Explore IT! : Jurnal Keilmuan dan Aplikasi Teknik Informatika

Sistem Pencatatan Skripsi Berdasarkan Rencana Induk Penelitian (RIP) di Universitas Trunojoyo Madura

Jamilatul Aisyiah, Laili Cahyani, Muhlis Tahir, Nuke Sephiana — Fri, 30 Dec 2022 00:00:00 +0000

Perguruan tinggi negeri yang berada di wilayah Madura salah satunya adalah Universitas Trunojoyo Madura. Sebagai Lembaga Pendidikan tinggi Universitas Trunojoyo Madura terus berupaya untuk meningkatkan kemampuan literasi bagi mahasiswa salah satunya melalui peningkatan kualitas skripsi. Seiring berkembangnya zaman, banyak topik skripsi yang bisa diangkat menjadi tema skripsi. Namun, topik utama dalam skripsi tersebut juga harus menjadi pendukung terlaksananya Rencana Induk Riset Universitas (RIP) maupun Rencana Induk Riset Nasional (RIRN). Sehingga untuk mendukung hal tersebut dan guna mempermudah mahasiswa dalam mencari referensi skripsi yang sesuai dibutuhkan sebuah sistem yang bisa memenuhi kebutuhan tersebut. Penelitian ini bertujuan untuk menghasilkan sistem pembukuan skripsi berdasarkan RIP di Universitas Trunojoyo madura. Dengan harapan bisa mendukung tercapainya RIP universitas serta mempermudah pengguna khususnya mahasiswa dalam mencari sumber untuk bahan skripsi mereka. Metode yang digunakan pada penenelitian ini ialah metode Research & Development (R&D) yang mana model dalam pengembangannya memakai pendekatan waterfall. Tahapan yang terjadi pada model dengan pendekatan waterfall yakni meliputi analisis, desain, pengembangan, pengujian, dan implementasi. Tes black box dan tes kuesioner mahasiswa/masyarakat digunakan dalam pengujian sistem ini. Hasil pengujian oleh ahli sistem untuk mengetahui kesesuaian fungsional sistem memberikan hasil persentase 100% yang berarti semua fungsi berjalan dengan baik. Pengujian pengguna dengan 20 pengisi kuisioner memperoleh 84,7% yang masuk kedalam kategori “sangat layak”.

Pemetaan dan Klasterisasi Sekolah Muhammadiyah di Kabupaten PPU Berdasarkan Fasilitas, Pendidik dan Tenaga Pendidik Menggunakan Metode K-Means Clustering

M. Riadhus Sholihin, Rudiman — Fri, 30 Dec 2022 00:00:00 +0000

Educational facilities are a part of achieving learning in schools. Facilities that are generally located in schools are classrooms, libraries and toilets which are intended for teachers/educators and students. With the facilities, teachers, and teaching staff are very important to support teaching and learning activities. To make it easier for the government and Muhammadiyah schools to cluster certain schools into several clusters, making it easier to assist and procure school needs within the North Penajam Paser Regency government. Clustering is done by using the K-Means algorithm. The application of the K-Means Algorithm by determining the Cluster value is 3. The results show that each Cluster has its own number of members. Cluster 0 consists of 5 schools, Cluster 1 consists of 8 schools, and Cluster 2 consists of 1 school. Then the results of the increase sequentially obtained Cluster 0, Cluster 2, and finally Cluster 1. Furthermore, in testing the performance of the K-Means algorithm by dividing 3 clusters, the Davies Bouldin Index value of 0.446 was obtained. From the results of data analysis and processing, there are 8 schools in the low cluster, so this study recommends the need for assistance and provision of school needs for the low cluster by the education office of the North Penajam Paser Regency.

Sistem Pengembangan Deteksi Kanker Prostat Berbasis Image Processing dengan Metode Convolutional Neural Network

Alimin, Sigit Riyadi — Sat, 31 Dec 2022 00:00:00 +0000

In the medical field, the diagnosis of prostate cancer is done by biopsy and microscopy. This testing technique takes a long time for even a dermatologist and has its own risks during the biopsy process so that it greatly affects the results of diagnosis and healing. To overcome this problem, we need a method to detect prostate cancer automatically through microscopic images of prostate cells. In this study, the method used is Convolutional Neural Network (CNN) for the identification of prostate cancer through prostate cell images. After testing on 60 images, it was found that 4 images failed to identify. The results of this study indicate that the proposed method is able to identify prostate cancer using microscopic images of prostate cells with an accuracy rate of 93.3%.

Perbandingan Metode Work Sampling dan Metode Most Untuk Menentukan Output Produksi Pengecatan Berbasis Web (Studi Kasus UPTD Logam Kota Pasuruan)

Faiqul Himam Faiqul Himam, Dian Ahkam Sani — Sat, 31 Dec 2022 00:00:00 +0000

Permasalahan penentuan jumlah output produksi disuatu Perusahaan sering kali dihadapi. Banyak berbagai faktor yang dapat mempengaruhi dalam penentuan jumlah output produksi salah satu faktor penyebabnya adalah jumlah barang yang masuk disuatu Perusahaan melebihi batas atau terlalu banyak sehingga dalam proses penentuan jumlah output produksi sulit diatasi dampaknya akan terjadi keterlambatan yang dapat mengakibatkan kerugian Perusahan dan kepercayaan Konsumen. Studi kasus pada penelitian ini adalah UPTD Logam Kota Pasuruan, dimana UPTD Logam ini bergerak dalam Industri pengecatan dibawah naungan Pemerintahan Kota Pasuruan. Dengan keterbatasan sumber daya yang dimiliki UPTD Logam menginginkan suatu program atau aplikasi untuk mempermudah dalam mengetahui selesainya suatu produksi. Dengan beberapa faktor permasalahan yang dihadapi maka pada penelitian ini dibuatlah suatu aplikasi perbandingan metode Work Sampling dan metode MOST untuk menentukan output produksi berbasis Web. Hasil penelitian menunjukan dengan rata-rata jumlah output awal 45 unit perhari, metode Work Sampling dalam tingkat akurasi lebih mendekati output awal dengan jumlah 50 unit perhari atau sebesar 10%, sedangkan metode MOST tingkat akurasi lebih jauh dari output awal dengan jumlah 72 unit perhari atau sebesar 60%.

Klasterisasi Tingkat Pemahaman Siswa Pada Mata Pelajaran Kimia Dengan Algoritma K-Means

Mon, 13 Mar 2023 03:28:21 +0000

Kimia merupakan mata pelajaran yang sebagian siswa merasa kesusahan dalam menerima materi, sehingga bagi guru mata pelajaran kimia hal ini merupakan sebuah masalah dalam memberikan materi karena tingkat pemahaman siswa yang tidak merata, hal ini tentu saja akan menyebabkan tujuan pembelajaran yang tidak dapat dicapai sesuai rencana studi semester. Tujuan penelitian ini dilakukan adalah untuk mengelompokkan tingkat pemahaman siswa pada mata pelajaran kimia berdasarkan nilai PAS/PAT dan Rapor. Metode yang akan digunakan yaitu Clustering dengan algoritma K-Means, untuk menentukan jumlah cluster yang optimal dengan metode elbow. Setelah dilakukan penelitian ditemukan jumlah cluster yang optimal sebanyak 3 cluster, dimana cluster 0 merupakan kelompok siswa yang memiliki tingkat pemahaman sangat Baik, Cluster 1 merupakan kelompok tingkat pemahaman baik dan Cluster 2 merupakan kelompok tingkat pemahaman kurang. Dari 133 siswa yang digunakan sebagai dataset, masing-masing didapatkan hasil untuk cluster 0 sebanyak 78 siswa, cluster 1 sebanyak 54 siswa dan cluster 2 sebanyak 1 siswa. Siswa yang masuk pada cluster 2 perlu mendapatkan perhatian khusus dari guru terkait sehingga dapat memahami pelajaran dengan baik.