No abstract

No abstract

Universitas ABC yogyakarta selalu melakukan evaluasi kinerja mahasiswa guna mengetahui pencapaian pada masing-masing mahasiswa.Mahasiswa yang melampaui masa studi dan tidak melakukan perpanjangan akan dikenakan sanki berupa dropout.Kasus dropout tersebut dapat diminimalisir dengan pendeteksian secara dini terhadap mahasiswa yang beresiko dropout. Pendeteksian dapat dilakukan dengan memanfaatkan tumpukan data untuk memprediksi dropout mahasiswa. Pada penelitian ini bertujuan untuk memprediksi mahasiswa yang berpotensi dropout dengan masa studi maksimal yang harus diselesaikan pada jenjang Sarjana dengan mengimplementasikan Metode Backpropagation. Data yang digunakan dalam penelitian ini adalah data akademik prodi S1 Informatika Universitas ABC pada tahun 2016-2019 denganjumlah dataset sebanyak 129.Tujuan penelitian ini untuk mengukur analisis prediksi dropoutdengan percobaan penggunaan beberapa arsitektur jaringan. Hasil yang diperoleh dari modelyang diusulkan yaitu model arsitektur 12-5-2 merupakan model arsitektur terbaik yangdidapatkan. Learning rate terbaik sebesar 0,4 dengan momentum terbaik sebesar 0,95. Akurasi yang diperoleh dari prediksi mahasiswa dropout dengan arsitektur, learning rate, dan momentum terbaik sebesar 98,2%.ABC University of Yogyakarta always evaluates student performance in order to find out the achievements of each student. Students who have exceeded the study period and not extended would be subject to sanctions in the form of a dropout. The dropout case can be minimized by early detection of students who are at risk of dropout. Detection can be done by utilizing a pile of data to predict student dropouts. In this study aims to predict students who have the potential to drop out with a maximum study period that must be completed at the Undergraduate level by implementing the Backpropagation Method. The data used in this study are academic data of S1 University Informatics Study Program of ABC University in 2016-2019 with the number of datasets as much as 129. The purpose of this study is to measure the dropout prediction analysis with the experiments of using several network architectures. The results obtained from the proposed model, namely architectural models 12-5-2, are the best architectural models obtained. The best learning rate is 0.4 with the best momentum of 0.95. The accuracy obtained from the prediction of dropout students is 98.2%.

UD Matsu Jaya mandiri merupakan usaha dagang yang bergerak dalam bidang produksi tepung tapioka. Tepung tapioka didistribusikan ke berbagai wilayah yang potensial. Setiap tahunnya, UD Matsu Jaya Mandiri mempunyai target penjualan, sehingga penentuan wilayah pendistribusian yang tepat akan mempengaruhi target penjualan, namun hal tersebut masih menjadi kendala bagi pengambil keputusan pada UD Matsu Jaya MAndiri. Untuk itu perlu adanya sistem pendukung keputusan untuk mendukung pengambilan keputusan dalam pemilihan pendistribusian tepung tapioka agar lebih tepat. Penelitian ini menerapkan metode promethee untuk mengembangkan sistem pendukung keputusan pendistribusian tepung tapioka pada UD Matsu Jaya Mandiri. Data penelitian bersumber dari UD Matsu Jaya Mandiri terkait penjualan pada tahun 2017. Alternatif yang digunakan adalah Surabaya (A1), Semarang (A2), Yogyakarta (A3) dan Jakarta (A4). Penelitian ini menggunakan 5 kriteria yaitu Harga, Ongkos Kirim, Jumlah Permintaan, Jumlah Suplier dan Pangsa pasar. Hasil yang diperolah yaitu sistem dapat membantu pengabil keputusan pada UD Matsu Jaya Mandiri dalam pendistribusian tepung tapioka dan  perubahan bobot dan tipe preferensi akan mempengaruhi hasil perangkingan. Sistem pendukun keputusuan ini dapat membantu pihak UD Matsu Jaya Mandiri dalam mengambil keputusan dalam pemilihan pendistribusian tepung tapioka.

Saat ini Indonesia memasuki industri 4.0, dimana apapun berhubungan dengan teknologi. Pertukaran data dan informasi secara digital lebih efektif dan efisien sehingga memudahkan penggunanya. Tentunya data dan informasi ada yang dapat diakses publik dan ada yang bersifat rahasia. Saat terjadi pertukaran data, tidak dapat dipungkiri bahwa pencurian data dan manipulasi data oleh orang yang tidak berhak dapat terjadi. Peningkatan kemanan data dapat dilakukan dengan kriptografi dan steganografi. Pada penelitian ini, algoritma modifikasi hill cipher mod 36 dengan transposisi pergeseran, operasi xor dan transposisi yang dikombinasikan dengan penyisispan pesan kedalam gambar menggunakan LSB digunakan untuk mengamankan pesan teks. Hasil yang diperoleh dari modifikasi hill cipher mod 36 yang diusulkan yaitu dapat digunakan untuk mengenkripsi pesan dengan karakter a sampai z dan 0 sampai 9. Jumlah pesan sebesar 975 disispkan kedalam gambar berekstensi .jpg dengan hasil MSE sebesar  0,00498 dan PSNR sebesar 71,15.