Garuda - Garba Rujukan Digital

p-Index From 2020 - 2025

5.232

P-Index

This Author published in this journals

All Journal ComEngApp : Computer Engineering and Applications Journal Jurnal Simantec POSITIF Sistemasi: Jurnal Sistem Informasi BAREKENG: Jurnal Ilmu Matematika dan Terapan Jurnal Teknologi dan Informasi Journal of Electronics, Electromedical Engineering, and Medical Informatics Jurnal Vokasi Journal of Artificial Intelligence and Engineering Applications (JAIEA) Proceeding Applied Business and Engineering Conference Journal Of Artificial Intelligence And Software Engineering Jurnal Sistem Informasi dan Manajemen eProceeding of TIK Jurnal Teknologi Rekayasa Informasi dan Komputer

Arhami, Muhammad

Unknown Affiliation

Author-ID : 1259832

Religion Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Social Sciences Transportation Other

Published : 37 Documents Claim Missing Document

Claim Missing Document

Articles

1 2 3 4

PERBANDINGAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) DAN NAÏVE BAYES DALAM KLASIFIKASI PENYAKIT DIABETES Desiani, Anita; Dewi, Novi Rustiana; Arhami, Muhammad; Sitorus, Dina Suzzete; Rahmadita, Suristhia
POSITIF : Jurnal Sistem dan Teknologi Informasi Vol 10 No 1 (2024): Positif : Jurnal Sistem dan Teknologi Informasi
Publisher : P3M Politeknik Negeri Banjarmasin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31961/positif.v10i1.2092

High levels of sugar in the blood can cause diabetes. The longer people are unable to control glucose in their blood, the more complications it can cause, other diseases and even death. Early detection of diabetes is needed, one way is by carrying out data mining classification. Data mining classification in this research uses two algorithms, namely SVM (Support Vector Machine) and Naïve Bayes. This research compares the two algorithms using two methods, namely training split and k-fold cross validation which aims to get the best classification results in detecting diabetes. The best classification results are determined by calculating the average value of precision, recall and accuracy. Based on this research, the SVM algorithm with split percentage training produces average values for precision, recall and accuracy, namely 77%, 71.5%, 77.27%, while the SVM algorithm with k-fold cross validation produces average values for precision, recall , and accuracy is 77%, 72.5%, 71%. The Naïve Bayes algorithm with the split percentage training method produces average values for precision, recall and accuracy, namely 75.5%, 74.5%, 79%, while the Naïve Bayes algorithm with k-fold cross validation produces average values for precision, recall, and accuracy of 75.5%, 74.5%, 75%. The best classification result in detecting diabetes is the Naïve Bayes algorithm, the split percentage method, which provides the best accuracy, precision and recall values above 74%.

Implementasi AI Pada Aplikasi Chatbot Menggunakan Data Source Dari Forum Diskusi Mahasiswa Maulana, Muhammad Andra; Arhami, Muhammad; Amirullah, Amirullah
eProceeding of TIK Vol 4, No 2 (2024): eProTIK: November, 2024
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar

Mahasiswa sering menghadapi kendala dalam menemukan referensi yang sesuai dengan kebutuhan spesifik mereka karena keterbatasan waktu dan sifat umum informasi di internet. Untuk mengatasi hal ini, mereka sering bertanya kepada teman atau menggunakan bantuan AI seperti ChatGPT. Namun, informasi yang diberikan oleh chatbot lain tidak selalu sesuai dengan kebutuhan spesifik, terutama di Politeknik Negeri Lhokseumawe. Solusi dari permasalahan tersebut adalah memanfaatkan forum diskusi mahasiswa yang diisi oleh mahasiswa dan implementasi AI pada aplikasi chatbot untuk menjawab pertanyaan yang diajukan mahasiswa lainnya. Penelitian menunjukkan bahwa pengembangan forum diskusi mahasiswa bisa menjadi solusi. Platform ini memungkinkan pertukaran informasi, pertanyaan, dan tutorial antar mahasiswa, serta meningkatkan kolaborasi. Integrasi AI yang dapat meringkas jawaban dari banyak user hingga 69.28% tingkat akurasi dalam nilai recall, 20.14% dalam nilai precision, dan 31.04% dalam nilai F1-Score saat proses meringkas jawaban membuat forum dan chatbot lebih relevan dan spesifik bagi mahasiswa.Kata kunci— Forum diskusi mahasiswa, Chatbot, Kecerdasan Buatan

Classification of Thyroid Class using ID3 Algorithm and Artificial Neural Network (ANN) Henisaniyya, Nabila; Pertiwi, Citra; Desiani, Anita; Amran, Ali; Arhami, Muhammad
Sistemasi: Jurnal Sistem Informasi Vol 14, No 1 (2025): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v14i1.3440

Thyroid disease refers to a range of conditions or issues affecting the thyroid gland. This gland, located below the Adam’s apple, is responsible for coordinating various metabolic processes in the body, making its function essential. Early detection of thyroid symptoms is crucial as an initial step in planning the necessary treatments to prevent more severe thyroid-related health risks. One commonly applied method for early detection involves classification using a data mining approach. Among the algorithms frequently used for classification are the ID3 algorithm and Artificial Neural Networks (ANN). This study aims to obtain the best classification results for detecting thyroid disease by comparing these two algorithms. The accuracy results for percentage split testing were 88% for ID3 and 90% for ANN. Meanwhile, the accuracy values for K-Fold cross-validation were 93% for the ID3 algorithm and 95% for the ANN algorithm. Additionally, the overall average precision and recall values for both algorithms were above 75% for percentage split testing and above 90% for K-Fold cross-validation. The results indicate that ANN achieved higher percentages compared to ID3. Based on the accuracy, precision, and recall values obtained from both algorithms, it can be concluded that the ANN algorithm performs better than ID3 in classifying thyroid disease.

Perbandingan Algoritma C4.5 dan Adaptive Boosting dalam Klasifikasi Penyakit Alzheimer Mortara, Alda Amalia; Permatasari, Mitta; Desiani, Anita; Andriani, Yuli; Arhami, Muhammad
Jurnal Teknologi dan Informasi (JATI) Vol 13 No 2 (2023): Jurnal Teknologi dan Informasi (JATI)
Publisher : Program Studi Sistem Informasi, Fakultas Teknik dan Ilmu Komputer, Universitas Komputer Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/jati.v13i2.10525

Penyakit alzheimer adalah penyakit yang menyerang sistem saraf di dalam otak. Penyakit ini dapat menyebabkan terganggunya aktivitas sehari-hari, ingatan yang tidak terorganisir, dan berkurangnya daya ingat. Deteksi dini penyakit alzheimer dapat memanfaatkan pendekatan matematis menggunakan data mining. Data mining memiliki model-model klasifikasi yang dapat digunakan untuk mendeteksi dini penyakit alzheimer. Beberapa algoritma yang dapat digunakan untuk klasifikasi diantaranya adalah C4.5 dan Adaptive Boosting (AdaBoost) yang diterapkan pada penelitian ini untuk mengklasifikasikan penyakit alzheimer. Perbandingan kedua algoritma ini bertujuan untuk memperoleh algoritma mana yang paling tepat dalam klasifikasi penyakit alzheimer. Untuk menguji kedua algoritma ini digunakan dua teknik pengujian yaitu percentage split dan k-fold cross validation. Pada percentage split dipilih ukuran split sebesar 80% untuk data latih dan 20% sebagai data uji dan k-fold cross validation dipilih nilai k sebesar 10. Hasil penerapan dari kedua algoritma diperoleh bahwa untuk k-fold cross validation bekerja lebih baik dibandingkan dengan percentage split. Hal ini dikarenakan k-fold cross validation meningkatkan persentase nilai presisi, recall, dan akurasi dari masing-masing algoritma. Untuk kinerja masing-masing algortima, AdaBoost dalam penggunaanya bekerja lebih baik dibandingkan dengan C4.5 dengan nilai presisi, recall dan akurasi secara berturut-turut, yaitu 91.5%, 91% dan 91.15%. Dari hasil yang diperoleh dapat disimpulkan bahwa algoritma AdaBoost dengan teknik k-fold cross validation memiliki performa yang paling baik dalam melakukan klasifikasi penyakit alzheimer dibandingkan algoritma dan teknik pengujian lainnya.

PCA-Based on Feature Extraction and Compressed Sensing for Dimensionality Reduction Desiani, Anita; Maiyanti, Sri Indra; Miraswan, Kandak Januar; Arhami, muhammad
Computer Engineering and Applications Journal Vol 8 No 2 (2019)
Publisher : Universitas Sriwijaya

Compressive sensing reduces the number of samples required to achieve acceptable reconstruction for medical diagnostics, therefore this research will implement dimensional reduction algorithms through compressed sensing for electrocardiogram signals (EKG). dimensional reduction is performed based on the fact that ECG signals can be reconstructed with linear combination coefficients with a bumpy base of small measurements with high accuracy. This study will use PCA for feature extraction on ECG signals. The data used are the ECG patient records on the website page www.physionet.org as many as 1200 with each attribute as many as 256 attributes. The total data dimension used is 1200x256, which means the data has 1200 rows and has as many as 256 columns. To show the accuracy of the dimensional reduction result, so it is performed classification on data using KNN and Naive Bayes. The classification results show that KKN can classify well with 84,02% accuracy rate and the Naive Bayes accuracy is 65,78%. for 100 dimensions The conclusion is those dimensional reductions for ECG data that have large dimensions, it still able to provide valid information like it uses the original data. Principle Component Analysis is a good method for reducing data dimensions by selecting certain features, so the dimensions of the data become smaller but still able to provide good accuracy to the reader.

Implementation of the Least Square Method in the Work Plan and Budget Application (SIREKA) at Politeknik Negeri Lhokseumawe Rizqillah, Rizqillah; Arhami, Muhammad; Abdi, Musta’inul; Arifai, Muhammad; Meilvinasvita, Dwi
Journal of Artificial Intelligence and Software Engineering Vol 5, No 1 (2025): Maret
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v5i1.6654

Every year, all units at the Lhokseumawe State Polytechnic (PNL) are required to plan activity plans and budgets (RKA). This includes Library units, Departments, SPI, P3M, P4M, and other units. However, the process of planning activities to budget realization still depends on Drive services, causing complexity and lack of coordination in managing data. To overcome this problem, a solution is needed in the form of SIREKA (Work Plan and Budget Management Information System). In this application, the least squares method is used as a prediction tool for activity budget data. From the results of the calculations carried out, it is known that the least squares method has a high level of accuracy of 97.71% with a MAPE value of 2.29%, so this method is considered successful. The implementation of SIREKA has been successful in overcoming RKA obstacles in PNL, as well as providing budget predictions that are useful for decision making. SIREKA has proven itself to be a solution that has a positive impact on the Politeknik Negeri Lhokseumawe.

PELATIHAN PENGGUNAAN MACROMEDIA FLASH UNTUK PEMBUATAN ANIMASI PEMBELAJARAN BAGI GURU SMK NEGERI 5 LHOKSEUMAWE Nasir, Muhammad; Arhami, Muhammad; Hidayat, Hari Toha; ., Mursyidah
Jurnal Vokasi Vol 2, No 2 (2018): Oktober
Publisher : Politeknik Negeri Lhokseumawe

Proses dalam kegiatan belajar – mengajar bukanlah suatu pekerjaan yang mudah. Seorang guru di Sekolah akan memberikan materi pembelajarannya dengan sebaik mungkin dan sedetail mungkin dengan harapan siswa yang diajarnya bisa mengerti dari materi yang disampaikan. Siswa terkadang sering mengalami kesulitan dalam memahami materi yang disampaikan oleh gurunya. Hal ini terjadi, karena tidak semua siswa memiliki kemampuan yang sama dalam menyerap materi yang diberikan oleh gurunya. Sistem pembelajaran diharapkan sesuai dengan PP No. 19 tentang SNP tahun 2005 yakni proses pembelajaran pada satuan pendidikan diselenggarakan secara interaktif, inspiratif, menyenangkan, menantang, memotivasi, siswa untuk berpartisipasi aktif, serta memberikan ruang yang cukup bagi prakarsa, kreativitas, dan kemandirian sesuai dengan bakat, minat, dan perkembangan fisik serta psikologis siswa. Berdasarkan hasil penilaian pre test kepada peserta diketahui bahwa para peserta sudah memiliki pengetahuan dasar tentang desain animasi. Pengetahuan diperoleh dari media internet. Dengan nilai tertinggi 67 dan nilai terendah 50. Adapun setelah kegiatan pelatihan peserta kembali diberikan tes. Tujuan pemberian tes ini adalah untuk mengetahui adanya peningkatan kemampuan peserta dalam bidang desain animasi. Dan hasil berdasarkan nilai post test terendah 78 dan tertinggi 100.Kata kunci: pembelajaran, interaktif, inspiratif, motivasi

Rancang Bangun Sistem Evaluasi Antrian Pada Apotek Menggunakan Metode Monte Carlo Muzammil, Muzammil; Azhar, Azhar; Arhami, Muhammad
Journal of TIK Vol 5, No 1 (2025): eProTIK: Mei, 2025
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar

Kebanyakan apotek di daerah kota lhokseumawe masih memiliki masalah dalam mengatasi antrian yang cukup panjang apabila sedang ramai pengunjung. Masalah ini sangat mempengaruhi kenyamanan dari pelanggan dan dapat mengurangi kualitas pelayanan pada apotek tersebut. Untuk menangani masalah tersebut, dikembangkan sistem untuk mengevaluasi kinerja sistem antrian pelanggan apotek di kota lhokseumawe dengan tujuan mendapatkan kesimpulan sebagai acuan dalam pengambilan keputusan nantinya. Sistem ini menggunakan metode monte carlo yang dimana memanfaatkan bilangan acak sebagai variabel penentu bagi waktu kedatangan dan waktu pelayanan pelanggan berdasarkan intervalnya. Sistem ini diharapkan dapat menjadi solusi dengan metode antrian yang lebih baik guna memperbaiki sistem pada pelayanan apotek sehingga permasalahan antrian dapat diatasi dan juga dapat menghemat waktu pelanggan menghindari antrian pada saat ingin mendapatkan pelayanan. Sistem yang dapat mengetahui apakah pelayanan antrian pada apotek sudah bekerja secara optimal sehingga pelayanan dapat berjalan dengan efektif dan efisien. Sistem yang memungkinkan antrian yang pada awalnya panjang menjadi berkurang dan dapat meringankan pihak apoteker dengan penggunaan metode monte carlo. dapat meningkatkan kinerja dan kualitas pelayanan pada apotek. Penelitian ini bertujuan untuk mengevaluasi antrian pada apotek Lhokseumawe. Sehingga dapat memperoleh informasi rata-rata antrian pada admin apoteker, Sistem ini menghasilkan evaluasi antrian dengan rata-rata waktu antrian yaitu 27 menit, Berdasarkan hasil tersebut dapat disimpulkan bahwa simulasi Monte Carlo berhasil mengevaluasi antrian di apotek lhokseumawe.

Temporal Pattern Recognition: A BiLSTM-based Framework for Churn Prediction Zulman, Muhammad Reza; Mahmudah, Rifa’atun; Arhami, Muhammad; Davi, Muhammad
Journal of Artificial Intelligence and Software Engineering Vol 5, No 2 (2025): Juni On-Progress
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v5i2.6952

Industri telekomunikasi menghadapi tantangan besar dalam mempertahankan basis pelanggannya, di mana churn atau perpindahan pelanggan ke penyedia layanan pesaing menjadi isu krusial yang secara langsung memengaruhi kinerja finansial, efisiensi operasional, serta daya saing perusahaan dalam jangka panjang. Untuk menjawab tantangan ini, diperlukan pendekatan analitik yang mampu memprediksi kemungkinan churn secara akurat. Penelitian ini bertujuan untuk mengevaluasi efektivitas jaringan saraf Bidirectional Long Short-Term Memory (BiLSTM) dalam memprediksi churn pelanggan PT Medianusa Permana melalui analisis data sekuensial temporal. Dataset yang digunakan mencakup data pelanggan dari April 2020 hingga Mei 2023, dengan berbagai variabel prediktif seperti jenis layanan, media transmisi, alokasi bandwidth, status langganan, status kemitraan, ketentuan kontrak, serta riwayat keluhan. Arsitektur BiLSTM yang diterapkan terdiri dari tiga lapisan LSTM bidirectional, dirancang untuk memaksimalkan pengenalan pola temporal sekaligus mengurangi overfitting guna meningkatkan akurasi model. Validasi dilakukan melalui teknik cross-validation dan confusion matrix, yang menunjukkan bahwa model mampu mencapai akurasi rata-rata sebesar 89% serta performa klasifikasi yang tinggi dalam mengidentifikasi pelanggan yang churn maupun tidak churn. Hasil penelitian ini menegaskan bahwa BiLSTM efektif dalam menangkap indikator perilaku halus yang mendahului churn, dan dapat menjadi dasar yang kuat dalam pengembangan strategi retensi pelanggan yang lebih proaktif dan berbasis data.

COMBINATION OF KNN AND PARTICLE SWARM OPTIMIZATION (PSO) ON AIR QUALITY PREDICTION Yahdin, Sugandi; Desiani, Anita; Andhini, Shania Putri; Cahyawati, Dian; Primartha, Rifkie; Arhami, Muhammad; Arinda, Ditia Fitri
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 16 No 1 (2022): BAREKENG: Jurnal Ilmu Matematika dan Terapan
Publisher : PATTIMURA UNIVERSITY

The increase in the use of energy sources causes air pollution. The Air Pollutant Index (API) is information about the air quality of a place and at a certain time. API has several parameters, namely SO2, PM10, NO2, O3, and CO. In this study, the KNN method was used to assist categorize air quality. However, all training data were used during the classification process with KNN causes a long prediction process. Another problem with KNN is difficult to determine the optimal value of the K parameter in KNN. The Particle Swarm Optimization (PSO) method can be used for problems on KNN. Therefore, the aim of this study is to predict air quality based on the API by combining the KNN-PSO method. The dataset used is the API dataset for the DKI Jakarta area 2017-2019 totaling 1075 data. The results showed the accuracy for the KNN-PSO method was 98.42% with a precision value of 97.75% and a recall value of 98.13%. To further analyze the results on the combined method, the results of this study were compared with the KNN method only. The results obtained from the KNN method are lower than the KNN-PSO method. So it can be concluded that the KNN-PSO method is great and robust in air quality classification or prediction.

Co-Authors ., Mursyidah Abdi, Musta’inul Adhimullah, Adhimullah Affandi, Azhar Kholiq Agustin, Riya Sri Ali Amran Amirullah -, Amirullah Andhini, Shania Putri Anita Desiani Anwar Anwar Aulia, Annisa Rizka Azhar Azhar Davi, Muhammad Des Alwine Zayanti, Des Alwine Dian Cahyawati Fajriaty, Siti Fauzani, Lia Fitri, Intan Ginting, Rachel Ardana Putra Hendrawati Hendrawati Hendrawaty Hendrawaty, Hendrawaty Henisaniyya, Nabila Hidayat, Hari Toha Husaini Husaini Huzaeni, Huzaeni Indrawati Indrawati Insan, Jamalul Irmeilyana Isnani Isnani Kanda Januar Miraswan Khadafi, M. Khairunnas, Muhammad Fadil Kurniawati, Devy Mahdi Mahdi, Mahdi Mahmudah, Rifa’atun Masyitha, Masyitha Maulana, Muhammad Andra Meilisa, Dinda Meilvinasvita, Dwi Mesti, Mesti Mortara, Alda Amalia Mufida, Nabila Muhammad Arifai Muhammad Davi Muhammad Nasir Muhammad Reza Zulman Muhammad Rizka, Muhammad Mulyadi Mulyadi Muzammil, Muzammil Nahar, Nahar Narti Narti, Narti Nasution, Siti Aisyah Novi Rustiana Dewi Nurakmalinda, Nurakmalinda Permatasari, Mitta Pertiwi, Citra Purnahar, Fadhil Rahmadita, Suristhia Raiyan, Muhammad Ramayanti, Indri Rifkie Primartha Rizqillah, Rizqillah Safriadi Safriadi Safriani, Yuni Salahuddin Salahuddin Salahuddin Salahuddin Salnadila, Salnadila Sari, Suci Indah Sasongko, Muhammad Aditya Sitorus, Dina Suzzete Sri Indra Maiyanti Sugandi Yahdin Sugeng, Santoso Sukma, Melati Dian Yadi Utama Yassir Yassir Yuli Andriani Zahara, Fitria

Title

Found 37 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 37 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 37 Documents
Search