Media Teknologi dan Informatika

Merancang Fuzzy Inference System Metode Mamdani Untuk Memprediksi IPM di Kota Langsa

2024-10-04T18:57:34+07:00

Pembangunan Manusia bagi setiap daerah ataupun negara didunia merupakan tujuan terpenting dalam setiap Pembangunan yang dijalankannya. Indeks Pembangunan Manusia atau IPM adalah indikator untuk melihat kondisi dan potensi pembangunan secara menyeluruh di suatu daerah atau negara melalui pendekatan manusia. Penelitian ini bertujuan untuk merancang sistem fuzzy untuk mengitung nilai IPM secara proporsional. Sistem fuzzy yang akan dikembangkan adalah System Inference Fuzzy metode Mamdani yang akan diimplementasikan untuk menghitung nilai IPM terhadap klasifikasi Umur Harapan Hidup, Harapan Lama Sekolah, Rata-rata Lama Sekolah, dan Dimensi Standar Hidup layak. Sistem fuzzy ini dapat membantu mengklasifikasikan tingkatan Indeks Pembangunan Manusia dengan cepat dan mudah dipahami. Diharapkan nantinya akan berguna bagi pemerintah sebagai landasan untuk melakukan kebijakan dan perencanaan di kota Langsa.

Human Development for every region or country in the world is the most important goal in every development it undertakes. The Human Development Index or HDI is an indicator to see the overall development conditions and potential in a region or country through a human approach. This study aims to design a fuzzy system to calculate HDI values proportionally. The fuzzy system to be developed is the Mamdani method of Inference Fuzzy System which will be implemented to calculate the HDI value against the classification of Life Expectancy, School Life Expectancy, Average School Age, and Decent Living Standard Dimensions. This fuzzy system can help classify the levels of the Human Development Index quickly and easily understand. It is hoped that later it will be useful for the government as a basis for carrying out policies and planning in the city of Langsa.

Penerapan Metode Waterfall Pada Perancangan Program Presensi Guru Mts Darul Amal Berbasis Website

2024-09-23T14:49:42+07:00

Pada Perkembangan Teknologi Informasi dan Komunikasi ini banyak digunakan untuk menyebarkan informasi secara cepat. Dengan perkembangan teknologi ini dapat dimanfaatkan dengan pembuatan sistem presensi guru berbasis Website. Walaupun perkembangan teknologi ini sangat cepat, namun di MTS Darul Amal masih melakukan presensi guru secara manual yaitu dengan kertas, yang dapat menyebabkan kehilangan dan kerusakan data. Serta membutuhkan banyak waktu dalam proses pengelolaan data presensi guru. Penelitian ini bertujuan merancang dan mengimplementasikan sistem presensi guru yang berbasis Website, dengan sistem ini dapat mempermudah mengelola data presensi guru dan kemanan data presensi guru terjaga dengan aman. Dengan menggunakan sistem presensi guru berbasis Website dapat mempercepat proses pengumpulan dan pengelolaan data presensi guru. Pada penelitian ini menggunakan metode Waterfall yang terdiri dari tahap analisis kebutuhan, desain, implementasi, pengujian dan pemeliharaan, dengan menggunakan metode ini dapat mengetahui tahapan pembuatan sistem presensi guru berbasis Website. Dengan menggunakan pengujian Black Box sistem presensi guru berjalan dengan baik. Hasil dari penelitian pembuatan sistem ini menghasilkan data presensi dengan cepat dan efisien serta dapat diakses dengan mudah oleh guru.

In The Development of Information and Communication Technology, it is widely used to disseminate information quickly. With the development of this technology can be utilized by making a Website-based teacher attendance system. Although the development of this technology is very fast, MTS Darul Amal still conducts teacher attendance manually, namely with paper, which can cause data loss and damage. And it takes a lot of time in the process of managing teacher attendance data. This research aims to design and implement a Website-based teacher attendance system, with this system it can make it easier to manage teacher attendance data and the security of teacher attendance data is maintained safely. Using a website-based teacher attendance system can speed up the process of collecting and managing teacher attendance data. In this study using the Waterfall method which consists of the stages of needs analysis, design, implementation, testing and maintenance, using this method can find out the stages of making a Website-based teacher attendance system. By using Black Box testing the teacher attendance system runs well. The results of this system development research produce attendance data quickly and efficiently and can be accessed easily by teachers.

Support Vector Machine Untuk Klasifikasi Penyakit Diabetes Mellitus

2024-10-13T23:52:39+07:00

Diabetes mellitus adalah penyakit metabolik kronis yang semakin umum dan dapat menyebabkan komplikasi serius jika tidak didiagnosis dan diklasifikasikan dengan tepat. Salah satu masalah utama yang dihadapi adalah kurangnya metode diagnosis yang cepat dan akurat untuk mendeteksi diabetes pada tahap awal. Pendekatan manual seringkali memakan waktu dan tidak memberikan hasil yang optimal, sehingga diperlukan metode berbasis teknologi yang lebih efisien. Penelitian ini bertujuan untuk mengembangkan model pembelajaran mesin menggunakan algoritma Support Vector Machine (SVM) yang dapat membantu dalam klasifikasi diabetes mellitus dengan akurasi yang lebih tinggi. Data yang digunakan berasal dari database kasus diabetes yang mencakup berbagai parameter klinis pasien. Sebelum data digunakan untuk pelatihan model, dilakukan pra-pemrosesan yang mencakup analisis komponen utama dan normalisasi, sehingga fitur yang paling relevan dapat dipilih. Model SVM kemudian digunakan untuk melakukan klasifikasi biner, yaitu menentukan apakah seorang pasien memiliki diabetes mellitus atau tidak. Untuk mengevaluasi kinerja model ini, digunakan beberapa metrik, termasuk akurasi, presisi, recall, dan skor f1. Hasil penelitian menunjukkan bahwa model SVM mencapai tingkat akurasi sebesar 88%, yang menandakan bahwa algoritma ini memiliki potensi besar dalam membantu proses diagnosis diabetes dengan cepat dan akurat. Dengan demikian, model ini diharapkan dapat menjadi solusi dalam mengatasi keterbatasan metode diagnosis tradisional, serta membantu tenaga medis dalam memberikan diagnosis yang lebih tepat, sehingga komplikasi yang diakibatkan oleh diabetes dapat dicegah lebih efektif.

Diabetes mellitus is a chronic metabolic disease that is becoming increasingly common and can lead to serious complications if not diagnosed and classified correctly. One of the major challenges faced is the lack of fast and accurate diagnostic methods for detecting diabetes at an early stage. Manual approaches are often time-consuming and do not provide optimal results, highlighting the need for more efficient, technology-based methods. This study aims to develop a machine learning model using the Support Vector Machine (SVM) algorithm to assist in the classification of diabetes mellitus with higher accuracy. The data used in this study comes from a diabetes case database containing various clinical parameters of patients. Before the data is used for model training, pre-processing steps are performed, including principal component analysis and normalization, to select the most relevant features. The SVM model is then applied to perform binary classification, determining whether or not a patient has diabetes mellitus. Several metrics, including accuracy, precision, recall, and F1-score, are used to evaluate the model’s performance. The results show that the SVM model achieves an accuracy rate of 88%, indicating that this algorithm has great potential to help in diagnosing diabetes quickly and accurately. Thus, this model is expected to be a solution to overcome the limitations of traditional diagnostic methods and to assist medical professionals in providing more precise diagnoses, thereby preventing complications caused by diabetes more effectively.