Article Per Year (5 Year)
p-Index From 2021 - 2026
5.954
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Bianglala Informatika : Jurnal Komputer dan Informatika Akademi Bina Sarana Informatika Yogyakarta JURNAL MEDIA INFORMATIKA BUDIDARMA Faktor Exacta Conference on Innovation and Application of Science and Technology (CIASTECH) Petir Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) Jurnal Telematika Progresif: Jurnal Ilmiah Komputer Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Jurnal Accounting Information System (AIMS) INTERNAL (Information System Journal) Computer Science and Information Technologies TIN: TERAPAN INFORMATIKA NUSANTARA Jurnal Teknik Informatika (JUTIF) Scientific Student Journal for Information, Technology and Science Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Buana Pengabdian Jurnal Accounting Information System (AIMS) INTERNAL (Information System Journal) Scientific Journal of Informatics
Siregar, Amril Mutoi
Teknik Informatika, Universitas Buana Perjuangan Karawang
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering 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 Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Veterinary Other

Published : 65 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search
Journal : Faktor Exacta

 1 
Prediksi Analisis Penderita Covid19 di Indonesia dengan Metode Linier Regresi dan Unsupervised Learning Yana Cahyana; Amril Mutoi Siregar
Faktor Exacta Vol 14, No 3 (2021)
Publisher : LPPM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/faktorexacta.v14i3.10591

Abstract

Penyakit Covid-19 sekarang ini telah dinyatakan penyeakit pandemic, karena tingkat penyebaran dan resiko yang ditimbulkan sangat berbahaya. Berbagai langkah seperti program awareness, social distancing, dan contact tracing telah dilakukan untuk mengendalikan wabah COVID-19. Jika tidak ada vaksin, prediksi kasus yang dikonfirmasi, meninggal, dan pulih diperlukan untuk meningkatkan kapasitas sistem perawatan kesehatan dan mengendalikan penularan. Dalam studi ini, kasus kumulatif dan harian dikonfirmasi, meninggal, dan pulih di Indonesia. Analisisa tidak mempertimbangkan perubahan apa pun dalam tindakan pengendalian pemerintah. Informasi dari studi ini dapat memberikan informasi yang relevan kepada pemerintah dan pejabat Kesehatan dan masyarakat. Bagaimana tingkat kesembuhan terhadap terkonfirmasi, tingkat kematian terhadap jumlah penderita. Penelitian ini menggunakan model regresi dan clustering dengan K-means, menggunakan unsupervised learning dan supervised learning untuk membangun distribusi model. Hasil penelitian ini dengan metode regresi dengan R2 = 0.99 sedangkan untuk clustering denga K= interval 10 - 15 dilihat dari hasil metode elbow
Klasifikasi Kab Kota Provinsi Jawa Barat Berdasarkan Pendapatan Dari Sektor Pertanian Dengan Algoritma Decision Tree Amril Mutoi Siregar; Ahmad Fauzi
Faktor Exacta Vol 13, No 1 (2020)
Publisher : LPPM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/faktorexacta.v13i1.5542

Abstract

The welfare level of rural communities, especially the province of West Java, especially those living away from the cities, can not be separated from the primary revenue is in the agriculture sector. The agricultural industry covers many industries and still many lives under the poverty line. Because facilities and financing are still minimal from the local government. Given the root of the problem is that almost all villages in the city district do not have the correct data, accurate and precise about the condition of the issues and potential of the village-owned. This research is expected to be the wrong way to know the future development opportunities by analyzing the revenue data from the agriculture sector to better decision making. And this data processing technique can be implanted for the local government to measure the success of its agriculture. The selection of features in this study is to use the Decision Tree algorithm to classify data automatically. After this research, the Accuracy of 90% obtained.Keywords: DataMining, classification, Decision Tree, agriculture
Analisis Sentimen Pindah Ibu Kota Negara (IKN) Baru pada Twitter Menggunakan Algoritma Naive Bayes dan Support Vector Machine (SVM) Siregar, Amril Mutoi
Faktor Exacta Vol 16, No 3 (2023)
Publisher : LPPM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/faktorexacta.v16i3.16703

Abstract

Pemindahan Ibu Kota Negara (IKN) Indonesia merupakan salah satu topik yang sedang menjadi sorotan bahkan trending topik di Twitter, sehingga menimbulkan pro kontra bagi masyarakat. Topik tersebut sudah menjadi sumber perdebatan bagi pengguna Twitter. Untuk mengetahui para pengguna twitter dalam mengemukakan pendapatnya dapat dilakukan dengan cara analisis sentimen, dimana cara tersebut memisahkan opini berdasarkan positif dan negatif. Pada analisis sentimen, metode yang digunakan biasanya menggunakan Naïve Bayes dan Support Vector Machine (SVM). Dengan dilakukannya analisa sentimen pada pemindahan IKN Indonesia dengan menggunakan dua metode algoritma yaitu Naïve Bayes dan SVM, maka permasalahan yang menjadi kontroversi dapat diketahui, sehingga dapat menjadi bahan evaluasi untuk kepentingan lainnya. Selain itu juga dengan penggunaan dua metode algoritma tersebut diharapkan dapat diketahui metode algoritma mana yang dapat menunjukkan tingkat akurasi yang tepat. Berlandaskan uraian tersebut, maka penelitian kali ini perlu memberikan kontribusi baru dalam mengalisis sentimen IKN Indonesia dengan menggunakan dua metode yang berbeda, sehingga penelitian berbeda dari penelitian-penelitian terdahulu. Penelitian ini bertujuan untuk menganalisis dan mengetahui sentimen masyarakat Indonesia terhadap pemindahan IKN melalui cuitan pada aplikasi Twitter. Untuk melakukan analisis sentimen tersebut, peneliti menggunakan dataset dari Twitter guna mengetahui perbandingan keakurasian diantara dua metode yang digunakan yaitu Naïve Bayes untuk mengkategorikan cuitan kedalam 2 kategori yaitu cuitan positif dan negatif, kemudian dibandingkan dengan metode SVM. Penelitian dilaksanakan sebagai pendukung informasi yang akurat kepada masyarakat terhadap Ibu Kota Negara. Metode penelitian yang digunakan yaitu klasifikasi Naïve Bayes dan klasifikasi SVM dengan dukungan tools Rapidminer. Hasil analisis sentimen dengan algoritma Naïve Bayes menghasilkan akurasi 86.94% memiliki nilai presisi rata-rata 96.24%, dan nilai recall 86.66%. Sedangkan hasil analisis dengan algoritma SVM menghasilkan nilai akurasi sejumlah 90.81%. Hasil analisis sentimen penelitian ini memiliki nilai presisi rata-rata sebesar 90.12%, dan nilai recall sebesar 99.12%.
COMPARISON OF DIABETES DISEASE CLASSIFICATION MODELS USING LOGISTIC REGRESSION AND RANDOM FOREST ALGORITHMS nabila, putri; Mutoi Siregar, Amril; Faisal, Sutan; Pratama, Adi Rizky
Faktor Exacta Vol 17, No 3 (2024)
Publisher : LPPM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/faktorexacta.v17i3.24388

Abstract

Diabetes is a lifelong chronic disease that disrupts blood sugar regulation. Diabetes is a life-threatening condition that, if left untreated, can lead to death and other health problems. Several medical tests, including the glycated hemoglobin (A1C) test, blood sugar test, oral glucose tolerance test, and fasting blood sugar test, can be used to detect diabetes. According to statistics, high glucose levels are one of the problems associated with diabetes. This study aims to categorize patients into diabetic and non-diabetic groups using specific diagnostic metrics included in the dataset. 1500 patient records with 9 attributes and 2 classes were used by the researchers. The study used machine learning techniques, including Logistic Regression and Random Forest, along with Confusion Matrix and Receiver Operating Characteristics (ROC) assessment. The Random Forest method produced results of 97% accuracy, 97% precision, 100% recall, and 98% f1-score, indicating that the accuracy level seems good but can still be improved. Based on the accuracy findings, Random Forest is the most effective strategy of Logistic Regression.
Ketahanan Pembelajaran Mesin terhadap Adversarial examples: Metodologi dan Pertahanan Kurniawan, Ade; Aprilia, Ely; Aulia, Achmad Indra; Siregar, Amril Mutoi; Goeirmanto, Leonard
Faktor Exacta Vol 18, No 2 (2025)
Publisher : LPPM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/faktorexacta.v18i2.26078

Abstract

This paper examines the vulnerability of machine learning models to adversarial examples: inputs that are subtly manipulated to deceive a model into making incorrect predictions. Although deep learning has demonstrated remarkable performance across various tasks, the security of these models remains a significant challenge. This study provides a comprehensive review of various methods for generating adversarial examples, a classification of attack techniques, and corresponding defense strategies, including both active and passive approaches. The findings indicate that a combination of several defense techniques is significantly more effective in enhancing model robustness compared to any single approach. This research is expected to provide a foundation for the development of more secure and reliable machine learning models for critical applications.
Co-Authors Abda Abda Abdul Mufti Ahmad Fauzi Ahmad Fauzi Alma Hidayanti Alya Nabilah Andri Juliyanto Anton Romadoni Junior Aprilia, Ely Ariesta, Eliza ARIF, SITI NOVIANTI NURAINI Aulia, Achmad Indra Baihaqi, Kiki Ahmad Basuni, Nursela Bunga Tiara, Vira Citra Nur Napiah Deden Wahiddin Dwi Sulistya Kusumaningrum Dwi Sulistya Kusumaningrum Dwi Vina Wijaya Faisal, Sutan Fariz Duta Nugraha Farkhina Dwi Utari Fauzi Ahmad Muda Favian Jarsi Taufiqqurakhman Fitri Nur Masruriyah, Anis Goeirmanto, Leonard Hanny Hikmayanti Handayani Hartono Wijaya, Sony Hexsel Aldoegasha Hilda Yulia Novita Indi Nurul Hassanah Indra Maulana` Indra Maulana Indra, Jamaludin Jaman, Jajam Haerul Jayidan, Zirji Juwita, Ayu Ratna Koirunnisa, Koirunnisa Kurniawan, Ade kurniawan, Rifky Kusumaningrum, Dwi Sulistya Kusumaningrum, Dwi Sulistya Kusumaningrum Lestari, Santi Arum Puspita Lilis Kartika Lutfiah Adeliana Maulana Abdur Rofik Maulana, Ikhsan Muhammad Fathir Fahlevi Mulya Cahya Ramadanty Murniasih nabila, putri Nahrowi Nahrowi Nahrowi Nilam Atsirina Krisnaputri Nofita Sari Nur Dava Kurniawan Nur Davi Kurniawan Nusaibah Nusaibah Permana, Tedi Pratama, Adi Rizky Priyatna, Bayu Rahmad Nahar Siregar Rahmat Rahmat Ramadhan, Naufal Cahya Rizqi Fahrozi Rohana, Tatang Romadoni, Nurul Salsa Desmalia Samsul Arifin Santi Arum Puspita Lestari Sekar Wuni Sinta Candra Dewi Sinung Suakanto SITI NURJANAH Siti Silvia Arifin Sony Hartono Wijaya Sony Hartono Wijaya Sukamto, Ika Sumiyarsi Surjandy Sutan Faisal Sutan Faisal Sutan Faisal Tatang Rohana Taufiqqurahman Hutri Tia Astiyah Hasan Tiawan Tjong Wan Sen Tjong Wan Sen Tohirin Al Mudzakir Tohirin Al Mudzakir Tria Pratiwi Sutriyani Tukino Tukino Tukino, Tukino Wilda Amalia Y Aris Purwanto Yana Cahyana Yana Cahyana Yana Cahyana Cahyana Yholanda Maldini Yogi Firman Alfiansyah Yusuf Khoiruddin