Article Per Year (5 Year)
p-Index From 2021 - 2026
2.942
P-Index
This Author published in this journals
All Journal Conference on Innovation and Application of Science and Technology (CIASTECH) Scientific Journal of Informatics G-Tech : Jurnal Teknologi Terapan Jurnal Aplikasi Teknologi Informasi dan Manajemen (JATIM) As-Sidanah : Jurnal Pengabdian Masyarakat JUSTIFY : Jurnal Sistem Informasi Ibrahimy JEECS (Journal of Electrical Engineering and Computer Sciences) JURNAL ILMIAH SAINS TEKNOLOGI DAN INFORMASI Jurnal Ilmiah Multidisiplin Nusantara NJCOM: Community Service Journal
Fatah, Zaehol
Fakultas Sains Dan Teknologi Universitas Ibrahimy
Religion Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Social Sciences Other

Published : 23 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 23 Documents
Search

 1   2   3 
Seminar Desain Grafis Untuk Meningkatkan Keterampilan Siswa Di Smk Ibrahimy 1 Sukorejo Ali Muhajir; Ahmad Efendi; Zaehol Fatah
NJCOM: Community Service Journal Vol. 1 No. 2 (2025): July
Publisher : RAM PUBLISHER

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.15854741

Abstract

Seminar tentang desain grafis ini bertujuan untuk memberikan pemahaman dan wawasan mendalam mengenai pentingnya desain grafis di masa kini. Di area digital saat ini, desain grafis tidak hanya berfungsi sebagai elemen estetika, tetapi juga berperan sebagai alat stategis untuk menyampaikan pesan, membagun edentitas merek, dan daya tarik informssi. Corel DRAW salah satu perangkat lunak yang banyak dipakai untuk desain grafis dalam dunia pendidikan dan dunia kerja. Kemampuan desain grafis menjadi penting bagi siswa SMK. Kegiatan ini di lakukan dengan metode seminar di SMK Ibrahimy 1 Sukorejo. Hasilnya, siswa mampu memahami dan menerapkan desain grafis untuk mengembangkan keterampilan mereka di dunia pendidikan maupun di dunia kerja.
Application of K-means Clustering Data Mining in Grouping Data of People with Disabilities Moh. Bahauddin; Zaehol Fatah
JEECS (Journal of Electrical Engineering and Computer Sciences) Vol. 10 No. 1 (2025): JEECS (Journal of Electrical Engineering and Computer Sciences)
Publisher : Fakultas Teknik Universitas Bhayangkara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54732/jeecs.v10i1.6

Abstract

Data mining is critical in enabling organizations to derive reliable insights from data. Social welfare remains a significant challenge in Indonesia, particularly for people with disabilities, emphasizing the need for targeted strategies. However, developing research has not used natural characteristics according to disability problems. This study utilizes the K-Means Clustering algorithm to analyze and categorize the population of people with disabilities in East Java. The attributes include the type of disability, population size, and regional distribution. We employs a dataset from the East Java Central Bureau of Statistics, comprising 342 data points across eight attributes, including region, disability type, and year. The analysis involves data preprocessing, transformation, clustering, and evaluation using the Davies-Bouldin Index (DBI). The results identify two optimal clusters, achieving the lowest DBI score of 0.097, indicating high cluster quality. Cluster 0 represents regions with fewer people with disabilities, while Cluster 1 highlights areas with higher populations. These findings provide a foundation for developing more focused and inclusive welfare programs tailored to regional needs, enhancing the quality of life for people with disabilities.
Comparative Study of Naïve Bayes Classifier and Support Vector Machine Methods in Public Sentiment Analysis of Prabowo-Gibran's Free Lunch Program Fikri Febrian; Zaehol Fatah; Achmad Baijuri
G-Tech: Jurnal Teknologi Terapan Vol 9 No 3 (2025): G-Tech, Vol. 9 No. 3 July 2025
Publisher : Universitas Islam Raden Rahmat, Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70609/g-tech.v9i3.7248

Abstract

In today's digital era, social media has become the main platform for people to voice their opinions on social and political issues. One of the most discussed topics is the free lunch program of President-elect Prabowo Subianto and Vice President-elect Gibran Rakabuming Raka. The program triggered various public reactions, making it relevant for sentiment analysis. The purpose of this study is to compare the performance of two text classification algorithms-Naïve Bayes and Support Vector Machine (SVM)-in classifying public sentiment towards the program. The dataset was obtained from Kaggle, with 657 initial data. After preprocessing, 156 data remained, consisting of 127 negative sentiments and 31 positive sentiments. Data processing followed the CRISP-DM framework, with Python and Scikit-learn used in model training. The results showed that the naive bayes classifier performed better with 84.38% accuracy, 86.90% precision, and 84.38% recall. Support Vector Machine showed lower performance in all metrics. In addition, the Naive Bayes Classifier was able to classify sentiments in a more balanced manner. The analysis was performed using Jupyter Notebook, and the final model was implemented through a Streamlit-based web interface.
Design of Mobile and Web-Based Geolocation Attendance and Payroll Information System for Teachers And Employees at Madrasah Aliyah As'adiyah Meneng Ketapang Banyuwangi Rohiqim Mahtum; Zaehol Fatah; Ahmad Homaidi
G-Tech: Jurnal Teknologi Terapan Vol 9 No 3 (2025): G-Tech, Vol. 9 No. 3 July 2025
Publisher : Universitas Islam Raden Rahmat, Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70609/g-tech.v9i3.7332

Abstract

Attendance recording and payroll management are important elements in maintaining discipline and operational efficiency in madrasahs. Currently, Madrasah Aliyah As'adiyah Meneng Ketapang uses a manual system based on attendance sheets and spreadsheets, which are prone to errors and data manipulation. To address this issue, this study designed and developed a geolocation-based attendance and payroll information system accessible via mobile and web platforms. Key features include location validation within a 20-meter radius, selfie photo verification, fake GPS detection, and automatic payroll calculation based on attendance and teaching hours. The system was developed using the Waterfall model through field observations, interviews, and literature reviews. Evaluation using Blackbox Testing involving actual users showed that all system functions operated as expected, with no significant errors identified. This system improves accuracy, efficiency, and transparency in the attendance and payroll processes. However, this research is limited to small-scale madrasahs and Android-based platforms. Future development should include better fraud detection methods and integration with broader academic management systems to enhance scalability and functionality.
Implementasi Data Mining Dalam Prediksi Penjualan Sembako Menggunakan Metode Apriori Ahmad Wahyu Fernando; Zaehol Fatah
Jurnal Ilmiah Multidisiplin Nusantara (JIMNU) Vol. 2 No. 3 (2024): JIMNU - NOVEMBER
Publisher : PT. Padang Tekno Corp

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59435/jimnu.v2i3.442

Abstract

Data mining membantu mengungkap informasi penting dari data besar untuk mendukung keputusan bisnis. Data mining dengan metode Apriori untuk memprediksi penjualan sembako memiliki tingkat akurasi  yang cukup dalam menyelesaikan masalah.. Metode Apriori digunakan untuk menemukan pola produk yang sering dibeli bersama dalam transaksi penjualan sembako di sebuah supermarket. Hasil analisis memberikan wawasan tentang kombinasi produk yang sering dibeli bersamaan, sehingga membantu perencanaan strategi penjualan yang lebih efektif. Apriori terbukti mampu mengidentifikasi aturan asosiasi yang signifikan dan berguna untuk memprediksi pola pembelian di masa depan dan meningkatkan penjualan.
Implementasi Metode Decision Tree Dalam Prediksi Kanker Paru Paru Dengan Rapidminer Anzori; Zaehol Fatah
Jurnal Ilmiah Multidisiplin Nusantara (JIMNU) Vol. 2 No. 3 (2024): JIMNU - NOVEMBER
Publisher : PT. Padang Tekno Corp

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59435/jimnu.v2i3.448

Abstract

kanker merupakan salah satu faktor utama penyebab kematian. Kanker juga memiliki posisi kedua dengan angka kematian yang sangat tinggi. Dalam penelitian ini memprediksi kanker paru-paru dengan menggunakan data mining dengan metode decision tree. Metode decision tree memprediksi akurasi dengan tingkat akurasi 94.66% dari data yang ada menjadi potensi besar dalam prediksi penyakit kanker paru-paru.Oleh karena itu, data mining dengan metode decision tree sebagai solusi ke efektifan dalam memprediksi terkenanya kanker paru paru dan pecegahannya. Meode ini juga menjadi  upaya dalam penyelamatan nyawa dan perbaikan kualitas hidup bagi individu yang berisiko terkena penyakit kanker paru-paru
Optimalisasi Penentuan Tata Letak Barang Menggunakan Algoritma FP-Growth Pada Data Transaksi Penjualan Rohiqim Mahtum; Zaehol Fatah
Jurnal Ilmiah Multidisiplin Nusantara (JIMNU) Vol. 2 No. 3 (2024): JIMNU - NOVEMBER
Publisher : PT. Padang Tekno Corp

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59435/jimnu.v2i3.450

Abstract

Penentuan tata letak barang yang optimal di sebuah toko memiliki peran penting dalam meningkatkan efisiensi operasional dan pengalaman pelanggan. Dalam penelitian ini, diusulkan penerapan algoritma FP-Growth untuk menganalisis pola asosiasi dari data transaksi penjualan guna mengoptimalkan tata letak barang. Algoritma FP-Growth dipilih karena kemampuannya dalam menemukan asosiasi frekuensi tinggi antar produk tanpa harus melalui tahap pencarian kandidat yang memerlukan waktu komputasi besar. Dengan menganalisis hubungan antar produk yang sering dibeli bersamaan, hasil penelitian ini memberikan rekomendasi penempatan produk yang strategis untuk memaksimalkan peluang pembelian dan meningkatkan kepuasan pelanggan. Studi kasus dilakukan pada data transaksi sebuah toko ritel yang diperoleh di situs penyedia dataset  Kaggle, dengan hasil menunjukkan peningkatan efisiensi dalam pengaturan tata letak barang serta potensi peningkatan penjualan. Implementasi FP-Growth terbukti efektif dalam mengurangi waktu analisis dan memberikan hasil yang akurat dalam menentukan hubungan antar produk. Penelitian ini diharapkan dapat menjadi acuan bagi pengelola toko ritel dalam mengoptimalkan tata letak barang secara lebih ilmiah dan data-driven.
Analisis Faktor Penentu Harga Laptop Menggunakan Algoritma Decision Tree Zainul Arifin Alwi Al Qayyis; Zaehol Fatah
Jurnal Ilmiah Multidisiplin Nusantara (JIMNU) Vol. 2 No. 3 (2024): JIMNU - NOVEMBER
Publisher : PT. Padang Tekno Corp

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59435/jimnu.v2i3.451

Abstract

Beberapa dekade terakhir, laptop menjadi kebutuhan dasar bagi masyarakat untuk berbagai aktivitas sehari-hari, mulai dari belajar, mengajar, bekerja, hingga berbelanja. Hal ini mendorong permintaan laptop meningkat. untuk menganalisis faktor-faktor yang memengaruhi harga laptop dengan menggunakan algoritma Decision Tree, memberikan informasi kepada calon pembeli dalam memilih laptop sesuai anggaran dan kriteria yang diinginkan, serta memberi wawasan kepada produsen terkait strategi penetapan harga. Metode yang digunakan adalah algoritma C4.5, salah satu metode Decision Tree yang memanfaatkan struktur pohon untuk klasifikasi, serta untuk data berukuran besar dengan banyak variabel, serta mampu menganalisis berbagai jenis data,. Hasil penelitian menunjukkan bahwa model pohon keputusan yang dihasilkan memiliki beberapa tingkat kedalaman, dengan variabel yang memengaruhi harga laptop seperti prosesor, tipe penyimpanan, dan RAM, di mana prosesor menjadi faktor yang paling berpengaruh Dengan gain sebesar 0,4983. Model ini mencapai akurasi sebesar 87.63%, Dengan mempertimbang segmen pasar, pengguna dan kualitas produk.  
Implementasi Algoritma FP-Growth Pada Dataset Sintetis Untuk Penentuan Pola Pembelian Sembako Dan Kebutuhan Harian As’ad Alwi Shihab; Zaehol Fatah
Jurnal Ilmiah Multidisiplin Nusantara (JIMNU) Vol. 2 No. 3 (2024): JIMNU - NOVEMBER
Publisher : PT. Padang Tekno Corp

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59435/jimnu.v2i3.452

Abstract

Data mining merupakan proses penting dalam mengungkap informasi tersembunyi dari data yang besar dan kompleks, khususnya dalam industri ritel untuk memahami perilaku konsumen. Penelitian bertujuan untuk mengidentifikasi pola pembelian sembako dan kebutuhan harian dengan menggunakan algoritma FP-Growth pada dataset sintetis. Algoritma FP-Growth dipilih karena kelebihannya dalam efisiensi dan kecepatan, terutama dalam menemukan frequent itemsets tanpa perlu melakukan pengulangan pada dataset. Hal ini membuat algoritma FP-Growth lebih unggul dibandingkan dengan algoritma lainnya, seperti Apriori, yang memerlukan banyak iterasi. Dataset sintetis yang digunakan mencerminkan transaksi pembelian di toko ritel untuk menguji kemampuan algoritma dalam menemukan pola pembelian yang relevan. Hasil menunjukkan bahwa algoritma FP-Growth dapat secara efektif mengidentifikasi kombinasi barang yang sering dibeli bersama, yang dapat dimanfaatkan oleh pelaku bisnis untuk menyusun strategi penjualan, seperti penawaran paket hemat. Implementasi algoritma ini diharapkan dapat membantu toko ritel dalam memahami kebutuhan konsumen dan meningkatkan strategi pemasaran
Penerapan Decision Trees dalam Mendeteksi Pola Tidur Sehat Berdasarkan Kebiasaan Gaya Hidup Imam Nawawi; Zaehol Fatah
JURNAL ILMIAH SAINS TEKNOLOGI DAN INFORMASI Vol. 2 No. 4 (2024): Oktober : Jurnal Ilmiah Sains Teknologi dan Informasi
Publisher : CV. ALIM'SPUBLISHING

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59024/jiti.v2i4.969

Abstract

A good sleep pattern is very important for our body's health both physically and mentally, while lifestyle habits such as physical activity and diet play a big role in influencing sleep quality. By using a decision tree, researchers aim to predict whether we have a healthy sleep pattern or not based on lifestyle. Healthy sleep patterns are regular and quality sleep habits to maintain our physical health. Healthy sleep patterns generally involve sleeping 8 hours – 9 hours per night, having a regular and consistent sleep time. The decision tree model was chosen because of the decision tree's ability to provide accurate predictions and produce rules that are easy to understand. This model can help us raise awareness of the importance of a healthy lifestyle in maintaining sleep quality.
Co-Authors Abdul Jalil Abu Dzarrin Al Ghifari Achmad Baijuri Ahmad Efendi Ahmad Homaidi Ahmad Muflih Wafir Ahmad Wahyu Fernando Ahmad Yogianto Akhlis Munazilin Ali Muhajir As’ad Alwi Shihab Cindy Nur Dina Alifia Fikri Febrian Imam Nawawi Irma Yunita Jarot Dwi Prasetyo Jarot Dwi Prasetyo Lukman Aliyasin Lukman Fakih Lidimilah M. Fazlur Rahman Assauqi Mahmudi Mahmudi Moh. Aqil Mukhtar Alfarera Moh. Bahauddin Neny Yuli Susanti Neny Yuli Susanti Nur Azizah Rohiqim Mahtum Rohiqim Mahtum Taufik Saleh Taufik Saleh Tawakal, Anzori Zainul Arifin Alwi Al Qayyis Zainur Rohman