SINTECH (Science and Information Technology) Journal

Estimasi Waktu Pengembangan Dengan Simple Function Point Menggunakan Metode Berbasis Ensemble

Eri Hutama — 2024-12-31

Pengembangan proyek perangkat lunak sangat bergantung pada perencanaan estimasi waktu dan biaya agar membantu pengembang mengurangi terlambatnya delivery software, meningkatkan kepuasan pelanggan, memungkinkan organisasi untuk mengalokasikan sumber daya secara efisien, mengurangi biaya dan mengoptimalkan proses pengembangan. Untuk mengatasi permasalahan tersebut diperlukan prediksi waktu pengembangan perangkat lunak yang cepat dan efisien serta memberikan hasil prediksi terbaik. Penelitian ini membandingkan metode machine learning Ada Boost Regressor, Support Vector Regression, Random Forest Regression dan Ensemble Method dengan data yang diambil dari proyek scrum pada salah satu instansi. Hasil penggunaan machine learning berbasis metode ensemble dengan penambahan fitur simple function point (SiFP) memberikan hasil terbaik dengan nilai RMSE dataset dengan SiFP 0.0714 dan tanpa SiFP 0.0819, nilai MSE dataset dengan SiFP 0.0051 dan tanpa SiFP 0.0067, nilai MAE dataset dengan SiFP 0.0589 dan tanpa SiFP 0.0674 sedangkan nilai R2 dataset dengan SiFP 0.7698 dan tanpa SiFP 0.6964. Dari hasil tersebut disimpulkan model machine learning ensemble methods dengan penambahan fitur SiFP meningkatkan estimasi waktu pengembangan pada proyek scrum.

Identifikasi Varietas Kayu Menggunakan Radially Average Power Spectrum Value Dan Orde Satu

Arya Mandiri — 2024-12-31

Kayu merupakan material yang banyak dimanfaatkan dalam berbagai aspek kehidupan sehari-hari untuk kebutuhan manusia. Pengelompokan varietas kayu didasarkan beberapa parameter, diantaranya adalah sifat dan ciri-ciri struktur kayu. Kapasitas para ahli kayu untuk mengidentifikasi varietas kayu secara visual sering kali tidak akurat. Untuk mengatasi masalah ini, teknologi digunakan dalam bidang pengolahan citra digital untuk menganalisa tekstur kayu, untuk dapat mengklasifikasikannya ke dalam kelas-kelas tertentu. Penelitian ini mengusulkan penerapan cara ekstraksi atribut pada citra digital dengan menggunakan teknologi pengolahan citra digital menggunakan metode radially average power spectrum value (RAPSV) dan orde satu, yang membuat pengukuran nilai parameter untuk mengekstrak fitur dari tekstur kayu. Hasil dari parameter radially average power spectrum value (RAPSV) dan orde satu, digunakan sebagai data untuk klasifikasi varietas kayu menggunakan metode support vektor machine (SVM). Penelitian ini menggunakan 4.200 citra dengan resolusi 1000x1000 piksel. Citra dibagi dalam data latih dan data uji menggunakan 10-fold validation. Pembandingan hasil diakukan dengan memproses citra dengan tahap perbaikani citra dan yang tidak menggunakan tahap perbaikan serta mengetahui efek dari ekstraksi fitur RAPSV. Penelitian ini menunjukkan bahwa tahap baikan citra dapat memberikan kenaikan akurasi sebesar 1% sedangkan penambahan fitur RAPSV memberikan kontribusi kenaikan akurasi sebesar 18% terhadap ekstraksi fitur orde satu.

Analisis Persepsi Masyarakat Terhadap Lelang Indonesia Melalui Analisis n-gram dan Sentimen

Hanif Noer Rofiq — 2024-12-31

Lelang Indonesia merupakan layanan publik yang diberikan oleh Kementerian Keuangan c.q. Kantor Pelayanan Kekayaan Negara dan Lelang. Di usia Lelang Indonesia yang ke-116 di tahun 2024, terdapat kebutuhan untuk terus bertransformasi dalam memberikan pelayanan yang lebih baik. Salah satu cara untuk memperbaiki pelayanan tersebut adalah melalui analisis terhadap opini masyarakat mengenai Lelang Indonesia di media sosial. Dengan demikian, penelitian ini bertujuan untuk memberikan saran dan/atau masukan bagi penyelenggaraan Lelang Indonesia. Untuk mencapai tujuan tersebut, dilakukan analisis n-gram untuk menggali topik terkait Lelang Indonesia yang menjadi perhatian masyarakat serta analisis sentimen untuk mengetahui perspektif masyarakat pada Lelang Indonesia. Data yang digunakan berasal dari 7.473 komentar yang dikumpulkan antara Juni hingga Agustus 2024 dari postingan Instagram yang membahas Lelang Indonesia. Hasil analisis n-gram, yang berfokus pada bigram dan trigram, mengungkapkan bahwa topik utama yang dibicarakan oleh publik terkait Lelang Indonesia adalah orang dalam. Sementara itu, hasil analisis sentimen yang dilakukan oleh model dalam penelitian ini, dengan akurasi 94%, precision 92%, recall 91%, dan F1-score 91%, menunjukkan 45.98% sentimen negatif, 28.29% sentimen positif, dan 25.73% sentimen netral pada Lelang Indonesia. Oleh karena itu, terdapat kebutuhan mendesak bagi penyelenggara Lelang Indonesia untuk memperbaiki persepsi publik dan meningkatkan citra lelang di mata masyarakat.

Klasifikasi Jenis Penyakit Tanaman Cabai Menggunakan Arsitektur DenseNet201

Naninda Uswatun Khasanah — 2024-12-31

Tanaman cabai merupakan komoditas penting di Indonesia dengan nilai ekonomi yang signifikan. Namun, produksi cabai sering kali terganggu oleh berbagai penyakit yang dapat menurunkan hasil panen dan menyebabkan kerugian ekonomi bagi petani. Penelitian ini mengusulkan pendekatan baru dalam bentuk sistem klasifikasi otomatis penyakit cabai menggunakan arsitektur DenseNet201 yang pertama kali diterapkan pada sektor agrikultur di Indonesia, menawarkan peningkatan akurasi deteksi dibanding metode klasifikasi tradisional. Dataset yang digunakan diperoleh dari platform Kaggle dengan nama "Chili Plant Disease", terdiri dari 500 citra yang dikelompokkan ke dalam lima kelas: healthy, leaf curl, leaf spot, whitefly, dan yellowish. Model dilatih menggunakan optimizer Adam dan fungsi loss sparse_categorical_crossentropy. Hasil pelatihan menunjukkan bahwa model mencapai akurasi tertinggi sebesar 90% pada epoch ke-150 dengan nilai loss terendah 0.0426. Pada pengujian dengan data uji, model mencapai akurasi sebesar 84%. Sistem klasifikasi ini diharapkan dapat membantu petani mendeteksi penyakit secara cepat dan akurat, memungkinkan tindakan pencegahan yang lebih efektif serta meningkatkan produktivitas dan kualitas hasil panen cabai di Indonesia.

Perbandingan Prediksi Depresi Mahasiswa dengan Linear Regression, Random Forest, dan Gradient Boosting

Ainindzi Nur Meiza Pudjianto — 2024-12-31

Depresi pada mahasiswa menjadi perhatian penting di kalangan pendidikan tinggi karena dapat memengaruhi performa akademik dan kesejahteraan. Tekanan akademis pada mata kuliah yang menantang, seperti Algoritma dan Struktur Data, sering memicu stres dan kecemasan yang dapat berkembang menjadi depresi. Penelitian ini bertujuan untuk menganalisis hubungan antara skor kecemasan dan stres terhadap tingkat depresi menggunakan data 206 mahasiswa Teknik Informatika S1 Universitas Dian Nuswantoro yang dikumpulkan melalui kuesioner DASS-21. Penelitian ini bertujuan untuk mengaplikasikan tiga model prediksi yaitu Multiple Linear Regression, Random Forest Regressor, dan Gradient Boosting Regression untuk memprediksi tingkat depresi berdasarkan skor kecemasan dan stres meggunakan kuesioner DASS-21. . Tiga model prediksi, yaitu Multiple Linear Regression, Random Forest Regressor, dan Gradient Boosting Regression, digunakan untuk mengevaluasi performa prediksi tingkat depresi berdasarkan skor kecemasan dan stres. Gradient Boosting Regression menunjukkan performa terbaik dengan MAE sebesar 4,363 dan RMSE sebesar 5,396. Penelitian ini juga melakukan eksplorasi tambahan berdasarkan angkatan, jenis kelamin, dan status tinggal mahasiswa untuk memberikan pemahaman yang lebih komprehensif. Hasil analisis divisualisasikan melalui aplikasi interaktif berbasis Streamlit untuk mempermudah eksplorasi data.

Hangul Character Recognition of A New Hangul Dataset with Vision Transformers Model

Aurelia Shana — 2024-12-31

This study aims to develop a Vision Transformers (ViT) model for recognizing Korean characters (Hangeul) in response to the growing interest in learning the Korean language and Korean culture in Indonesia. The research methodology involves training the ViT model using a comprehensive dataset of 29,636 base Korean characters. The ViT model has achieved a significant level of accuracy with the score of 93% in recognizing base Korean characters. By integrating deep learning, this study is expected to make a positive contribution to the development of language learning tools for Korean character recognition, unlocking its potential for applications and systems based on the Korean language.