Publication Search

Dokumen cetak merupakan data digital yang tervisualisasi di kertas. Dokumen cetak mudah dibuat sekaligus dipalsukan. Cara mengetahui keasliannya dengan verifikasi ciri. Setiap dokumen cetak terdapat ciri unik berasal dari printer yang digunakan. Mengembangkan metode untuk  menentukan keaslian dokumen cetak dari printer jenis dan tipe sama menjadi tantangan untuk diselesaikan pada penelitian ini. Proses verifikasi menggunakan tahapan akuisisi, ekstraksi, pengenalan pola dan hasil verifikasi. Data uji menggunakan 6 printer jenis dan tipe sama, masing-masing menggunakan 3 lembar sampel, untuk karakter dipilih 8. Hasilnya pengujian menunjukkan nilai EER (equal error rate) sebesar 0,18 dari nilai tersebut digunakan menentukan nilai ambang verifikasi yaitu 80% dari nilai kedekatan. Verifikasi dengan kedekatan diatas 80% berarti dokumen cetak dinyatakan asli (accepted) sedangkan kedekatan dibawah 80% berarti dokumen cetak dinyatakan palsu (rejected). Pengujian menggunakan 20 varian dokumen cetak diperoleh nilai kedekatan tertinggi 97,7% dan terendah 84,1%. Berdasarkan pengujian diperoleh suatu kesimpulan bahwa meskipun pemalsuan menggunakan printer dengan jenis dan tipe yang sama, model mampu memilah dan menentukan suatu dokumen cetak asli ataupun palsu.  

Kemudahan proses pembelian rumah menyebabkan peningkatan permintaan akan produksi rumah. Citragrand merupakan satu dari banyak perusahaan  real estate di Semarang, Jawa Tengah. Penjualan yang tidak menentu setiap bulannya, membuat perusahaan kesulitan dalam menentukan target penjualan pada awal tahun dan juga dalam menentukan top product di tahun tersebut. Dengan masalah tersebut, perusahaan membutuhkan solusi yang dapat meramalkan penjualan di tahun mendatang, serta menentukan tipe rumah apa yang bisa menjadi top product hingga penjualan paling sedikit, sehingga dapat memperbaiki kualitas rumah dan menguntungkan perusahaan. Peramalan penjualan atau forecasting adalah metode analisa perhitungan dengan hasil perkiraan peristiwa di masa depan yang membutuhkan data masa lalu sebagai referensi dan memakai pendekatan kualitatif ataupun kuantitatif. Forecasting yang digunakan dalam hal ini menggunakan metode Double Exponential Smoothing. Selain di ramalkan penjualannya, juga dilakukan proses perangkingan produk perumahan terbaik yang dihitung menggunakan metode simple additive weighting (SAW). Dengan menggabungkan forecasting dan perangkingan produk, diharapkan mampu mengatasi salah satu masalah penjualan yang dialami oleh perusahaan Citragrand Semarang. Kedua metode ini dibuat dengan berbasis website yang dibangun dengan bahasa permrogaman PHP dan framework Codeigniter sebagai server program. Hasil dari sistem ini yaitu Sistem Pendukung keputusan dan peramalan dengan tujuan mendapatkan hasil top product dan peramalan penjualan untuk tahun berikutnya.

Dimasa pandemi COVID-19 saat ini diberlakukanlah peraturan di mana setiap orang wajib menggunakan masker dan melakukan physical distancing pada saat keluar rumah di Jakarta. Ini merupakan salah satu kebiasaan baru yang akan dibiasakan ke masyarakat oleh pemerintah. Pada lingkungan perusahaan yang sudah mulai beroperasi 50%, juga mewajibkan karyawannya menggunakan masker dan physical distancing saat di kantor. Agar kebiasaan disiplin menggunakan masker di tempat umum ini dapat berjalan dengan baik, maka dibuatlah New Normal COVID-19 Masker Detektor dengan Notifikasi Telegram berbasis Internet Of Things ini agar lingkungan seperti perusahaan dapat mendisiplinkan karyawannya untuk menggunakan masker sebelum masuk ke kantor. Sistem ini dibuat menggunakan Raspberry Pi sebagai otak utamanya, dengan menambahkan modul kamera dan juga sensor PIR, yang akan mendeteksi apakah orang tersebut menggunakan masker atau tidak. Kemudian akan dikirimkan pesan notifikasi telegram kepada keamanan setempat agar orang tersebut diperbolehkan masuk ke kantor jika sudah menggunakan masker. Metode penelitian yang dilakukan adalah dengan merumuskan masalah yang ada,kemudian merumuskan tujuan penelitian, melakukan studi literatur, melakukan perancangan sistem dan melakukan pengujian sistem. Hasil dari penelitian ini adalah sistem dapat mendeteksi orang yang menggunakan masker dan notifikasi dapat dikirimkan ke keamanan melalui aplikasi telegram dengan baik.

Salah satu algoritma yang sering digunakan untuk melakukan deteksi pada wajah yaitu Viola-Jones. Metode ini merupakan gabungan dari 3 buah fitur yaitu integral image, adaboost dan cascade classifier. Masing-masing fitur mempunyai fungsi tersendiri dan saling melengkapi. Integral image digunakan dalam penentuan ada dan tidaknya gambar, adaboost untuk memilih dan mengatur nilai threshold, sedangkan cascade classifier untuk mengklasifikasi daerah yang akan di deteksi. Untuk memudahkan deteksi, terurtama pada bagian mata maka digunakan Haar like feature. Proses pengenalan wajah telah dilakukan pada gambar dengan satu objek dan beberapa objek. Hasil impelemntasi juga dapat mengenali objek foto lukisan dan foto tampak samping. Dari seluruh percobaan di dapatkan nilai rata-rata sebesar 65% dengan sebaran nilai akurasi tertinggi 70%, sensitivitas 55% dan spesifitas 71%.

Hasil dari penjualan pada toko kgs rizky motor pihak manajemen hanya melihat laporan jumlah barang terjual dan berapa banyak pendapatannya dilihat tanpa ada tindak lanjut untuk menentukan keputusan diwaktu yang akan datang. Dengan menggunakan metode Frequent Pattern Growth, pihak manajemen dapat mengambil keputusan barang mana yang membutuhkan persediaan yang lebih banyak dibandingkan dengan barang yang lain. Hasil penelitian yang telah dilakukan dengan adanya penerapan algoritma FP-Growth pada perhitungan manual dengan syarat batasan nilai support >35% dan nilai confidence 70%. Kemudian disimpulkan bahwa telah dilakukan penerapan algoritma FP-Growth untuk penentuan pada pola pembelian di Toko Kgs Rizky Motor. Dari dataset 15 transaksi penjualan produk sparepart yang menjadi frequent itemset adalah kombinasi itemset, terdapat 23 rules pola asosiasi dengan memenuhi nilai syarat batasan tersebut. Hasil association rule diperoleh terdapat 7 rules yang telah memenuhi nilai syarat batasan yaitu 1) jika membeli barang rantai motor (A04) maka membeli barang oli motor (A08) dengan nilai support = 40% dan nilai confidence = 78%, 2) jika membeli barang aksesoris motor (A07) maka membeli barang knalpot (A09) dengan nilai support = 40% dan nilai confidence = 75%, jika membeli barang oli motor (A09) maka membeli barang knalpot (A08) dengan nilai support = 47% dan nilai confidence = 88% dst. Sehingga  dapat membantu pada perusahaan toko kgs rizky motor mengetahui kemunculan pola item yang sering dibeli secara bersamaan atau dapat dilakukan mempromosikan produk item terbaik.

Hepatitis merupakan penyakit yang diderita oleh banyak orang, bahkan bisa menyebabkan kematian. Prediksi awal dapat mencegah kematian tersebut yaitu denganmengumpulkan data pasien hepatitis yang dilihat dari faktor - faktornya. Faktor-faktor tersebut antara lain Protime, Alk Phosphat, Albumin, Bilirubin dan Usia. Untuk mengolah datatersebut, dibutuhkan Data Mining. Salah satu metode data mining yang digunakan pada penelitian ini adalah klasifikasi.Tujuan penelitian ini yaitu bagaimana memprediksi hidup atau meninggalnya pasien penyakit hepatitis dengan tingkat akurasi dan mencari atribut paling berpengaruh terhadapprediksi hidup atau meninggalnya pasien penyakit hepatitis dengan menggunakan algoritma Algoritma K-Nearest Neighbor, Naïve Bayes Dan Neural Network dan kemudianmembandingkan ketiga hasil analisis dari ketiga algoritma tersebut.Dari hasil analisis 20 atribut dilakukan 3 kali percobaan dengan algoritma Naïve Bayes didapat model klasifikasi dengan tingkat akurasi yang terbaik yaitu 76.92 %, tingkat error23.01% dan atribut Acites dan Spider merupakan atribut yang berpengaruh terhadap keputusan hidup atau meninggalnya pasien yang terkena penyakit hepatitis.Dengan menggunakanAlgoritma Neural Network didapat model klasifikasi dengan tingkat akurasi yang terbaik yaitu 82,97%, tingkat error 17.03% dan atribut yang paling berpengaruh yaitu anorexia, spiders dan protime. Dengan menggunakan algoritma K-Nearest Neighbor didapat model klasifikasi dengan tingkat akurasi terbaik yaitu 93%, tingkat error 7% dan atribut yang paling berpengaruh terhadap penderita penyakit hepatitis yaitu Albumin.