Article Per Year (5 Year)
p-Index From 2021 - 2026
8.132
P-Index
This Author published in this journals
All Journal Media Mesin: Majalah Teknik Mesin INFORMAL: Informatics Journal Jurnal Teknik Sipil Bina Insani ICT Journal Information System for Educators and Professionals : Journal of Information System Techno Nusa Mandiri : Journal of Computing and Information Technology JTAM (Jurnal Teori dan Aplikasi Matematika) JURNAL TEKNOLOGI DAN ILMU KOMPUTER PRIMA (JUTIKOMP) Antivirus : Jurnal Ilmiah Teknik Informatika JSAI (Journal Scientific and Applied Informatics) Jurnal Teknologi Informasi dan Terapan (J-TIT) Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi INTEGRITAS : Jurnal Pengabdian JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) G-Tech : Jurnal Teknologi Terapan Jurnal Computer Science and Information Technology (CoSciTech) Journal of Community Development Journal of Information System and Technology (JOINT) JIWAKERTA: Jurnal Ilmiah Wawasan Kuliah Kerja Nyata BIOS : Jurnal Teknologi Informasi dan Rekayasa Komputer Abdimas Awang Long: Jurnal Pengabdian dan Pemberdayaan Masyarakat Indonesian Community Journal Duta.com : Jurnal Ilmiah Teknologi Informasi dan Komunikasi Dedikasi: Jurnal Pengabdian Kepada Masyarakat Jutech: Jurnal Teknologi Informasi Jurnal Informatika dan Teknologi Pendidikan Smart Techno (Smart Technology, Informatic and Technopreneurship) JUSTIFY : Jurnal Sistem Informasi Ibrahimy J-ENSITEC (Journal of Engineering and Sustainable Technology) Jurnal Aplikasi Sistem Informasi dan Elektronika Journal Of Humanities Community Empowerment Jurnal Penelitian Teknologi Informasi dan Sains Journal of Digital Literacy and Volunteering JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Jurnal Pengabdian Masyarakat IPTEKS
Oktavianto, Hardian
Universitas Muhammadiyah Jember
Religion Agriculture, Biological Sciences & Forestry Humanities Astronomy 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 Mathematics Mechanical Engineering Nursing Public Health Social Sciences Other

Published : 62 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 62 Documents
Search

 3   4   5   6   7 
Penentuan Peringkat Murottal Al-Quran Menggunakan Metode Multi-Attribute Border Approximation Area Comparison (MABAC) Budi Satria Bakti; Hardian Oktavianto
JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol. 9 No. 2 (2024): JUSTINDO
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/justindo.v9i2.1656

Abstract

Pembelajaran Al-Quran di usia dini merupakan langkah untuk mengenalkan Al-Quran pada generasi muda. Salah satu pembelajaran Al-Quran adalah mengajarkan cara membaca Al-Quran dengan baik dan benar. Untuk itu, seorang telah dikatakan baik dan benar pada bacaannya ditentukan berdasarkan nilai dari kriteria-kriteria dalam membaca Al-Quran. Dari hasil penilaian tersebut, peringkat kemahiran seseorang dalam membaca Al-Quran bisa diperoleh. Metode penilaian yang dilakukan saat ini yang dilakukan di SD Muhammadiyah 1 Jember adalah penjumlahan nilai dari seluruh kriteria sehingga banyaknya jumlah nilai sama yang menyebabkan kesulitan dalam penentuan peringkat. Untuk itu, metode lain diperlukan agar lebih memudahkan penentuan peringkat. Salah satu metode untuk menentukan peringkat adalah metode Multi Attributive Border Approximation Area Comparison (MABAC). Metode ini menggunakan jarak kriteria pada setiap alternatif dengan mengamati jarak tersebut dari batas perkiraan area. Penentuan peringkat didapatkan dengan melakukan penghitungan normalisasi kriteria terhadap bobot alternatif yang telah ditentukan.
Penguatan Kelembagaan Panti Asuhan Putri Aisyiyah Sumbersari Melalui Pelatihan Kewirausahaan E-Kelontong Angin, Ria; Oktavianto, Hardian
JIWAKERTA: Jurnal Ilmiah Wawasan Kuliah Kerja Nyata Vol 5, No 1 (2024): Juni
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/jiwakerta.v5i1.22710

Abstract

Kegiatan PKM ini dilatar belakangi oleh tujuan penguatan kelembagaan melalui pelatihan kewirausahaan.   Prosedur  kegiatan meliputi  1.Tahap persiapan: merupakan  koordinasi dengan mitra Panti Asuhan, 2) Tahap pelaksanaan kegiatan meliputi : (a) melakukan kajian dengan metode SWOT terkait dengan kelemahan dan kekuatan mitra (Panti Asuhan),  (b)memberikan pelatihan kewirausahaan,(c) memberikan pendampingan kewirausahaan. (3) Tahap evaluasi kegiatan meliputi: (a) Evaluasi proses kegiatan, dilakukan pada setiap tahap kegiatan; (b) Evaluasi hasil kegiatan, dilakukan untuk mengetahui tingkat capaian tujuan PKM ini yakni sejauh mana kegiatan yang diselenggarakan dipahami oleh mitra dan anak asuh mitra  (c).  Evaluasi dampak kegiatan, dengan melihat  kemajuan mitra pasca kegiatan PKM.    Pada tahap evaluasi pelaksanaan kegiatan menunjukkan peserta telah  memahami  seluruh materi yang diberikan dan berminat mengembangkan wirausaha baru. . Para peserta kemudian dibagi menjadi empat kelompok dan  membuat rintisan  usaha baru yang pelaksanaannya  disesuaikan dengan kesibukan mereka. Kelompok 1,  kue keju aroma; kelompok 2 : ceker, sayap pedas dan es jelly sruput;  kelompok 3: siomay mercon dan kelompok 4: Chikuwa. Setiap kelompok mendapatkan modal sebesar Rp. 250.000, dan  digunakan untuk membeli bahan-bahan pembuatan produk yang dijual. Empat usaha ini  dipasarkan secara on line dan secara bertahap  berhasil memberikan tambahan penghasilan pada Panti Asuhan.
IMPLEMENTASI ALGORITMA MODIFIED K-NEAREST NEIGHBOR (MKNN) UNTUK KLASIFIKASI PENERIMA DANA BANTUAN COVID-19 Chaidir, Reza; Oktavianto, Hardian; Umilasari, Reni
IPTEQ Vol 5, No 1 (2023): JASIE
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/jasie.v5i1.21026

Abstract

Bantuan Langsung Tunai (BLT) yaitu program dari pemerintahan yang pemberiannya dengan syarat dan tanpa syarat kepada masyarakat miskin dalam bentuk uang tunai atau berbagai bantuan lainnya (Kemenko Kesra, 2009). Bersamaan dengan itu, saat pandemi COVID-19 masuk ke Indonesia, BLT kembali digelar pada tahun 2020. Warga yang terkena dampak pandemi Covid-19 bukan hanya masyarakat yang terkena dampak kesehatannya, tetapi juga masyarakat yang terdampak ekonominya. Meskipun BLT Dana Desa di Indonesia telah dialokasikan dengan tepat, masih terdapat kekurangan, salah satunya adalah masalah sasaran penerima BLT Dana Desa yang belum optimal. Seperti contohnya di Desa Andongsari, Kecamatan Ambulu, Kabupaten Jember. Oleh karena itu, agar penerima BLT Dana Desa semakin tepat sasaran atau sesuai kriteria, maka diperlukan alat atau metode untuk membantu permasalahan tersebut, salah satu diantaranya ialah menggunakan metode klasifikasi Modified K-Nearest Neighbor untuk dapat mengetahui tingkat akurasi, presisi, dan recall pada penyaluran bantuan langsung tunai yang ada di desa Andongsari. Berdasarkan hasil pengujian k yang telah dilakukan dari range 1-11 didapatkan hasil k optimal di angka 3, dan nilai akurasi sebesar 94,92%, nilai presisi sebesar 90,48%, sedangkan nilai recall sebesar 95%.
ANALISIS PENERAPAN ALGORITMA NAIVE BAYES UNTUK KLASIFIKASI PENYAKIT GINJAL KRONIS irawan, dudi; oktavianto, hardian; anam, moh khoirul
IPTEQ Vol 1, No 2 (2019): JASIE
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/jasie.v1i2.3606

Abstract

Pada bidang medis, klasifikasi berbasis machine learning telah banyak digunakan untuk membantu dokter dan ahli kesehatan dalam diagnosis penyakit maupun penentuan tindakan perawatan dan pengobatan dengan tujuan meminimalisir salah diagnosis. Klasifikasi adalah salah satu bentuk machine learning berbasis pembelajaran yang bertujuan mengelompokkan atau mengkategorikan sesuatu berdasarkan atribut atau fitur yang ada. Naive bayes adalah algoritma machine learning berbasis pembelajaran yang paling sering digunakan karena kesederhanaan konsepnya. Pada penelitian ini diterapkan algoritma naive bayes terhadap dataset chronic kidney disease (CKD) untuk melakukan klasifikasi apakah pasien tergolong mengidap penyakit ginjal kronis atau tidak, dengan menggunakan dataset diambil dari UCI Machine Learning Repository. Algoritma naïve bayes bekerja dengan baik pada dataset yang digunakan pada penelitian ini yang ditunjukkan bahwa ketika menggunakan k dengan nilai 4 sampai 10, total 158 data dapat diklasifikasikan dengan tepat. Nilai akurasi tertinggi mencapai 100%, sedangkan nilai akurasi terendah hanya 99%. Nilai akurasi tertinggi diperoleh ketika menggunakan nilai k = 4 sampai dengan nilai k = 10. Nilai precision dan recall tertinggi adalah bernilai 1 yang menunjukkan bahwa untuk dataset yang digunakan, kualitas dan kuantitas klasifikasi sangat bagus. 
ANALISIS BIG DATA DENGAN METODE MULTINOMIAL NAÏVE BAYES TERHADAP KLASIFIKASI MEDIA PEMBERITAAN Alfain, Asfik; Oktavianto, Hardian; Rahayu, Yeni Dwi
IPTEQ Vol 3, No 2 (2021): JASIE
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/jasie.v3i2.8522

Abstract

Media pemberitaan merupakan sebuah sebaran informasi berupa fakta yang disebarkan melalui media online, cetak, maupun siaran televisi dan radio. Saat ini media yang paling diminati adalah berbasis internet yang tersusun atas beberapa kategori berita contohnya kesehatan, seleb, news, olahraga, otomotif, travel, musik, dll. Pengklasifikasian artikel berita saat ini masih dilakukan secara manual sehingga memerlukan banyak waktu. Solusi yang diperlukan adalah sebuah sistem yang dapat mengklasifikasi artikel berita dengan otomatis. Pengklasifikasian ini menggunakan metode Multinomial Naïve Bayes dengan jumlah 19.200 dataset kemudian diukur dengan menggunakan confusion matrix dan diperoleh tingkat akurasi tertinggi sebear 74%, presisi 98%, recall 93%.
PERANCANGAN DAN IMPLEMENTASI FILE SHARING MENGGUNAKAN SAMBA SERVER Sulistyo, Henny Wahyu; Oktavianto, Hardian
IPTEQ Vol 2, No 1 (2020): JASIE
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/jasie.v2i1.4039

Abstract

Perkembangan dan pertumbuhan data di bidang pendidikan mengalami peningkatan, baik kualitas maupun kuantitas, karena dampak atau permasalahan selanjutnya yang muncul dari peningkatan kualitas dan kuantitas data adalah besarnya data yang ada (big data) serta bagaimanacaranya. untuk bertukar data dan informasi dengan cepat dan aman (file sharing). Berbagi file menggunakan samba merupakan salah satu solusi yang dapat digunakan untuk mengatasi masalah tersebut, karena selain bersifat open source dan gratis, samba juga menyediakan layanan sharing data, file sharing dan printer sharing. Berdasarkan keunggulannya, penelitian kali ini akanmenerapkan teknik file sharing dengan menggunakan Samba sebagai file server di Universitas Muhammadiyah Jember sebagai solusi untuk mengatasi big data dan file sharing yang diharapkan dapat memberikan manfaat bagi seluruh sivitas akademika dan dapat bermanfaat sebagai sumber referensi atau bahan penelitian untuk penelitian serupa selanjutnya. Hasil penelitian menunjukkanbahwa Samba sebagai file server sudah dapat dirancang dan diimplementasikan di Universitas Muhammadiyah Jember sebagai media alternatif dan kegiatan penunjang akademik khususnya dalam hal penyimpanan dan pertukaran data. 
MENILAI TINGKAT KESIAPAN PENERAPAN SMART AND COLLABORATIVE OFFICE (SCO) DENGAN PENDEKATAN TECHNOLOGY ACCEPTANCE MODEL (TAM) Hakim, Luqman; Oktavianto, Hardian; Dasuki, Moh
IPTEQ Vol 4, No 1 (2022): JASIE
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/jasie.v4i1.13462

Abstract

Smart Collaborative Office is a form of information system developed to support work activities within the Universitas Brawijaya. The main objective of this research is to assess the level of implementation of Smart and Collaborative Office (SCO) by using the Technology Acceptance Model (TAM) approach. Using quantitative methods, research instruments were developed based on the literature and previous empirical results related to TAM. A total of 98 respondents, namely Educational Personnel who work at the Head Office or Rectorate of Universitas Brawijaya, were the samples in this study. The research findings show that the ease of use of SCO is the most important predictor of intention to use SCO, while intention to use SCO is the most important determinant of the level of use of SCO at the Head Office of Universitas Brawijaya. The conclusion of the study is that in general the level of application of SCO can be categorized at a moderate level, including considering that the majority of respondents have never completed or attended SCO training.
PENERAPAN BACKWARD ELIMINATION UNTUK SELEKSI FITUR PADA ALGORITMA K-NEAREST NEIGHBOR UNTUK KLASIFIKASI PENYAKIT GAGAL JANTUNG Amilia, Indi Rosifatul; Oktavianto, Hardian; Abdurrahman, Ginanjar
IPTEQ Vol 3, No 1 (2021): JASIE
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/jasie.v3i1.8639

Abstract

Gagal jantung adalah penyakit kardiovaskular yang disebabkan oleh jantung yang mempompa darah ke seluruh tubuh dan mengganggu fungsi sistem sirkulasi fisiologis. Data di Indonesia tahun 2018 menunjukkan bahwa gagal jantung termasuk dalam 10 penyakit tidak menular di Indonesia dan mendapatkan hasil 229.696 (0,13%) orang menderita gagal jantung. Penyakit gagal jantung tidak dapat disembuhkan, tetapi banyak kasus dapat dicegah dan sebagian besar pasien dapat diobati secara efektif untuk meningkatkan kualitas hidup dan kelangsungan hidup. Seiring dengan perkembangan zaman dalam dunia kesehatan terjadi juga perkembangan yang  cukup pesat. Salah satunya adalah pemanfaatan Machine Learning dan Data Mining dalam dunia kesehatan. Metode klasifikasi pada penelitian ini adalah membandingkan antara algoritma K-Nearest Neighbour tanpa seleksi fitur dan K-Nearest Neighbour dengan menggunakan seleksi fitur Backward Elimination. Hasil yang didapatkan dari penelitian ini adalah pada algoritma K-Nearest Neighbour tanpa seleksi fitur didapatkan hasil akurasi sebesar 94,56%, presisi 93,87% dan recall 95,55%. Pada algoritma K-Nearest Neighbour dengan menggunakan seleksi fitur Backward Elimination mendapatkan hasil akurasi sebesar 98,33%, presisi 97,94% dan recall 98,63%.
Pengelompokkan Provinsi di Indonesia Berdasarkan Kabupaten/Kota Yang Memiliki Sarana Kesehatan Menggunakan Algoritma Partitioning Around Medoid Dengan Metode Davies Bouidin Index Mubarok, Fikril; Oktavianto, Hardian; A'yun, Qurrota
IPTEQ Vol 6, No 1 (2024): JASIE
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/jasie.v6i1.5033

Abstract

Sarana kesehatan merupakan sarana utama daIam pemenuhan kebutuhan masyarakat akan kesehatan di setiap daerah, untuk itu sarana kesehatan harus terIetak pada posisi yang stategis dan tersebar merata diseIuruh daerah. JumIah penduduk di Indonesia yang tersebar di 34 provinsi yang mencapai 267,7 juta jiwa berdasarkan badan pusat statistik nasionaI pada tahun 2018 yang tentunya membutuhkan peIayanan kesehatan yang memadai, peIayanan kesehatan dapat diIihat dari ketersediaan sarana peIayanan yang tersedia di masing - masing wiIayah. PermasaIahan tersebut membuat pemerataan sarana kesehatan beIum maksimaI sehingga masih menjadi kendaIa besar bagi dunia kesehatan di Indonesia. Pada peneIitian ini membahas tentang pengeIompokkan provinsi di Indonesia berdasarkan kabupaten/kota yang memiIiki sarana kesehatan menggunakan aIgoritma Partitioning Around Medoids (PAM) dengan metode Davies BouIdin Index, diperoIeh cIuster terbaik dengan hasiI 2 cIuster berdasarkan vaIidasi Davies BouIdin Index sebesar 0,223 dengan skenario 2 cIuster sampai 10 cIuster. Dan  jumIah anggota pada masing – masing cIuster yaitu cIuster 1 terdapat 31 provinsi dan cIuster 2 terdapat 3 provinsi.
ANALISIS ALGORITMA GAUSSIAN NAÏVE BAYES TERHADAP KLASIFIKASI DATA PASIEN DEMAM TIFOID (TYPHOID FEVER) DI PUSKESMAS BALUNG JEMBER Nugroho, Dimas Widia Adi; Oktavianto, Hardian; Lusiana, Dewi
IPTEQ Vol 5, No 1 (2023): JASIE
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/jasie.v5i1.21076

Abstract

Penelitian ini bertujuan untuk menganalisis algoritma Gaussian Naïve Bayes dalam klasifikasi data pasien demam Tifoid di Puskesmas Balung Jember. Data yang digunakan terdiri dari 515 pasien, dengan partisi data menggunakan 20% sebagai data uji dan 80% sebagai data latih. Pemodelan data dilakukan dengan skenario K Fold Cross Validation menggunakan nilai k = 2, 4, 5, 8, dan 10. Untuk mengatasi ketidakseimbangan data digunakan metode Synthetic Minority Over Sampling Technique (SMOTE) sehingga menjadi 337 data. Hasil pemodelan menggunakan skenario K Fold Cross Validation menunjukkan bahwa nilai rata-rata akurasi tertinggi sebesar 89,61%, nilai rata-rata presisi tertinggi sebesar 90,07%, dan nilai rata-rata recall tertinggi sebesar 89,62%. Pengujian model Gaussian Naïve Bayes yang dibangun menghasilkan akurasi sebesar 94%, presisi sebesar 90%, dan recall sebesar 93%. Pengujian juga dibandingkan dengan metode Baseline, yaitu Random Guess dan Threshold. Metode Gaussian Naïve Bayes menunjukkan hasil yang lebih unggul dibandingkan dengan Random Guess, dengan akurasi pemodelan sebesar 49,85% dan pada pengujian sebesar 37,86%. Selain itu, model Gaussian Naïve Bayes juga unggul dibandingkan dengan metode threshold, dengan akurasi pemodelan sebesar 73,3% dan pada pengujian sebesar 75,73%. Penelitian ini menunjukkan bahwa algoritma Gaussian Naïve Bayes efektif dalam klasifikasi data pasien demam Tifoid. Penggunaan SMOTE sebagai metode penyeimbang data juga berhasil meningkatkan performa model. Penelitian ini memberikan kontribusi dalam pemahaman dan penerapan algoritma klasifikasi untuk analisis data pasien demam tifoid.
Co-Authors A'yun, Qurrota Abdul Azis Aditya Surya Manggala Agil Wahyu Royan Agung Nilogiri Ahmad Yusril Ghali Taufiqul Haq aji brahma nugroho, aji brahma Al Faruq, Habibatul Azizah Alfain, Asfik Amilia, Indi Rosifatul Anggar Wahyu Hadiyatullah Ardhi Fathonisyam Putra Nusantara Ardhi, Nusantara Fathonisyam Putra Ari Eko Wardoyo Ari Eko Wardoyo Arindha Dyah Permata Budi Satria Bakti Budi Satrio Bakti Chaidir, Reza Daryanto Daryanto Dasuki, Moh Dewi Lusiana Dimas D K Dimas Pradana Dodik Aris Setiawan Dodik Aris Setiawan Ega Yusni Habibie Firdaussani, Ahmad fitriyah, nur qodariah Fitriyah, Nur Qodariyah Ginanjar Abdurrahman Hadijatmiko, Hadijatmiko Hasbullah Hasbullah Hasbullah Hasbullah Hidayat, Muhammad Hafid Iftitah Sita Devi Andani Imam Alwi Bagas Suwa Irawan, Dudi Izzati Muhimmah Kiki Diah Ayu Puspita Luluk Handayani Luqman Hakim Lusiana, Dewi Marganingsih, Dirgahayu Maulana, Oka Wahyu Moh Khoirul Anam Moh. Dasuki Mokh Hairul Bahri Mubarok, Fikril Muh Nur I.F Muhammad Rivansyah Muhammad Zainur Ridlo Muharom, Lutfi Ali Mukti Sintawati Nanang Saiful Rizal Nely Ana Mufarida Nugroho, Dimas Widia Adi Probowulan, Diyah Qurrota A’yun Rahayu, Yeni Dwi Rahman Puji Handri Rahman, Miftahur Rais Nurwahyudin Rasuki, Muhlisin Rega Sukmawati Ria Angin, Ria Rizky, Mohammad Royan, Agil Wahyu Saifudin, Ilham Saputra, Septiyan Tri Septian Dwi Chandra Sofia Ariyani Sofia Rhosma Dewi Suharso, Wiwik Sulistyo, Henny Wahyu TAUFIQ HIDAYAT Taufiq Timur Warisaji Triawan Adi Cahyanto Ulya Anisatur Rosyidah Umar Dani Umilasari, Reni Warisaji, Taufiq Timur Wijaya, Guruh Zainul Arifin Zainul Arifin ZAINUL ARIFIN Zakiyyah, Amalina Maryam