INTECOMS: Journal of Information Technology and Computer Science

Analisis Pengaruh Organisasi dan Manusia Terhadap Asset Perfomance Pada Perusahaan Energi

Sun, 05 Jan 2025 01:32:40 +0000

Implementasi manajemen aset pada PT XYZ telah meningkatkan kinerja operasional serta menurunkan biaya pemeliharaan pada pembangkit sejak diterapkan pada 2004. Pada penelitian ini dilaksanakan dengan tujuan menganalisis peran elemen "organization and people" dalam keberhasilan manajemen aset guna memperkuat implementasi di beberapa anak perusahaan PT XYZ. Penelitian dilakukan menggunakan metode Structural Equation Modelling untuk menguji hubungan antar variabel dalam manajemen aset. Evaluation model measurement melalui indicator uji outer loading, AVE, dan realibiltias yang memenuhi syarat. Pada pengujian Structural Model, digunakan adanya lima hipotesis untuk membandingkan keterkaitan antar variabel yang ada. Pada hasil diperoleh bahwa leadership management dan organizational structure secara signifikan mempengaruhi organizational culture, sementara competence management berpengaruh pada human resource competence. Namun, pengaruh human resource competence terhadap asset performance tidak signifikan.

Analisa Performa Convolution Neural Network Dalam Pengenalan Tulisan Tangan Aksara Lontara

Ni Putu Irene Pasca Nurahdika, Joko Sutopo — Sun, 05 Jan 2025 01:47:04 +0000

Aksara Lontara merupakan warisan budaya Nusantara yang perlu dilestarikan melalui teknologi modern. Penelitian ini menerapkan Convolutional Neural Network (CNN) untuk mengenali tulisan tangan aksara Lontara, yang terdiri dari 23 karakter dengan berbagai variasi bentuk. Dataset terdiri dari 7.452 gambar pelatihan dan 3.726 gambar validasi. Tahap preprocessing mencakup normalisasi dan augmentasi data untuk meningkatkan generalisasi. Model CNN memiliki tiga lapisan konvolusi, fungsi aktivasi ReLU, dropout untuk mencegah overfitting, dan softmax di lapisan keluaran. Optimasi dilakukan menggunakan algoritma Adam dengan fungsi loss categorical crossentropy. Hasil menunjukkan akurasi pelatihan sebesar 93,04% dan validasi 92,27%, dengan nilai kerugian yang menurun signifikan. Analisis grafik menunjukkan konsistensi antara data pelatihan dan validasi, memperlihatkan kemampuan generalisasi yang baik. Penelitian ini membuktikan efektivitas CNN dalam pengenalan aksara Lontara, mendukung pelestarian warisan budaya melalui digitalisasi.

Sistem Pendukung Keputusan Seleksi Penerimaan Mahasiswa Baru KIP Menggunakan Metode SAW

Dian Oktari, Jaka Dernata, Bentar Priyopradono, Ade Titin Sumarni, Novi Rahayu — Sun, 05 Jan 2025 02:15:26 +0000

Sistem Pendukung Keputusan (SPK) berperan penting dalam seleksi penerimaan mahasiswa baru Kartu Indonesia Pintar (KIP) di Universitas Prof. Dr. Hazairin, SH. Untuk meningkatkan keadilan dan objektivitas dalam seleksi, dikembangkan sistem SPK berbasis metode Simple Additive Weighting (SAW). Metode ini memungkinkan penilaian calon mahasiswa berdasarkan 8 kriteria seperti kepemilikan kartu kip, status tempat tinggal, orang tua penerima bantuan, prestasi akademik, prestasi non akademik,keterlibatan organisasi , dan hasil wawancara yang kemudian digabungkan untuk menentukan skor akhir menggunakan metode SAW. Hasil implementasi sistem ini menunjukkan bahwa penggunaan metode SAW dapat mempercepat proses seleksi dan meningkatkan objektivitas keputusan. Sistem ini juga mempermudah panitia dalam melakukan evaluasi dan perbandingan antar calon mahasiswa secara lebih sistematis dan transparan. Dengan demikian, sistem ini diharapkan dapat mendukung Universitas Prof. Dr. Hazairin, SH dalam menjalankan proses seleksi yang lebih efisien dan adil dalam pemberian beasiswa KIP.

Analisis Sentimen Ulasan Aplikasi Jago Bank Digital Menggunakan Multi Layer Perceptron

Ramadhan Chandraditio, Garno Garno, Jajam Haerul Jaman — Sun, 05 Jan 2025 02:23:12 +0000

Bank Jago merupakan platform perbankan daring yang memungkinkan pengguna mengakses layanan perbankan secara langsung melalui telepon pintar. Aplikasi Bank Jago telah mencapai tonggak sejarah yang mengesankan, yakni sebanyak 5 juta unduhan di Google Play Store, dengan rating 4,6. Pengguna berbagi pengalaman dengan memberikan rating dan ulasan di platform ini. Meskipun demikian, terkadang rating tidak sesuai dengan isi ulasan. Banyaknya ulasan yang tidak terstruktur sering kali mempersulit pemahaman umpan balik pengguna. Dalam pengembangan aplikasi, opini pengguna sama pentingnya dengan rating itu sendiri. Oleh karena itu, pengembang harus menafsirkan setiap ulasan yang diterima secara efektif. Untuk mencapai hal ini, analisis sentimen dilakukan terhadap ulasan tersebut dengan menggunakan algoritma Multi Layer Perceptron, yang bertujuan untuk mengumpulkan wawasan tentang sentimen pengguna terkait aplikasi Bank Jago di Google Play Store. Penelitian ini menggunakan metode Knowledge Discovery in Database (KDD) yang terdiri dari 5 tahap, yaitu Data Selection, Preprocessing, Transformation, Data Mining, dan Evaluation. Data yang digunakan adalah 5174 ulasan aplikasi Bank Jago, dengan 3629 ulasan positif dan 1499 ulasan negatif. Pada tahap Transformation dan Data Mining dilakukan dengan split data 70:30. Kemudian dengan model Multi Layer Perceptron mengkonversikan hasil dari confusion matrix yaitu false negative dan false positive menjadi hasil sebenarnya untuk memperbaiki ketidakserasian rating dengan komentar. Proses ini mendapatkan tingkat akurasi sebesar 91,82%, Precision 94,69%, Recall 92,05%, dan f1-score 93,35% evaluasi tersebut mendapatkan predikat sangat baik

Hybrid Machine Learning Predicts Flooding Using Lstm And Random Forests On Geodata

Zakiul Fahmi Jailani, Dita Nurmadewi — Thu, 09 Jan 2025 00:00:00 +0000

Flood prediction remains a critical concern in Indonesia, a nation frequently affected by seasonal deluges. This research aims to predict flood occurrences in five key provinces by employing a hybrid machine learning approach using Long Short-Term Memory (LSTM) networks and Random Forest models. Leveraging geospatial and temporal data from Petabencana.id, collected between January 2018 and February 2024, the study develops a predictive framework for flood forecasting. The analysis integrates flood depth and historical disaster data to estimate the time to the next flood, with predictions starting after the last data entry in February 2024. The model accurately predicted that Jakarta would experience flooding within 25–50 days post-February, a forecast corroborated by significant floods in April 2024. Other provinces, including Central Java and East Java, displayed longer flood risk windows extending further into the year. With a training accuracy of 99%, the model underscores its reliability in predicting flood events. This study emphasizes the strength of LSTM in capturing temporal patterns and the role of Random Forests in identifying key predictive features. The proposed model offers a valuable tool for disaster management agencies and local governments, enabling them to anticipate and mitigate flood impacts using real-time data from Petabencana.id.

Analisa Perbandingan Kualitas Jaringan Internet Fiber Optik Dengan Menggunakan Metode Qos (Quality of Service) Pada Pengadilan Tinggi Jakarta

Ari Junianto, Periyadi Periyadi, Ema Ema — Thu, 09 Jan 2025 17:48:05 +0000

Penelitian ini bertujuan untuk meningkatkan kualitas jaringan internet fiber optik di Pengadilan Tinggi Jakarta melalui penerapan metode Quality of Service (QoS), dengan menggunakan metode Per Connection Queue (PCQ) dan Hierarchical Token Bucket (HTB). Fokus penelitian ini adalah pada kebutuhan koneksi yang stabil dan efisien untuk mendukung aplikasi kritis seperti e-court dan video conference. Metode yang digunakan mencakup analisis kebutuhan jaringan, konfigurasi perangkat, dan pengujian performa. Hasil penelitian menunjukkan bahwa penerapan QoS berhasil meningkatkan throughput jaringan dari 50 Mbps menjadi 70 Mbps. Selain itu, delay di Pengadilan Tinggi Jakarta menurun dari 3,71 ms menjadi 2,26 ms, sementara IndiHome Telkom mengalami peningkatan dari 2,37 ms menjadi 2,85 ms. Tingkat packet loss juga membaik, turun dari 2% menjadi 0,5%, dan jitter menurun dari 1,5 ms menjadi 0,8 ms. Penerapan teknik QoS yang tepat dapat meningkatkan kualitas layanan jaringan di lingkungan pengadilan, mendukung operasional dan pelayanan publik yang lebih baik.

Analisis Sentimen Ulasan Review Aplikasi MyTelkomsel, IndosatM3 dan MyXl di Google Play Store Menggunakan Metode Bert

Dybio Dompu Hot Asih, Lindung Parningotan Manik — Wed, 22 Jan 2025 00:25:54 +0000

Aplikasi seluler dari penyedia layanan telekomunikasi, seperti MyTelkomsel, IndosatM3, dan MyXL, semakin penting dalam kehidupan sehari-hari konsumen. Pengguna sering meninggalkan ulasan dan penilaian di platform seperti Google PlayStore, yang dapat menjadi sumber informasi berharga bagi perusahaan untuk meningkatkan kualitas layanan. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan pengguna aplikasi MyTelkomsel, IndosatM3, dan MyXL di Google PlayStore menggunakan BERT. Penelitian ini dilakukan untuk analisa sentimen terhadap aplikasi MyTelkomsel, IndosatM3 dan MyXl di Google Play Store. Data review komentar diambil dari fitur komentar yang ada di Google Play Store menggunakan teknik scrapping. Data yang digunakan berjumlah 600 records. Hasil dari analisa sentimen dapat dimanfaatkan untuk melihat respon pengguna MyTelkomsel, IndosatM3 dan MyXl lalu pengembang bisa memaksimalkan fitur yang dirasa kurang oleh pengguna. Model dan metode yang digunakan adalah model pre- trained BERT. Dalam penelitian ini, kami mengumpulkan data ulasan dari ketiga aplikasi tersebut dan mengklasifikasikannya ke dalam tiga kategori sentimen utama: positif, negatif, dan netral. Model BERT dilatih untuk mengenali pola dalam ulasan tersebut dan mengklasifikasikan sentimen dengan akurasi yang tinggi. Aplikasi seluler dari penyedia layanan telekomunikasi, seperti MyTelkomsel, IndosatM3, dan MyXL, semakin penting dalam kehidupan sehari-hari konsumen. Pengguna sering meninggalkan ulasan dan penilaian di platform seperti Google PlayStore, yang dapat menjadi sumber informasi berharga bagi perusahaan untuk meningkatkan kualitas layanan. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan pengguna aplikasi MyTelkomsel, IndosatM3, dan MyXL di Google PlayStore menggunakan BERT.

Penelitian ini dilakukan untuk analisa sentimen terhadap aplikasi MyTelkomsel, IndosatM3 dan MyXl di Google Play Store. Data review komentar diambil dari fitur komentar yang ada di Google Play Store menggunakan teknik scrapping. Data yang digunakan berjumlah 600 records. Hasil dari analisa sentimen dapat dimanfaatkan untuk melihat respon pengguna MyTelkomsel, IndosatM3 dan MyXl lalu pengembang bisa memaksimalkan fitur yang dirasa kurang oleh pengguna. Model dan metode yang digunakan adalah model pre- trained BERT. Dalam penelitian ini, kami mengumpulkan data ulasan dari ketiga aplikasi tersebut dan mengklasifikasikannya ke dalam tiga kategori sentimen utama: positif, negatif, dan netral. Model BERT dilatih untuk mengenali pola dalam ulasan tersebut dan mengklasifikasikan sentimen dengan akurasi yang tinggi.