Admin Website UNIKOM

Tag: riset teknik informatika UNIKOM

  • Aplikasi Terapi Diri untuk Zoofobia MenggunakanMetode Graduated Exposure Therapy dan Augmented Reality

    Aplikasi Terapi Diri untuk Zoofobia MenggunakanMetode Graduated Exposure Therapy dan Augmented Reality

    Penulis: Irawan Afrianto; Ikhsan Darmawan; Sufa Atin
    DOI: 10.1109/INCITEST59455.2023.10396978

    Abstrak
    Zoofobia adalah gangguan kecemasan berat yang berkembang ketika seseorang mengalami kecemasan dan ketakutan terhadap hewan tertentu. Salah satu metode untuk mengendalikan rasa takut adalah Graduated Exposure. Dalam penerapannya, metode Graduated Exposure perlu didampingi oleh psikolog yang menyediakan materi paparan sebagai stimulus terhadap ketakutan penderita. Tujuan dari penelitian ini adalah untuk membangun aplikasi berbasis Android yang mengimplementasikan terapi eksposur sebagai alternatif terapi mandiri untuk mengendalikan ketakutan pasien zoofobia. Aplikasi ini menggabungkan penggunaan teknologi augmented reality untuk menggantikan hewan nyata dengan objek 3D sebagai stimulus terapi, serta gelang pintar (smart band) sebagai alat pengukur detak jantung pengguna selama terapi. Hasil pengujian dengan metode black-box menunjukkan bahwa sistem fungsional yang dibangun telah sesuai dengan yang diharapkan. Sementara itu, pada pengujian beta, diperoleh hasil 88,89% sangat setuju bahwa pemanfaatan terapi zoofobia menggunakan aplikasi seluler dapat membantu mengurangi rasa takut, 86,67% sangat setuju bahwa terapi eksposur menggunakan aplikasi seluler memberikan pengalaman yang sama dengan eksposur langsung, 75,56% setuju bahwa penggunaan objek 3D dapat menggantikan hewan nyata sebagai stimulus rasa takut, 75,56% setuju bahwa berinteraksi melalui perantara teknologi augmented reality memberikan rasa takut yang sama. © 2023 IEEE.

    Kata Kunci Penulis
    Augmented Reality; Graduated Exposure; Aplikasi Terapi Mandiri; Gelang Pintar; Zoofobia

    Kata Kunci Terindeks
    Istilah Terkendali Teknik
    Augmented reality; Komputasi seluler; Perawatan pasien
    Istilah Tidak Terkendali Teknik
    Objek 3D; Teknologi augmented reality; Terapi eksposur; Graduated exposure; Aplikasi (dalam konteks penerapan); Aplikasi seluler; Terapi swabantu; Aplikasi terapi mandiri; Gelang pintar; Zoofobia
    Topik Utama Teknik
    Hewan

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/85185201444

  • Implementasi Teknologi Konversi Suara ke Teks dan Geolokasi pada Sistem Pedagang Keliling

    Penulis: Eko Budi Setiawan, Syifaul Mukminin, Angga Setiyadi, Chrismikha Hardyanto

    DOI: 10.1109/INCITEST64888.2024.11121482

    Abstrak

    Pedagang keliling adalah jenis usaha yang menyediakan kebutuhan pangan di sektor informal. Saat ini, ketika konsumen ingin memesan, mereka harus mengetikkan kriteria dalam bentuk teks yang cukup panjang. Konsumen juga sering kesulitan mendeteksi lokasi pedagang keliling di sekitar mereka. Penelitian ini mengembangkan aplikasi berbasis web mobile responsif yang memanfaatkan teknologi pengenalan suara, khususnya konversi suara ke teks. Fitur konversi suara ke teks didukung oleh API Hugging Face Whisper, yang diterapkan selama proses pemesanan makanan dan teknologi geolokasi dalam bentuk Layanan Berbasis Lokasi untuk mendeteksi lokasi pedagang keliling secara real-time. Fitur notifikasi menggunakan service worker dan socket.io untuk memberikan informasi ketika pedagang keliling berada di dekat lokasi pembeli. Perangkat lunak ini dikembangkan menggunakan model metodologi agile. Berdasarkan hasil pengujian, 100% dari semua fitur berjalan dengan baik, 82,4% pedagang keliling, dan 94,4% pembeli setuju bahwa implementasi hasil penelitian dapat menyederhanakan proses pemesanan makanan dan pertemuan antara pedagang keliling dan pembeli. © 2024 IEEE.

    Kata kunci penulis

    Geolokasi; Pengenalan wajah; Notifikasi push; Konversi ucapan ke teks; Pedagang keliling

    Artikel ini dapat diakses di: https://www.scopus.com/pages/publications/105015715547

  • Mengintegrasikan Pengujian Whitebox dan Blackbox untuk Point of Sales Berbasis Web: Pendekatan Metrik Halstead dan Partisi Ekuivalensi

    Penulis: Rangga Sidik, Novia Ardianti Dewi, Aghnia Maulina, Mega Lestari, Syahrul Mauluddin

    DOI: 10.1109/INCITEST64888.2024.11121454

    Abstrak

    Dalam pengembangan perangkat lunak Point of Sales, kualitas merupakan perhatian penting. Aplikasi Point of Sales harus mampu memberikan efektivitas dalam menyimpan data penjualan perusahaan. Pada tahap pengembangan, pengujian perangkat lunak merupakan tahap penting untuk menghasilkan perangkat lunak berkualitas baik. Pengujian yang tepat dapat memberikan gambaran tentang kualitas perangkat lunak yang sebenarnya. Penelitian ini dilakukan dengan tujuan menguji perangkat lunak Point of Sales berbasis web agar sesuai dengan kebutuhan pengguna. Selain itu, sistem fungsional dapat dipercaya berjalan dengan baik meskipun kompleksitas kode sumber Point of Sales. Kami melakukan pengujian dengan menggabungkan pengujian white box dengan pengujian black box. Penggunaan metode Equivalence Partitioning dan Halstead’s Metric digabungkan untuk mendapatkan hasil pengujian dalam hal fungsionalitas dan kompleksitas program. Sehingga dapat memperoleh efektivitas kode sumber dan mampu mengevaluasi tingkat kesulitan pemrograman. Dari hasil pengujian white box, kami mendapatkan 9 kesalahan yang muncul di halaman toko, dan 13 kasus uji lainnya dinyatakan valid dari 17 kasus uji yang dilakukan menggunakan Equivalence Partitioning. Berdasarkan hasil pengujian dengan metode pengukuran Halstead’s Metric, hasil pengujian menunjukkan bahwa kode sumber memiliki volume dan tingkat kesulitan yang tinggi dengan nilai yang tinggi pula. Hal ini dapat mendefinisikan tingkat kompleksitas PoS. Dari temuan ini, pengembang perangkat lunak PoS dapat memanfaatkannya untuk tahap pengembangan selanjutnya dalam menciptakan sistem Point of Sales yang lebih berkualitas dan andal. © 2024 IEEE.

    Kata kunci penulis

    equivalence partitioning; halstead metric; point of sales; testing; Aplikasi web

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/105015891816

  • Penerapan Agglomerative Hierarchical Clustering (AHC) 

    untuk Pengelompokan Calon Penerima Beasiswa

    Penulis: Fakhrian Fadlia Adiwijaya; Arisza Zufar Fathurrahman; Chrismikha Hardyanto
    DOI: 10.1109/INCITEST59455.2023.10395926

    Abstrak
    Beasiswa merupakan suatu bentuk bantuan keuangan yang diberikan kepada individu untuk mendukung pendidikan mereka. Beasiswa dapat diberikan oleh institusi pendidikan, pemerintah, organisasi, atau perorangan sebagai sarana untuk membantu biaya pendidikan. Beasiswa dapat hadir dalam berbagai bentuk, termasuk hibah tunai, pembebasan biaya kuliah, bantuan pembelian buku atau perlengkapan pendidikan, atau kombinasi dari bentuk-bentuk bantuan tersebut. Penerima beasiswa biasanya dipilih berdasarkan kriteria spesifik seperti keunggulan akademik, kebutuhan finansial, bakat atau minat khusus, atau prestasi di bidang tertentu. Metode seleksi penerima beasiswa yang umum dilakukan saat ini melibatkan evaluasi terhadap karakteristik mahasiswa yang dinilai berprestasi dan aktif dalam proses pembelajaran. Karena jumlah mahasiswa yang banyak dan terbatasnya kuota beasiswa, proses ini seringkali memakan waktu yang cukup lama, dan pemilihan penerima beasiswa mungkin tidak sepenuhnya akurat. Untuk membantu proses seleksi penerima beasiswa, digunakan teknik data mining, khususnya metode clustering (pengelompokan). Agglomerative Hierarchical Clustering (AHC) adalah salah satu algoritme clustering yang mampu mengelompokkan sekumpulan data ke dalam klaster data tertentu. Data yang dianalisis untuk penentuan penerima beasiswa meliputi data kinerja akademik atau nilai, data kegiatan ekstrakurikuler, data ekonomi, dan data prestasi mahasiswa. Dengan menggunakan metode data mining dan clustering, institusi pendidikan atau organisasi pemberi beasiswa dapat menganalisis data calon penerima beasiswa untuk mengidentifikasi kelompok-kelompok yang memiliki kesamaan berdasarkan kriteria tertentu. Pendekatan ini dapat membuat proses seleksi dan pengelompokan calon penerima beasiswa menjadi lebih efisien dan objektif. © 2023 IEEE.

    Kata kunci penulis
    AHC; Clustering; Data Mining; Manajemen Beasiswa

    Kata kunci terindeks
    Istilah terkendali teknik
    Analisis klaster; Algoritme pengelompokan; Data mining; Ekonomi; Sistem pembelajaran
    Istilah tak terkendali teknik
    Terkini; Keunggulan akademik; Agglomerative hierarchical clustering; Pengelompokan; Institusi pendidikan; Bantuan keuangan; Organisasi pemerintah; Calon; Manajemen beasiswa; Bakat khusus
    Topik utama teknik
    Mahasiswa

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/85185202061

  • Sistem Rekomendasi Rute Perjalanan Berbasis 

    Prediksi Cuaca dan Teknologi Geotagging

    Penulis: Eko Budi Setiawan; Gradiyanto Putera Husein; Angga Setiyadi
    DOI: 10.1109/INCITEST59455.2023.10395920

    Abstrak

    Informasi mengenai kondisi cuaca cukup sulit untuk diperoleh dan diprediksi. Masyarakat yang dalam kesehariannya harus melakukan perjalanan menuju suatu destinasi, seperti para pekerja atau wiraniaga, tidak dapat memprediksi cuaca yang akan mereka hadapi selama perjalanan. Dampaknya, masyarakat kerap mengalami beberapa kerugian saat bepergian. Penelitian ini menghasilkan sebuah aplikasi berbasis Android yang digunakan oleh masyarakat umum untuk menghindari kerugian perjalanan yang disebabkan oleh cuaca. Aplikasi ini menyediakan informasi rekomendasi perjalanan berupa rute yang diperoleh dari Google Directions API dan prediksi cuaca yang diperoleh dari Dark Sky API. Aplikasi ini membantu pengguna memprediksi prakiraan cuaca di jalur yang akan dilalui untuk mengurangi risiko kerugian akibat hujan. Hasil pengujian black-box dan penerimaan pengguna menunjukkan bahwa aplikasi berbasis Android ini berhasil mencapai tingkat keberhasilan sebesar 84% dalam memberikan rekomendasi perjalanan, mencapai 80,6% keberhasilan dalam memprediksi cuaca, dan memperoleh 76,6% dalam mengurangi risiko hujan. © 2023 IEEE.

    Kata kunci penulis
    Geotagging; Rekomendasi; Rute; Perjalanan; Cuaca

    Kata kunci terindeks
    Istilah terkendali teknik
    Uji penerimaan; Sistem operasi Android; Antarmuka Pemrograman Aplikasi (API); Pengujian black-box; Prakiraan cuaca
    Istilah tak terkendali teknik
    Kondisi; Kehidupan sehari-hari; Geotagging; Rekomendasi; Rute; Perjalanan; Rute perjalanan; Cuaca; Prediksi cuaca; Pekerja
    Topik utama teknik
    Hujan

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/85185198321

  • 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 

  • Penerapan Metode Desain Berpikir dalam Desain UI/UX Aplikasi Jasa Pemotongan Rumput

    Penulis: Muhammad Faiz Islami, Hanhan Maulana

    DOI: 10.1109/INCITEST64888.2024.11121521

    Abstrak

    Masyarakat di Bangkinang mengalami kesulitan mengakses jasa pemotongan rumput yang efektif. Kurangnya informasi dan metode pemesanan tradisional menghambat penyedia jasa untuk memperluas jangkauan pasar mereka. Solusi digital diperlukan untuk mengatasi masalah ini. Di Kota Bangkinang, banyak orang yang menggunakan jasa pemotongan rumput, tetapi pemesanan jasa ini secara tradisional dilakukan melalui brosur dan rekomendasi dari mulut ke mulut. Studi ini berfokus pada pengembangan aplikasi jasa pemotongan rumput menggunakan metode desain berpikir. Metodologi ini terdiri dari lima langkah: berempati, mendefinisikan, berideasi, membuat prototipe, dan menguji, yang digunakan untuk memahami kebutuhan pengguna, menghasilkan ide, mengembangkan prototipe, dan menguji solusi. Hasil penelitian berupa prototipe aplikasi mobile untuk penyedia jasa di Kota Bangkinang, diuji menggunakan metode System Usability Ladder (SUS) dengan skor rata-rata 80,66 untuk aplikasi pengguna jasa dan 81,5 untuk aplikasi penyedia jasa, menunjukkan bahwa aplikasi tersebut mudah digunakan dan diterima dengan baik oleh pengguna. Penelitian ini diharapkan dapat meningkatkan efektivitas dan efisiensi proses pemesanan jasa pemotongan rumput dan memberikan kontribusi signifikan terhadap pengembangan teknologi informasi di masyarakat. Penelitian ini bertujuan untuk merancang aplikasi jasa pemotongan rumput menggunakan pendekatan design thinking, untuk memberikan pengalaman yang baik kepada pengguna dan dapat memesan jasa secara efisien. © 2024 IEEE.

    Kata kunci penulis

    Design thinking; skala kegunaan sistem; kegunaan

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/105015889965 

  • Meningkatkan Daya Tarik Buku Mewarnai Menggunakan Augmented Reality Live Texturing

    Penulis: Hanhan Maulana; Jajang Saeful Anshor; Hideaki KanaiDOI: 10.1109/INCITEST59455.2023.10396956

    Abstrak
    Penelitian ini bertujuan untuk mengembangkan augmented reality live texturing guna meningkatkan daya tarik buku mewarnai. Penelitian ini terdiri atas empat tahapan utama, yaitu pengumpulan data, persiapan objek, pengembangan perangkat lunak, dan evaluasi. Pengembangan sistem Augmented Reality Live Texturing dilakukan dengan menggunakan UNITY 3D. Metode AR yang diterapkan adalah metode marker, di mana pengguna dapat mewarnai marker tersebut. Objek tiga dimensi akan mengikuti warna yang diberikan pada marker secara waktu nyata (real time). Sistem ini diharapkan dapat meningkatkan minat anak-anak dalam kegiatan mewarnai. Selain itu, pemahaman anak terhadap warna juga diharapkan dapat berkembang. Lebih lanjut, sistem ini diharapkan dapat membantu anak dalam menentukan pilihan warna sehingga kreativitas anak semakin meningkat. © 2023 IEEE.

    Kata kunci penulis
    Augmented Reality; buku mewarnai; sistem interaktif; live texturing; multimedia

    Artikel ini dapat diakses melalui: https://www.scopus.com/pages/publications/85185195328

  • Support Vector Machine untuk Klasifikasi Citra SatelitMenggunakan Metode Kernel Radial Basis Function

    Penulis: Nur Suhaili Mansor ; Hapini Awang ; Sarkin Tudu Shehu Malami ; Amirulikhsan Zolkafli ; Mohammed Ahmed Taiye ; Hanhan Maulana
    DOI: 10.1007/978-981-99-9589-9_23

    Abstrak

    Pembelajaran mesin, khususnya Support Vector Machines (SVM), telah memperoleh popularitas dalam pemrosesan data geospasial dan klasifikasi citra. Data geospasial dari berbagai sumber dapat mengandung kesalahan yang berdampak pada akurasi klasifikasi citra. Metode tradisional berbasis piksel dan berbasis objek mengalami kesulitan dalam mengklasifikasikan kelas tutupan lahan yang kompleks secara akurat. Studi sebelumnya telah mengeksplorasi algoritme pembelajaran mesin seperti Random Forests, K-Nearest Neighbors, dan Jaringan Saraf Tiruan. Namun, algoritme tersebut menghadapi tantangan dalam menangkap hubungan rumit di dalam citra dan memerlukan data pelatihan berlabel dalam jumlah besar, yang mengakibatkan beban komputasi yang tinggi. SVM dengan kernel polinomial telah dicoba dalam beberapa studi, tetapi metode ini rentan terhadap overfitting dan tidak efisien untuk kumpulan data besar. Untuk mengatasi permasalahan ini, studi ini menggunakan SVM dengan kernel RBF dan Linear untuk mengklasifikasikan citra satelit multispektral dari kumpulan data Citra Satelit SPOT-6 di Sungai Kelang, Malaysia. Penelitian sebelumnya mengevaluasi akurasi kinerja setiap kernel yang dibandingkan menggunakan kumpulan data uji, dengan memanfaatkan perangkat sumber terbuka seperti Jupyter Notebooks dan pustaka Python untuk mengeksplorasi potensi SVM sebagai teknik klasifikasi citra satelit berkinerja tinggi. Temuan penelitian mengungkapkan bahwa SVM dengan kernel RBF mengungguli SVM dengan kernel polinomial atau linear dalam mengklasifikasikan citra satelit. Ketahanan kernel RBF memungkinkan SVM untuk memodelkan batas keputusan yang rumit dan menangkap pola kompleks dalam data citra, sehingga cocok untuk tugas-tugas dengan data yang tidak dapat dipisahkan secara linear. Studi ini memperkenalkan metodologi baru dan kontribusi teoretis bagi literatur terkait klasifikasi citra, menjelaskan efektivitas SVM-RBF untuk pemrosesan data geospasial. Studi ini menyediakan alternatif terhadap pendekatan tradisional untuk tugas klasifikasi citra yang kompleks. Lebih lanjut, penelitian ini membantu dalam pemilihan algoritme yang optimal untuk aplikasi penginderaan jauh dan citra satelit. © 2024, Penulis, di bawah lisensi eksklusif dengan Springer Nature Singapore Pte Ltd.

    Kata Kunci Penulis
    Geospasial; Klasifikasi Citra; Kernel Linear; Kernel Radial Basis Function (RBF); Support Vector Machine

    Kata Kunci Terindeks
    Istilah Terkendali Teknik
    Klasifikasi (informasi); Jaringan kompleks; Penanganan data; Kehutanan; Kumpulan data besar; Algoritme pembelajaran; Pencarian tetangga terdekat; Jaringan fungsi basis radial; Penginderaan jauh; Citra satelit; Uji statistik; Support vector machines
    Istilah Tidak Terkendali Teknik
    Geospasial; Pemrosesan data geospasial; Klasifikasi citra; Metode kernel; Kernel linear; Kinerja; Kernel polinomial; Kernel fungsi basis radial; Klasifikasi citra satelit; Mesin vektor pendukung
    Istilah Utama Teknik
    Klasifikasi Citra

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/85185723250