JIFOSI

IMPLEMENTASI DATA MINING DENGAN METODE K-MEANS CLUSTERING UNTUK PREDIKSI TINGKAT PENGANGGURAN TERBUKA DI JAWA TIMUR

Andini Fitriyah Salsabilah — 2024-12-31

Penelitian ini menganalisis Tingkat Pengangguran Terbuka (TPT) di Provinsi Jawa Timur menggunakan metode K-Means Clustering. Data TPT diperoleh dari Badan Pusat Statistik (BPS) untuk periode 2019-2023, mencakup 38 kabupaten/kota di Jawa Timur. Penelitian ini bertujuan untuk mengelompokkan wilayah berdasarkan tingkat pengangguran guna mendukung pemerintah dan pemangku kepentingan dalam menentukan prioritas penanganan daerah dengan TPT tinggi. Proses analisis menggunakan metodologi SEMMA (Sampling, Exploration, Modification, Modeling, dan Assessment). Penentuan jumlah cluster optimal dilakukan dengan metode Elbow menggunakan Silhouette Score. Hasil pengelompokan menunjukkan distribusi kabupaten/kota ke dalam beberapa klaster berdasarkan tingkat kemiripan TPT. Evaluasi menggunakan Silhouette Score menghasilkan nilai rata-rata sebesar 0,4333 yang mengindikasikan bahwa klaster yang terbentuk memiliki tingkat pemisahan yang cukup baik tetapi masih dapat ditingkatkan. Hasil ini memberikan gambaran awal yang berguna dan dapat digunakan sebagai referensi untuk analisis lanjutan atau pengambilan kebijakan yang lebih tepat sasaran.

Kata kunci: Tingkat Pengangguran Terbuka, Data Mining, K-Means, SEMMA, Silhouette Score

IMPLEMENTASI ALGORITMA REGRESI LINEAR UNTUK MEMPREDIKSI HARGA EMAS

Andini Fitriyah Salsabilah — 2024-12-31

Penelitian ini bertujuan untuk memprediksi harga emas dengan menggunakan beberapa variabel bebas, yaitu kurs silver (SLV), indeks S&P 500 (SPX), kurs pada bursa saham "The United States Oil Fund" (USO), dan kurs nilai Euro (EUR) terhadap dollar Amerika Serikat (USD). Data yang digunakan dalam penelitian ini merupakan data sekunder yang bersumber dari "Gold Price Data" dengan total sebanyak 2290 observasi dan 7 kolom. Metode yang digunakan adalah regresi, yang merupakan teknik untuk membangun model prediktif berdasarkan nilai input yang diberikan. Hasil prediksi dievaluasi berdasarkan nilai Root Mean Square Error (RMSE), di mana nilai yang lebih kecil menunjukkan akurasi yang lebih baik. Hasil penelitian menunjukkan bahwa model single variable memiliki akurasi sebesar 73%, sementara model multi variable memiliki akurasi sebesar 84%. Untuk meningkatkan akurasi prediksi, penelitian ini merekomendasikan penggunaan model prediktif yang lain serta perbaikan dalam pembagian dataset untuk memastikan distribusi yang lebih representatif. Penelitian ini tidak hanya berkontribusi dalam memprediksi harga emas, tetapi juga dalam pengembangan model prediksi yang lebih akurat dengan memanfaatkan variabel ekonomi yang relevan.

Kata Kunci : prediksi harga emas, regresi, kurs silver, indeks S&P 500, RMSE.

DETEKSI UJARAN KEBENCIAN MENGGUNAKAN MULTINOMIAL NAÏVE BAYES UNTUK PUNDIT SEPAKBOLA DI MEDIA SOSIAL X

Dade Reindra — 2024-12-31

Dalam era digital ini, media sosial telah menjadi platform utama bagi masyarakat untuk berbagi pendapat dan informasi. Platform seperti Twitter (sekarang dikenal sebagai Media Sosial X) memungkinkan interaksi yang mudah dan cepat, tetapi juga menghadirkan tantangan berupa penyebaran ujaran kebencian yang berdampak negatif pada individu dan komunitas. Sepak bola, sebagai olahraga populer di Indonesia, memiliki pundit yang memberikan analisis dan komentar, seperti Bung Towel, yang sering menjadi sorotan di media sosial. Komentar dan analisisnya mendapatkan dukungan serta kritik, yang kadang berbentuk ujaran kebencian. Ujaran kebencian adalah tindakan menyebarkan kebencian berdasarkan suku, agama, ras, dan karakteristik lainnya, yang dapat menimbulkan diskriminasi, kekerasan, dan konflik sosial. Tindakan ini sering kali dilakukan melalui media sosial, memperluas jangkauan pesan kebencian dengan cepat dan luas, merusak hubungan antar kelompok dalam masyarakat, menimbulkan ketidakstabilan sosial, dan mengancam perdamaian. Penelitian ini berfokus pada Penerapan Text Mining untuk mendeteksi Ujaran Kebencian menggunakan Metode Naive Bayes terhadap Pundit Sepakbola Indonesia: Studi Kasus Bung Towel di Media Sosial Twitter atau X. Dataset ini diperoleh menggunakan Tweet Harvest pada periode bulan Maret 2024 dan berhasil mengumpulkan 400 data sekaligus melakukan pelabelan secara manual. Kata kunci yang digunakan berkaitan dengan Bung Towel. Penggunaan pembobotan kata TF-IDF dan algoritma Multinomial Naive Bayes dalam mendeteksi ujaran kebencian telah memberikan hasil nilai pengujian berupa akurasi sebesar 86.76%, presisi sebesar 82.93%, recall sebesar 94.44%, dan F1-Score sebesar 88.31%. Hasil pengujian ini membuktikan bahwa sistem dapat mendeteksi tweet yang termasuk ke dalam ujaran kebencian dengan menggunakan metode Naive Bayes.

SISTEM DETEKSI KEBOCORAN GAS LPG (LIQUEFIED PETROLEUM GAS) DAN KEBAKARAN MENGGUNAKAN MQ-2 DAN ESP32 BERBASIS IOT (INTERNET OF THINGS)

Dendy Azmi Kusuma — 2024-12-31

Dalam penelitian ini, peneliti mendesain sebuah sistem untuk mengetahui keberadaan gas dan api di sekitar ruangan memanfaatkan sensor MQ-2 dan juga sensor api. Sistem ini dirancang untuk memperingatkan siapa pun di dapur jika terjadi kebocoran gas dan untuk mengaktifkan pompa air saat sensor api mendeteksi adanya api. Sistem ini dikembangkan mengingat seringnya terjadi kebakaran akibat kebocoran gas di area padat penduduk yang terdiri dari kalangan menengah kebawah dengan keterbatasan finansial, terutama di Jakarta. Pada tahun 2023, di Jakarta, terjadi 205 kejadian kebakaran yang disebabkan oleh kebocoran gas. Sistem ini bekerja dengan cara mengaktifkan alarm buzzer ketika sensor MQ-2 mendeteksi terjadi kebocoran gas yang telah mencapai batas nilai yang sudah ditetapkan. Jika sensor api mendeteksi adanya api yang nilainya juga sudah ditetapkan oleh sistem, maka sistem akan secara otomatis menghidupkan pompa air untuk menyiram air, guna mencegah kebakaran skala besar. Selain itu, sistem ini juga memberikan notifikasi secara real-time melalui aplikasi mobile sehingga dapat meningkatkan keamanan tentang adanya potensi kebocoran gas dan juga kebakaran. Hal ini dapat mengurangi kerugian secara materil dan korban jiwa. Jika terjadi kebocoran gas, pengguna juga dapat mematikan sensor secara langsung menggunakan tombol pada aplikasi. Penelitian ini telah melalui beberapa tahap pengujian untuk memastikan hasil yang diinginkan, dengan proses pengujian yang menunjukkan tingkat akurasi sebesar 100%. Metode yang digunakan dalam penelitian ini menggunakan metode perancangan alat sehingga dapat diimplementasikan dengan cepat. Hasil penelitian menunjukkan bahwa sistem ini mampu memberikan data akurat secara real-time yang memungkinkan pengguna dapat memonitoring secara langsung dan juga mendapatkan notifikasi ketika terjadi kebcoran gas dan juga kebakaran. Sehingga sistem ini diharapkan dapat meningkatkan keamanan dari bahaya kebocoran gas dan juga meminimalisir kerugian secara materil maupun korban jiwa.

PENERAPAN ALGORITMA C4.5 UNTUK KLASIFIKASI PENYAKIT JANTUNG

Riza Satria Putra — 2024-12-31

Penyakit Jantung Koroner (PJK) menjadi salah satu penyebab utama kematian di Indonesia setiap tahunnya. Kurangnya akses informasi kesehatan yang memadai menjadi satu diantara banyaknya faktor penyebabnya, yang berujung pada keterlambatan diagnosis dini. Keterlambatan ini meningkatkan risiko komplikasi serius dan angka kematian akibat PJK. Penelitian ini bertujuan untuk mengembangkan model prediksi berbasis algoritma C4.5, yang membangun pohon keputusan berdasarkan data historis pasien. Algoritma C4.5 dipilih karena kemampuannya dalam mengolah data untuk menghasilkan klasifikasi yang akurat. Evaluasi model dilakukan menggunakan teknik validasi silang (k-fold cross validation) untuk memastikan keandalan hasil. Dalam penelitian ini, 10 skenario pengujian dilakukan, dengan performa terbaik diperoleh pada skenario K=3. Hasil evaluasi menunjukkan akurasi sebesar 0.8941, presisi 0.9000, dan recall 0.9184. Temuan ini menunjukkan bahwa algoritma C4.5 efektif dalam mendukung prediksi awal PJK dengan tingkat akurasi yang tinggi. Model prediksi ini diharapkan dapat membantu dalam mengurangi angka kematian akibat PJK melalui deteksi dini yang lebih baik dan berbasis data.