1 10 6 https://repository.horizon.ac.id/files/original/8244b7fcbbc03ecce481c6cb425b5d9f.pdf bb6ce61bcdc864b94a90d17d68a13727 Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource VOL 10 NO 2 (2024) Text A resource consisting primarily of words for reading. Examples include books, letters, dissertations, poems, newspapers, articles, archives of mailing lists. Note that facsimiles or images of texts are still of the genre Text. Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource Prediksi Kebakaran Hutan Berdasarkan Titik Panas dan Iklim Menggunakan Algoritma Random Forest Subject The topic of the resource Kebakaran hutan, Prediksi, Klasifikasi, Random Forest, Web Scraping Description An account of the resource ebakaran hutan dan lahan semakin sering terjadi, menyebabkan dampak lingkungan yang menyebar ke luar wilayah kebakaran. Permasalahan yang terjadi salah satunya karena musim kemarau yang panjang di wilayah Kabupaten Ogan Komering Ilir Provinsi Sumatra Selatan yang menjadi faktor utama dalam meningkatnya risiko kebakaran, sebanyak 1.111 titik kebakaran tercatat pada tahun 2023. Permasalahan lainnya juga pada titik panas yang salah mendeteksi kebakaran yang seharusnya tidak kebakaran dan kasus tidak kebakaran yang seharusnya kebakaran, hal tersebut menyebabkan kerugian lingkungan maupun kerugian dana. Oleh karena itu, dibutuhkan model klasifikasi untuk memprediksi kasus kebakaran. Penelitian ini menggunakan gabungan data titik panas dan data iklim sebanyak 4343 data menggunakan metode Random Forest. Proses yang dilakukan yaitu studi literatur dan tahapan prediksiyang terdiri dari web scraping, data pre-processing, splitting data, pemodelan, dan evaluasi. Hasil penelitian berupa laporan klasifikasi, confusion matrix, dan feature importance. Hasil pengujian menunjukkan tingkat akurasi model yang baik sebesar 85.8% yang menunjukkan model menghitung seberapa tepat kinerja yang dilakukan model. Dengan penerapan model menggunakan metode Random Forest, model prediksi ini mengidentifikasi kasus kebakaran sangat baik sehingga informasi ini dapat digunakan untuk keputusan manajemen penanggulangan kebakaran dengan tepat dan meminimalisir terjadinya kerugian. Creator An entity primarily responsible for making the resource Prediksi Kebakaran Hutan Berdasarkan Titik Panas dan Iklim Menggunakan Algoritma Random Forest Source A related resource from which the described resource is derived https://teknosi.fti.unand.ac.id/index.php/teknosi/issue/view/27 Publisher An entity responsible for making the resource available Universitas Mercu buana Date A point or period of time associated with an event in the lifecycle of the resource 13 September 2024 Contributor An entity responsible for making contributions to the resource Fajar bagus W Format The file format, physical medium, or dimensions of the resource PDF Language A language of the resource Indonesia Type The nature or genre of the resource Text https://repository.horizon.ac.id/files/original/7ea00e90b6acf2f883edf0c4f29890be.pdf 1b9b4d91cf21258efd18b5b7a1133232 Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource VOL 10 NO 2 (2024) Text A resource consisting primarily of words for reading. Examples include books, letters, dissertations, poems, newspapers, articles, archives of mailing lists. Note that facsimiles or images of texts are still of the genre Text. Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource Perancangan Website Sistem Pusat Akses Program Kerja dan Kegiatan Mahasiswa (SPARKS) menggunakan Metode GDD (Goals Directed Design) Subject The topic of the resource Goals Directed Design (GDD), SPARKS, Satuan Kredit Poin Mahasiswa (SKPM) Description An account of the resource Penelitian ini bertujuan untuk mengembangkan aplikasi SPARKS (Sistem Pusat Akses Program Kerja dan Kegiatan Mahasiswa) sebagai solusi strategis untuk mengatasi kendala penyebaran informasi, kekurangan dan kendala pada sistem Satuan Kredit Poin Mahasiswa (SKPM), serta inefisiensi pengelolaan kegiatan ormawa di Universitas UPN Veteran Jawa Timur. Dengan menggunakan metode Goals Directed Design (GDD), penelitian ini melibatkan tahapanresearch, modeling, requirement, framework, refinement, dan support dalam perancangan antarmuka aplikasi. Hasil penelitian menunjukkan bahwa keterbatasan akses informasi dan ketidakjelasan kategori SKPM merupakan masalah utama yang dihadapi. Pengembangan aplikasi SPARKS diharapkan dapat memberikan dampak positif terhadap pengelolaan kegiatan ormawa, memfasilitasi penyebaran informasi, dan meningkatkan efisiensi proses klaim SKPM. Hasil pengujian menunjukkan bahwa desain antarmuka SPARKS telah memenuhi kebutuhan pengguna dengan tampilan yang menarik, mudah digunakan, dan relevan dengan kebutuhan mahasiswa dengan skor SUS sebesar 80,3%. Creator An entity primarily responsible for making the resource Tri Lathif Mardi Suyantoa,*, Mafda Khoirotul Fathab, Rahayu Kartika Saric, Maulana Bryan Syahputrad, Syauqillah Hadie Ahsanae Source A related resource from which the described resource is derived https://teknosi.fti.unand.ac.id/index.php/teknosi/issue/view/27 Publisher An entity responsible for making the resource available UPN Veteran Jawa Timur Date A point or period of time associated with an event in the lifecycle of the resource 31 Agustus 2024 Contributor An entity responsible for making contributions to the resource Fajar bagus W Format The file format, physical medium, or dimensions of the resource PDF Language A language of the resource Indonesia Type The nature or genre of the resource Text https://repository.horizon.ac.id/files/original/97d7dfb7d854f587085192cefdc5b7a6.pdf 03e01200375a5c79686c28f70f590568 Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource VOL 10 NO 2 (2024) Text A resource consisting primarily of words for reading. Examples include books, letters, dissertations, poems, newspapers, articles, archives of mailing lists. Note that facsimiles or images of texts are still of the genre Text. Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource Pengembangan E-Supervisi Keselamatan Pasien (SI ATAN) berbasis Web dan Android Subject The topic of the resource E-Supervisi, Kinerja Perawat, Keselamatan Pasien Rumah Sakit Description An account of the resource Rumah sakit bertanggung jawab atas terlaksananya sasaran keselamatan pasien yang merupakan salah satu indikator mutu rumah sakit, penerapan sasaran keselamatan pasien diperlukan supervisi rutin dilakukan dapat mencapai implementasi sasaran keselamatan yang lebih optimal. Dalam hal tersebut, penulis melakukan pengembangan e-supervisi keselamatan pasien (SI ATAN) berbasis web dan android di rumah sakit. Penelitian ini bertujuan merancang e-supervisi keselamatan pasien (SI ATAN) berbasis web dan android di rumah sakit. Metode penelitian yang digunakan adalah metode waterfall merupakan suatu metode (System Development Life Cycle), tahap waterfall dibagi menjadi 3 tahapan, yaitu, tahap awal, tahap design, tahap implementasi logika pemrograman dan testing. Dalam melakukan penelitian, penulis menggunakan data primer (kuesioner) dan data sekunder di rumah sakit. Sampel pada tahap analisis masalah 42 perawat dan 15 supervisor. Hasil yang didapatkan dalam penelitian aplikasi SI ATAN berhasil dirancang sesuai kebutuhan di rumah sakit. Creator An entity primarily responsible for making the resource Apriando Rahmadani a, *, Yulastri Arif b, Rian Ferdian Source A related resource from which the described resource is derived https://teknosi.fti.unand.ac.id/index.php/teknosi/issue/view/27 Publisher An entity responsible for making the resource available Universitas Andalas Date A point or period of time associated with an event in the lifecycle of the resource 31 Agustus 2024 Contributor An entity responsible for making contributions to the resource Fajar bagus W Format The file format, physical medium, or dimensions of the resource PDF Language A language of the resource Indonesia Type The nature or genre of the resource Text https://repository.horizon.ac.id/files/original/93e7d05ce4f7b9a713d17b5cec22444d.pdf 879df3f583f2b7355b82cf9d3822d3d2 Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource VOL 10 NO 2 (2024) Text A resource consisting primarily of words for reading. Examples include books, letters, dissertations, poems, newspapers, articles, archives of mailing lists. Note that facsimiles or images of texts are still of the genre Text. Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource Komparasi Algoritma Naïve Bayes dan Gradient Boosting untuk Prediksi Pasien Diabetes Subject The topic of the resource Diabetes, Gradient Boosting, Machine Learning, Naïve Bayes Description An account of the resource Diabetes mellitus diperkirakan semakin meningkat seiring bertambahnya usia penduduk dari 19,9%, menjadi 111,2 juta orang diusia 65-79 tahun, diprediksikan bahwa penderita diabetes akan terus meningkat hingga 578 juta orang pada tahun 2030 kemudian 700 juta ditahun 2045. Machine learning atau pembelajaran mesin merupakan salah satu kecerdasan buatan yang bertujuan untuk memahami atau mengenali suatu struktur suatu data dan mengonversi data tersebut kedalam suatu model. Penggunaan Machine learning dalam dunia kesehatan semakin pesat, semakin banyak peneliti kesehatan menggunakan algoritma machine learning untuk penelitiannya. Sebagian algoritma machine learning dapat digunakan untuk melakukan prediksi, salah satunya adalah algoritma klasifikasi untuk prediksi penyakit diabetes. Berdasarkan hasil komparasi dari beberapa algoritma yang digunakan, algoritma klasifikasi naive bayes dan gradient boosting memiliki nilai yang terbaik dari algoritma lainnya. Algoritma gradient boosting memiliki hasil yang tinggi terhadap nilai accuracy 77.09% dan f-measure 83.39% pada sampel linear. Naive bayes menghasilkan nilai yang terbaik terhadap pengujian sampel acak, dengan nilai accuracy 76.57% dan nilai f-measure 82.82%. Hasil pengujian sampel berlapis (stratified) yang memiliki nilai pada akurasi tertinggi terdapat pada algoritma gradient boosting dengan nilai accuracy 77.34% dan f-measure 83.39%. Creator An entity primarily responsible for making the resource Nova Christina Sari a,*, Triana Linda Larasati Source A related resource from which the described resource is derived https://teknosi.fti.unand.ac.id/index.php/teknosi/issue/view/27 Publisher An entity responsible for making the resource available Universitas Muhammadiyah semarang Date A point or period of time associated with an event in the lifecycle of the resource 31 agustus 2024 Contributor An entity responsible for making contributions to the resource Fajar bagus W Format The file format, physical medium, or dimensions of the resource PDF Language A language of the resource Indonesia Type The nature or genre of the resource Text https://repository.horizon.ac.id/files/original/c7ef78e097abcef7f4093e4cfbfdc3c2.pdf 5077b363ad3a26f5e15b227cffef27e3 Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource VOL 10 NO 2 (2024) Text A resource consisting primarily of words for reading. Examples include books, letters, dissertations, poems, newspapers, articles, archives of mailing lists. Note that facsimiles or images of texts are still of the genre Text. Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource Perbandingan Algoritma Support Vector Machine, Decision Tree, dan Logistic Regresion Pada Analisis Sentimen Ulasan Aplikasi Netflix Subject The topic of the resource Support Vector Machine, Decision Tree, Logistic Regression, Sentimen Analysis Description An account of the resource Penelitian ini bertujuan untuk menganalisis sentimen terhadap ulasan pengguna Netflix menggunakan algoritma machine learning seperti Support Vector Machine (SVM), Decision Tree dan Logistic Regression. Dataset yang terdiri dari 3000 ulasan pengguna diambil dari Google Play Store dan melalui proses preprocessing teks yang mencakup penghapusan karakter, tokenisasi, penghapusan stopword, stemming, serta penyaringan token pendek. Metode TF-IDF digunakan untuk ekstraksi dan pembobotan fitur dalam analisis. Evaluasi hasil menunjukkan bahwa SVM secara konsisten memberikan akurasi yang lebih tinggi dibandingkan Decision Tree dan Logistic Regression dalam klasifikasi sentimen, dengan SVM mencapai akurasi rata-rata 88.18% dan puncak tertinggi 92.69% dalam K-Fold Cross Validation. Implikasi praktis dari penelitian ini adalah Netflix dapat memanfaatkan analisis sentimen untuk meningkatkan pengalaman pengguna dan pengelolaan layanan lebih baik Creator An entity primarily responsible for making the resource Nevita Cahaya Ramadani a,*, Imam Tahyudin b, Azhari Shouni Barkah c Source A related resource from which the described resource is derived https://teknosi.fti.unand.ac.id/index.php/teknosi/issue/view/27 Publisher An entity responsible for making the resource available Universitas Amikom Purwokerto Date A point or period of time associated with an event in the lifecycle of the resource 31 Agustus 2024 Contributor An entity responsible for making contributions to the resource Fajar bagus W Format The file format, physical medium, or dimensions of the resource PDF Language A language of the resource Indonesia Type The nature or genre of the resource Text https://repository.horizon.ac.id/files/original/34b040a43a3e7c80d812a9605f20221c.pdf 3b63e68c8595af9b86652ffb1d3d6682 Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource VOL 10 NO 2 (2024) Text A resource consisting primarily of words for reading. Examples include books, letters, dissertations, poems, newspapers, articles, archives of mailing lists. Note that facsimiles or images of texts are still of the genre Text. Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource Dynamic Time Warping Pada Metode K-Means Untuk Pengelompokan Data Trend Penjualan Produk Subject The topic of the resource Trend, Pengelompokan, Penjualan, K-Means, Dynamic Time Warping Description An account of the resource Pasar swalayan menghasilkan transaksi penjualan dengan pelanggan dengan laju pertumbuhan data tinggi. Data transaksi sejumlah barang memiliki pola berbeda, ada yang tinggi dan ada yang rendah. Perbedaan ini mengakibatkan pola penjualan antar satu produk dengan produk lainnya berbeda. Pola ini juga mengakibatkan pengelolaan stok dan promosi juga berbeda. Maka, untuk memudahkan pengelolaan barang, perlu dilakukan pengelompokan trend penjualan otomatis menggunakan K-Means. Namun, metode perhitungan jarak (dissimilarity) standar tidak tepat digunakan pada data periodik. Penelitian ini bereksperimen mengelompokkan data periodic trend penjualan produk menggunakan metode K-Means dan DTW (Dynamic Time Warping) untuk perhitungan jarak. DTW melakukan perhitungan jarak dengan memperhatikan data histori periode sebelum dan setelah data yang sedang dihitung. Pelibatan data disekitarnya akan membentuk jarak sesuai dengan pola data periodik. Hasil pengelompokan data tahun 2021, Cluster 1 dengan 417 data memiliki pola naik dari awal tahun kemudian menurun, selanjutnya perlahan naik kembali di pertengahan hingga akhir tahun. Cluster 2 dengan 2403 data memiliki pola stabil di awal tahun, ketika di pertengahan tahun mulai naik, kemudian di akhir tahun turun namun kembali naik. Cluster 3 dengan 289 data memiliki pola menurun saat awal tahun, namun terlihat stabil hingga akhir tahun. Hasil ekeperimen pengelompokan trend penjualan menggunakan metode K-Means dengan jarak DTW menunjukkan hasil yang baik dan memiliki pola data dalam kelompok yang sesuai karakteristik alami. Hal ini didukung oleh validitas Davies-Bouldin index -1.215 dimana nilai yang semakin kecil mendekati nol menunjukkan kualitas cluster yang dicapai baik Creator An entity primarily responsible for making the resource Fairizal Aaron Wahyu Tanamas Satria Wijaya, Eko Prasetyo,*, Rahmawati Febrifyaning Tias Source A related resource from which the described resource is derived https://teknosi.fti.unand.ac.id/index.php/teknosi/issue/view/27 Publisher An entity responsible for making the resource available Universitas Bhayangkara Surabaya Date A point or period of time associated with an event in the lifecycle of the resource 31 Agustus 2024 Contributor An entity responsible for making contributions to the resource Fajar Bagus W Format The file format, physical medium, or dimensions of the resource PDF Language A language of the resource Indonesia Type The nature or genre of the resource Text