Article Per Year (5 Year)
p-Index From 2021 - 2026
4.629
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Sains dan Teknologi Jurnal Ilmiah KOMPUTASI Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JURNAL MEDIA INFORMATIKA BUDIDARMA Information System for Educators and Professionals : Journal of Information System Sebatik MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Jurnal Ilmiah Media Sisfo JOURNAL OF SCIENCE AND SOCIAL RESEARCH EXPLORE JOISIE (Journal Of Information Systems And Informatics Engineering) Jurnal Teknologi Dan Sistem Informasi Bisnis Indonesian Journal of Electrical Engineering and Computer Science JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Majalah Ilmiah UPI YPTK Journal of Computer Scine and Information Technology Jurnal Teknoif Teknik Informatika Institut Teknologi Padang Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) EXPLORE Jurnal Komtekinfo INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS : Journal of Information System Jurnal Pengabdian Masyarakat Dharma Andalas
Yanto, Musli
Universitas Putra Indonesia YPTK Padang
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Social Sciences Other

Published : 46 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search
Journal : sebatik

 1 
JARINGAN SYARAF TIRUAN PERCEPTRON UNTUK PENENTUAN POLA SISTEM IRIGASI LAHAN PERTANIAN DI KABUPATEN PESISIR SELATAN SUMATRA BARAT Musli Yanto; Rini Sovia; Eka Praja Wiyata Mandala
Sebatik Vol 22 No 2 (2018): DESEMBER 2018
Publisher : STMIK Widya Cipta Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (272.625 KB)

Abstract

Penelitian Jaringan Syaraf Tiruan dengan menggunakan algoritma Perceptron ini, akan digunakan dalam menyelesaikan kasus untuk menunjang sebuah keputusan pada pembangunan irigasi air di daerah Kabupaten Pesisir Selatan Provinsi Sumatera Barat. Metode Jaringan Syaraf Tiruan algoritma Perceptron adalah sebuah metode yang mampu melakukan proses perhitungan dengan mengenali variabel-variabel dalam pencocokan pola dan pada akhirnya hasil keluaran dari Jaringan dapat digunakan sebagai bahan pertimbangan pengambilan keputusan. Tujuan akhir dari penelitian ini adalah untuk membantu pihak Dinas Pengelolaan Sumber Daya Air Kabupaten Pesisir Selatan yang kesulitan dalam menentukan daerah mana yang seharusnya terlebih dahulu di prioritaskan untuk pembangunan sistem irigasi, sehingga pihak Dinas Pengelolaan Sumber Daya Air Kabupaten Pesisir Selatan cepat tanggap dalam memutuskan pembangunan sistem irigasi. Konsep pola Jaringan Syaraf Tiruan Algoritma Perceptron yang dihasilkan akan diterapakan kedalam Sistem pengambilan keputusan yang bermanfaat untuk mepermudah kinerja Dinas Pengelolaan Sumber Daya Air Kabupaten Pesisir Selatan dalam pengolahan dan penentuan keputusan pembangunan sistem irigasi.
PERAMALAN JUMLAH PRODUKSI AIR DENGAN ALGORITMA BACKPROPAGATION Musli Yanto; Sitti Rizki Mulyani; Liga Mayola
Sebatik Vol 23 No 1 (2019): JUNI 2019
Publisher : STMIK Widya Cipta Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (425.752 KB)

Abstract

Pada masa saat sekarang ini, peramalan sudah menjadi bentuk bahan pertimbangan dalam segala aspek bidang. Kajian dalam jumlah produksi sering kali banyak peneliti mencoba melakukan peramalan guna sebuah proses manajemen. Dalam penelitian ini, penulis menjadikan topik penelitian yang mengkaji peramalan jumlah produksi air. Hal ini sudah banyak para peneliti melakukan penelitian yang membahas kajian prediksi jumlah produksi air dengan menggunakan Jaringan Saraf Tiruan (JST). Pada penelitian ini, penulis juga akan membahas pembahasan mengenai (JST) dengan algoritma backpropagation guna melihat lagi hasil peramalan jumlah prediksi air yang terjadi pada PDAM yang ada di kota Padang. Algoritma ini berkerja untuk melatih dan menguji pola jaringan yang terbentuk dari beberapa variabel yang digunakan dilihat dari aspek penggunaan dan jumlah air yang terjual. Proses pelatihan dan pengujian dilakukan nantinya akan menghasilkan nilai seberapa besarnya akurasi dari sebuah peramalan. Pada peramalan jumlah produksi air dengan algoritma beckpropagation, penulis mendapati Nilai akurasi pada peramalan ini sebesar 99,78 % dan nilai rata-rata kesalahan (Mape) yang didapat sebesar 0.23%, sehingga hasil peramalan yang didapat bisa dijadikan landasan dalam melakukan manajemen jumlah produksi air.
POLA PENENTUAN STATUS PEMINJAMAN DENGAN ALGORITMA PERCEPTRON Syafri Arlis; Darma Syahrullah Ekajaya; Musli Yanto
Sebatik Vol 23 No 2 (2019): Desember 2019
Publisher : STMIK Widya Cipta Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (338.482 KB)

Abstract

Pada setiap penentuan pemberian dana pinjaman koperasi yang dilakukan, pada umumnya memiliki sistem yang sama dengan melihat data-data yang diajukan oleh pihak peminjam sebelumnya. Penelitian ini memiliki tujuan untuk mampu mengenali pola pemberian status peminjaman yang akan diberikan oleh pihak koperasi dengan mengkobinasikan konsep ilmu pada jaringan saraf tiruan algoritma perceptron. Algoritma ini sangat cocok dalam mengenali pola yang berkerja dengan melakukan pelatihan jaringan berdasarkan variabel-variabel dari data yang digunakan pada jaringan. Dalam proses pelatihan yang dilakukan jaringan, penulis menggunakan alat bantu software matlab. Hasil penelitian yang didapat akan mampu memberikan masukan pada pihak pengelola koperasi dalam memberikan status pemberian dana pinjaman yang lebih terkonsepdan tersistem agar proses pemberian status peminjaman lebih cepat dan efisien.
ANALISIS FORCASTING JUMLAH KUNJUNGAN TAMU HOTEL DI KOTA BUKITITINGGI Musli Yanto; Rini Sovia; Putri Melati
Sebatik Vol 24 No 1 (2020): Juni 2020
Publisher : STMIK Widya Cipta Dharma

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

Abstract

Bukittinggi merupakansalah satu kota yang dikenal dengan destinasi objek wisata. Beragam bentuk sajian wisata tersaji untuk para wisatawan yang berkunjung baik nasional maupun mancanegara. Salah satu fasilitasyang dibutuhkan oleh para pengunjung adalah ketersediaan hotel untuk tempat menginap saat melakukan kunjungan wisata. Pada penelitian ini, permasalahan yang akan dibahas adalah sebuah proses analisa forcasting untuk melihat jumlah kunjungan tamu hotel yang ada di kota Bukittinggi.Proses forcastingyang dilakukan ini menggunakan metode artificial neural network algoritma backpropagation. Metode ini sangat cocok dalam melakukan sebuah proses forcasting, dimana metode ini bekerja dengan melakukan proses pelatihan dan pegujian terhadap pola data yang dibangun sebelumnya. Proses analisa forcasting tersebut dimulai dengan menemukan variabel data dan membangun pola jaringan terlebih dahulu berdasarkan data jumlah kunjungan tamu hotel serta variabel prediktor yang digunakan diantaranya jumlah kunjungan wisata, jumlah objek wisata, inflansi dan nilai tukar rupiah. Proses ini menghasilkan hasil dengan tingkat nilai akurasi yang didapatkan sebesar 99.98% dan nilai kesalahan sebesar 0.002%.Hasil tersebut didapat dari pola jaringan dengan bentuk 5-70-1 dimana pola tersebut merupakan pola jaringan terbaik yang didapat berdasarkan proses pelatihan dan pengujian jaringan. Hasil penelitian ini akan dijadikan bahan pertimbangan bagi pihak pengelola hotel serta pemerintah setempat dalam pengelolaan sektor pariwisata guna meningkatkan Pendapatan Asli Daerah (PAD) kota Bukittinggi.
Teacher Performance Evaluation Analysis Using K-Means Clustering Algorithm and Random Forest Classification Dito Jurinaldo; Musli Yanto; Syafri Arlis
Sebatik Vol. 30 No. 1 (2026): June 2026
Publisher : STMIK Widya Cipta Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46984/sebatik.v30i1.2744

Abstract

Teacher performance assessment is a primary parameter in determining the quality of educational institutions. Evaluation systems in many elementary schools still rely on descriptive qualitative approaches. Abundant school administrative data often remain as unprocessed archival records without further analytical utilization. This condition results in school management decision-making that lacks a strong empirical foundation. This study applies data mining technology to transform administrative data into strategic information. The research focuses on SD Negeri 12 Padang Besi and involves all active teaching staff during the current academic year. The research dataset is entirely derived from internal school records. This study excludes the use of questionnaire instruments, and in-depth interview methods are not employed in the data collection process. The analysis is strictly limited to administrative aspects, without including assessments of in-class pedagogical competence. The technical implementation utilizes the K-Means Clustering algorithm to automatically identify patterns in teacher performance grouping. This process is followed by the application of the Random Forest algorithm to measure classification accuracy based on the available administrative features. The combination of these methods produces a performance mapping that is free from human subjectivity. The analytical results provide clear performance labels for each individual teacher. This study contributes to the development of a data-driven digital evaluation model. School management can use the outputs of this research as a basis for reward allocation or targeted professional development programs. This approach ensures transparency in human resource governance within the educational environment.
Deep Learning Analysis for Predicting the Approval Time of Clinical Practice Guidelines (CPG) Based on Historical Administrative Data Yuliana Pertiwi; Musli Yanto; Billy Hendrik
Sebatik Vol. 30 No. 1 (2026): June 2026
Publisher : STMIK Widya Cipta Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46984/sebatik.v30i1.2745

Abstract

This study aims to predict the processing time of the approval of Clinical Practice Guidelines (CPG), which exhibits considerable variation in duration and is difficult to predict accurately. In addition, the utilization of historical hospital administrative data to build effective predictive models for estimating the duration of the CPG approval process has not yet been optimized. Therefore, this research seeks to develop a predictive model to estimate the processing time of the CPG approval process.The proposed approach employs deep learning techniques by leveraging historical administrative data as the basis for modeling. The methods applied include K-Means Clustering, Decision Tree, and Long Short-Term Memory (LSTM). K-Means Clustering is used to group CPG data based on similar administrative characteristics, enabling the identification of approval time patterns. Subsequently, the Decision Tree method is utilized to analyze the relationships among variables and to generate classification rules that explain the factors influencing the duration of the CPG approval process. Meanwhile, LSTM serves as the primary model for predicting the processing time of CPG approval.This study uses 487 CPG records collected over the period from 2020 to 2024. The evaluation results indicate that the K-Means Clustering method achieves an accuracy rate of 87,36%. This level of accuracy reflects strong clustering performance and a high degree of conformity with actual conditions, indicating that the results are suitable to be used as a foundation for further analysis in the classification and prediction stages of the CPG approval process.
Co-Authors - Khairiazaz Ariandi, Vicky Aulia Fitrul Hadi Billy Hendrik Darma Syahrullah Ekajaya Dewi Eka Putri Dewi Eka Putri Dhio Saputra Dina Selvia Dito Jurinaldo Dodi Guswandi Eka Naufaldi Novri Eka Praja Wiyata Mandala Febri Hadi Firdaus daus Gunadi Widi Nurcahyo Hadi Syahputra Ilsa Hidayat Imam Fakhri Muhammad Irzal Arif Wisky Jamhur, Annisak Izzaty Julsapargi Nursam Khairiazaz Liga Mayola M. Hafizh M. Hafizh Muhammad Hafizh Muhammad Idris Muhammad Reza Putra Muhammad Reza Putra Nursam, Julsapargi Oriza Rama Saputra Putri Melati Putri Melati Rahma Yanti Randy Permana Riandana Afira Safitri, Wifra Sela Ramadani Selvi Zola Fenia SIGIT SANJAYA, SIGIT Sitti Rizki Mulyani Sovia, Rini Sumijan Syafri Arlis Widya Nursanty Yogi Wiyandra Yuhandri Yuhandri, Yuhandri Yulasmi Yuliana Pertiwi