Browsing by Author "Ari Purno Wahyu Wibowo (Pembimbing)"

Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    ANALISA TEMPAT KUNJUNGAN WISATAWAN MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS PADA METODE K-MEANS
    (Program Studi S1 Informatika, 2025) Tinting, Sema Oktaviani; Ari Purno Wahyu Wibowo (Pembimbing)
    Pariwisata merupakan sektor penting yang menarik kunjungan wisatawan domestik maupun mancanegara melalui berbagai fasilitas dan promosi, termasuk penerapan e-tourism yang didukung oleh layanan data internet berkualitas. Dengan e-tourism, destinasi wisata yang kurang dikenal dapat lebih mudah diperkenalkan, sehingga meningkatkan jumlah kunjungan wisatawan. Penelitian ini bertujuan untuk menganalisis pola kunjungan wisatawan di Kalimantan Utara menggunakan metode Principal Component Analysis (PCA) untuk reduksi dimensi data, serta metode K-Means Clustering untuk pengelompokan kunjungan wisatawan berdasarkan jumlah kunjungan. Data yang digunakan diperoleh dari Badan Pusat Statistik Kalimantan Utara, Kementerian Pariwisata dan Ekonomi Kreatif, serta Perpustakaan Nasional, dengan periode pengamatan 2020–2022. Hasil analisis menunjukkan bahwa kunjungan wisatawan dapat dikelompokkan menjadi tiga klaster: tempat kunjungan dengan kategori baik, cukup baik, dan kurang baik. Penggunaan PCA berhasil mereduksi dimensi dataset menjadi dua komponen utama yang menjelaskan 87.84% total varians, sedangkan K-Means menghasilkan nilai Silhouette Score sebesar 0.736, menunjukkan kualitas clustering yang sangat baik. Kombinasi PCA dan K-Means memberikan hasil yang efektif dalam memahami pola kunjungan wisatawan di Kalimantan Utara.
  • Thumbnail Image
    Item
    IMPLEMENTASI BGP ROUTE ORIGIN VALIDATION MENGGUNAKAN RPKI UNTUK MEMINIMALISIR DAMPAK BGP INCIDENT
    (Program Studi S1 Informatika, 2023) Bagus, Shofari; Ari Purno Wahyu Wibowo (Pembimbing)
    Pariwisata merupakan sektor penting yang menarik kunjungan wisatawan domestik maupun mancanegara melalui berbagai fasilitas dan promosi, termasuk penerapan e-tourism yang didukung oleh layanan data internet berkualitas. Dengan e-tourism, destinasi wisata yang kurang dikenal dapat lebih mudah diperkenalkan, sehingga meningkatkan jumlah kunjungan wisatawan. Penelitian ini bertujuan untuk menganalisis pola kunjungan wisatawan di Kalimantan Utara menggunakan metode Principal Component Analysis (PCA) untuk reduksi dimensi data, serta metode K-Means Clustering untuk pengelompokan kunjungan wisatawan berdasarkan jumlah kunjungan. Data yang digunakan diperoleh dari Badan Pusat Statistik Kalimantan Utara, Kementerian Pariwisata dan Ekonomi Kreatif, serta Perpustakaan Nasional, dengan periode pengamatan 2020–2022. Hasil analisis menunjukkan bahwa kunjungan wisatawan dapat dikelompokkan menjadi tiga klaster: tempat kunjungan dengan kategori baik, cukup baik, dan kurang baik. Penggunaan PCA berhasil mereduksi dimensi dataset menjadi dua komponen utama yang menjelaskan 87.84% total varians, sedangkan K-Means menghasilkan nilai Silhouette Score sebesar 0.736, menunjukkan kualitas clustering yang sangat baik. Kombinasi PCA dan K-Means memberikan hasil yang efektif dalam memahami pola kunjungan wisatawan di Kalimantan Utara.
  • Thumbnail Image
    Item
    PENERAPAN ALGORITMA DEEP LEARNING PADA SISTEM PENGHAFALAN AL QUR'AN
    (Program Studi S1 Informatika, 2024) Wahyuni, Sri; Ari Purno Wahyu Wibowo (Pembimbing)
    Penerapan algoritma Deep Learning pada sistem pengenalan Al Qur'an dirancang untuk mempermudah identifikasi dan interpretasi teks Al Qur'an melalui suara. Dengan memanfaatkan teknologi canggih seperti Deep Learning dan menggunakan algoritma jenis Convolutional Neural Network (CNN), menciptakan sebuah sistem yang mampu membuat hafalan Al Qur'an menjadi lebih mudah dan efisien dengan menggunakan sebuah model pembelajaran yang dibuat dan dilatih menggunakan dataset berupa audio Al Qur'an dan n-gram language model. Metode utama yang digunakan melibatkan penggunaan Automatic Speech Recognition (ASR) dan Speech to Text (STT) yang dikembangkan menggunakan python dengan dukungan TensorFlow dan Keras. Kemudian pemanfaatan NeMo ASR juga diterapkan untuk meningkatkan efektivitas model dalam proses pengenalan suara dan pelatihan data. Selain itu, integrasi dengan flutter dan dart memperluas aplikabilitas sistem ini ke dalam ranah pengembangan aplikasi mobile, sehingga dapat diakses dengan mudah oleh berbagai kalangan.