OpenALPR adalah sebuah pustaka berlisensi opensource yang dapat digunakan untuk mengidentifikasi jenis plat nomor kendaraan di berbagai wilayah dan negara secara otomatis. Pustaka ini tidak hanya mampu menganalisis objek citra diam plat nomor kendaraan, tetapi juga mampu menganalisis objek citra bergerak/video secara real-time dari plat nomor kendaraan.  Penelitian ini mengusulkan untuk dilakukan pengukuran sampai sejauh mana kinerja pustaka OpenALPR dalam merekognisi citra real-time plat nomor kendaraan Indonesia berdasarkan akurasi dan jarak. Berdasarkan hasil uji coba terhadap pengambilan data primer citra real-time kendaraan bermotor roda dua sebanyak 30 data, diperoleh bahwa rata-rata hasil akurasi OpenALPR untuk mengubah citra real-time ke dalam data string plat nomor sebesar 73,3%, sedangkan rata-rata jarak kamera standar dalam melakukan screenshoot ke data citra plat nomor sebesar 87,8 cm. Hasil simulasi menunjukkan bahwa pustaka OpenALPR akurat dan efektif digunakan sebagai analisis pra-processing objek citra real-time plat nomor kendaraan, sebelum masuk ketahapan klasifikasi dan pengolahan informasi lebih lanjut.

Dalam menjalankan fungsinya sebagai pengelola dan pengawas hutan, pegawai UPT KPH KTT dituntut untuk selalu memiliki mobilitas yang tinggi. Akan tetapi, mobilitas ini akan terganggu ketika manajemen pegawai dan kearsipan di UPT KPH KTT masih belum berjalan secara optimal. Apalagi jika manajemen pegawai dan kearsipan surat-menyurat masih dilakukan secara manual, maka berakibat penyampaian surat masuk maupun penerbitan surat tugas seringkali menjadi terhambat. Selain itu, surat yang direkap secara manual, akan menyulitkan administrasi surat dalam melakukan pencarian arsip surat yang dibutuhkan. Berdasarkan permasalahan tersebut, maka penelitian ini mengusulkan untuk mengembangkan SIM-KSM (Sistem Informasi Manajemen dan Kearsipan Surat Menyurat) berbasis framework MVC (model-view-controller) CodeIgniter untuk UPT KPH KTT. Perancangan dalam pembuatan aplikasi ini menggunakan metode SDLC (Software Development Life Cycle) dan diuji dengan pengujian kompabilitas, black-box, dan usabilitas untuk beberapa sampel responden. Hasil pengujian kompabilitas menunjukkan bahwa aplikasi ini dapat diakses pada berbagai jenis web browser pada PC/Laptop/smartphone. Hasil pengujian black-box menunjukkan bahwa alur kerja aplikasi bernilai valid untuk seluruh proses bisnis yang dirancang. Hasil pengujian usabilitas menunjukkan bahwa aplikasi ini berada pada kisaran grade B dengan nilai 81,2. Hasil ini menyimpulkan bahwa antarmuka dan proses bisnis pada aplikasi ini dapat bekerja dengan baik dan dapat digunakan oleh pengguna dengan mudah.

Forecasting short-term electrical load is very important so that the quality of the electrical power supplied can be maintained properly. The study was conducted to measure the results of electrical load forecasting based on parameter estimates and the presentation of time series data. It is important to manage stationary data, both in terms of mean and variance. Data presentation is done by determining the value of variance through the Box-Cox transformation method and the mean value based on the ACF and PACF plots. This study considers the pattern of electricity consumption which contains double seasonal patterns. The results of previous studies show the electric power prediction model, the DSARIMA model  with a MAPE of 2.06%. The condition of the model used to predict the electrical load still has a tendency not to be normally distributed and it is estimated that there are outliers. Improvements to the AR and MA parameters that meet the standard error tolerance value of 5 percent are increased in this study. The results showed improvement of parameters to predict electrical load with DSARIMA model. The significance of this study was obtained by the MAPE value of 1.56 percent when compared to the actual data.

Salah satu wujud nyata Pemerintah Kabupaten Tana Tidung dalam mengelola program kerjanya secara transparan dan akuntabel adalah melalui proses monitoring dan evaluasi (monev) secara komprehensif dan berkala. Hanya saja selama ini proses monev masih dilakukan secara manual dengan beberapa kelemahan, seperti format laporan yang tidak seragam, keterlambatan proses penyampaian laporan untuk SKPD yang jauh, terjadinya kesalahan input dalam laporan karena data tercecer, dan tidak adanya kontrol monitoring progress realisasi anggaran per triwulan secara efektif dan efisien. Oleh karena itu, penelitian ini mengusulkan untuk mengembangkan Simdalev (Sistem Informasi Manajemen Pengendalian dan Evaluasi Pembangunan Daerah) Kabupaten Tana Tidung. Simdalev ini dibangun dalam bahasa pemrograman web PHP diatas framework CodeIgniter dan generator CRUD Harviacode. Pengembangan dalam pembuatan aplikasi ini menggunakan metode Waterfall atau biasa disebut SDLC (Software Development Life Cycle) dan diuji terhadap 33 responden dengan pengujian black-box, kompabilitas, dan usabilitas. Hasil penelitian menunjukkan bahwa pengujian black-box sebagian besar bernilai valid, pengujian kompatibilitas bernilai kompabilitas untuk semua jenis browser, serta pengujian usabilitas bernilai 80,79 yang menunjukkan antarmuka Simdalev dapat digunakan oleh pengguna dengan mudah.

Ant-based document clustering is a cluster method of measuring text documents similarity based on the shortest path between nodes (trial phase) and determines the optimal clusters of sequence document similarity (dividing phase). The processing time of trial phase Ant algorithms to make document vectors is very long because of high dimensional Document-Term Matrix (DTM). In this paper, we proposed a document clustering method for optimizing dimension reduction using Singular Value Decomposition-Principal Component Analysis (SVDPCA) and Ant algorithms. SVDPCA reduces size of the DTM dimensions by converting freq-term of conventional DTM to score-pc of Document-PC Matrix (DPCM). Ant algorithms creates documents clustering using the vector space model based on the dimension reduction result of DPCM. The experimental results on 506 news documents in Indonesian language demonstrated that the proposed method worked well to optimize dimension reduction up to 99.7%. We could speed up execution time efficiently of the trial phase and maintain the best Fmeasure achieved from experiments was 0.88 (88%). Keywords: web news documents clustering, principal component analysis, singular value decomposition, dimension reduction, ant algorithms AbstrakKlasterisasi dokumen berbasis algoritma semut merupakan metode klaster yang mengukur kemiripan dokumen teks berdasarkan pencarian rute terpendek antar node (trial phase) dan menentukan sejumlah klaster yang optimal dari urutan kemiripan dokumen (dividing phase). Waktu proses trial phase algoritma semut dalam mengolah vektor dokumen tergolong lama sebagai akibat tingginya dimensi, karena adanya masalah sparseness pada matriks Document-Term Matrix (DTM). Oleh karena itu, penelitian ini mengusulkan sebuah metode klasterisasi dokumen yang mengoptimalkan reduksi dimensi menggunakan Singular Value Decomposition-Principal Component Analysis (SVDPCA) dan Algoritma Semut. SVDPCA mereduksi ukuran dimensi DTM dengan mengkonversi bentuk freq-term DTM konvensional ke dalam bentuk score-pc Document-PC Matrix (DPCM). Kemudian, Algoritma Semut melakukan klasterisasi dokumen menggunakan vector space model yang dibangun berdasarkan DPCM hasil reduksi dimensi. Hasil uji coba dari 506 dokumen berita berbahasa Indonesia membuk-tikan bahwa metode yang diusulkan bekerja dengan baik untuk mengoptimalkan reduksi dimensi hingga 99,7%, sehingga secara efisien mampu mempercepat waktu eksekusi trial phase algoritma se-mut namun tetap mempertahankan akurasi F-measure mencapai 0,88 (88%).Kata Kunci: klasterisasi dokumen web berita, principal component analysis, singular value decomposition, reduksi dimensi, algoritma semut