Generation Journal

Perbandingan Pewarnaan Graf Dengan Algoritma Welch Powell dan Algoritma Tabu Search Dalam Penjadwalan Seminar Proposal

Rizky Anggraini, Nalsa Cintya Resti, Nur Fadilatul Ilmiyah — Tue, 06 Aug 2024 00:00:00 +0700

Penelitian ini bertujuan untuk menemukan penyelesaian dan penerapan Algoritma Welch Powell dan Algoritma Tabu Search dalam menentukan jadwal seminar proposal. Penelitian ini merupakan penelitian deskriptif dengan pendekatan kuantitatif. Teknik pengumpulan data menggunakan wawancara dan telaah dokumen. Kedua algoritma menghasilkan simulasi penjadwalan yang berbeda. Perbedaan hasil ini ditunjukkan oleh jumlah bilangan kromatik yang didapatkan pada bulan November. Melalui Algoritma Welch Powell, bilangan kromatik yang dihasilkan adalah 26, sedangkan melalui Algoritma Tabu Search menghasilkan bilangan kromatik lebih minimum yakni 22. Sementara itu dari hasil percobaan, Algoritma Welch Powell lebih unggul karena mudah diimplementasikan dan menghasilkan konflik lebih sedikit. Berdasarkan hasil uji keakuratan menggunakan Software Microsoft Excel, simulasi penjadwalan menunjukkan bahwa tidak ditemukan dosen yang menguji diwaktu yang sama. Artinya hasil implementasi Algoritma Welch Powell dan Algoritma Tabu Search terbukti valid dan tidak ada jadwal yang bentrok.

Implementasi Algoritma K-means Clustering pada Pengelompokan Data Kepuasan Penggunaan E-learning

MGhofar Rohman, Kurnia Yahya, Purnomo Hadi Susilo — Tue, 06 Aug 2024 00:00:00 +0700

– Selama pandemic covid-19 kegiatan pembelajaran di perguruan tinggi mengalami perubahan, dari yang pembelajaran secara langsung yang dilaksanakan di kelas menjadi pembelajaran secara daring dengan memanfatkan koneksi internet (pembelajaran daring). Selama kegiatan pembelajaran dilakukan secara daring banyak sekali pro dan kontra pada pelaksaan kegiatan dilapangan, sehingga perlu dilakukan penggelompokan mengenai kepuasan mahasiswa pada pelaksaan pembelajaran daring. Tujuan pada penelitian ini adalah untuk melakukan pengelompokan data kepuasan mahasiswa pada pembelajaran daring dengan menggunakan metode k-means. Data yang digunakan dalam penelitian ini adalah data yang dihasilakan dari sebaran angket/kuisioner kepada 185 mahasiswa fakultas Teknik. Pada penelitian ini, penerapan metode K-Means klastering pada aplikasi yang dibuat pada matlab dengan menggunakan 3 klaster. Penelitian ini menggunakan data sebanyak 185 data yang didapatkan dari mahasiwa fakultas teknik Universitas Islam Lamongan. Dari hasil perhitungan aplikasi matlab diperoleh keanggotaan pada klaster adalah sebagai berikut: klaster 1 dengan anggota sebanyak 80 data mahasiswa, klaster 2 beranggotakan sebanyak 23 data mahasiswa dan pada klaster 3 dengan anggota sejumlah 82 data mahasiswa.

Penentuan Barang Terpopuler Menggunakan Algoritma Frequent Patern Growth (FP-Growth) Pada Data Transaksi Penjualan Odeliz.ID

Abidah Wafiyah Ramadhaniah Afandi, Miftahur Rahman, Wiwik Suharso — Wed, 11 Sep 2024 00:00:00 +0700

Odeliz.ID menjadi salah satu thriftshop yang ikut bersaing dalam dunia bisnis fashion dan menjual berbagai jenis rok kedalam empat kategori yaitu, premium, basic, semibasic, dan sale. Untuk menemukan barang terpopuler yang dibeli konsumen, digunakan algoritma frequent patern growth untuk menganalisis barang terpopuler dari data transaksi penjualan Odeliz.Id. Nilai support dan confidence digunakan sebagai ukuran analisis data. Rok dengan kategori B atau basic memiliki nilai support tertinggi sebesar 0.52 atau 52%, yang berarti kategori ini menjadi rok yang paling populer dikalangan pembeli. Pembeli yang membeli rok dengan kategori P atau premium bersamaan dengan kategori B atau basic memiliki nilai support dan confidence tertinggi sebesar 10.8% dan 21.9%. Rok dengan kategori premium dan basic paling sering dibeli secara bersamaan karena memiliki nilai support dan confidence tertinggi sebesar 10.8% dan 21.9%, hal ini bisa menjadi saran untuk promosi produk dengan cara membundling harga yang mengandung dua kategori rok ini. Penerapan algoritma FP-Growth berhasil dalam mengidentifikasi pola-pola frekuensi tinggi dalam data transaksi penjualan Odeliz.ID. Frequent itemset yang didapat atau barang barang yang sering dibeli secara bersamaan adalah barang dengan kategori premium dan basic, premium dan semibasic, basic dan semibasic.Nilai support mengindikasikan seberapa sering suatu produk dibeli dan nilai confidence mengukur seberapa sering barang yang dibeli secara bersamaan dalam suatu transaksi.

Klasifikasi Citra Aksara Lontara menggunakan K-NN dan Ekstraksi Fitur HOG

Rayhan Saneval Arhinza, Anggraini Puspita Sari, Fawwaz Ali Akbar — Wed, 11 Sep 2024 00:00:00 +0700

Indonesia boasts a diverse cultural heritage, one of which is the regional languages that possess unique scripts across the archipelago. An example of this is the Lontara script, used by the Bugis and Makassar communities. The Lontara script is one of the scripts in Indonesia that is endangered due to the passage of time. The K-Nearest Neighbors (K-NN) algorithm can be a tool used to recognize patterns in the Lontara script. The principle of K-NN is quite simple, namely matching the similarity of new data with the nearest test data. In this research, K-NN is used for classification and Histogram of Oriented Gradients (HOG) for feature extraction. Based on the research conducted using a testing scheme with an image size of 32×32 pixels, a dataset split of 90:10, and a k-value of 5, an accuracy result of 0.8525 was obtained.

Penerapan Logika Fuzzy Mamdani dalam Sistem Penyiraman Cerdas untuk Pertanian

Bagas Muttaqi, Nurchim Nurchim, Pipin Widya Ningsih — Sun, 22 Sep 2024 00:00:00 +0700

Penyiraman merupakan bagian penting dalam pertumbuhan tanaman terutama dalam proses fotosintesis. Seiring dengan perubahan iklim yang mengalami ketidakpastian cuaca, proses penyiraman tanaman perlu perhatian khusus. Penelitian ini bertujuan menyediakan sistem penyiraman otomatis berbasis Internet of Things (IoT) dengan pendekatan fuzzy Mamdani. Metode penelitian ini memiliki beberapa tahapan yaitu : Analisa Kebutuhan, Perancangan Alat, Implementasi Fuzzy dan Uji Coba. Sistem penyiraman yang dibuat melibatkan penggunaan sensor Soil Moisture YL-69 untuk mendeteksi kelembaban tanah dan sensor DHT11 untuk mengukur suhu udara. Data yang diperoleh kemudian diproses melalui tahapan fuzzifikasi, rule base, inferensi, dan defuzzifikasi dalam sistem berbasis mikrokontroler ESP32. Output yang dihasilkan menentukan durasi penyiraman yang diperlukan, kemudian diimplementasikan melalui relay yang mengaktifkan pompa penyiraman. Hasil penelitian menunjukkan bahwa sistem penyiraman otomatis ini dapat bekerja sesuai dengan harapan untuk mengatasi permasalahan. Nilai akurasi dari sistem penyiraman ini sebesar 91,6%.

Implementasi Algoritma C.45 dalam Klasifikasi Kondisi Ekonomi Warga Kabupaten Boyolali

Andhi Prasetyo, Ari Wahyono — Sun, 22 Sep 2024 00:00:00 +0700

The economic impact following the Covid-19 pandemic has been felt by various countries. The Indonesian government is implementing economic recovery and providing social assistance based on economic conditions, but there are still residents who do not receive assistance but deserve help. The Sumbung Village Government is trying to anticipate by looking for indicators that influence economic conditions.The research was carried out using the Data Mining classification method. uses the C4.5 Algorithm because it produces decision tree visualizations that are easy to understand. The data used is Boyolali MCD data for Sumbung Village, Cepogo District. As a result of the analysis of 21 attributes, 8 criteria with the highest weight for indicators of economic conditions. The accuracy reached 94.47%, higher than Naïve Bayes (93.28%) and K-NN (91.70%), making it suitable for classifying the economic conditions of Boyolali Regency residents, especially Sumbung Village.