METHOTIKA : Jurnal Ilmiah Teknik Informatika

Pengelolaan Bandwidth dengan Metode Class Bases Queueing (CBQ) menggunakan Mikrotik Router Board

2024-06-03T13:44:10+07:00

Terdapat 30 pegawai tetap di KPU Toba dan terdapat kurang lebih 30 pengguna pc/laptop serta smartphone yang terhubung setiap harinya, namun jika ada kegiatan yang melibatkan kecamatan pengguna bisa bertambah sehingga membuat jaringan melambat karena kelebihan pengguna. Manajemen bandwidth (manajemen jaringan) sangat penting untuk mengontrol penggunaan bandwidth yang digunakan oleh pengguna. Membiarkannya tidak dicentang akan mengakibatkan penggunaan bandwidth yang berlebihan oleh satu atau beberapa pengguna. Oleh karena itu pada penelitian ini kami menggunakan board router Mikrotik untuk mengatur bandwidth dengan class-based queuing (CBQ). Berdasarkan hasil pengujian, metode CBQ mampu mendistribusikan secara adil pengaturan bandwidth jaringan kantor KPU Toba sesuai antrian. Bandwidth QoS menggunakan metode CBQ menghasilkan nilai rata-rata delay sebesar 0,49 ms, nilai packet loss sebesar 2,10%, nilai throughput sebesar 117,48 bytes/s, dan jitter sebesar 0,76. QoS untuk semua bandwidth dinilai sangat baik menurut standar TIPHON.

Clustering Hasil Belajar Siswa SMA Methodist 1 Medan Dengan Menggunakan Metode K-Medoids

2025-06-11T16:51:51+07:00

Saat ini SMA Methodist 1 Medan mengolah dan menyimpan data nilai siswa hanya mengurutkan nilai tertinggi saja dan tidak memperhatikan aspek nilai lain. Masalah yang dihadapi adalah pihak sekolah tidak dapat menentukan secara akurat siswa yang memiliki hasil belajar baik dan tidak baik, sehingga pihak sekolah kesulitan dalam meningkatkan mutu belajar mengaja. Oleh karena itu, pihak SMA Methodist 1 membutuhkan pengolahan data hasil belajar untuk mengetahui informasi mengenai kualitas siswa yang berprestasi dan tidak berprestasi. Salah satu metode yang dapati digunakan untuk data mining clustering adalah K-Medoids. Berdasarkan dari penerapan algoritma K-Medoids didapati bahwa pengelompokkan hasil belajar siswa pada SMA Methodist 1 Medan dengan jumlah cluster C0 dengan hasil belajar Tinggi sebanyak 29 siswa, cluster C1 dengan hasil belajar Sedang sebanyak 33 siswa, cluster C2 dengan hasil belajar Rendah sebanyak 12 siswa.

ANALISIS SENTIMEN TERHADAP OPINI PRODUKSI KENDARAAN ESEMKA DI TWITTER MENGGUNAKAN METODE FUZZY C - MEANS

2024-05-01T11:34:22+07:00

Indonesia memiliki kendaraan buatan pabrikan sendiri yaitu mobil Esemka yang diresmikan oleh presiden RI ke – 7 yaitu bapak presiden joko widodo pada 6 september 2019. Saat ini kehadiran mobil esemka banyak berpendapat negatif hingga positif. Masyarakat indonesia menanyakan tentang penjualan Mobil Esemka di Indonesia. Dalam melakukan penelitian analisis ini, mencoba memahami berbagai opini dan sentimen masyarakat Indonesia terhadap Mobil Esemka. Tujuan penelitian ini adalah mendukung kehadiran penjualan mobil esemka dan memberikan kontribusi terhadap perekonomian di Indonesia. analisis sentimen dari komentar Twitter dalam analisis menggunakan metode Fuzzy C-Means dan TF-IDF untuk memberikan bobot pada setiap kata dalam komentar Twitter yang berkaitan dengan Mobil Esemka. Sebagai Query menggunakan kata "Mobil Esemka" untuk mendapatkan data komentar menggenai mobil esemka pada twitter menggunakan rapidminer. Metode digunakan adalah Fuzzy C-Means untuk melakukan perhitungan analisis sentimen dalam setiap komentar di dalam Excel dan mengkategorikannya sebagai negatif, netral, atau positif. Hasil analisis sentimen dengan metode C-Means menunjukkan bahwa sekitar 40% sentimen adalah negatif, 29% sentimen adalah netral, dan 31% sentimen adalah positif. Dengan hasil ini, diharapkan penelitian ini dapat memberikan manfaat bagi perusahaan mobil esemka yang sangat bermanfaat tentang bagaimana pandangan masyarakat Indonesia memberikan sentimen terhadap Mobil Esemka.

Pengembangan Sistem Prediksi Kunjungan ke Rahmat Internasional Wildlife Museum & Gallery dengan Metode Double Exponential Smoothing

2025-04-05T10:00:21+07:00

Rahmat Internasional Wildlife Museum & Gallery merupakan sebuah museum yang koleksi satwa liar satu-satunya di Asia terletak di kota Medan, Sumatera Utara. Fluktuasi tak terduga dalam jumlah pengunjung mungkin menyulitkan manajemen museum untuk memberikan fasilitas dan layanan terbaik bagi para tamu. Oleh karena itu, diperlukan sistem yang menggunakan pemulusan eksponensial ganda untuk memprediksi jumlah pengunjung Rahmat International Wildlife Museum & Gallery. Metode ini dipilih karena Double Exponential Smoothing sangat efektif dalam menangkap dan memprediksi tren. Data aktual yang digunakan untuk memprediksi jumlah pengunjung Rahmat Internasional Wildlife Museum & Gallery diperoleh dari tahun 2022 hingga 2023. Hasil perhitungan prediksi jumlah pengunjung dengan alpha 0,3 diperoleh sebanyak 5783 pengunjung di Bulan Januari 2024 dimana hasil prediksi termasuk kriteria sangat baik setelah dihitung tingkat error dengan MAPE sebesar 13,11 % dan memiliki akurasi sebesar 86,89%. Dengan adanya sistem baru yang telah dirancang ini, diharapkan dapat membantu pengelola Rahmat Internasional Wildlife Museum & Gallery dapat meningkatkan produktivitas dalam pengumpulan informasi pengunjung dan menghitung jumlah pengunjung dengan lebih akurat.

ANALISA ALGORITMA K-MEDOIDS DALAM PENGELOMPOKAN UMPASA BATAK TOBA

2025-02-24T14:58:16+07:00

Penelitian ini bertujuan untuk mengelompokkan Umpasa Batak Toba, bagian dari sastra lisan suku Batak Toba yang kaya makna filosofis dan moral, menggunakan algoritma K-Medoids. Seiring dengan perkembangan zaman, generasi muda semakin asing dengan warisan budaya ini, sehingga diperlukan upaya pelestarian melalui pendekatan teknologi. Algoritma K-Medoids berhasil diterapkan untuk mengelompokkan umpasa ke dalam empat kategori: Bijak, Doa/Harapan, Nasehat, dan Berkat. Hasil pengelompokan menunjukkan bahwa Cluster 0 terdiri dari 22 umpasa Bijak, Cluster 1 memiliki 32 umpasa Doa/Harapan, Cluster 2 berisi 84 umpasa Nasehat, dan Cluster 3 mencakup 74 umpasa Berkat. Analisis menunjukkan bahwa variasi hasil klaster dipengaruhi oleh inisialisasi medoid, metrik jarak, implementasi algoritma, konvergensi, serta presisi dalam perhitungan. Hasil Silhouette Score menunjukkan nilai -0,67 pada klasterisasi menggunakan empat klaster, yang mengindikasikan performa kurang optimal. Namun, pengujian ulang dengan nilai k=3 memberikan hasil terbaik, dengan Silhouette Score sebesar 0,59, sedangkan penambahan jumlah klaster menjadi lima menunjukkan penurunan kualitas klasterisasi. Temuan ini memberikan optimalisasi algoritma K-Medoids dalam pengelompokan data Umpasa Batak Toba.

PENERAPAN FUZZY TIME SERIES UNTUK PREDIKSI PRODUKSI IKAN TAMBAK DI SUMATERA UTARA

2025-02-05T20:28:10+07:00

Ikan merupakan salah satu produk pangan hewani yang cukup potensial di Indonesia. Tingkat konsumsi pangan hewani penduduk Indonesia sebagian besar disumbang oleh produk ikan. Pertumbuhan penduduk di Sumatera Utara harus diimbangi dengan pertumbuhan produksi ikan tambak. Hal ini bertujuan untuk menciptakan ketahanan pangan. Oleh karena itu dalam penelitian ini akan dilakukan perhitungan untuk memprediksi sumber ikan menggunakan fuzzy time series. Dengan potensi sektor perikanan budidaya tambak serta meningkatnya kesadaran masyarakat di Sumatera Utara akan mengkonsumsi ikan sebagai sumber gizi, penelitian kali ini akan memprediksi produksi ikan tambak di Sumatera Utara. Fuzzy time series merupakan metode yang digunakan untuk melakukan peramalan (forecasting) terhadap data deret waktu (time series) yang memiliki ketidakpastian atau kekaburan. Hasil penelitian menggunakan metode Fuzzy Time Series dalam meramalkan produksi ikan tambak di Sumatera Utara diperoleh akurasi peramalan untuk ikan patin sebesar 11,702 %, untuk ikan lele sebesar 10,359 %, untuk ikan nila sebesar 21,636 %, untuk ikan mas sebesar 15,788 %, untuk ikan kakap sebesar 11,487 %, untuk ikan bandeng sebesar 12,87 %, untuk ikan kerapu sebesar 12,263%, dan untuk udang sebesar 14,814 %.

IMPLEMENTASI METODE DBSCAN UNTUK CLUSTERISASI ULASAN PADA APLIKASI DIGITALENT

2025-06-23T14:31:10+07:00

Aplikasi Digitalent memiliki fitur yang bermanfaat Namun, dengan berkembangnya penggunaan aplikasi Digitalent, dan meningkatnya jumlah pengguna, ulasan yang diberikan semakin bertambah, menghasilkan kumpulan data yang besar dan tidak terstruktur. Data ulasan ini tentunya mengandung berbagai opini yang berharga, namun untuk menganalisisnya secara efektif diperlukan metode yang mampu menangani kepadatan data dan variasi bahasa pengguna. Penelitian ini bertujuan menganalisis data ulasan yang diperoleh dari Google Playstore sebagai dasar identifikasi pola dan karakteristik kelompok ulasan. Dengan menggunakan metode DBSCAN dapat melakukan clustering dalam menentukan noise yang terdapat di dalam dokumen. Berdasarkan hasil dari penelitian ini berupa data dari ulasan. Penelitian ini berhasil mengelompokkan 110 ulasan ke dalam 6 klaster. Dari hasil analisis, kata yang paling sering muncul pada klaster tersebut adalah "mantap" dengan frekuensi sebanyak 10 kali, diikuti oleh kata "bagus" yang muncul sebanyak 8 kali kata. Berdasarkan hasil pengujian yang dilakukan mendapatkan nilai silhouette coefficient terbaik yaitu 0.3190 pada nilai epsilon 0.5, minpts 5.

Aplikasi Chatbot Bimbingan Konseling dengan Metode AIML

2024-05-29T11:39:44+07:00

Bimbingan konseling adalah bagian penting dari pendidikan, terutama untuk siswad denganberbagai masalah. Mahasiswa merupakan individu yang sedang mengalami masa perubahan dari remaja menuju dewasa, sehingga tidak jarang mereka mengalami berbagai kesulitan dan tekanan yang berbeda-beda. Sebab itu, peran bimbingan konseling sangat penting untuk membantu mahasiswa dalam menyelesaikan masalah-masalahnya. Ada berbagai permasalahan yang sering dialami oleh mahasiswa, mulai dari masalah akademik seperti kesulitan belajar, hingga masalah personal seperti depresi, kecemasan, hingga masalah interpersonal dengan teman-temannya. Semua masalah ini dapat berdampak negatif terhadap kesejahteraan mahasiswa dan juga hasil belajarnya. Namun, banyak masalah yang dihadapi mahasiswa ketika ingin melakukan bimbingan konseling, yaitu tidak mau langsung mengutarakan masalah yang dihadapi terhadap konselor. Hal itu dikarenakan mahasiswa tersebut malu dalam mengutarakan masalahnya. Salah satu cara untuk melakukan perubahan dalam pengembangan perguruan tinggi adalah melalui bimbingan konseling. Sebab itu, aplikasi chatbot bimbingan konseling dirancang dalam penelitian ini. Aplikasi ini dirancang berbasis website dan menggunakan metode Artificial Intelligence Markup Language (AIML).

Pengembangan Sistem Deteksi Kebakaran Berbasis IoT Dengan Sensor Asap, Api dan Pompa Air Otomatis

2025-05-21T12:16:59+07:00

Peneltian ini bertujuan untuk mengembangkan sistem deteksi kebakaran berbasis Internet of Things (IoT) untuk smarthome menggunakan NodeMCY ESP32, yang dilengkapi dengan sensor asap, api, dan pompa air otomatis. Sistem ini dirancang untuk memberikan notifikasi real-time melalui aplikasi Telegram dan dapat mengambil langkah proaktif dengan mengaktifkan pompa air saat potensi kebakaran terdeteksi. Penelitian ini menggunakan metode Research and Development (R&D), dengan tahapan mulai dari analisis, kebutuhan, perancangan, hingga pengujian sistem. Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi kebakaran dengan tingkat akurasi tinggi berdasarkan data dari sensor, serta berhasil memberikan respons otomatis melalui aktivasi pompa air dan pengirim notifikasi. Kesimpulan dari penelitian ini adalah bahwa sistem deteksi kebakaran berbasis IoT dapat meningkatkan efektivitas pengamanan smarthome, dengan harapan dapat dikembanngkan lebih lanjut untuk menambahkan fitur seperti sensor gas atau backup koneksi.

PEMANTAUAN DAN PENGONTROLAN KELEMBAPAN DAN pH TANAH PADA TANAMAN MENGGUNAKAN MIKROKONTROLER ESP32 BERBASIS INTERNET OF THINGS

2025-03-11T18:56:01+07:00

Tumbuhan dikatakan sebagai salah satu dari makhluk hidup selain insan dan hewan yang membutuhkan air untuk keberlangsungan hidupnya. Tingkat kesuburan bisa ditentukan menggunakan intensitas air yang dikandungnya. Monitoring kualitas dan penyiraman tanaman adalah faktor penting dalam pertumbuhan tanaman. Dalam praktik penyiraman konvensional, sering kali sulit untuk mengontrol jumlah air yang diberikan pada tanaman secara tepat, terutama jika kondisi lingkungan berubah-ubah. Hal ini dapat mengakibatkan pemborosan air atau bahkan kekurangan air untuk tanaman. Kemudian kesulitan juga ditemui petani dalam mendeteksi pH dan kelembaban yang dimiliki oleh tanah. Teknologi IoT memungkinkan pengumpulan data secara real-time dari sensor-sensor yang ditanam di lapangan. Data ini kemudian dapat dianalisis untuk menentukan waktu dan jumlah penyiraman yang optimal. Penelitian ini bertujuan mengembangkan sistem yang dapat membantu dalam melakukan pemantauan nilai pH dan kelembaban tanah yang dapat diakses dari jarak jauh menggunaakn smatphone melalui koneksi internet. Selain itu pengontrolan penyiraman jarak jauh juga dapat dilakukan menggunakan sistem yang memanfaatkan modul ESP32 yang dapat mengonrol mesin pompa penyiraman

PREDIKSI PERMINTAAN PRODUK FAST-MOVING CONSUMER GOODS PADA WIRAUSAHA KOPERASI MENGGUNAKAN DOUBLE EXPONENTIAL SMOOTHING

2025-02-18T19:48:36+07:00

Industri FMCG sangat dinamis, dan pemahaman permintaan produk sangat penting untuk menjaga bisnis. Wirausaha Koperasi (WIRAKOP) menghadapi tantangan dalam mengelola persediaan dan memprediksi permintaan pasar. Penelitian ini menerapkan metode Double Exponential Smoothing (DES) untuk memprediksi permintaan produk FMCG di WIRAKOP, karena kemampuannya menangkap pola fluktuatif dan tren tidak tetap. Hasilnya menunjukkan DES efektif, dengan MAPE terendah 0.80% pada produk Beras 30kg dan tertinggi 2.53% pada Roti Kacang Bintang, yang menunjukkan tingkat kesalahan sangat rendah

Sistem Rekomendasi Produk Sunscreen Dengan Menggunakan Metode Content Based Filtering Dan Algoritma K-Nearest Neighbor (KNN)

2025-07-15T16:05:18+07:00

Rekomendasi sunscreen berbasis teknologi menjadi semakin penting dalam era digital untuk mempermudah konsumen menemukan produk yang sesuai dengan preferensi mereka. Penelitian ini menciptakan sebuah sistem rekomendasi produk sunscreen menggunakan metode Content-Based Filtering (CBF) serta algoritma K-Nearest Neighbors (KNN) untuk membantu pengguna dalam menemukan produk yang tepat sesuai dengan kebutuhan kulit mereka. Sistem ini memanfaatkan pengambilan fitur dari deskripsi produk, seperti tipe kulit, SPF, harga, dan atribut lainnya, dengan cara melakukan normalisasi data dan representasi teks melalui pendekatan TF-IDF. Prediksi tipe sunscreen dilakukan dengan menganalisis kata-kata kunci yang terdapat dalam deskripsi produk, kemudian mengukur jarak Euclidean antara fitur pengguna dan informasi produk untuk menemukan produk yang paling mendekati. Setelah itu, dilakukan penyaringan berdasarkan prediksi jenis, SPF, dan batasan harga tertentu. Sistem ini juga mengimplementasikan perhitungan cosine similarity untuk menilai sejauh mana relevansi produk terhadap keinginan pengguna, menghasilkan skor kesamaan tertinggi sekitar 0,10, dan merekomendasikan lima produk terbaik. Pengembangan antarmuka menggunakan Flask memudahkan pengguna dalam memasukkan preferensi dan melihat hasil rekomendasi secara interaktif. Hasil evaluasi menunjukkan bahwa metode ini dapat meningkatkan keakuratan dan relevansi rekomendasi, membantu pengguna dalam mengatasi kebingungan saat memilih sunscreen yang tepat, serta meningkatkan kepuasan pengguna. Penelitian ini menyarankan untuk pengembangan lebih lanjut dengan menambahkan variasi produk dan menggabungkan metode lain demi meningkatkan kinerja sistem. Secara keseluruhan, sistem ini memiliki potensi menjadi solusi yang efektif di bidang rekomendasi produk perawatan kulit, terutama sunscreen, dengan menggunakan teknologi machine learning dan analisis teks yang modern.