Admin Website UNIKOM

Tag: BIMA

  • Optimalisasi Prediksi Kebangkrutan Melalui Seleksi Fitur Berbasis Filter

    Penulis: Nelly Indriani Widiastuti, Ednawati Rainarli, Kania Evita Dewi

    DOI: 10.1109/INCITEST64888.2024.11121476

    Abstrak

    Memprediksi kebangkrutan perusahaan merupakan tugas penting di dunia keuangan. Teknik kecerdasan buatan telah menjadi solusi yang menjanjikan untuk memprediksi kondisi perusahaan. Salah satu fase penting dalam proses prediksi kebangkrutan adalah seleksi fitur. Ini adalah prosedur untuk memilih dari kumpulan data variabel yang paling berguna dalam model prediksi. Studi ini meneliti dan mengevaluasi seleksi fitur penting untuk prediksi kebangkrutan berbasis pembelajaran mesin. Kumpulan data publik Bursa Efek Taiwan, yang mencakup 95 fitur rasio keuangan, digunakan dalam penelitian ini. Beberapa metode seleksi fitur penyaringan, seperti Analisis Varians (ANOVA), koefisien korelasi Kendall Tau (KT), dan Informasi Timbal Balik (MI), digunakan untuk mengidentifikasi fitur yang relevan. Metode klasifikasi kebangkrutan yang diterapkan adalah Regresi Logistik dan Random Forest. Menurut hasil pengujian, ANOVA menghasilkan nilai recall tertinggi untuk dataset Bursa Efek Taiwan, baik dengan Regresi Logistik (LR) maupun Random Forest (RF). Dengan menggunakan 61% fitur yang tersedia atau 58 fitur, model prediksi kebangkrutan dengan Random Forest berkinerja baik tanpa mengorbankan akurasi, presisi, recall, atau skor F1. © 2024 IEEE.

    Kata kunci penulis

    ANOVA; prediksi kebangkrutan; pemilihan fitur; metode penyaringan; rasio keuangan

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/105015829493 

  • Optimalisasi Prediksi Kebangkrutan Melalui Seleksi Fitur Berbasis Filter

    Penulis: Nelly Indriani Widiastuti, Ednawati Rainarli, Kania Evita Dewi

    DOI: 10.1109/INCITEST64888.2024.11121476

    Abstrak

    Memprediksi kebangkrutan perusahaan merupakan tugas penting di dunia keuangan. Teknik kecerdasan buatan telah menjadi solusi yang menjanjikan untuk memprediksi kondisi perusahaan. Salah satu fase penting dalam proses prediksi kebangkrutan adalah seleksi fitur. Ini adalah prosedur untuk memilih dari kumpulan data variabel yang paling berguna dalam model prediksi. Studi ini meneliti dan mengevaluasi seleksi fitur penting untuk prediksi kebangkrutan berbasis pembelajaran mesin. Kumpulan data publik Bursa Efek Taiwan, yang mencakup 95 fitur rasio keuangan, digunakan dalam penelitian ini. Beberapa metode seleksi fitur penyaringan, seperti Analisis Varians (ANOVA), koefisien korelasi Kendall Tau (KT), dan Informasi Timbal Balik (MI), digunakan untuk mengidentifikasi fitur yang relevan. Metode klasifikasi kebangkrutan yang diterapkan adalah Regresi Logistik dan Random Forest. Menurut hasil pengujian, ANOVA menghasilkan nilai recall tertinggi untuk dataset Bursa Efek Taiwan, baik dengan Regresi Logistik (LR) maupun Random Forest (RF). Dengan menggunakan 61% fitur yang tersedia atau 58 fitur, model prediksi kebangkrutan dengan Random Forest berkinerja baik tanpa mengorbankan akurasi, presisi, recall, atau skor F1. © 2024 IEEE.

    Kata kunci penulis

    ANOVA; prediksi kebangkrutan; pemilihan fitur; metode penyaringan; rasio keuangan

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/105015829493 

  • Desain Sistem Informasi Administrasi Pelayanan Publik

    Penulis: Herry Saputra, Nizar Rabbi Radliya, Eddy Soeryanto Soegoto, Fadhil Fadhilah Ilham

    DOI: 10.1109/INCITEST64888.2024.11121522

    Abstrak

    Kecamatan merupakan salah satu instansi pemerintah yang bertugas melaksanakan pelayanan administrasi kependudukan di tingkat kelurahan. Namun, dalam pelaksanaan pelayanan administrasi tersebut, masih terdapat kendala yang harus diatasi, seperti proses pembuatan surat keterangan dan pengarsipan dokumen yang masih terlalu rumit dan memakan waktu. Untuk membantu mengatasi masalah tersebut, dibutuhkan sistem informasi web yang dapat mempercepat proses pelayanan administrasi. Penelitian ini bertujuan untuk merancang sistem informasi administrasi yang disebut SIAPIK, yang berbasis pada web di Kantor Kecamatan Tagaraja, Riau, Indonesia. Metode analisis deskriptif dengan pendekatan kualitatif digunakan dalam penelitian ini untuk menentukan kebutuhan sistem yang akan dibangun. Dalam proses pengembangan sistem, kami menggunakan konsep pendekatan berorientasi objek dengan metode pengembangan prototipe. Hasilnya menunjukkan bahwa pengembangan sistem informasi ini dapat memberikan kemudahan dalam mendukung peran dan fungsi kantor kecamatan dalam melaksanakan proses administrasi pelayanan kependudukan. Kesimpulannya, keberadaan sistem administrasi daring ini akan membantu menyelesaikan berbagai masalah di kantor kecamatan. Sistem informasi ini menggunakan sistem daring yang memungkinkan warga untuk membuat sertifikat melalui perangkat desktop atau ponsel pintar tanpa batasan waktu dan tempat tanpa harus datang langsung ke kantor kecamatan. © 2024 IEEE.

    Kata kunci penulis

    sistem informasi; administrasi pelayanan publik; SIAPIK

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/105015848206

  • Analisis dan Sistem Pemantauan Generator Set Kereta Berbasis Internet of Things (IoT)

    Penulis: Henny; Agus Heri Setya Budi; Arjuni Budi Pantjawati; Mochamad Ilham Alwi Rifa; Iyan AndrianaDOI: 10.1109/INCITEST59455.2023.10396896

    Abstrak
    Penelitian ini bertujuan untuk mengembangkan sistem keandalan dan pemantauan generator set kereta berbasis Internet of Things (IoT) dengan menggunakan metode Research and Development (R&D). Tujuan utama penelitian ini adalah memperoleh sistem yang mampu memberikan informasi secara real-time mengenai perubahan faktor daya pada generator set serta meningkatkan faktor daya melalui kompensasi daya reaktif dengan menentukan nilai kapasitor yang harus dipasang untuk mencapai target faktor daya sebesar 0,9. Tahapan penelitian meliputi perancangan dan pengembangan sistem dengan memanfaatkan komponen perangkat keras dan perangkat lunak yang relevan. Sistem dirancang menggunakan komponen seperti PZEM-004T, CT, LM2596, SIM800L, dan mikrokontroler ESP32 untuk mengumpulkan data dari sensor dan mengirimkannya ke server melalui jaringan internet. Selanjutnya, sistem menyimpan data parameter ke dalam basis data Firebase. Kemudian disusun algoritma yang berfungsi memberikan rekomendasi nilai kapasitor guna meningkatkan faktor daya dengan target 0,9. Pada tahap akhir, dikembangkan sebuah situs web berbasis ReactJS untuk menampilkan seluruh data parameter serta rekomendasi kapasitor. Hasil pengujian sensor PZEM-004T menunjukkan tingkat kesalahan sebesar 0,8% hingga 1,5% pada parameter generator set. Berdasarkan penelitian ini, dapat disimpulkan bahwa sistem keandalan dan pemantauan generator set kereta berbasis Internet of Things (IoT) berhasil dikembangkan. Sistem tersebut mampu menyajikan informasi faktor daya secara real-time serta memberikan rekomendasi nilai kapasitor untuk mencapai target faktor daya sebesar 0,9. © 2023 IEEE.

    Kata kunci penulis
    kapasitor; generator set; internet of things (IoT); faktor daya

    Artikel ini dapat diakses melalui: https://www.scopus.com/pages/publications/85185196384

  • Perhitungan Komputasi pada Penukar Kalor Tipe Shell and Tube untuk Proses Produksi Nanopartikel Lantanum Oksida (La2O3) bagi Aplikasi Material Terkait Energi

    Penulis: Asep Bayu Dani Nandiyanto ; Irine Sofianty ; Adani Gina Puspita Sari ; Rofi Fadilah Madani ; Fitri Febrianti ; Risti Ragadhita ; Teguh Kurniawan ; Rizky Jumansyah ; Eddy Soeryanto Soegoto ; Senny Luckyardi ; Muhammad Aziz

    DOI:
    10.18280/mmep.100243

    Abstrak
    Makalah ini memperkenalkan suatu rancangan penukar kalor untuk mendapatkan teknik peningkatan perpindahan kalor yang optimal yang dapat digunakan dalam produksi lantanum oksida (La2O3). Tipe shell and tube dipilih karena merupakan salah satu tipe yang efektif untuk menghasilkan perpindahan kalor yang sangat baik, yang kemudian dibandingkan dengan standar Tubular Exchanger Manufacturers Association (TEMA) untuk memperoleh spesifikasi dimensi dari perangkat penukar kalor tersebut. Beberapa parameter dikalkulasi untuk mengevaluasi kinerja dari penukar kalor yang dirancang. Kalkulasi numerik yang diperoleh dari penukar kalor yang mengandung 138 tabung menunjukkan bahwa alat ini dapat digunakan untuk mempertahankan suhu dalam reaktor (suhu yang diproyeksikan dapat berubah dari 40 menjadi 60°C dengan pemanasan cepat) menggunakan cairan pemanas (dengan mengendalikan perpindahan kalor dari 100 menjadi 70°C) dan nilai efektivitas sebesar 96%. Studi ini dapat digunakan sebagai referensi untuk informasi pendukung dalam isu terkini mengenai kebutuhan produksi partikel La2O3 dalam skala besar. © 2023, Mathematical Modelling of Engineering Problems. Hak Cipta Dilindungi.

    Kata Kunci Penulis:
    penukar kalor; La2O3; nanopartikel; shell and tube

  • Integrasi Analisis Mode Kegagalan dan Dampak dengan Proses Hierarki Analitik Fuzzy untuk Prioritisasi Risiko dalam Proses Pemesinan

    Penulis: Gabriel Sianturi, Agus Riyanto, M. Yani Syafei, Julian Robecca, Alam Santosa, Adi Lukman Nurhakim

    DOI: 10.1109/INCITEST64888.2024.11121517

    Abstrak

    Penelitian ini mengembangkan metode Failure Mode and Effect Analysis (FMEA) yang terintegrasi dengan metode Fuzzy Analytical Hierarchy (FAHP) untuk memprioritaskan risiko dalam proses pemesinan baut autoklaf. FMEA diterapkan untuk mengidentifikasi dan mengevaluasi mode kegagalan, sedangkan FAHP digunakan untuk menentukan bobot faktor risiko sehingga bobot tersebut tidak diambil sama seperti pada pendekatan FMEA tradisional, tetapi didasarkan pada penilaian pengambil keputusan. Penggabungan teori himpunan fuzzy ke dalam FAHP dapat mengatasi masalah ketidakpastian dan ketidakjelasan yang dihadapi oleh pengambil keputusan selama proses evaluasi. Hasil penelitian menunjukkan bahwa tingkat keparahan memiliki bobot tertinggi, diikuti oleh deteksi dan kejadian. Selain itu, diameter tidak akurat pada mode kegagalan dengan Risk Priority Number (RPN) tertinggi di antara semua mode kegagalan. © 2024 IEEE.

    Kata kunci penulis

    FMEA; Fuzzy AHP; proses permesinan

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/105015745069 

  • Implementasi Aplikasi Pembelajaran IPA Materi Perubahan Cuaca Dua Musim Berbasis Multimedia bagi Siswa Tunarungu

    Penulis: Diana Effendi; Beri Noviansyah; Sri Ela Dinasti; Delviola CancerinaDOI: 10.1109/INCITEST59455.2023.10397027

    Abstrak
    Penelitian ini merupakan kelanjutan dari penelitian sebelumnya, yaitu Design of Multimedia Based Two Season Weather Change Science Learning Application for Deaf Students Part B for Deaf. Penelitian ini membahas bagaimana program yang telah dibuat diimplementasikan menjadi sebuah aplikasi yang dapat digunakan oleh pengguna dengan pendekatan prototipe. Selain itu, dilakukan pula pengukuran tingkat kepuasan pengguna terhadap aplikasi tersebut. Pengukuran kepuasan pengguna dilakukan dengan menggunakan metode deskriptif kuantitatif melalui penyebaran kuesioner yang terdiri atas tujuh pertanyaan kepada tujuh responden, yaitu enam siswa kelas VI dan satu guru IPA di SLBN Cicendo Bandung. Hasil penyebaran kuesioner menunjukkan tingkat kepuasan responden sebesar 95%, yang berarti pengguna merasa puas terhadap aplikasi multimedia ini. Aplikasi tersebut dinilai mampu membantu proses pembelajaran IPA, khususnya pada materi perubahan cuaca dua musim. Hasil penelitian ini memberikan kontribusi dalam menciptakan model pembelajaran yang lebih menarik bagi siswa tunarungu serta memudahkan guru dalam menyampaikan materi dibandingkan dengan metode pembelajaran konvensional.

    Kata kunci penulis
    multimedia; IPA; perubahan cuaca dua musim

    Artikel ini dapat diakses melalui: https://www.scopus.com/pages/publications/85185194326

  • Klasifikasi Fitur Berdasarkan Data HeterogenMenggunakan Pembelajaran Mesin Hibrida: Suatu Tinjauan

    Penulis: Agus Nursikuwagus ; Heri Purwanto ; Deshinta Arrova Dewi
    DOI: –

    Abstrak
    Data heterogen merupakan kumpulan data dengan berbagai jenis, mencakup tipe data dan sumber data. Klasifikasi data heterogen masih menjadi diskusi dalam penelitian di bidang kecerdasan buatan, khususnya dalam pembelajaran klasifikasi. Berdasarkan perkembangan data dan mesin klasifikasi, maka kajian ini masih relevan untuk dilakukan. Mesin klasifikasi yang masih menjadi tren saat ini adalah mesin hibrida yang dikenal sebagai teknik kolaborasi seperti teknik fuzzy dan jaringan saraf. Tujuan dari makalah tinjauan ini adalah untuk menemukan peluang penelitian pada pembelajaran mesin hibrida yang melakukan klasifikasi pada data heterogen dengan target multikelas. Terdapat beberapa tantangan pada data heterogen, yaitu: 1) penentuan algoritma normalisasi dan pemrosesan teks sebagai langkah awal dari lapisan masukan, 2) pembentukan fungsi variabel linguistik untuk setiap kasus memungkinkan adanya peluang kajian untuk proses linguistik, 3) algoritma fungsi keanggotaan yang dapat beradaptasi dengan kumpulan data yang digunakan dapat menjadi peluang penelitian, 4) menemukan metode pembentuk aturan fuzzy sebagai mesin inferensi dari jaringan saraf, 5) struktur proses dari setiap tugas, 6) kinerja seperti efisiensi memori untuk pemrosesan (manajemen memori), kompleksitas (waktu proses), dan validasi arsitektur (akurasi, presisi, recall, f-measure, spesifikasi, prediksi benar, prediksi salah). Hasil penelitian yang diperoleh adalah adanya peluang untuk meningkatkan atau mengembangkan mesin klasifikasi hibrida yang dapat menangani data heterogen dengan target multikelas. © 2023 Little Lion Scientific.

    Kata Kunci Penulis
    Klasifikasi; Fitur; Fuzzy; Data Heterogen; Jaringan Saraf

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/85174975477

  • Pengembangan Model Inovatif untuk Sistem Pengelolaan Sampah Menggunakan Internet of Things (IoT) dan Pembelajaran Mesin

    Pengembangan Model Inovatif untuk Sistem Pengelolaan Sampah Menggunakan Internet of Things (IoT) dan Pembelajaran Mesin

    Penulis: Dimas Akmarul Putera, Ansarullah Lawi, Filmada Ocky Saputra, Sri Handayani, Yun Arifathul Fatimah, Ivan Muhammad Reza, Sholikun, Zainal Arifin Hasibuan, Alvendo Wahyu Aranski

    DOI: 10.1109/ICIC64337.2024.10957619

    Abstrak

    Sistem pengelolaan sampah yang efektif dan efisien merupakan tantangan signifikan di daerah pesisir. Penelitian ini mengusulkan pengembangan model inovatif untuk sistem pengelolaan sampah menggunakan IoT dan pembelajaran mesin. Sistem ini terdiri dari perangkat keras seperti kamera dan sensor gambar yang dipasang di lokasi pesisir untuk memantau volume dan jenis sampah. Data gambar yang dikumpulkan dari perangkat ini disimpan dan dianalisis menggunakan teknik pengolahan gambar. Algoritma YOLO (You Only Look Once) digunakan untuk mengidentifikasi dan mengklasifikasikan jenis sampah. Data yang teridentifikasi kemudian digunakan untuk melatih model pembelajaran mesin, yang memungkinkan prediksi volume dan jenis limbah di masa mendatang. Prediksi ini digunakan untuk mengoptimalkan jadwal pengumpulan limbah, mengurangi biaya operasional, merencanakan jenis pengolahan limbah, dan meminimalkan dampak lingkungan. Dengan pendekatan holistik ini, sistem diharapkan dapat meningkatkan efisiensi dan keberlanjutan pengelolaan limbah, memberikan solusi inovatif untuk masalah pengelolaan limbah di daerah pesisir. © 2024 IEEE.

    Kata kunci: Lingkungan; Pengolahan Citra; IoT; Pembelajaran Mesin; Pengelolaan Limbah

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/105004578932

  • Peningkatan Quality of Service pada Computation Offloading dengan Pendekatan Multilayer Berbasis Simulator Pure Edge Sim

    Penulis: Agus Mulyana; Sri Wahjuni; Taufik Djatna; Heru SukocoDOI: 10.1109/INCITEST59455.2023.10396945

    Abstrak
    Perangkat Internet of Things (IoT) memiliki keterbatasan sumber daya, yang meliputi kecepatan komputasi mikrokontroler, kapasitas memori, sumber energi baterai, serta beragam kebutuhan komputasi. Arsitektur sistem yang umum digunakan terdiri atas dua lapisan, di mana perangkat IoT terhubung ke cloud untuk mengirimkan data atau menerima perintah dengan bergantung pada koneksi internet yang stabil. Namun, pada lingkungan dengan cakupan dan kestabilan internet yang terbatas, kondisi ini dapat menimbulkan permasalahan yang berpotensi menurunkan Quality of Service (QoS). Salah satu solusi yang dapat diterapkan untuk mengatasi permasalahan tersebut adalah melalui teknik computation offloading. Pendekatan ini dilakukan dengan mengidentifikasi karakteristik komputasi berdasarkan aturan tertentu untuk menentukan apakah proses komputasi sebaiknya dijalankan pada lapisan perangkat IoT, lapisan edge computing, atau pada cloud computing. Melalui penerapan skema multilayer tiga lapisan, proses computation offloading dapat dioptimalkan secara lebih efektif. Pengujian empiris yang dilakukan menggunakan simulator Pure Edge Sim menunjukkan bahwa integrasi lapisan IoT, Edge, dan Cloud memberikan hasil yang paling optimal dalam meningkatkan QoS. © 2023 IEEE.

    Kata kunci penulis
    computation offloading; internet of things; pendekatan multilayer; pure edge sim; quality of service

    Artikel ini dapat diakses melalui: https://www.scopus.com/pages/publications/85185199021