No abstract

No abstract

Padi merupakan tanaman pangan penghasil beras, dan indonesia merupakan negera yang mayoritas penduduknya menjadikan beras sebagai makanan utama, jumlah penduduk yang semakin meningkat, perlu menjaga kualitas padi agar resiko gagal panen dapat dihindari. Banyak faktor yang dapat menimbulkan resiko gagal panen salahsatunya itu penyakit daun padi, Pada penelitian ini diusulkan Algoritma Convolutional Neural Network untuk klasifikasi penyakit daun padi yang berdasarkan citra. Arsitektur yang digunakan pada penelitian ini menggunakan MobileNetVI dengan menggunakan ekstraksi fitur. Dataset berasal dari UCI Repository sebanyak 120 yang terdiri dari 3 penyakit daun padi yaitu Bacterial leaf blight,  Brown spot, Leaf smut. Berdasarkan hasil pelatihan dan pengujian menggunakan citra penyakit daun padi yang berukuran 224x224 piksel didapat hasil nilai akurasi pelatihan mencapai 1.0 dan nilai akurasi validasi mencapai 0.8333. Nilai akurasi pada Confusion Matrix yaitu sebesar 92%, hasil ini menjadi bukti bahwa dengan penerepan algorima CNN dan MobileNetVI dengan ekstraksi ciri memiliki akurasi yang baik sekali. Percobaan pada aplikasi yang dibangun hasil proses pengujian berbasis android terbukti dapa mengklasifikasikan jenis penyakit daun padi.

Penyakit Ginjal Kronis merupakan penyakit dengan tingkat pengeluaran biaya terbesar di dunia. Penyakit tersebut sering kali tidak menunjukkan adanya gejala yang terjadi seperti penyakit pada umumnya. Oleh karena itu, penelitian ini dilakukan dengan tujuan agar dapat mendeteksi dini penyakit tersebut sebelum didiagnosis ke tahap yang lebih serius. Penerapan model algoritma C4.5 individual dan algoritma C4.5 berbasis PSO dengan teknik bagging dilakukan guna mengetahui model mana yang memberikan hasil terbaik dalam mendeteksi penyakit ginjal kronis. Pemilihan kedua model tersebut dipertimbangkan karena algoritma C4.5 merupakan salah satu algoritma terbaik data mining, namun cenderung memiliki kelemahan pada data yang overlap, kelas dan atribut yang banyak. Maka dari itu, teknik optimasi Particle Swarm Optimization (PSO) dan teknik bagging juga dipilih sebagai alternatif dalam mengatasi kelemahan yang ada dalam algoritma C4.5. Dari hasil penelitian diperoleh bahwa model algoritma C4.5 berbasis PSO dengan teknik bagging mampu menyeleksi atribut sehingga dapat meningkatkan nilai akurasi yang lebih baik dengan hasil sebesar 99,70% dibandingkan dengan model individual algoritma C4.5 yang menghasilkan nilai akurasi sebesar 91,72% saja.

Besarnya angka pengguna internet di Indonesia semakin membuka peluang bisnis baik di tingkat lokal maupun global. Perusahaan kecil dan besar berlomba-lomba memanfaatkan internet demi menunjang bisnis mereka. Penerapan teknologi e-commerce merupakan salah satu faktor yang penting untuk menunjang keberhasilan penjualan suatu produk dari sebuah perusahaan. Sistem prediksi jumlah transaksi penjualan dapat diterapkan pada aplikasi ecommerce. Metode K-Nearest Neighbor digunakan karena memiliki akurasi yang tinggi dengan rasio kesalahan kecil. Adapun hasil dari prediksi atau peramalan bermanfaat untuk membantu meningkatkan omzet penjualan perusahaan. Studi kasus penelitian ini dilakukan di Distro Folder yang merupakan perusahaan yang bergerak dalam bidang penjualan pakaian seperti baju, jaket, celana, topi, tas dan aksesoris lainnya di Sukabumi. Dengan menggunakan website pembeli dapat lebih mudah dalam memilih dan memesan barang kapanpun dan dimanapun tanpa harus mengunjungi distro. Pembangunan website e-commerce yang memiliki sistem prediksi transaksi penjualan menggunakan metode K-Nearest Neighbour diharapkan dapat meningkatkan angka penjualan dengan lebih cepat, lebih luas jangkauan pasarnya serta lebih mudah dalam mengelola laporan penjualan.

In this study aims to determine the classification of Alzheimer’s disease, this disease is a dangerous disease that can eliminate memory loss and can even result in a loss of ability to remember. For this reason, early detection of this disease is needed so that it can prepare for medical treatment. In this study the proposed method is to compare several decision tree methods with feature or attribute selection using the Particle Swarm Optimization (PSO) algorithm with the Alzheimer OASIS 2 dataset: Longitudinal Data from kaggle.com. The results of experiments with ten-fold cross validation, by testing the decision tree algorithm before the feature or attribute selection is performed, the highest accuracy value is obtained from the random forest algorithm with a value of 91.15%. The feature selection process is carried out using the PSO algorithm and the experiment is repeated using the Decision tree, the PSO-based random forest algorithm has the highest accuracy value of 93.56% with a kappa value of 0.884. Feature or attribute selection using the PSO algorithm is proven to be able to improve the accuracy of the decision tree algorithm, and is included in the algorithm with a very good range of values.

Masalah kemiskinan diberbagai belahan dunia khususnya indonesia menjadi persoalan serius yang menjadi pusat perhatian pemerintah saat ini. Berbagai cara telah di lakukan oleh pemerintah untuk menekan angka kemiskinan meningkat, salah satunya memberikan bantuan kepada masyarakat miskin melalui perogram Bantuan Pangan Non Tunai (BPNT). Namun pemangku kepentingan memiliki permasalahan yang terjadi dilapangan yaitu sulitnya mengklasifikasikan data yang menerima bantuan sehingganya mengakibatkan kurang tepatnya sasaran dalam memberikan bantuan. Dalam  penelitian ini menerapkan algoritma C4.5 dengan split kriteria information gain, algoritma C4.5 adalah salahsatu algoritma terbaik pada algoritma klasifikasi, dan dataset yang didapat pada tahun 2018 pada Desa Nagrak Utara Sukabumi sebanyak 130 data. Model pohon keputusan yang dihasilkan dari penerapan algoritma C4.5 yaitu menghasilkan akurasi sebesar 91.54% dengan nilai AUC 0.986, dengan demikian algoritma C4.5 untuk klasifikasi penentukan penerimaan BPNT itu termasuk algoritma Sangat Baik, karena range AUC diantara 0.90-1.00.

Pengelolaan sumber daya manusia merupakan proses dan struktur hubungan yang mengendalikan dan mengarahkan suatu organisasi perusahaan dalam mencapai tujuan organisasi dengan menambahkan nilai agar teknologi informasi dan prosesnya dapat diseimbangkan dengan risikonya. Diperlukan sebuah evaluasi sumber daya manusia dibidang teknologi informasi untuk mengetahui sejauh mana tingkatan pengelolaan terhadap sumber daya manusia di PT Intercome Terminal Indonesia. Sumber daya manusia dibidang teknologi informasi pada PT Intercome Terminal Indonesia membutuhkan pengembangan dan pengelolaan sesuai dengan harapan organisasi. Melihat terbatasnya sumber daya manusia di bidang teknologi informasi pada PT Intercome Terminal Indonesia sangat terbatas sehingga kegiatan operasional masih belum efektif dan memenuhi sasaran yang diharapkan. Melihat kondisi organisasi yang mengalami terbatas pada sumber daya manusia di bidang teknologi informasi dilakukan evaluasi secara detail dengan menggunakan COBIT 4.1. Dalam melakukan evaluasi sumber daya manusia dengan menggunakan kerangka kerja COBIT yang berfokus pada Domain PO, DS dan ME diharapkan dapat memberikan acuan dan perbaikan yang lebih efektif terhadap organisasi ke depannya.