Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Teknik dan Manajemen Informatika Jurnal Kecerdasan Buatan Jurnal Rekayasa Perangkat Lunak dan Hardware
Moch Anwar Abbas
STMIK Pamitran

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
PERANCANGAN SISTEM INFORMASI PENDAFTARAN MEDICAL CHECK UP BERBASIS VISUAL BASICDIRUMAH SAKIT MANDAYA KARAWANG Ade Sofiyan; Moch Anwar Abbas
Jurnal Teknik dan Manajemen Informatika Vol. 1 No. 1 (2025): Jurnal Teknik dan Manajemen Informasi
Publisher : STMIK Pamitran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.214541/etx53b52

Abstract

Di dalam penelitian ilmiah ini, dibahas mengenai perancangan sistem informasi pendaftaran Medical Check Up berbasis visual basic di Rumah Sakit Mandaya Karawang. Penelitian ini menggunakan metode kualitatif dengan pendekatan deskriptif. Teknik pengumpulan data yang digunakan yaitu observasi, wawancara, dan studi pustaka. Metode pengembangan yang digunakan adalah metode Waterfall. Bahasa pemrograman menggunakan Microsoft Visual Studio 2017 dan Microsoft Access 2007 sebagai database. Dari penelitian yang dilakukan, terdapat beberapa permasalahan yang ditemukan yakni : sistem informasi pendaftaran yang sedang berjalan kurang efektif dalam pendataan sehingga kerap terjadi duplikat data, pencatatan hasil pemeriksaan masih manual, laporan seringkali tidak akurat karena masih menggunakan metode manual, kurangnya sarana dan prasarana yang memadai. Adapun saran yang diberikan untuk mengatasi permasalah tersebut adalah : sistem informasi pendaftaran perlu ditingkatkan, membuat form khusus pencatatan hasil pemeriksaan pada sistem,semua kegiatan pelaporan dilakukan pada sistem, perlu adanya sarana dan prasarana yang memadai untuk menunjang pelayanan.  
SISTEM INFORMASI SIMPAN PINJAM BERBASIS VISUAL BASIC. NET PADA KOPERASI SMPN 1 KARAWANG TIMUR Nurfarida; Haris Abubakar Sidik; Moch Anwar Abbas; Yeti Rafitasari
Jurnal Rekayasa Perangkat Lunak dan Hardware Vol. 1 No. 2 (2026): Vol 1 No. 2 Tahun 2026
Publisher : STMIK Pamitran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.214543/v8j2qs33

Abstract

Abstrak : Transaksi simpan pinjam anggota Koperasi Sakti Sejahtera saat ini masih menggunakan sistem konvensial yaitu Microsoft Excel sebagai basis datanya sehingga menyebabkan kurang akurat, efektif & efisien dalam pengolahan datanya. Metode pengumpulan data yang digunakan dalam penelitian ini adalah dengan melakukan observasi, wawancara dan studi kepustakaan. Untuk mengatasi permasalahan yang ada maka diperlukan sistem informasi simpan pinjam berbasis Visual Basic.Net sehingga dapat diakses oleh seluruh anggota Koperasi dengan lebih mudah, cepat dan efisien. Aplikasi ini dapat memberikan informasi mengenai rekapitulasi data Anggota, data simpanan, data pinjaman serta laporan penarikan.   Kata Kunci : Koperasi, Simpan Pinjam, Visual Basic.Net, Sistem Informasi
KLASIFIKASI DEMENSIA ALZHEIMER DENGAN ENSEMBLE LEAKAGE-FREE DAN INTERPRETASI SHAP DATASET OASIS LONGITUDINAL Edwin Rudini; Moch Anwar Abbas
Jurnal Kecerdasan Buatan Vol. 1 No. 2 (2026): Vol 1 No. 2 Tahun 2026
Publisher : STMIK Pamitran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31222/86vp9m15

Abstract

Demensia Alzheimer (DA) merupakan salah satu penyebab utama demensia sehingga diperlukan metode klasifikasi yang akurat dan dapat diinterpretasikan. Penelitian ini bertujuan menganalisis pengaruh strategi imputasi missing data terhadap performa ensemble machine learning (ML) pada dataset OASIS longitudinal. Dataset terdiri atas 373 observasi dari 150 subjek. Fitur label Group terdiri atas 190 kategori Nondemented dan 183 kategori Demented setelah kategori Converted digabungkan ke dalam kelas Demented agar menjadi klasifikasi biner. Fitur CDR dihapus untuk mengurangi risiko target leakage, sedangkan nilai hilang pada fitur SES dan MMSE ditangani menggunakan imputasi Median, KNN, dan Iterative Imputation. Model algoritma terdiri atas Random Forest (RF), AdaBoost Classifier (ADC), Gradient Boosting Classfier (GBC), dan XGBoost classifier (XGBC) yang dikombinasikan menggunakan weighted soft voting dengan optimasi bobot berbasis Bayesian Optimization melalui Optuna. Evaluasi dilakukan menggunakan 10-Fold Stratified Group Cross-Validation pada tingkat subjek untuk mencegah kebocoran data. Hasil menunjukkan bahwa imputasi KNN memberikan performa rata-rata terbaik dengan ROC-AUC 85,33%, sedangkan pada agregasi prediksi model algoritma  diperoleh accuracy 76,14%, precision 80,13%, recall 68,31%, dan F1-score 73,75%. Uji Wilcoxon menunjukkan tidak terdapat perbedaan performa yang signifikan antar strategi imputasi. Analisis Shapley Additive explanations(SHAP) menunjukkan bahwa fitur MMSE merupakan fitur paling dominan dalam hasil prediksi model.
Co-Authors Ade Sofiyan edwin rudini Haris Abubakar Sidik Nurfarida Yeti Rafitasari