S1 Informatics

Permanent URI for this communityhttps://repository.unimerz.ac.id/handle/123456789/107

Browse

Search Results

Now showing 1 - 6 of 6
  • No Thumbnail Available
    Item
    E1A120014
    (PERPUSTAKAAN MEGAREZKY, 2025-08-14) NURUL KAMILAH SYUHRIADI
    Tangisan bayi adalah salah satu bentuk komunikasi utama bayi untuk mengekspresikan kebutuhan atau ketidaknyamanan mereka, seperti rasa lapar, sakit, atau ketidaknyamanan lainnya. Penelitian ini bertujuan untuk merancang dan mengembangkan alat pendeteksi suara tangisan bayi yang digunakan di ruangan bayi RSUD Lapatarai Kabupaten Barru. Alat ini berbasis Arduino dengan menggunakan tipe Arduino Nano ESP32 dan menggunakan sensor suara KY-037 untuk mendeteksi tangisan bayi. Ketika suara tangisan terdeteksi, buzzer akan berbunyi dan pemberitahuan akan dikirimkan ke bot Telegram. Bot ini juga dapat digunakan untuk mengoperasikan alat, termasuk menghidupkan, mematikan, menjeda alat saat bayi ditangani dan melanjutkan pengoperasian alat saat bayi telah ditangani. Setelah beberapa percobaan, nilai threshold sebesar 550 ditentukan sebagai nilai optimal untuk mendeteksi tangisan bayi. Hasil pengujian menunjukkan bahwa alat ini efektif dalam mendeteksi tangisan bayi dan memberikan respons cepat kepada petugas medis. Alat ini diharapkan dapat membantu meningkatkan efisiensi dan responsivitas dalam pemantauan bayi di rumah sakit
  • No Thumbnail Available
    Item
    IMPLEMENTASI ALGORITMA LATENT DIRICHLET ALLOCATION (LDA) UNTUK TOPIK MODELING BERITA TENTANG UNIVERSITAS MEGAREZKY MAKASSAR
    (PERPUSTAKAAN UNIVERSITAS MEGAREZKY, 2025-08-14) NIRMALA SARI
    Berita tentang Universitas Megarezky Makassar mencakup beragam topik yang tidak terbatas, sehingga dalam menghadapi volume berita yang besar menjadi kesulitan tersendiri dalam menentukan topik yang dominan atau trend. Analisis manual tidak hanya memakan waktu dan sumber daya, tetapi rentan terhadap keterbatasan manusia. Algoritma Latent Dirichlet Allocation (LDA) digunakan untuk pemodelan topik modeling. Terdapat beberapa tahapan yang dilakukan mulai dari pengumpulan dataset yang bersumber dari portal atau website berita Universitas Megarezky Makassar, dilanjutkan dengan pre-process data seperti, tokenizing, stopwords, dan stemming untuk mengolah dan membersihkan data, berdasarkan analisis yang dilakukan menggunakan model Latent Dirichlet Allocation (LDA) terdapat 3 topik yang dihasilkan, dari setiap topik mewakili 10 kata. Topik pertama mengasilkan sekitar 58,2% kata, topik kedua mengahasilkan sekitar 26% kata, topik ketiga mengasilkan 15,8% kata sehingga yang menjadi trend topik yaitu topik pertama dengan kata yang paling sering muncul yaitu kata ‘Unimerz’. Penelitian ini diharapkan dapat mempermudah dalam menentukan topik pada berita, terutama pada berita Universitas Megarezky Makassar. Implementasi machine learning dengan algoritma Latent Dirichlet Allocation (LDA) yang nantinya dapat dijadikan acuan dalam membuat berita serta membantu pegawai ataupun staf dalam menentukan topik berita selanjutnya.
  • No Thumbnail Available
    Item
    SISTEM PENDUKUNG KEPUTUSAN PENENTUAN STUNTING MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGTHING (SAW) DI PUSKESMAS TOGO-TOGO KECAMATAN BATANG KABUPATEN JENEPONTO
    (Perpustakaan Megarezky, 2025-08-13) NURFADILA
    Sistem Pendukung Keputusan, Penentuan Stunting, Sistem Berbasis Web Stunting merupakan masalah kesehatan yang serius di Indonesia, terutama di daerah-daerah yang memiliki akses terbatas terhadap pelayanan kesehatan dan nutrisi yang memadai. Penentuan kasus stunting secara tepat dan cepat sangat diperlukan untuk mengambil langkah-langkah pencegahan yang efektif. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem pendukung keputusan (SPK) yang dapat membantu tenaga kesehatan di Puskesmas Togo-Togo, Kecamatan Batang, Kabupaten Jeneponto dalam menentukan prioritas penanganan stunting. Metode yang digunakan dalam penelitian ini adalah Simple Additive Weighting (SAW), yang memungkinkan penilaian multi-kriteria untuk menentukan tingkat prioritas stunting berdasarkan berbagai faktor, seperti usia anak, berat badan, tinggi badan, kondisi lingkungan, dan status gizi. Data yang digunakan dalam penelitian ini dikumpulkan dari rekam medis dan survei lapangan di Puskesmas Togo-Togo. Hasil dari penelitian ini adalah sistem pendukung keputusan berbasis web yang dapat memberikan rekomendasi prioritas penanganan stunting secara akurat. Sistem ini diharapkan dapat membantu tenaga kesehatan dalam pengambilan keputusan yang lebih cepat dan tepat, serta dapat diintegrasikan dengan sistem informasi kesehatan yang sudah ada di Puskesmas Togo-Togo. Penelitian di Puskesmas Togo-Togo Kecamatan Batang Kabupaten Jeneponto menunjukkan bahwa metode Simple Additive Weighting (SAW) efektif dalam menentukan prioritas penanganan stunting. Metode ini memungkinkan penilaian objektif dengan mempertimbangkan berbagai kriteria penting, dan terbukti membantu petugas kesehatan membuat keputusan lebih cepat dan akurat. Implementasi sistem ini di Puskesmas Togo-Togo menunjukkan potensi besar untuk diadaptasi di wilayah lain dengan masalah serupa, dengan rekomendasi adanya pelatihan lanjutan dan pembaruan data secara berkala agar sistem tetap akurat dan efektif.
  • No Thumbnail Available
    Item
    MACHINE LEARNING SISTEM KLASIFIKASI PENERIMA BANTUAN LANGSUNG TUNAI (BLT) DENGAN ALGORITMA NAIVEE BAYES (STUDI KASUS: DESA KAMPIRI, KEC. CITTA, KAB. SOPPENG)
    (UNIVERSITAS MEGAREZKY, 2025-04-26) MUH. FAIZAL RAJIB
    Pemerintah Indonesia memiliki kewajiban untuk membangun kesejahteraan sosial sesuai dengan Pasal 28H ayat (3) UUD 1945. Salah satu upaya pelaksanaan kewajiban ini adalah program Bantuan Langsung Tunai (BLT), yang memberikan uang tunai kepada keluarga miskin. Program ini didukung oleh peraturan yang mewajibkan desa menyelenggarakan BLT dengan alokasi minimal 40% dari dana desa. Tujuan BLT adalah membantu masyarakat miskin memenuhi kebutuhan dasar dan mempercepat pemulihan ekonomi nasional. Namun, proses pendataan calon penerima BLT memakan waktu lama dan berpotensi subjektif. Untuk mengatasi masalah ini, penelitian ini menggunakan pendekatan kuantitatif dan algoritma Naive Bayes untuk mengembangkan sistem klasifikasi penerima BLT di Desa Kampiri, Kab. Soppeng. Hasil penelitian menunjukkan akurasi sebesar 88.89% dengan precision, recall, dan F1-Score masing-masing sekitar 89%. Penelitian ini diharapkan dapat meminimalisir kesalahan dalam penyaluran BLT dan meningkatkan efektivitas dan efisiensi program bantuan sosial di tingkat desa. Sistem klasifikasi berbasis machine learning dengan algoritma Naive Bayes akan membantu Pemerintah Desa Kampiri dalam menentukan calon penerima BLT secara lebih akurat dan efisien, menjadikan bantuan tepat sasaran, dan memperkuat upaya penanggulangan kemiskinan.
  • Collection
    Lecturers and Researchers Paper
  • Collection
    Undergraduate Theses