11.08212 km, Route 2 (550 tubes) 28.11148 km, and Route 3 (480 tubes) 53.13001 km; total 92.32361 km. With an efficiency of 5 km/l and a diesel price of Rp6,800/l, the estimated fuel costs are Rp15,071.68; Rp38,231.61; and Rp72,256.81 respectively (total Rp125,560.11). The findings confirm that the Dijkstra Prim combination effectively produces short, connected, and capacity compliant routes, while also providing realistic operational cost estimates for distribution decision-making.

Optimization Of Rice Production In Asahan District Using The Goal Programming Method

Noerdiansyah, Rina Filia Sari — Fri, 29 Aug 2025 00:00:00 +0000

This research aims to optimize rice production in Asahan Regency using the Goal Programming method. The secondary data analyzed included rice production, land area, labor costs, harvesting costs, and selling prices for the period 2021–2023. The Goal Programming model is designed to minimize production costs by considering the proportion of labor costs (70.66%) and harvesting costs (34% of labor costs). The research results show fluctuations in production, with the highest achievement in 2022 at 89,459.42 tons, revenue of Rp 552.86 billion, and profit of Rp 162.21 billion. The application of the model is able to reduce labor and harvest costs, thereby increasing efficiency. Sensitivity analysis shows selling price as the most influential variable on profit, followed by labor costs and harvesting costs; a price decrease of more than 5% could potentially lower revenue below the threshold. This finding confirms the importance of cost control strategies and price stability in maintaining profitability. This research provides practical contributions to local governments and farmers in formulating food security policies and opens up opportunities for developing multi-commodity models in future research.

Analisis Sentimen Komentar Pengguna Aplikasi Duolingo Menggunakan Metode Support Vector Machine dan Navie Bayes

Rani Laple Satria Putra, Tri Nur Arifin , Muhammad Redha Rahadani — Sat, 30 Aug 2025 00:00:00 +0000

Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna terhadap aplikasi Duolingo yang diunduh dari platform Google Play Store. Sebanyak 211.664 komentar dikumpulkan melalui metode web crawling menggunakan bahasa pemrograman Python, kemudian diproses melalui tahapan preprocessing yang mencakup case folding, pembersihan data, tokenisasi, penghapusan stopword, normalisasi, dan stemming. Proses ini dilanjutkan dengan pemberian bobot kata menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF) untuk mengonversi data teks menjadi representasi numerik. Model klasifikasi kemudian dibangun menggunakan algoritma Support Vector Machine (SVM) dan Naive Bayes untuk mengklasifikasikan sentimen ke dalam tiga kategori: positif, negatif, dan netral.

Hasil evaluasi menunjukkan bahwa algoritma SVM memiliki kinerja lebih stabil dan akurat dibandingkan Naive Bayes, dengan akurasi mencapai 95%. Meskipun demikian, kedua model menunjukkan keterbatasan dalam mengklasifikasikan sentimen netral dan negatif akibat ketidakseimbangan distribusi kelas dalam data, di mana kelas positif mendominasi secara signifikan. Hal ini tercermin dari rendahnya nilai precision, recall, dan f1-score pada kelas minoritas. Berdasarkan hasil 10-Fold Cross Validation, SVM terbukti lebih konsisten dalam menghasilkan akurasi tinggi di berbagai skenario pengujian, menjadikannya pilihan yang lebih andal dalam analisis sentimen multi-kelas terhadap data ulasan aplikasi.

Analisis Sentimen Komentar Pengguna Aplikasi Sayurbox Di Google Playstrore Menggunakan Metode Support Vector Machine (SVM)

Rani Laple Satria Putra, Dea Andini Andriati , Taufik Hidayat — Sat, 30 Aug 2025 00:00:00 +0000

Perkembangan teknologi digital mendorong perubahan pola konsumsi masyarakat, termasuk dalam pemanfaatan aplikasi belanja daring seperti Sayur Box. Aplikasi ini memiliki banyak ulasan pengguna yang berisi persepsi terhadap layanan, namun data tersebut bersifat tidak terstruktur sehingga memerlukan pendekatan berbasis kecerdasan buatan untuk dianalisis. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pengguna aplikasi Sayur Box dengan menggunakan algoritma Support Vector Machine (SVM) dan mengevaluasi tingkat akurasi model yang dibangun. Sebanyak 1.287 komentar dari Google Play Store dikumpulkan melalui proses web crawling menggunakan Python. Data yang diperoleh kemudian melalui tahapan prapemrosesan, meliputi case folding, pembersihan teks, tokenisasi, penghapusan stopword, normalisasi, dan stemming. Representasi kata menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF) untuk mengekstraksi kata-kata yang paling berpengaruh pada masing-masing dokumen. Dataset hasil prapemrosesan digunakan untuk melatih model SVM yang membedakan sentimen positif dan negatif. Hasil evaluasi menunjukkan bahwa model SVM memiliki kinerja yang baik dengan akurasi keseluruhan mencapai 91%. Kelas negatif menunjukkan performa terbaik dengan nilai precision 0,91, recall 0,96, dan f1-score 0,94, sedangkan kelas positif memperoleh f1-score 0,86. Kinerja pada kelas netral masih rendah karena ketidakseimbangan data, yang tercermin pada nilai precision, recall, dan f1-score bernilai nol. Uji 10-fold cross-validation memperlihatkan bahwa akurasi model stabil di atas 88% pada sebagian besar fold dengan puncak 91,5% pada fold ke-9.

Implementasi Teori Graf dan Optimisasi Alogaritma Dijkstra, BFS dan DFS Dalam Menentukan Jalur Terpendek Jaringan Toko Mixue Di Jabodetabek Berbasis Google Maps

Rani Laple Satria Putra, Muchamad Sandy , Annisa Aprilia Putri — Sat, 30 Aug 2025 00:00:00 +0000

Penelitian ini membahas penerapan teori graf untuk analisis jaringan distribusi gerai Mixue di kawasan Jabodetabek. Jaringan toko direpresentasikan sebagai graf tak berarah, di mana setiap cabang Mixue dipandang sebagai simpul (node) dan jalan penghubung antar cabang direpresentasikan sebagai sisi (edge) dengan bobot jarak tempuh. Tujuan penelitian adalah melakukan analisis komparatif terhadap tiga algoritma pencarian jalur, yaitu Depth-First Search (DFS), Breadth-First Search (BFS), dan Dijkstra, dalam menentukan rute optimal. Data diperoleh melalui Google Maps berupa lokasi, koordinat, dan jarak antar toko yang kemudian dimodelkan ke dalam graf berbobot. Implementasi algoritma dilakukan dengan bahasa pemrograman C++ untuk mengevaluasi kinerja pencarian jalur. Hasil penelitian menunjukkan bahwa algoritma Dijkstra menghasilkan jalur terpendek dari A ke R dengan total jarak 43 km (A → B → H → I → Q → R), BFS menemukan lintasan dengan jumlah simpul minimum dari A ke O (A → B → M → K → O) pada level 4, sementara DFS menelusuri jalur A ke N (A → B → M → N) pada level kedalaman 3. Dari hasil tersebut dapat disimpulkan bahwa Dijkstra lebih unggul dalam optimasi berbobot, BFS efektif untuk jalur dengan simpul minimum, dan DFS sesuai untuk eksplorasi struktur graf secara mendalam. Penelitian ini berkontribusi dalam memberikan dasar analisis rute yang lebih efisien untuk mendukung manajemen distribusi dan operasional jaringan ritel.

Analisis Sentimen Komentar Pengguna Aplikasi AlloFresh Di Google Playstrore Menggunakan Metode Support Vector Machine (SVM)

Muchamad Sandy, Eri Dariato — Sat, 30 Aug 2025 00:00:00 +0000

Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi AlloFresh dengan memanfaatkan teknik Text Mining dan pembelajaran mesin. Data yang digunakan berupa ulasan konsumen yang dikumpulkan dari platform digital, kemudian melalui serangkaian tahap pra-pemrosesan, meliputi case folding, cleaning, tokenizing, stopword removal, normalisasi, dan stemming. Selanjutnya dilakukan pelabelan sentimen ke dalam kategori positif dan negatif, sementara ulasan netral dikecualikan agar fokus analisis lebih terarah. Representasi teks kemudian dikonversi ke bentuk numerik menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF) untuk memberikan bobot pada setiap kata berdasarkan frekuensi dan tingkat kepentingannya dalam keseluruhan korpus. Dalam tahap klasifikasi, algoritma Support Vector Machine (SVM) digunakan untuk mengukur performa model. Hasil pengujian menunjukkan bahwa SVM mampu memberikan tingkat akurasi yang cukup tinggi dengan capaian mendekati 95%. Hal ini menunjukkan bahwa SVM efektif dalam mengklasifikasikan ulasan pengguna, khususnya dalam mengidentifikasi sentimen positif maupun negatif.

Analisis Sentimen Komentar Pengguna Aplikasi Segari Di Google Playstrore Menggunakan Metode Support Vector Machine (SVM)

Muchamad Sandy, Rani Laple Satria Putra — Sat, 30 Aug 2025 00:00:00 +0000

Perkembangan teknologi digital telah mendorong munculnya berbagai platform belanja daring, salah satunya aplikasi Segari. Tingkat keberhasilan aplikasi ini sangat bergantung pada pengalaman serta persepsi pengguna yang tercermin melalui ulasan di Google Play Store. Ulasan tersebut menjadi sumber data penting untuk dianalisis guna mengetahui kepuasan pelanggan. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap komentar pengguna aplikasi Segari dengan memanfaatkan algoritma Support Vector Machine (SVM). Data penelitian diperoleh melalui teknik web scraping dari Google Play Store, menghasilkan 5.752 ulasan pengguna. Dataset kemudian diproses melalui beberapa tahapan preprocessing, meliputi case folding, cleaning, tokenizing, stopword removal, normalisasi, dan stemming agar data lebih terstruktur. Setelah itu, dilakukan pembobotan kata menggunakan Term Frequency–Inverse Document Frequency (TF-IDF) untuk merepresentasikan teks dalam bentuk numerik. Hasil TF-IDF menunjukkan kata “segar” sebagai term dengan bobot tertinggi, diikuti oleh “kirim”, “belanja”, “promo”, dan “barang”, yang merefleksikan fokus utama konsumen terhadap kualitas produk dan layanan pengiriman. Model SVM diuji pada 1.021 sampel data menggunakan metode 10-fold cross-validation. Hasil pengujian menunjukkan akurasi rata-rata sebesar 95% dengan nilai tertinggi mencapai 0,968 pada beberapa lipatan. Model menunjukkan performa optimal pada kelas negatif (precision 0,96; recall 1,00; F1-score 0,98) dan cukup baik pada kelas positif (precision 0,93; recall 0,64), tetapi sangat rendah pada kelas netral (precision, recall, dan F1-score = 0,00)

Implementasi Teori Graf dan Optimisasi Alogaritma Dijktra, BFS dan DFS Dalam Menentukan Rute Terpendek Jaringan Masjid Jami di Jatiasih Kota Bekasi Berbasis Google Maps

Muchamad Sandy, Dea Andini Andriati — Sat, 30 Aug 2025 00:00:00 +0000

Penelitian ini bertujuan untuk menganalisis jalur terpendek menuju masjid jami di wilayah Jatiasih, Kota Bekasi dengan memanfaatkan teori graf dan algoritma pencarian jalur. Masjid direpresentasikan sebagai simpul (node) dan jalan penghubung antar masjid sebagai sisi (edge) berbobot yang merepresentasikan jarak atau estimasi waktu tempuh. Tiga algoritma diterapkan, yaitu Dijkstra, Breadth-First Search (BFS), dan Depth-First Search (DFS), dengan tujuan membandingkan efektivitasnya dalam menentukan rute optimal. Data penelitian diperoleh melalui Google Maps berupa nama masjid, koordinat geografis, serta jarak antar lokasi yang kemudian dimodelkan ke dalam graf berbobot. Hasil implementasi menunjukkan bahwa algoritma Dijkstra berhasil menemukan jalur terpendek dari simpul A ke J melalui lintasan langsung A → J dengan bobot 2 km. Algoritma BFS juga menghasilkan lintasan yang sama dengan level pencarian 1, menandakan efisiensi dalam jumlah simpul minimum. Sementara itu, algoritma DFS menelusuri jalur secara mendalam dengan urutan kunjungan A, B, C, E, D, F, G, H, I, J yang menunjukkan sifat eksploratifnya dalam menjelajahi seluruh simpul.

Analisis Sentimen Komentar Pengguna Aplikasi Klik Indomaret Di Google Playstrore Menggunakan Metode Support Vector Machine (SVM)

Dea Andini Andriati, Rani Laple Satria Putra, Galih Dika Saputra — Sat, 30 Aug 2025 00:00:00 +0000

Perkembangan teknologi digital telah mendorong pergeseran perilaku konsumen, khususnya dalam penggunaan aplikasi belanja daring. Salah satu aplikasi yang banyak digunakan adalah Klik Indomaret, yang memungkinkan pengguna berbelanja produk ritel secara praktis melalui perangkat mobile. Seiring meningkatnya jumlah pengguna, banyak ulasan yang terkumpul di Google Play Store yang dapat dimanfaatkan untuk mengevaluasi kualitas layanan. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap komentar pengguna aplikasi Klik Indomaret menggunakan algoritma Support Vector Machine (SVM). Sebanyak 4.841 komentar pengguna dikumpulkan secara otomatis melalui teknik web crawling berbasis Python. Data kemudian melalui tahapan prapemrosesan yang meliputi case folding, pembersihan teks, tokenisasi, penghapusan stopword, normalisasi, dan stemming untuk menghasilkan data yang terstruktur. Metode Term Frequency-Inverse Document Frequency (TF-IDF) digunakan untuk pembobotan kata sehingga dapat mengidentifikasi kata yang paling berpengaruh dalam dokumen. Dataset yang sudah siap kemudian diuji menggunakan algoritma SVM untuk mengklasifikasikan sentimen ke dalam kategori positif dan negatif. Hasil evaluasi menunjukkan bahwa model SVM memiliki akurasi keseluruhan sebesar 87% dari 3.874 data uji. Kelas negatif memberikan performa tinggi dengan precision 0,82, recall 0,94, dan f1-score 0,87, sedangkan kelas positif mencatat precision 0,92, recall 0,85, dan f1-score 0,89. Namun, kelas netral belum terdeteksi dengan baik karena jumlah data yang sedikit. Uji 10-fold cross-validation memperlihatkan akurasi yang konsisten pada rentang 85,4% hingga 87,6%, menandakan kemampuan generalisasi model yang baik tanpa indikasi overfitting.

Implementasi Teori Graf dan Optimisasi Alogaritma Dijktra, BFS dan DFS Dalam Menentukan Rute Terpendek Jaringan Bengkel di Jakarta Berbasis Google Maps

Dea Andini Andriati, Eri Dariato, Rifai Hafizh — Sat, 30 Aug 2025 00:00:00 +0000

Pertumbuhan kendaraan bermotor di Jakarta yang terus meningkat setiap tahun menimbulkan tantangan baru terkait efisiensi transportasi dan aksesibilitas layanan bengkel. Kompleksitas jaringan jalan serta kemacetan tinggi sering kali menyulitkan pengguna dalam menemukan rute tercepat menuju bengkel terdekat. Penelitian ini bertujuan untuk mengimplementasikan teori graf dan mengoptimalkan algoritma Dijkstra, Breadth-First Search (BFS), dan Depth-First Search (DFS) dalam menentukan rute terpendek pada jaringan bengkel di Jakarta dengan memanfaatkan data dari Google Maps. Data penelitian dikumpulkan melalui pencarian lokasi bengkel menggunakan Google Maps, mencakup nama, alamat, dan koordinat geografis. Seluruh bengkel direpresentasikan sebagai simpul (node), sedangkan jaringan jalan yang menghubungkan antar bengkel direpresentasikan sebagai sisi (edge) dengan bobot berupa jarak. Data tersebut kemudian dimodelkan menjadi graf tak berarah berbobot yang menjadi dasar penerapan algoritma pencarian jalur. Hasil implementasi algoritma Dijkstra menunjukkan bahwa jalur terpendek dari Bengkel A ke Bengkel K adalah melalui A → D → E → G → J → K dengan total jarak 42 km. Algoritma BFS menemukan jalur A → B → M → K → L dari Bengkel A ke Bengkel L dengan empat langkah, sedangkan DFS menemukan jalur A → B → C → F → I → L dengan lima langkah.

Analisis Sentimen Komentar Pengguna Aplikasi Alfagift Di Google Playstrore Menggunakan Metode Support Vector Machine (SVM)

Eri Dariato, Rani Laple Satria Putra — Sat, 30 Aug 2025 00:00:00 +0000

Perkembangan teknologi digital telah mempermudah interaksi antara pengguna dan penyedia layanan, salah satunya melalui ulasan di Google Play Store. Alfagift, sebagai aplikasi belanja daring milik Alfamart, mendapatkan banyak komentar dari penggunanya yang mencerminkan pengalaman positif maupun keluhan. Penelitian ini bertujuan menganalisis sentimen komentar pengguna aplikasi Alfagift di Google Play Store menggunakan algoritma Support Vector Machine (SVM) dengan pembobotan kata Term Frequency-Inverse Document Frequency (TF-IDF). Data penelitian berupa komentar yang dikumpulkan melalui metode web crawling menggunakan Python. Proses pra-pemrosesan meliputi case folding, pembersihan teks, tokenisasi, penghapusan stopword, normalisasi, dan stemming, sehingga data menjadi terstruktur dan siap dianalisis. Pembobotan kata dengan TF-IDF digunakan untuk merepresentasikan teks ke dalam bentuk numerik, di mana kata “alfagift” memperoleh bobot tertinggi (0,301027), diikuti “belanja”, “alfamart”, “gratis”, dan “ongkir”. Pengujian model SVM menunjukkan performa yang sangat baik pada kelas mayoritas (negatif) dengan precision, recall, dan f1-score sebesar 1,00. Namun, kelas netral tidak terdeteksi sama sekali (seluruh metrik = 0,00) dan kelas positif memiliki recall rendah (0,54) meskipun precision cukup tinggi (0,91). Akurasi keseluruhan mencapai 1,00, tetapi kondisi ini dipengaruhi oleh dominasi data pada kelas negatif (30.528 dari 30.792 data). Nilai macro average untuk precision (0,63), recall (0,51), dan f1-score (0,56) menunjukkan ketidakseimbangan kinerja antar kelas. Hasil 10-fold cross-validation mengonfirmasi stabilitas model dengan akurasi konsisten di kisaran 0,9950–0,9959.

Application of Preference Selection Index (PSI) Method for Decision Support System in Evaluating Supervisor Candidates of the Kitchen Department at Grand Antares Hotel

Yosefa Fras Hutahaean, Sinar Sinurat, Ridwa Syahputra — Fri, 12 Sep 2025 00:00:00 +0000

In the Supervisor Candidate Assessment at the Grand Antares Hotel, the criteria used to determine Supervisor Candidates at the Grand Antares Hotel are made based on criteria. Based on the results of the research that has been conducted, the Preference Selection Index Method is applied in the assessment of supervisor candidates who will be appointed as supervisors, then 4 criteria are determined: Education, Skills, Work Experience. GPA Data analysis is carried out so that criteria can be determined from existing alternatives and weighted using the Preference Selection Index (PSI) Method.

A ANALISIS AKURASI DAN KEANDALAN METODE CERTAINTY FACTOR PADA SISTEM PAKAR DIAGNOSTIK MEDIS

Icha Maria Stefanova Br Manik, Chairul Rizal, Heri Kurniawan — Fri, 12 Sep 2025 04:20:35 +0000

Penerapan sistem pakar dalam bidang medis menjadi solusi alternatif dalam membantu proses diagnosis penyakit, terutama di wilayah dengan keterbatasan tenaga medis. Penelitian ini bertujuan untuk menganalisis akurasi dan keandalan metode Certainty Factor (CF) dalam sistem pakar untuk diagnosis penyakit hipertensi. Sistem dikembangkan berdasarkan basis pengetahuan yang diperoleh dari pakar medis serta data rekam medis pasien. Evaluasi dilakukan terhadap 10 data uji dengan membandingkan hasil diagnosis sistem dan diagnosis dokter. Hasil penelitian menunjukkan bahwa sistem pakar mampu mencapai akurasi sebesar 80% dan nilai Cohen’s Kappa sebesar 0.524, yang mengindikasikan tingkat keandalan sedang. Grafik konvergensi juga menunjukkan kestabilan performa sistem setelah beberapa iterasi evaluasi. Temuan ini menunjukkan bahwa metode CF dapat digunakan secara efektif dalam pengambilan keputusan diagnostik awal, meskipun masih diperlukan pengembangan lebih lanjut untuk meningkatkan akurasi dan konsistensi sistem.

IMPLEMANTASI FITUR EKSTRAKSI GLOVE PADA TEKS KLASIFIKASI MENGGUNAKAN ALGORITMA LONG-SHORT TERM MEMORY

Hannan Asrawi, Sriwinar, Muhammad Fataya Bilqisthi — Tue, 23 Sep 2025 00:00:00 +0000

Perkembangan pesat data digital menuntut metode cerdas untuk mengelompokkan teks secara otomatis dan akurat. Salah satu pendekatan yang menjanjikan adalah memadukan representasi kata berbasis word embedding dengan model deep learning yang mampu memahami konteks urutan kata. Mengkaji klasifikasi teks dengan menggabungkan fitur ekstraksi GloVe dan algoritma Long Short-Term Memory (LSTM) untuk mengelompokkan dokumen berita dari dataset 20 Newsgroups. Teks terlebih dahulu melalui pra-pemrosesan pembersihan tanda baca, case folding, penghapusan stopword, tokenisasi, dan stemming lalu setiap kata direpresentasikan sebagai vektor berdimensi tetap menggunakan model GloVe yang mampu menangkap makna dan hubungan semantik secara global. Vektor ini menjadi masukan jaringan LSTM yang belajar mengenali pola urutan kata dan konteks topik. Evaluasi dengan metrik akurasi, presisi, recall, dan F1-score menunjukkan kinerja tinggi: akurasi 0,9562, presisi 0,9701, recall 0,9485, dan F1-score 0,9701. Hasil ini menegaskan bahwa kombinasi GloVe dan LSTM efektif serta kompetitif, mampu menghasilkan klasifikasi teks yang presisi dan seimbang, sehingga layak diterapkan pada berbagai aplikasi pemrosesan bahasa alami yang memerlukan pengelompokan dokumen secara otomatis dan akurat.

Prediction of Parents’ Satisfaction in Learning Methods Using K-Nearest Neighbor Algorithm

Masitha Putri Ardhana Ginting, Abdul Halim Hasugian — Wed, 08 Oct 2025 20:32:38 +0000

Parental satisfaction in learning methods is an important indicator for evaluating the quality of education, especially in inclusive schools such as Smart Aurica School. This study aims to predict the level of parental satisfaction with learning methods using the K-Nearest Neighbor (K-NN) algorithm. The research employed a quantitative approach with data collected through questionnaires distributed to parents of students. The collected data were processed through several stages, including data cleaning, normalization, training and testing set division, and distance calculation using Euclidean Distance. The K-NN model was then applied to classify satisfaction levels based on the predetermined K value. The results indicate that the K-NN algorithm can provide accurate predictions of parental satisfaction, achieving a relatively high accuracy rate in testing. These findings demonstrate that K-NN is an effective approach to assist schools in evaluating learning methods and offering data-driven recommendations to improve educational quality. Therefore, this research contributes to the application of machine learning in providing a more objective and accurate evaluation of educational services, which can serve as a strategic basis for school decision-making.