METHOTIKA : Jurnal Ilmiah Teknik Informatika

Pengelompokan Penduduk Pada Desa Bayu Bagasan Berdasarkan Tingkat Ekonomi Menggunakan Metode Fuzzy C-Means

Wulan Nastasya Siallagan, Harlen Gilbert Simanullang, Arina Prima Silalahi — Tue, 20 Oct 2026 00:00:00 +0700

Ketimpangan dalam penyaluran bantuan sosial dan perencanaan pembangunan menjadi permasalahan utama yang dihadapi desa akibat belum adanya sistem pengelompokan ekonomi yang objektif. Penelitian ini bertujuan untuk mengelompokkan penduduk Desa Bayu Bagasan berdasarkan tingkat ekonomi menggunakan metode Fuzzy C-Means (FCM). Dalam penelitian ini, digunakan lima variabel utama yaitu pendidikan, pekerjaan, jumlah tanggungan, kepemilikan aset, dan pendapatan, dengan jumlah data sebanyak 424 kepala keluarga. Proses pengolahan data dilakukan melalui tahapan preprocessing, perhitungan manual FCM, serta implementasi sistem berbasis python. Selain itu, dilakukan pula pengujian untuk memastikan konsistensi hasil antara perhitungan manual dan sistem komputerisasi. FCM diterapkan untuk mengelompokkan data ke dalam tiga kategori ekonomi: rendah, menengah, dan tinggi. Hasil penelitian menunjukkan bahwa sebanyak 35,14% termasuk dalam kategori ekonomi rendah, 49,53% kategori menengah, dan 15,33% kategori tinggi. Iterasi dilakukan hingga ke-30 untuk mencapai konvergensi fungsi objektif. Proses ini menunjukkan bahwa nilai fungsi objektif semakin menurun hingga diperoleh titik stabil yang menandakan keberhasilan algoritma dalam menemukan pusat cluster optimal. Hasil akhir menunjukkan bahwa metode Fuzzy C-Means mampu mengelompokkan data dengan akurat dan konsisten antara hasil manual dan sistem python. Dengan demikian, penelitian ini tidak hanya memberikan gambaran nyata mengenai kondisi ekonomi masyarakat desa, tetapi juga membuktikan bahwa metode komputasi cerdas dapat diimplementasikan secara praktis. Penelitian ini diharapkan dapat menjadi acuan bagi penelitian selanjutnya dan pengembangan sistem informasi untuk analisis kondisi ekonomi masyarakat secara otomatis, efisien, serta mendukung pengambilan keputusan pemerintah desa.

Klasifikasi Kepuasan Pelanggan Menggunakan Metode C4.5 Pada Cafe Charispin Minkes

Charis Pinem, Surianto Sitepu, Samuel Van Basten Manurung — Tue, 20 Oct 2026 00:00:00 +0700

Kelangsungan dan keberhasilan sebuah bisnis di sektor kuliner sangat bergantung pada tingkat kepuasan konsumen. Sebagai salah satu penggiat di industri ini, Café Charispin Minkes secara konsisten berusaha menyempurnakan standar pelayanan serta mutu sajian mereka demi menjaga kesetiaan pengunjung. Oleh sebab itu, diperlukan sebuah kajian mendalam guna mengenali berbagai elemen yang berdampak pada kepuasan pelanggan tersebut. Riset ini mengimplementasikan algoritma Decision Tree C4.5 dengan tujuan mengelompokkan level kepuasan konsumen yang ditinjau dari mutu pelayanan, sajian makanan, serta minuman. Penggalian data dilakukan dengan menyebarkan angket kepada para pengunjung kafe. Kinerja model klasifikasi yang terbentuk kemudian diukur melalui berbagai parameter pengujian, yakni akurasi, presisi, recall, F1-score, hingga Confusion Matrix. Temuan riset mengindikasikan performa algoritma C4.5 yang sangat mumpuni, dengan tingkat akurasi menyentuh 93,54%, presisi di angka 1,0, recall sebesar 0,6, serta F1-score 0,75. Berdasarkan Confusion Matrix, model ini mampu memprediksi kategori kepuasan dengan tingkat galat yang sangat minim. Lebih lanjut, struktur pohon keputusan memperlihatkan bahwa kualitas pelayanan serta kelengkapan fasilitas menjadi variabel yang paling dominan dalam membentuk kepuasan pengunjung. Kajian ini menyajikan wawasan strategis bagi manajemen Café Charispin Minkes untuk mengenali indikator krusial penentu kepuasan. Melalui hasil ini, pihak pengelola dapat merancang taktik perbaikan kualitas layanan dan menu yang lebih jitu, sehingga mampu mendongkrak pengalaman positif pengunjung secara menyeluruh.

A* Implementasi Algoritma A* Dalam Memilih Rute Pelayanan Makan Bergizi Gratis di Yayasan Karya Indonesia Emas Kecamatan Medan Timur

Jansen Hasiolan Simorangkir, Jimmy Febrianus Naibaho, Mufria Jonathan Purba — Tue, 20 Oct 2026 00:00:00 +0700

Program pemberian makanan bergizi gratis merupakan upaya strategis untuk mendukung pertumbuhan dan perkembangan anak usia sekolah. Yayasan Karya Indonesia Emas di Kabupaten Medan Timur bertugas mendistribusikan makanan bergizi ke 17 sekolah di wilayah tersebut. Penelitian ini bertujuan mengimplementasikan algoritma A* untuk menentukan rute tercepat sebagai sistem rekomendasi distribusi serta mengembangkan aplikasi berbasis web untuk memfasilitasi proses. Data rute distribusi menggunakan Google Maps, dengan bobot berdasarkan jarak antar titik dalam kilometer dan waktu tempuh. Algoritma A* menggabungkan biaya aktual dari titik awal dan perkiraan biaya ke tujuan menggunakan fungsi heuristik jarak Euclidean. Data koordinat dan jarak diperoleh dari layanan pemetaan digital. Sistem aplikasi dikembangkan menggunakan bahasa pemrograman PHP dan basis data MySQL. Dengan menggunakan metode A* dan Nearest Neighbor untuk memberi peringkat rute, rute utama dan rute perbandingan diperoleh sebagai rute optimal.

Implementasi Metode Holt Winters untuk Forecasting Hasil Panen Sawit di PT Aek Na Tio

Exra Manurung, Surianto Sitepu, Imelda Sri Dumayanti — Tue, 20 Oct 2026 00:00:00 +0700

Minyak kelapa sawit adalah komoditas strategis yang memainkan peran besar dalam perekonomian nasional, terutama di Provinsi Riau. PT Aek Na Tio, yang beroperasi di Kabupaten Kandis, mengalami fluktuasi signifikan dalam hasil panennya setiap tahun. Untuk mengatasi masalah ini, penelitian ini menggunakan metode Holt-Winters untuk meramalkan hasil kelapa sawit berdasarkan data historis dari tahun 2019 hingga 2024 yang diperoleh dari PT Aek Na Tio. Proses implementasi melibatkan perataan untuk komponen level, tren, dan periode musiman dengan nilai parameter alpha= 0,0104, betta = 0,0797, dan gamma = 0,7536. Evaluasi model dilakukan menggunakan metode Mean Absolute Percentage Error (MAPE), menghasilkan nilai sebesar 9,65%, yang masuk Masuk dalam kategori Sangat Baik dengan akurasi tinggi mencapai 90,35%. Temuan ini menegaskan bahwa metode Holt-Winters merupakan pendekatan yang sangat powerful dan sangat efektif untuk memodelkan data produksi kelapa sawit. Penelitian ini diharapkan memberikan manfaat bagi perusahaan.

Klasterisasi Makanan Berdasarkan Kandungan Gizi Menggunakan Algoritma K-Medoids

Edward Rajagukguk, Desria Adventina Sinaga, Alfonsus Situmorang — Tue, 20 Oct 2026 00:00:00 +0700

Informasi kandungan gizi makanan pada umumnya disajikan dalam bentuk data numerik tanpa pengelompokan sehingga menyulitkan pembaca mengenali makanan yang memiliki karakteristik gizi serupa. Penelitian ini bertujuan menerapkan algoritma K-Medoids untuk mengelompokkan makanan berdasarkan kemiripan kandungan gizinya, mengevaluasi hasil pengelompokan menggunakan koefisien silhouette, serta menganalisis karakteristik kandungan gizi pada setiap klaster. Data yang digunakan berupa 1.126 data makanan dari platform Kaggle dengan 21 atribut kandungan gizi. Tahapan penelitian meliputi pembersihan dan seleksi data, normalisasi menggunakan Min-Max Scaling, penentuan jumlah klaster optimal berdasarkan koefisien silhouette untuk dua sampai tujuh klaster, penerapan algoritma K-Medoids dengan jarak Euclidean, uji sensitivitas terhadap pemilihan medoid awal, serta interpretasi karakteristik klaster berdasarkan nilai rata-rata atribut pada data asli. Hasil penelitian menunjukkan bahwa jumlah klaster optimal adalah dua dengan koefisien silhouette sebesar 0,3947, yang termasuk kategori struktur lemah. Klaster 0 beranggotakan 807 makanan dan Klaster 1 beranggotakan 319 makanan. Klaster 1 memiliki rata-rata lebih tinggi pada energi, lemak, karbohidrat, serat pangan, serta sebagian besar vitamin dan mineral, sedangkan Klaster 0 memiliki rata-rata lebih tinggi pada kolesterol, vitamin A, dan natrium. Enam nilai random seed yang berbeda menghasilkan medoid akhir, biaya total, dan koefisien silhouette yang sama sehingga hasil pengelompokan tergolong konsisten. Temuan ini menunjukkan bahwa algoritma K-Medoids mampu membentuk dua kelompok makanan dengan karakteristik gizi yang berbeda, meskipun keterpisahan antarklaster masih lemah.

PREDIKSI NILAI ANGGARAN PENDAPATAN DAN BELANJA DAERAH (APBD) PROVINSI SUMATERA UTARA MENGGUNAKAN METODE POLYNOMIAL REGRESSION

Roberto Barutu, Arina Prima Silalahi, Harlen Gilbert Simanullang — Tue, 20 Oct 2026 00:00:00 +0700

Anggaran Pendapatan dan Belanja Daerah (APBD) Provinsi Sumatera Utara mengalami fluktuasi nilai dari tahun ke tahun, sehingga diperlukan suatu metode yang mampu memprediksi nilai APBD di masa mendatang untuk membantu perencanaan anggaran daerah. Penelitian ini bertujuan untuk menerapkan metode Polynomial Regression dalam memprediksi nilai setiap rekening APBD Provinsi Sumatera Utara serta mengevaluasi tingkat akurasinya menggunakan metrik Mean Absolute Percentage Error (MAPE) dan Root Mean Square Error (RMSE). Data yang digunakan adalah data historis APBD bagian pendapatan dan belanja tahun 2005–2025 yang terdiri dari tujuh rekening, yaitu Pendapatan Asli Daerah, Pendapatan Transfer, Lain-Lain Pendapatan yang Sah, Belanja Operasi, Belanja Modal, Belanja Tidak Terduga, dan Belanja Transfer. Data dibagi menjadi data latih (2005–2021) dan data uji (2022–2025). Metode Polynomial Regression diuji pada derajat 1, 2, dan 3, dengan pemilihan model terbaik berdasarkan nilai MAPE terkecil. Hasil penelitian menunjukkan bahwa model terbaik untuk masing-masing rekening bervariasi, dengan Pendapatan Asli Daerah memperoleh model derajat 2 (MAPE 8,23%, RMSE 899,38 miliar Rp), Pendapatan Transfer derajat 1 (MAPE 53,65%), Lain-Lain Pendapatan yang Sah derajat 1 (MAPE 1.609,59%), Belanja Operasi derajat 3 (MAPE 45,91%), Belanja Modal derajat 1 (MAPE 11,79%), Belanja Tidak Terduga derajat 3 (MAPE 33,76%), dan Belanja Transfer derajat 1 (MAPE 8,96%). Proyeksi nilai APBD tahun 2026–2030 menunjukkan kecenderungan peningkatan pada sebagian besar rekening, terutama Pendapatan Asli Daerah yang diproyeksikan meningkat dari 7.890,03 miliar Rp pada tahun 2026 menjadi 8.820,80 miliar Rp pada tahun 2030. Model Polynomial Regression cukup andal untuk rekening dengan pola tren stabil (MAPE < 20%), namun kurang direkomendasikan untuk rekening dengan fluktuasi tinggi.

IMPLEMENTASI PRIVATE DISTRIBUTED LEDGER BERBASIS HASH CHAINING UNTUK TRANSPARANSI RETRIBUSI PARKIR

Grace Anggia Heilinar Manullang, Naikson Fandier Saragih, Asaziduhu Gea — Tue, 20 Oct 2026 00:00:00 +0700

Pengelolaan parkir tepi jalan umum menghadapi risiko ketidaksesuaian pencatatan, manipulasi transaksi, dan lemahnya jejak audit. Penelitian ini mengembangkan purwarupa sistem pembayaran parkir menggunakan permissioned distributed ledger berbasis hash chaining dengan model validasi, audit, dan pemulihan transaksi. Kontribusi utama bukan pada SHA-256 atau replikasi database, melainkan pada integrasi block sealing, validasi lintas-node, deteksi tamper-evident, dan quorum persetujuan tingkat aplikasi untuk pemulihan. VPS 1 membentuk blok, VPS 2 memvalidasi current hash dan previous hash, sedangkan laptop hanya digunakan untuk monitoring. Pada kondisi konflik, ketidaksesuaian hash menghasilkan status TAMPERED dan koreksi hanya dapat disahkan setelah node_primary dan node_backup memenuhi quorum aplikasi. Hasil pengujian menunjukkan blok normal dapat divalidasi dan direplikasi, sedangkan manipulasi langsung terhadap data dapat dideteksi. Penelitian tidak mengklaim penggunaan PBFT, PoA, atau distributed consensus formal; karena itu, arsitektur diposisikan sebagai ledger terdistribusi berizin berbasis hash chaining yang mengadopsi konsep blockchain dan menyediakan mekanisme audit serta pemulihan. Keterbatasan utama adalah jumlah validator yang masih dua dan belum adanya toleransi terhadap Byzantine fault.

IMPLEMENTASI ALGORITMA RANDOM FOREST UNTUK KLASIFIKASI CITRA MEDIS PADA KASUS PENYAKIT FLU SINGAPURA (HFMD)

Tue, 20 Oct 2026 00:00:00 +0700

Flu Singapura atau Hand, Foot, and Mouth Disease (HFMD) merupakan penyakit akibat infeksi virus yang menimbulkan lesi pada kulit di area tangan, kaki, dan mulut. Deteksi dini diperlukan untuk mencegah penyebaran dan mempercepat penanganan. Penelitian ini menerapkan algoritma Random Forest untuk mengklasifikasikan citra lesi HFMD guna meningkatkan akurasi deteksi penyakit. Dataset diperoleh dari platform Kaggle, kemudian melalui tahap preprocessing, ekstraksi fitur dengan Gray Level Co-occurrence Matrix (GLCM), dan klasifikasi menggunakan Random Forest. Data dibagi menjadi 80% untuk pelatihan dan 20% untuk pengujian. Hasil menunjukkan akurasi sebesar 72,00%, dengan precision 75,56%, recall 77,27%, dan F1-score 76,40%. Berdasarkan hasil tersebut, algoritma Random Forest dinilai efektif dalam klasifikasi citra lesi HFMD dan dapat dikembangkan lebih lanjut untuk sistem deteksi dini berbasis kecerdasan buatan.

Kata kunci: HFMD, Flu Singapura, Random Forest, GLCM, klasifikasi citra medis.

Implementasi Metode Moving Average dalam Prediksi Jumlah Mahasiswa Baru di Program Studi pada Universitas Methodist Indonesia

Naikson Fandier Saragih, Maranata Simanjuntak, Arina Prima Silalahi — Tue, 20 Oct 2026 00:00:00 +0700

Penelitian ini bertujuan untuk memprediksi jumlah mahasiswa baru di Universitas Methodist Indonesia menggunakan metode Moving Average. Data yang digunakan merupakan data jumlah mahasiswa baru dari tahun 2015 hingga 2024. Metode Moving Average dipilih karena mampu menghasilkan prediksi berdasarkan rata-rata data pada periode sebelumnya. Hasil penelitian menunjukkan bahwa metode Moving Average dapat digunakan untuk memperkirakan jumlah mahasiswa baru pada periode berikutnya sehingga dapat membantu pihak universitas dalam perencanaan dan pengambilan keputusan. Berdasarkan hasil perhitungan, diperoleh prediksi jumlah mahasiswa baru untuk tahun 2025 sesuai dengan pola data historis yang tersedia.

IMPLEMENTASI METODE HOLT-WINTERS UNTUK PREDIKSI HARGA CRYPTOCURRENCY ETHEREUM

Doly Boan Tua Gurning, Indra Kelana Jaya, Arina Prima Silalahi — Tue, 20 Oct 2026 00:00:00 +0700

Ethereum merupakan cryptocurrency dengan fluktuasi harga tinggi sehingga memerlukan metode prediksi yang akurat untuk mendukung keputusan investasi. Penelitian ini menggunakan metode Holt-Winters berdasarkan data harga historis Ethereum dari Desember 2017 hingga Desember 2024 yang diperoleh dari Yahoo Finance. Proses prediksi dilakukan dengan melakukan pemulusan pada komponen level, tren, dan musiman menggunakan parameter alpha = 0.2153, beta = 0.0009, dan gamma = 0.0542. Hasil penelitian menunjukkan bahwa metode Holt-Winters mampu memodelkan pola pergerakan harga Ethereum secara efektif, dengan memperoleh nilai MAPE sebesar 16,91% atau tingkat akurasi sebesar 83,09%. Dengan demikian, metode ini dapat digunakan sebagai acuan dalam analisis pasar cryptocurrency serta membantu investor dalam meminimalkan risiko akibat fluktuasi harga.

IMPLEMENTASI FUZZY ASSOCIATIVE MEMORY (FAM) DALAM PENENTUAN PEMINATAN MAHASISWA DI FIKOM - UMI

Gian Pernando Purba, Doli Hasibuan, Harlen Gilbert Simanullang — Tue, 20 Oct 2026 00:00:00 +0700

Penentuan peminatan merupakan tahap penting dalam perjalanan akademik mahasiswa, khususnya pada Program Studi Teknik Informatika Fakultas Ilmu Komputer Universitas Methodist Indonesia yang memiliki beberapa pilihan peminatan aktif. Proses ini membutuhkan pertimbangan komprehensif terhadap minat, kemampuan, dan capaian akademik mahasiswa. Namun, penentuan peminatan secara manual seringkali menimbulkan ketidakakuratan akibat subjektivitas dan kompleksitas data. Oleh karena itu, diperlukan sebuah sistem pendukung keputusan yang mampu memberikan rekomendasi secara objektif dan adaptif. Penelitian ini mengimplementasikan metode Fuzzy Associative Memory (FAM) untuk memetakan nilai mata kuliah mahasiswa ke dalam kategori peminatan yang sesuai. Sistem yang dibangun memanfaatkan logika fuzzy untuk mengelola ketidakpastian dan membuat asosiasi berbasis pola nilai akademik. Berdasarkan hasil evaluasi menggunakan confusion matrix, metode FAM menghasilkan akurasi sebesar 67%, dengan performa precision dan recall yang tinggi pada kelas Sistem Cerdas, namun rendah pada kelas Jaringan. Hasil ini menunjukkan bahwa FAM efektif dalam mengenali pola pada peminatan yang dominan, tetapi masih diperlukan peningkatan, terutama pada peminatan dengan distribusi data yang tidak seimbang. Dengan demikian, sistem berbasis FAM dapat menjadi solusi pendukung keputusan yang potensial dalam membantu mahasiswa menentukan peminatan secara lebih tepat, meskipun masih membutuhkan pengembangan lebih lanjut untuk menghasilkan prediksi yang lebih merata dan akurat pada seluruh peminatan

PREDIKSI HASIL PANEN BAWANG MERAH MENGGUNAKAN METODE SUPPORT VECTOR REGRESSION (STUDI KASUS : DINAS PERTANIAN KABUPATEN TAPANULI UTARA)

Aswin Nazaruddin Sinaga, Imelda Sri Dumayanti Sinaga, Doli Hasibuan — Tue, 20 Oct 2026 00:00:00 +0700

Produksi bawang merah merupakan salah satu komoditas hortikultura yang penting dalam sektor pertanian di Indonesia. Ketidakpastian kondisi lingkungan seperti curah hujan, suhu udara, dan kelembapan sering memengaruhi hasil panen sehingga petani membutuhkan sistem prediksi yang dapat membantu dalam perencanaan produksi. Penelitian ini bertujuan untuk memprediksi hasil panen bawang merah di kawasan Food Estate Kabupaten Tapanuli Utara dengan menerapkan metode Support Vector Regression (SVR). Variabel yang digunakan pada penelitian ini mencakup curah hujan, suhu udara, kelembapan udara, dan luas lahan sebagai faktor yang memengaruhi hasil panen. Metode Support Vector Regression dipilih sebab mempunyai kemampuan yang baik dalam memodelkan hubungan non-linear dan menghasilkan prediksi yang akurat pada data berukuran terbatas. Data penelitian diperoleh dari Dinas Pertanian Kabupaten Tapanuli Utara yang kemudian melalui tahap preprocessing, pelatihan model, dan pengujian untuk menghasilkan model prediksi yang optimal. Hasil dari penelitian ini diimplementasikan dalam sebuah sistem berbasis web memakai bahasa pemrograman PHP dengan framework Laravel sebagai backend sehingga mampu memudahkan pengguna dalam mengakses informasi prediksi hasil panen. Hasil penelitian menunjukkan bahwa metode Support Vector Regression dapat digunakan untuk memprediksi hasil panen bawang merah berdasarkan faktor curah hujan, suhu udara, kelembapan udara, dan luas lahan. Sistem prediksi yang dibangun diharapkan dapat membantu petani dan pihak terkait dalam melakukan perencanaan pertanian serta pengambilan keputusan yang lebih tepat guna meningkatkan produktivitas bawang merah di Kabupaten Tapanuli Utara

Analisis Kepuasan Pengguna Aplikasi Gojek Berdasarkan Ulasan Menggunakan SVM

Tue, 20 Oct 2026 00:00:00 +0700

Perkembangan layanan transportasi digital mendorong meningkatnya ulasan pengguna di platform seperti Google Play Store, sehingga diperlukan metode otomatis untuk menganalisis sentimen tersebut. Penelitian ini bertujuan untuk menganalisis sentimen pengguna aplikasi Gojek menggunakan algoritma Support Vector Machine (SVM) berbasis representasi fitur TF-IDF. Dataset yang digunakan berjumlah 12.500 ulasan yang diperoleh dari platform Kaggle, terdiri dari lima kategori sentimen: sangat negatif, negatif, netral, positif, dan sangat positif, masing-masing berjumlah 2.500 data. Tahapan preprocessing yang diterapkan meliputi cleansing, case folding, tokenizing, stopword removal, dan stemming menggunakan bahasa pemrograman Python. Data dibagi dengan rasio 80:20 menggunakan stratified split, menghasilkan 10.000 data latih dan 2.500 data uji. Model SVM dilatih menggunakan kernel linear dengan parameter C=1,0 dan representasi TF-IDF dengan max_features=5.000. Hasil evaluasi menunjukkan akurasi sebesar 51,32%, dengan kelas sangat_positif memperoleh performa terbaik (F1-Score = 0,6908) dan kelas netral memperoleh performa terendah (F1-Score = 0,4283). Hasil ini mengindikasikan bahwa klasifikasi sentimen lima kelas dengan SVM dan TF-IDF masih memiliki keterbatasan dalam membedakan kelas-kelas yang memiliki perbedaan semantik tipis, sehingga diperlukan pengembangan lebih lanjut seperti normalisasi kata tidak baku dan penggunaan metode word embedding.

PENERAPAN METODE WEIGHTED MOVING AVERAGE (WMA) UNTUK PREDIKSI HARGA EMAS DI INDONESIA

Petrus Halawa, Alfonsus Situmorang, Edward Rajagukguk — Tue, 20 Oct 2026 00:00:00 +0700

Dalam kondisi ketidakstabilan ekonomi global serta dinamika pasar keuangan yang semakin kompleks, emas masih menjadi salah satu pilihan investasi utama karena sifatnya yang relatif stabil, tahan terhadap inflasi, serta mampu menjaga nilai aset di tengah ketidakpastian ekonomi. Meskipun demikian, pergerakan harga emas yang dipengaruhi oleh berbagai faktor seperti kurs rupiah, tingkat suku bunga, dan kondisi geopolitik global menuntut adanya metode prediksi yang akurat guna mendukung pengambilan keputusan investasi. Penelitian ini bertujuan untuk mengaplikasikan metode Weighted Moving Average (WMA) dalam melakukan prediksi harga emas dunia per gram dalam satuan rupiah di Indonesia. Metode WMA dipilih karena memiliki keunggulan dalam memberikan bobot lebih besar pada data terbaru, sehingga lebih responsif terhadap perubahan tren dibandingkan metode moving average sederhana. Dalam penelitian ini, bobot yang digunakan adalah 0,5, 0,3, dan 0,2 untuk tiga periode data terakhir. Data yang dianalisis mencakup periode 1 Mei 2022 hingga 1 Mei 2025. Hasil peramalan menunjukkan bahwa nilai prediksi mampu mengikuti pola pergerakan data aktual dengan kecenderungan meningkat secara bertahap, hingga mencapai sekitar Rp1.769.996,2 pada akhir periode pengamatan. Tingkat akurasi model dievaluasi menggunakan Mean Absolute Percentage Error (MAPE) dan menghasilkan nilai sebesar 0,74%, yang berdasarkan klasifikasi umum termasuk dalam kategori sangat baik (excellent).

Ringkasan, Berita Online, Kompas Penggunaan Metode TF-IFD Dalam Menentukan Ringkasan Berita Pada Surat Kabar Kompas

Tue, 20 Oct 2026 00:00:00 +0700

Perkembangan teknologi informasi mendorong perubahan dalam cara masyarakat mengakses berita, di mana media online seperti Kompas menjadi salah satu sumber utama informasi. Namun, narasi yang panjang dan berlebihan dalam penyajian berita seringkali menyulitkan pembaca untuk menangkap inti informasi secara cepat. Untuk mengatasi permasalahan ini, Analisis ini menerapkan metode Term Frequency-Inverse Document Frequency (TF-IDF) dalam merangkum berita online Kompas secara otomatis. Proses text mining yang dilakukan meliputi tokenizing (menghilangkan tanda baca), filtering (menghapus kata-kata tidak penting), dan stemming (mengubah kata ke bentuk dasar), yang kemudian dilanjutkan dengan pemberian bobot kalimat berdasarkan metode TF-IDF untuk menghasilkan ringkasan yang merepresentasikan isi utama berita. Sistem dirancang menggunakan bahasa pemrograman Python sebagai backend dan HTML sebagai frontend, sehingga memudahkan pengguna dalam mengakses dan menggunakan aplikasi peringkasan berita. Hasil pengujian menunjukkan bahwa metode TF-IDF mampu menghasilkan ringkasan dengan rata-rata panjang 53,32% dari teks asli dan waktu pemrosesan rata-rata 0,017 detik. Temuan ini membuktikan bahwa TF-IDF efektif dalam menyederhanakan informasi tanpa mengurangi esensi utama berita. Dengan demikian, metode ini dapat dijadikan solusi yang andal untuk membantu pembaca memperoleh informasi secara ringkas, cepat, dan efisien dalam era digital yang serba cepat saat ini.