Communities in DSpace
Select a community to browse its collections.
Recent Submissions
Item type:Item, Perbandingan Kinerja Isolation Forest Dan Local Outlier Factor (Lof) Untuk Deteksi Anomali Transaksi Keuangan: Studi Kasus Lhp Lkpp(Universitas Lancang Kuning, 2026)Bimby, Novia PutriPengelolaan keuangan negara yang transparan dan akuntabel memerlukan mekanisme pengawasan yang efektif, terutama di tengah meningkatnya volume dan kompleksitas transaksi keuangan pemerintah pusat. Kondisi ini mendorong penerapan metode deteksi anomali berbasis Unsupervised learning. Penelitian ini membandingkan kinerja algoritma Isolation Forest (IF) dan Local Outlier Factor (LOF) dalam mendeteksi anomali transaksi keuangan pemerintah pusat menggunakan studi kasus LHP LKPP tahun 2023 dan 2024. Data direkonstruksi dari dokumen LHP LKPP menjadi dataset terstruktur, kemudian melalui tahapan pembersihan data, rekayasa fitur audit-aware, encoding, normalisasi, dan reduksi dimensi menggunakan TruncatedSVD. Evaluasi dilakukan menggunakan metrik AUC-ROC, Recall, dan efisiensi waktu komputasi. Hasil menunjukkan bahwa Isolation Forest lebih unggul dalam efisiensi dan stabilitas pada data berskala besar dan tidak seimbang, sedangkan Local Outlier Factor lebih sensitif terhadap anomali lokal namun bergantung pada pemilihan parameter dan memiliki beban komputasi lebih tinggi. Penelitian ini memberikan evaluasi kontekstual penerapan deteksi anomali pada audit keuangan pemerintah Indonesia dan mendukung pengembangan sistem pendukung keputusan audit.Item type:Item, Pemanfaatan Algoritma Round Robin Pada Sistem Informasi Logbook Untuk Optimalisasi Monitoring Laboratorium Fasilkom Universitas Lancang Kuning(Universitas Lancang Kuning, 2025)Khamal, MuharfanPerkembangan teknologi mendorong transformasi digital di berbagai sektor, termasuk pengelolaan laboratorium pendidikan. Laboratorium Fakultas Ilmu Komputer Universitas Lancang Kuning masih menggunakan metode konvensional, seperti pencatatan manual dan pengolah kata sederhana, yang menyebabkan kesulitan dalam memantau penggunaan laboratorium, keterlambatan pelaporan kerusakan, serta ketidakefisienan pengelolaan data. Penelitian ini bertujuan untuk merancang Sistem Informasi Logbook berbasis digital guna mendukung monitoring dan manajemen laboratorium secara terintegrasi. Sistem ini dirancang dengan fitur utama yaitu pencatatan penggunaan laboratorium untuk kegiatan akademik maupun non-akademik, pelaporan kerusakan, serta penjadwalan kegiatan menggunakan algoritma Round Robin. Algoritma ini mengatur proses penjadwalan secara terstruktur dengan pembagian waktu eksekusi yang adil berdasarkan quantum time. Hasil penelitian diharapkan mampu meningkatkan produktifitas dan efisiensi pengelolaan laboratorium, mempercepat pelaporan kerusakan, meminimalisir kesalahan pencatatan, serta menyediakan transparansi penggunaan sumber daya.Item type:Item, Optimasi Backup Database Postgresql Menggunakan Crontab Berbasis Linux Dengan Metode Time Based Scheduling Pada Ruas Jalan Tol(Universitas Lancang Kuning, 2026)Revaldo, MuhammadData transaksi merupakan aset vital dalam pengelolaan operasional jalan tol karena menjadi dasar perhitungan pendapatan, rekonsiliasi keuangan, dan pelaporan operasional. Pada Ruas Jalan Tol Regional Sumatera, proses backup database PostgreSQL sebelumnya masih dilakukan secara manual sehingga menimbulkan ketergantungan terhadap operator, risiko human error, serta potensi kehilangan data apabila terjadi gangguan sistem. Penelitian ini bertujuan untuk mengoptimasi backup database PostgreSQL menggunakan Crontab berbasis Linux dengan metode time based scheduling pada Ruas Jalan Tol Regional Sumatera. Metode penelitian yang digunakan adalah metode eksperimental yang meliputi analisis permasalahan, perancangan sistem, implementasi script backup menggunakan bahasa pemrograman Python, konfigurasi penjadwalan menggunakan Crontab pada sistem operasi Linux, serta pengujian sistem menggunakan metode black box testing. Implementasi sistem dilakukan pada empat ruas jalan tol Regional Sumatera. Hasil penelitian menunjukkan bahwa penerapan Crontab berbasis Linux dengan metode time based scheduling mampu menjalankan proses backup database PostgreSQL secara otomatis sesuai jadwal, menghasilkan file backup dengan format dan penamaan terstandarisasi, menyimpan file pada direktori yang telah ditentukan, mencatat aktivitas backup melalui mekanisme logging, serta meningkatkan efisiensi penyimpanan melalui kompresi file. Berdasarkan hasil pengujian, seluruh fungsi sistem dinyatakan berjalan sesuai spesifikasi dan memenuhi kebutuhan operasional.Item type:Item, Optimasi Algoritma Support Vector Machine Dengan Hyperparameter Tuning Untuk Analisis Sentimen Adopsi Kendaraan Listrik(Universitas Lancang Kuning, 2026)Jais, MuhammadAdopsi kendaraan listrik di Indonesia merupakan langkah strategis pemerintah untuk mengurangi emisi gas rumah kaca, namun transisi ini memicu polarisasi opini publik di media sosial X. Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap kendaraan listrik dengan mengoptimalkan algoritma Support Vector Machine (SVM) melalui teknik hyperparameter tuning guna memperoleh akurasi klasifikasi yang maksimal. Metode penelitian diawali dengan pengumpulan 3.888 tweet melalui web scraping, yang kemudian diproses melalui tahapan preprocessing meliputi cleaning, case folding, tokenizing, stopword removal, dan stemming. Data diolah menggunakan pembobotan fitur TF-IDF dan dibagi menjadi 80% data latih serta 20% data uji. Optimasi dilakukan dengan metode Grid Search untuk menemukan kombinasi parameter terbaik pada kernel, nilai C, dan gamma. Hasil penelitian menunjukkan bahwa algoritma SVM mampu mengklasifikasikan sentimen masyarakat dengan tingkat akurasi tertinggi mencapai 80,00%. Analisis data mengungkapkan terdapat 910 data sentimen negatif dan 762 data sentimen positif, yang mencerminkan adanya tantangan sekaligus optimisme masyarakat terhadap aspek lingkungan dan infrastruktur pendukung seperti stasiun pengisian daya. Penerapan hyperparameter tuning terbukti berhasil meningkatkan performa model dibandingkan parameter standar yang menghasilkan akurasi 80,30%, sekaligus memberikan landasan ilmiah mengenai batas maksimal performa model dalam menangani data teks opini kendaraan listrik. Penelitian ini berkontribusi bagi pembuat kebijakan dalam memahami persepsi publik guna mendukung percepatan ekosistem kendaraan listrik di Indonesia secara efektif. Berdasarkan hasil evaluasi, model SVM terbukti cukup reliabel dalam melakukan kategorisasi sentimen otomatis pada data media sosial yang bersifat tidak terstruktur.Item type:Item, Klasifikasi Penyakit Jantung Menggunakan Metode Naive Bayes Classifier(Universitas Lancang Kuning, 2026)Heriyan, MuhammadPenyakit jantung merupakan salah satu penyebab utama kematian di dunia dan sering kali sulit terdeteksi pada tahap awal karena gejala yang tidak spesifik. Proses diagnosis secara konvensional membutuhkan biaya tinggi serta keterbatasan tenaga medis, sehingga diperlukan pendekatan alternatif berbasis teknologi. Penelitian ini bertujuan untuk membangun model klasifikasi penyakit jantung menggunakan metode Naïve Bayes Classifier dengan memanfaatkan dataset publik dari Kaggle yang telah divalidasi oleh dokter. Data yang digunakan terdiri dari 916 data pasien dengan atribut medis seperti usia, jenis kelamin, tekanan darah, kolesterol, detak jantung maksimum, exercise angina, dan ST slope. Hasil penelitian menunjukkan bahwa metode Naïve Bayes Classifier mampu mengklasifikasikan penyakit jantung dengan tingkat akurasi yang baik serta memberikan hasil yang efisien dan mudah diinterpretasikan. Penelitian ini diharapkan dapat menjadi referensi dalam pengembangan sistem pendukung keputusan di bidang kesehatan, khususnya untuk deteksi dan klasifikasi penyakit jantung.