Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Sains dan Informatika Jurnal Sistem Komputer dan Informatika (JSON) Global Journal of Educational Technology (GJET)
Arysespajayadi, Arysespajayadi
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Engineering Mathematics Medicine & Pharmacology Nursing Social Sciences

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

Found 3 Documents
Search

 1 
Implementasi Metode Certainty Factor pada Sistem Pakar Diagnosa Penyakit Karies Gigi Arysespajayadi, Arysespajayadi; Sutoyo, Muh. Nurtanzis; Qammaddin, Qammaddin
Jurnal Sains dan Informatika Vol 5 No 2 (2019): Jurnal Sains dan Informatika
Publisher : Teknik Informatika, Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (388.524 KB) | DOI: 10.34128/jsi.v5i2.188

Abstract

Penyakit karies gigi merupakan gejala awal pada gigi berlubang yang menjadi masalah serius bila tidak ditangani dengan baik. Ada beberapa bagian penyakit karies gigi diantaranya karies pulpitis, karies kalkulus, karies media, karies liken planus, dan lain-lain. Agar menghasilkan sebuah nilai kepastian maka diperlukan suatu kaidah penyakit. Penelitian ini menggunakan 10 kaidah penyakit. Dari 10 kaidah penyakit tersebut selanjutnya digunakan metode certainty factor (CF) untuk menangani nilai ketidakpastian. Pada penelitian ini nilai faktor kepastian diperoleh dari paramedis dan pakar. Nilai CF dari paramedis diberikan saat melakukan diagnosa terhadap suatu gejala dan nilai CF terhadap penyakit diberikan oleh pakar. Dari contoh kasus yang diberikan, proses perhitungan dengan certainty factor pada kaidah pertama user yang mengalami penyakit Pulpitis Akut menghasilkan nilai 0.98, sedangkan pada kaidah ketiga user dengan penyakit Karies Media menghasilkan nilai 0.97. Dari hasil kedua penyakit tersebut dapat disimpulkan bahwa penyakit Pulpitis Akut memiliki nilai kepastian yang lebih tinggi dibandingkan dengan penyakit Karies Media. Sebagai kesimpulan bahwa sistem pakar diagnosa karies gigi menggunakan metode CF mampu mengambil keputusan dengan memberikan solusi dan berfungsi sebagai alternatif saat konsultasi gigi.
Strategi Promosi Penerimaan Mahasiswa Baru menggunakan metode DBSCAN Arysespajayadi, Arysespajayadi; Suryana, M. Djazman Addin; Achmad, Andita Dani; Adlin, Adlin; Syam, Ferawaty
GJET : Global Journal of Educational Technology Vol. 1 No. 3 (2025): Agustus 2025
Publisher : Perhimpunan Ahli Teknologi Informasi dan Komunikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.71234/gjet.v1i3.73

Abstract

Penelitian ini mengimplementasikan algoritma DBSCAN (Density-Based Spatial Clustering of Applications with Noise) untuk menganalisis pola sumber informasi yang memengaruhi keputusan calon mahasiswa di Politeknik Negeri Media Kreatif. Data survei periode 2022–2024, yang terdiri dari 13 variabel, diproses menggunakan normalisasi min-max. Parameter DBSCAN ditentukan dengan nilai Eps 0,4 dan MinPts 3. Hasil analisis menghasilkan tiga klaster, dengan Klaster 1 (media sosial, internet, dan rekomendasi teman/sahabat) memiliki rata-rata normalisasi tertinggi (0,87), menunjukkan pengaruh signifikan sebagai sumber informasi promosi. Validasi menggunakan Skor Silhouette (0,31) dan Indeks Davies-Bouldin (0,66) menunjukkan kualitas klasterisasi yang moderat. Hasil ini menunjukkan bahwa algoritma DBSCAN mampu menangani data heterogen dari variabel sumber informasi promosi dengan cukup efektif. Namun, optimalisasi lebih lanjut dapat dilakukan untuk meningkatkan kohesi intra-klaster dan pemisahan antar-klaster
Analisis Spasial dan Model Prediktif Data Geografis-Demografis untuk Prediksi Kelayakan Lokasi Usaha Arysespajayadi, Arysespajayadi; Hilman Asyrafi; Muh. Nurtanzis Sutoyo; Reza Maulana
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 3 (2026): Maret 2026
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i3.9612

Abstract

Pemilihan lokasi usaha yang tepat merupakan faktor strategis yang menentukan keberhasilan operasional dan finansial bisnis baru. Permasalahan utama yang dihadapi calon pengusaha adalah sulitnya menentukan kelayakan lokasi secara objektif akibat keterbatasan data primer dan metode analisis yang bersifat intuitif. Penelitian ini bertujuan membangun sistem prediksi kelayakan lokasi usaha dengan mengintegrasikan analisis spasial dan model prediktif berbasis machine learning. Metode yang digunakan adalah algoritma Random Forest yang dilatih menggunakan data primer dari 45 titik lokasi di wilayah urban Makassar yang diperoleh melalui survei lapangan langsung. Variabel input mencakup jumlah penduduk, kepadatan toko kompetitor, ketersediaan fasilitas umum, dan volume lalu lintas. Evaluasi model dilakukan menggunakan metrik Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), dan koefisien determinasi (R²). Hasil penelitian menunjukkan model Random Forest memberikan prediksi jumlah pengunjung dengan nilai R² sebesar 0,72, MAE 450,00, dan RMSE 600,17, serta estimasi pendapatan dengan R² sebesar 0,75, MAE Rp1.412.556, dan RMSE 1.894.958. Kestabilan model dikonfirmasi melalui pengujian 5-Fold Cross-validation dengan rata-rata R² sebesar 0,70. Benchmarking terhadap Linear Regression menunjukkan keunggulan Random Forest dengan peningkatan R² sebesar 50% pada prediksi pengunjung dan 36,4% pada prediksi pendapatan. Analisis feature importance mengungkapkan jumlah penduduk sebagai variabel paling dominan (bobot 0,45), diikuti volume lalu lintas (0,25) dan fasilitas umum (0,15). Secara keseluruhan, sistem ini menyediakan alat bantu estimasi kelayakan lokasi berbasis data geografis dan demografis yang dapat mendukung pengambilan keputusan investasi bagi pelaku usaha baru.
Co-Authors Achmad, Andita Dani ADLIN, ADLIN Hilman Asyrafi Muh Nurtanzis Sutoyo Muh. Nurtanzis Sutoyo Qammaddin Qammaddin Reza Maulana Suryana, M. Djazman Addin Syam, Ferawaty