Items where Division is "Fakultas Matematika dan Ilmu Pengetahuan Alam > Ilmu Komputer" and Year is 2023

A

Ahmad Farhan, Ahmad Farhan and Harsani, Prihastuti and Andini, Siska (2023) Sistem Rekomendasi Saluran Youtube Edukasi Secara Semantik Menggunakan Neural Network Word Embeddings. Skripsi thesis, Universitas Pakuan.

Alfianto, Hendry Sethia and Alfianto, Alfianto and Irma, Irma (2023) Implementasi Data Mining Menggunakan Algoritma FP-Growth dan Algoritma Apriori Pada Analisis Penjualan Barang. Skripsi thesis, Universitas Pakuan.

Ali, Muhamad Ihsan and Denih, Asep and Puja Negara, Teguh (2023) Jemuran Otomatis Berbasis Arduino Menggunakan Sensor Raindrop. Skripsi thesis, Universitas Pakuan.

Aripin, Moch. and Hardhienata, Soewarto and Puja Negara, Teguh (2023) J-INTECH (Journal of Information and Technology) Terakreditasi Kemendikbud SK No. 204/E/KPT/2022 E-ISSN: 2580-720X || P-ISSN: 2303-1425 Deteksi Gangguan Tidur Menggunakan Metode Jaringan Saraf Tiruan Berbasis Internet Of Things (IOT) Moch Aripin1* , Soewarto Hardhienata2, Teguh Puja Negara3 1,2,3Universitas Pakuan, Fakultas Matematika dan Ilmu Pengetahuan Alam, Program Studi Ilmu Komputer, Bogor, Indonesia Informasi Artikel Abstrak Diterima: 26-05-2024 Direvisi: 27-05-2024 Diterbitkan: 28-06-2024 Gangguan tidur seperti Central Sleep Apnea (CSA) dan Obstructive Sleep Apnea (OSA) dapat berdampak buruk bagi kesehatan jika tidak ditangani dengan baik. Penelitian ini bertujuan merancang alat pendeteksi gangguan tidur menggunakan metode jaringan saraf tiruan berbasis Internet of Things (IoT). Sistem ini menggunakan sensor AD8232 untuk mengakuisisi sinyal elektrokardiogram (EKG) yang kemudian diekstraksi fitur High Frequency dan Low Frequency. Ekstraksi fitur dilakukan dengan metode Fast Fourier Transform. Klasifikasi kondisi normal, CSA, atau OSA dilakukan dengan metode jaringan saraf tiruan Multilayer Perceptron yang ditraining menggunakan data dari Physionet. Mikrokontroler ESP32 digunakan untuk memproses ekstraksi fitur dan klasifikasi. Hasil klasifikasi kemudian dikirimkan ke database melalui modul WiFi ESP32 dan ditampilkan pada antarmuka website. Dari pengujian kinerja sensor AD8232 diperoleh akurasi 96,85%, akurasi klasifikasi menggunakan Jaringan Syaraf Tiruan sebesar 80%, dan waktu komputasi rata-rata 7,6 ms. Sistem ini berpotensi membantu deteksi dini gangguan tidur sehingga dapat ditangani lebih awal oleh tenaga medis. Kata Kunci Gangguan tidur; Central Sleep Apnea; obstructive Sleep Apnea; Jaringan Saraf Tiruan; Internet of Things *Email Korespondensi: mocharipin214@gmail.com Abstract Sleep disorders such as Central Sleep Apnea (CSA) and Obstructive Sleep Apnea (OSA) can have adverse health effects if not treated properly. This research aims to design a sleep disorder detection device using the Internet of Things (IoT)- based artificial neural network method. This system uses AD8232 sensor to acquire electrocardiogram (ECG) signal which is then extracted High Frequency and Low Frequency features. Feature extraction is performed using the Fast Fourier Transform method. Classification of normal, CSA, or OSA conditions is performed using the Multilayer Perceptron artificial neural network method which is trained using data from Physionet. The ESP32 microcontroller is used to process the feature extraction and classification. The classification results are then sent to the database via the ESP32 WiFi module and displayed on the website interface. From testing the performance of the AD8232 sensor, an accuracy of 96.85% was obtained, the classification accuracy using the Artificial Neural Network was 80%, and the average computation time was 7.6 ms. This system has the potential to help early detection of sleep disorders so that they can be treated early by medical personnel. Skripsi thesis, Universitas Pakuan.

D

Devy, Devy and Thaher, Hermawan and Delli W, Fajar (2023) APLIKASI FINANCING ORIGINATION SYSTEM DENGAN PENILAIAN KELAYAKAN PINJAMAN PEDAGANG PASAR MENGGUNAKAN SIMPLE ADDITIVE WEIGHTING DAN NAÏVE BAYES. Skripsi thesis, Universitas Pakuan.

Dias Dirgantara, Reza and Chairunnas, Andi and Suhartini, Dini (2023) SISTEM PENDUKUNG KEPUTUSAN REKOMENDASI PEMILIHAN LOKASI CABANG TOKO KUE DR CAKE. Skripsi thesis, Universitas Pakuan.

F

Firmansyah, Muhammad Ali and Awaliyah Zuraiyah, Tjut and Wahyudin, Irfan (2023) ALAT HITUNG JUMLAH UANG KERTAS MENGGUNAKAN SENSOR TCS230. Skripsi thesis, Universitas Pakuan.

H

Hadi, Muhamad Farhan and Denih, Hadi and Maesya, Aries (2023) ALAT HITUNG JUMLAH UANG KERTAS MENGGUNAKAN SENSOR TCS230. Skripsi thesis, Universitas Pakuan.

M

Malik, Sayuti and Harsani, Prihastuti and Sari Aryani, Andriana (2023) SISTEM INFORMASI GEOGRAFIS PENGELOMPOKAN TINGKAT KRIMINALITAS KOTA MALANG MENGGUNAKAN METODE K-MEANS. Skripsi thesis, Universitas Pakuan.

Maria Ulfa, Kartika and Harsani, Prihastuti and Anggraeni, Irma (2023) IMPLEMENTASI ARTIFICIAL INTELLIGENCE FINITE STATE MACHINE PADA NON PLAYABLE CHARACTER BEHAVIOR DALAM GAME SIMULASI 3D EDUKASI BENCANA ALAM BANJ. Skripsi thesis, Universitas Pakuan.

Maulida, Firda and H., Herfina and Saepulrohman, Asep (2023) Analisis Usability Pada Aplikasi Indriver Menggunakan Heuristic Evaluation dan Redesign dengan Metode Goal Directed Design. Skripsi thesis, Universitas Pakuan.

N

Naposo, Waldemar and Delli Wihartiko, Fajar and Qur’ania, Arie (2023) Model Analisis Data Untuk Penyakit Pada Dinas Kesehatan Kota Bogor. Skripsi thesis, Universitas Pakuan.

R

Radan Alif, Ilham and Citra, Puspa and Satria Prayoga, Gilang (2023) SISTEM INFORMASI ARSIP SURAT PENGELOLAAN ANGGARAN BERBASIS WEBSITE MENGGUNAKAN FRAMEWORK LARAVEL. Skripsi thesis, Universitas Pakuan.

Razzy P., Dhiky and Qur’ania, Arie and Mulyati, Mulyati (2023) KLASIFIKASI SENTIMEN MINAT MASYARAKAT TERHADAP KEMASAN OBAT DENGAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE. Skripsi thesis, Universitas Pakuan.

Rizki Sentosa, Aldan and Herdianto Situmorang, Boldson and Setyaningsih, Sri (2023) Designing an Android-Based Knowledge Management System for Employee Productivity Policy Using the Inukshuk and Sequential Search Methods. Skripsi thesis, Universitas Pakuan.

Rukmana, Yusuf Fadilah and Denih, Asep and Anggraeni, Irma (2023) Analisis Data Pelanggan Menggunakan Algoritma Fuzzy C�Means Dan Model Recency Frequency Monetary. Skripsi thesis, Universitas Pakuan.

Rusmana, Reyhan Nazera and Tita Tosida, Eneng and Qur’ania, Arie (2023) SISTEM PENDUKUNG KEPUTUSAN SPASIAL SMART COMMUNITY MENGGUNAKAN BAYESIAN DAN SUPPORT VECTOR MACHINE. Skripsi thesis, Universitas Pakuan.

S

Subagya, Riki and Chairunnas, Andi and Ismangil, Agus (2023) PROTOTYPE SUHU DAN KELEMBAPAN TANAMAN HIAS BEGONIA SILVER MENGGUNAKAN ESP 32 BERBASIS INTERNET OF THINGS (IOT). Thesis thesis, Universitas Pakuan.

Sugianto, Muhammad Refansyach and Qur’ania, Arie and Delli W, Fajar (2023) Sentiment Analysis Genshin Impact Game to Know Players Reaction and Expectation Using Support Vector Machine. Skripsi thesis, Universitas Pakuan.

Supriyanto, M. Sidiq and Hardhienata, Soewarto and Prajuhana Putra, Agung (2023) SISTEM KUNCI PIN DETEKSI KEAMANAN PIN DENGAN MENGGUNAKAN WEBCAM DOOR LOCK SYSTEM PIN SECURITY DETECTION MASKER USING WEBCAM. Skripsi thesis, Universitas Pakuan.

Syah Rizal, Farhan and Karlitasari, Lita and Tus Sadiah, Halimah (2023) SISTEM PAKAR MENDIAGNOSA PENYAKIT VARIKOKEL MENGGUNAKAN METODE ALGORITMA FUZZY LOGIC MAMDANI. Skripsi thesis, Universitas Pakuan.

Syarif, Muhamad Ikhwan and Setyaningsih, Sri and Taher, Hermawan (2023) Muhammad Ikhsan Syarif. Pemilihan Pasokan Bahan Bakar Pembangkit Listrik Energi Baru Terbarukan Menggunakan Metode Fuzzy C-Means (Selection of Fuel Supply for New Renewable Energy Using the Fuzzy C-Means Method). Dibawah bimbingan SRI SETYANINGSIH dan HERMAWAN TAHEER. Energi mempunyai peran penting untuk meningkatkan kegiatan ekonomi di Indonesia. Biomassa memiliki potensi untuk menjadi salah satu sumber energi utama dimasa mendatang, dan modernisasi sistem bioenergi disarankan sebagai kontributor penting bagi pengembangan energi berkelanjutan di masa yang akan datang. Indonesia memiliki target penggunaan Energi Baru Terbarukan di bauran energi nasional sebesar 23% di tahun 2025 dan 31% di tahun 2050. Tujuan penelitian ini adalah berfokus kepada pengambilan keputusan pemilihan biomassa sebagai bahan bakar pembangkit listrik dengan locus pembangkit di daerah Depok. Kegiatan dari penelitian ini diawali dengan melakukan proses clustering menggunakan metode Fuzzy C-Means untuk mengelompokan daerah-daerah pemasok bahan bakar yang ada Provinsi Jawa Barat dan Banten. Dari proses clustering diperoleh delapan kabupaten/kota yaitu, Kabupaten Bekasi, Kabupaten Bogor, Kabupaten Cianjur, Kabupaten Karawang, Kabupaten Serang, Kabupaten Sukabumi, Kabupaten Tangerang dan Kota Tangerang yang merupakan pemasok bahan bakar di Wilayah Propinsi Jawa Barat dan Banten. Pendekatan metode yang diterapkan pada penelitian ini adalah Knowledge Discovery and Data Mining menggunakan software R.Studio, dengan beberapa tahapan yaitu selection of database, data cleaning, data transformation, data mining process, pattern evaluation dan knowledge konsolidation. Berdasarkan hasil analisis data potensi biomassa di wilayah kajian Jawa Barat dan Banteng diperoleh tiga cluster berdasarkan pertimbangan jumlah produksi, jenis komoditas, nilai kalor, kesinambungan dan aspek ekonomi dalam produksi. Kabupaten yang masuk pada Cluster 1 yaitu Kabupaten Sukabumi, Kabupaten Serang, Kabupaten Karawang dan Kabupaten Bekasi dengan 3 jenis biomassa yang dikategorikan sangat potensial yaitu Sabut Kelapa, Tempurung Kelapa dan Ampas Kelapa, sedangkan 2 Kabupaten lainnya yaitu Kabupaten Cianjur dan Kabupaten Bogor hanya memiliki 2 jenis biomassa (tempurung kelapa dan ampas kelapa) yang masuk kategori sangat potensial. Kabupaten yang masuk cluster 2 dan merupakan kelompok data potensial yaitu hanya Kabupaten Bogor dengan 4 Komoditas yaitu Padi, Jagung, Kelapa dan Kopi. Kabupaten/Kota yang termasuk cluster 3 yaitu Kabupaten Tangerang, Kota Tangerang, Kabupaten Bekasi, Kabupaten Sukabumi, Kabupaten Serang, Kabupaten Cianjur dan Kabupaten Karawang dengan 5 jenis biomassa yang dikategorikan tidak potensial yaitu jerami, sekam dan dedak, sabut kelapa dan cangkang kopi. Berdasarkan hasil tersebut dapat disimpulkan bahwa cluster 1 merupakan kelompok data Sangat Potensial didominasi oleh biomassa dari komoditas kelapa, cluster 2 merupakan kelompok data Potensial didominasi oleh biomassa dari komoditas padi dan jagung sedangkan cluster 3 merupakan kelompok dataTidak Potensial didominasi oleh biomassa dari komoditas Padi. Skripsi thesis, Universitas Pakuan.

W

Wisantra, Candra and Harsani, Prihastuti and Delli Wihartiko, Fajar (2023) Implementasi K-Medoids dan K-means Clustering pada data Steam. Dibawah bimbingan Dr. Prihastuti Harsani, M.Si. dan Dr. Fajar Delli W.,SSI.MM.,M.Kom. Penelitian ini melakukan analisis pada data Steam menggunakan metode K�Means clustering dan K-Medoids, Data yang digunakan dalam penelitian ini diperoleh dari platform Kaggle, Data yang digunakan dalam penelitian ini berupa data informasi game digital pada platform Steam, data Steam ini berisikan 27.075 baris data dan 18 kolom informasi Tujuan dari penelitian ini adalah menerapkan metode K-Means clustering dan K Medoids untuk menganalisis data Steam serta menganalisis perbedaan antara kedua metode tersebut. Data Steam akan masuk ke dalam proses data mining, dalam proses data mining terdiri dari beberapa tahapan seperti preprocessing data, transformation data tujuan dari kedua proses tersebut untuk mempersiapkan data untuk siap diolah menggunakan metode K-Means clustering dan k- medoids, setelah metode K-Means clustering dan K-Medoids telah selesai maka masuk ke proses evaluasi untuk membandingkan metode K-Means dan K-Medoids, metode yang digunakan untuk mengevaluasi yaitu menggunakan metode DBI (Davies-Bouldin Index), setelah evaluasi selesai maka akan masuk ke proses knowledge untuk menarik informasi baru yang diperoleh dari hasil clustering dari metode k means maupun k medoids serta perbedaan dari kedua metode clustering tersebut. Informasi yang didapatkan yaitu menunjukkan bahwa K-Means clustering lebih unggul dalam mengolah data dari platform Steam daripada K-Medoids. Hal ini didapatkan dengan cara membandingkan nilai evaluasi dari kedua metode clustering tersebut K-Means memiliki nilai 0,4644 sedangkan K Medoids memiliki nilai 1,5604, semakin kecil nilai dbi maka semakin bagus hasilnya, selain itu hasil clustering menggunakan K-Means clustering lebih beragam dibandingkan menggunakan K-Medoids yang menunjukan K-Means clustering lebih unggul. Skripsi thesis, Universitas Pakuan.