Teknologi Informasi http://repository.umsu.ac.id/handle/123456789/22036 2026-05-14T11:06:31Z 2026-05-14T11:06:31Z ZUKH, ATIKA HARAHAP http://repository.umsu.ac.id/handle/123456789/30932 2026-05-13T03:46:23Z 2026-01-20T00:00:00Z

Title: Kombinasi BERT dan Random Forest untuk Sistem Rekomendasi Dosen Pembimbing Berdasarkan Analisis Topik dan kata kunci Judul Skiripsi Mahasiswa Authors: ZUKH, ATIKA HARAHAP Abstract: Pemilihan dosen pembimbing skripsi merupakan proses penting dalam penyelesaian studi mahasiswa, namun di banyak perguruan tinggi penentuan pembimbing masih dilakukan secara manual sehingga berpotensi menimbulkan ketidaktepatan antara topik penelitian mahasiswa dan bidang keahlian dosen. Penelitian ini bertujuan mengembangkan sistem rekomendasi dosen pembimbing berbasis analisis semantik judul skripsi menggunakan Bidirectional Encoder Representations from Transformers (BERT) serta algoritma Random Forest. BERT digunakan untuk mengekstraksi fitur semantik dari judul skripsi sehingga menghasilkan representasi vektor berdimensi tinggi yang mampu menangkap konteks dan makna topik secara lebih tepat. Representasi vektor tersebut kemudian diproses menggunakan Random Forest untuk menentukan dosen pembimbing yang relevan sesuai bidang keilmuan dosen yang tersedia pada data latih. Sistem yang dibangun diharapkan dapat membantu proses penentuan pembimbing secara lebih objektif, terstruktur, dan efisien, serta mengurangi ketergantungan pada penunjukan manual yang bersifat subjektif.

2026-01-20T00:00:00Z RIDHO, FATYKHAIA TINAMBUNAN http://repository.umsu.ac.id/handle/123456789/30930 2026-05-13T03:26:10Z 2026-03-13T00:00:00Z

Title: Implementasi Metode Esemble Learning, Decion Tree Dan Gradient Boosting Untuk Prediksi Kebutuhan Suku Cadang (Studi Kasus : Bengkel Auto 252) Authors: RIDHO, FATYKHAIA TINAMBUNAN Abstract: Ketersediaan suku cadang merupakan faktor penting dalam menjaga kelancaran operasional bengkel dan meningkatkan kepuasan pelanggan. Bengkel Auto 252 masih mengelola persediaan berdasarkan perkiraan manual tanpa memanfaatkan analisis data historis penjualan, sehingga berpotensi menyebabkan kekurangan maupun kelebihan stok. Penelitian ini bertujuan untuk mengimplementasikan metode Decision Tree, Gradient Boosting, dan Ensemble Learning dalam memprediksi kebutuhan suku cadang berdasarkan data historis penjualan. Data yang digunakan berasal dari transaksi penjualan suku cadang yang telah melalui tahapan pra-pemrosesan, pembagian data latih dan data uji, serta proses pelatihan model. Evaluasi kinerja model dilakukan menggunakan metrik Mean Absolute Error (MAE) dan Root Mean Squared Error (RMSE). Hasil penelitian menunjukkan bahwa metode Gradient Boosting memberikan performa prediksi yang lebih baik dibandingkan Decision Tree dan Ensemble Learning dalam konteks data Bengkel Auto 252. Dengan demikian, metode tersebut direkomendasikan sebagai model yang paling optimal untuk mendukung pengambilan keputusan pengelolaan stok secara lebih objektif dan berbasis data.

2026-03-13T00:00:00Z LEYDIA, APRISA http://repository.umsu.ac.id/handle/123456789/30929 2026-05-13T03:20:45Z 2026-04-13T00:00:00Z

Title: KLASIFIKASI PENYAKIT BATANG JAGUNG MENGGUNAKAN MOBILENETV3 BERBASIS CITRA LAPANGAN Authors: LEYDIA, APRISA Abstract: Penelitian ini bertujuan “untuk mengembangkan sistem klasifikasi penyakit batang jagung berbasis citra lapangan menggunakan metode Deep Learning dengan arsitektur MobileNetV3-Small.” Klasifikasi dilakukan terhadap tiga kelas, yaitu Bacterial Stalk Rot (BSR), Fusarium Stalk Rot (FSR), dan batang sehat. Dataset dikumpulkan secara langsung dari lahan pertanian dan berjumlah 666 citra, kemudian dilakukan augmentasi sehingga total dataset menjadi 7.663 citra. Tahapan pra-pemrosesan meliputi resize citra menjadi 224×224 piksel, normalisasi, dan augmentasi data. Dataset dipisah menjadi data latih, validasi, dan uji dengan perbandingan 70:15:15. Model MobileNetV3-Small diterapkan menggunakan pendekatan transfer learning dengan penambahan Global Average Pooling, Batch Normalization, Dropout, dan Softmax. Hasil pengujian menunjukkan model memperoleh akurasi yakni 83% disertai skor precision, recall, dan F1-score yang seimbang pada setiap kelas. Hasil tersebut menunjukkan MobileNetV3-Small mampu mengklasifikasikan penyakit batang jagung secara cukup baik dan berpotensi membantu petani dalam deteksi dini penyakit secara otomatis.

2026-04-13T00:00:00Z TANJUNG, ROSLINDA http://repository.umsu.ac.id/handle/123456789/30824 2026-05-11T07:08:06Z 2026-02-16T00:00:00Z

Title: SISTEM PENGENALAN EMOSI PADA PENGGUNA KECANDUAN GAME BERBASIS ANDROID MENGGUNAKAN ALGORITMA FACIAL ACTION CODING SYSTEM (FACS) DENGAN FITUR EKSTRAKSI CITRA Authors: TANJUNG, ROSLINDA Abstract: Kecanduan game online menimbulkan dampak negatif terhadap kesehatan mental dan perilaku sosial pengguna. Penelitian ini bertujuan mengembangkan sistem pengenalan emosi berbasis Android menggunakan Facial Action Coding System (FACS) dengan fitur ekstraksi citra untuk mendeteksi emosi pengguna secara real time. Sistem dibangun dengan memanfaatkan OpenCV untuk deteksi wajah, dlib untuk identifikasi landmark wajah, serta TensorFlow Lite untuk klasifikasi emosi. Pengujian dilakukan melalui black box testing, evaluasi akurasi menggunakan confusion matrix, dan analisis performa sistem. Hasil menunjukkan sistem mampu mengenali emosi dasar seperti marah, frustasi, sedih, dan tidak senang dengan akurasi yang memadai serta berjalan efektif pada perangkat Android. Kesimpulannya, integrasi FACS dengan ekstraksi citra pada aplikasi Android dapat menjadi solusi non-intrusif untuk membantu pengguna mengenali dan mengelola emosi, sekaligus memberikan kontribusi akademis dan praktis dalam bidang kesehatan mental digital.

2026-02-16T00:00:00Z