Pada proses penerapanya algoritma Genetika mempunyai operator crossover dan mutasi. Operator crossover mempunyai beberapa jenis dan operator mutasi dilakukan menurut besar probabilitasnya. ...Penggunaan crossover dan besar probabilitas menjadi salah satu masalah dalam penerapan algoritma Genetika karena dalam pemilihanya ditentukan secara random. Tujuan penelitian ini untuk mencari kombinasi paling baik pada jenis crossover dan besar probabilitas mutasi dalam memecahkan masalah penjadwalan. Kombinasi terbaik adalah kombinasi yang paling banyak menghasilkan hasil optimal. Algoritma Genetika diterapkan dalam permasalahan penjadwalan mata kuliah, kemudian hasil penerapanya dianalisis berdasarkan jenis mutasi dan besar probabilitas yang digunakan. Hasilnya dari semua kombinasi operator yang telah diuji coba untuk menyelesaikan masalah yang sama, ada satu kombinasi operator crossover dan mutasi yang memiliki rata-rata hasil terbaik yaitu kombinasi antara jenis crossover dua-titik dengan besar probabilitas mutasi 3%.
The rapid development of computer technology has had a significant influence on advances in medical science. This development concerns segmenting medical images that can be used to help doctors ...diagnose patient diseases. The boundary between objects contained in an image is captured using the level set function. The equation of the level set function is solved numerically by combining the Lattice Boltzmann (LBM) method and fuzzy clustering. Parallel processing using a graphical processing unit (GPU) accelerates the execution of the segmentation process. The results showed that image segmentation with a relatively large size could be done quickly. The use of parallel programming with the GPU can accelerate up to 39.22 times compared to the speed of serial programming with the CPU. In addition, the comparisons with other research and benchmark data show consistent results.
Pemberian pelayanan kepada pelanggan dapat dilakukan dengan memanfaatkan kemajuan teknologi informasi. Hal ini bertujuan untuk memberikan kepuasan kepada pelanggan. Salah satu organisasi yang ...berhubungan dengan bagian pelayanan adalah perpustakaan. Studi kasus dalam paper ini dilakukan pada perpustakaan Universitas Atma Jaya Yogjakarta (UAJY). Perpustakaan Universitas Atma Jaya Yogjakarta telah memanfaatkan kemajuan teknologi untuk meningkatkan pelayanan terhadap pengunjung. Kemajuan teknologi juga dimanfaatkan oleh staf perpustakaan Universitas Atma Jaya Yogjakarta untuk proses monotoring dan evaluasi. Oleh karena itu penulis ingin mengukur kualitas layanan teknologi informasi di perpustakaan Universitas Atma Jaya Yogjakarta. Tujuan yang ingin dicapai adalah mengetahui kualitas layanan teknologi informasi pada perpustakaan Universitas Atma Jaya Yogjakarta melalui pemberian level dari level 0 hingga level 5. Penulis melakukan proses pengukuran kualitas layanan teknologi informasi mengunakan framework Information Technology Infrastructure Library (ITIL) V3. Hal ini dikarenakan framework ITIL memiliki manfaat dan kelebihan dalam melakukan proses pengukuran tingkat kualitas layanan teknologi informasi. Teknik pengumpulan data menggunakan kuisoner. Berdasarkan pengukuran tingkat kualitas layanan teknologi informasi menggunakan framework ITIL V3, layanan teknologi informasi pada perpustakaan Universitas Atma Jaya Yogjakarta masuk pada level 3 yaitu, prosedur dan instruksi pekerjaan telah distandarisasikan dan didokumentasikan.
Pusat Kegiatan Belajar Masyarakat (PKBM) Manut Wargo (MAWAR) merupakan lembaga pendidikan Non Formal di bawah Dinas Pendidikan Kabupaten Kulon Progo yang sangat berpotensi untuk menyelenggarakan ...pendidikan yang berkualitas. Namun penyebaran informasi tentang lembaga ini masih sangat minim. Tujuan dari kegiatan pengabdian ini adalah membangun situs web yang informatif dan menarik untuk memperkenalkan PKBM MAWAR kepada masyarakat yang lebih luas. Website dilengkapi dengan fitur pendaftaran peserta didik agar dapat menarik minat masyarakat untuk bergabung dengan program-program belajar di PKBM MAWAR. Metode pelaksanaan kegiatan pengabdian ini meliputi perancangan dan pembangunan website, pelatihan dan pendampingan, dan evaluasi. Hasil kegiatan pengabdian ini adalah sebuah situs website profil PKBM MAWAR www.pkbmmanutwargokp.wordpress.com. Pengelola PKBM MAWAR sebagai administrator website sudah dapat mengelola dan mengembangkan website. Berdasarkan respon terbuka seluruh pengelola PKBM MAWAR 80% menyatakan situs website PKBM Manut Wargo bermanfaat dan sesuai dengan kebutuhan lembaga pada jaman sekarang ini. 90% responden memberi respon positif untuk mengaplikasikan website ini sehingga PKBM Manut Wargo dapat terus berkembang seiring berjalanya waktu. Rekomendasi yang didapatkan yaitu agar website PKBM MAWAR digunakan berkelanjutan dan diperbaharui data-data, tampilan dan fitur.
Almost all fields of life need Banknote. Even particular fields of life require banknotes in large quantities such as banks, transportation companies, and casinos. Therefore Banknotes are an ...essential component in carrying out all activities every day, especially those related to finance. Through technological advancements such as scanners and copy machine, it can provide the opportunity for anyone to commit a crime. The crime is like a counterfeit banknote. Many people still find it difficult to distinguish between a genuine banknote and counterfeit Banknote, that is because counterfeit Banknote produced have a high degree of resemblance to the genuine Banknote. Based on that background, authors want to do a classification process to distinguish between genuine Banknote and counterfeit Banknote. The classification process use methods Supervised Learning and compares the level of accuracy based on the distribution of training data. The methods of supervised Learning used are Support Vector Machine (SVM), K-Nearest Neighbor (K-NN), and Naïve Bayes. K-NN method is a method that has the highest specificity, sensitivity, and accuracy of the three methods used by the authors both in the training data of 30%, 50%, and 80%. Where in the training data 30% and 50% value specificity: 0.99, sensitivity: 1.00, accuracy: 0.99. While the 80% training data value specificity: 1.00, sensitivity: 1.00, accuracy: 1.00. This means that the distribution of training data influences the performance of the Supervised Machine Learning algorithm. In the KNN method, the greater the training data, the better the accuracy.