Claim Missing Document
Check
Articles

Found 8 Documents
Search

Optimasi Parameter Support Vector Machine Dengan Particle Swarm Optimization Untuk Prediksi Tunggakan Iuran Sekolah Syahril; Medikawati Taufiq, Reny; Taslim; Toresa, Dafwen; Fajrizal; Handayani, Susi
Technologica Vol. 3 No. 2 (2024): Technologica
Publisher : Green Engineering Society

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55043/technologica.v3i2.162

Abstract

Penelitian ini berfokus pada pengembangan model prediktif untuk mengidentifikasi tunggakan iuran siswa di Sekolah Madrasah Ibtidaiyah Muhammadiyah Pekanbaru. Model ini memanfaatkan metode Support Vector Machine (SVM) dengan optimasi parameter menggunakan algoritma Particle Swarm Optimization (PSO) untuk mencapai akurasi prediksi yang tinggi. Data iuran siswa tahun 2022 digunakan sebagai sumber data, dan proses pra-pemrosesan data dilakukan untuk membersihkan noise dan outlier serta mengatasi ketidakseimbangan kelas dengan teknik SMOTE. Model yang diusulkan menggabungkan SVM dengan PSO untuk mencari nilai C dan gamma yang optimal pada model SVM. Hasil penelitian menunjukkan bahwa SVM dengan kernel radial dan 80% data latih mencapai akurasi sebesar 86,39%. Pengujian SVM+PSO dilakukan dengan dua ukuran populasi (10 dan 15) dan 1000 generasi evolusi. Penggunaan 10 populasi menghasilkan akurasi sebesar 89,20%, sedangkan 15 populasi mencapai akurasi 90,64% dengan nilai optimal C=1,4 dan gamma=2,6. Penelitian ini menekankan pentingnya penyesuaian parameter dan strategi evolusi seperti PSO dalam meningkatkan kinerja model SVM untuk tugas mengklasifikasikan tunggakan iuran siswa. Hasil ini menunjukkan bahwa model yang diusulkan mampu memberikan prediksi yang lebih akurat dibandingkan SVM standar, sehingga memberikan kontribusi penting dalam identifikasi dan pengambilan keputusan terkait tunggakan iuran siswa di sekolah
Peningkatan Performa Model Gradient Boosting dalam Klasifikasi Stroke Melalui Optimasi Grid Search Handayani, Susi; Fajrizal; Taslim; Toresa, Dafwen; Syahril
JURNAL FASILKOM Vol. 14 No. 3 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v14i3.7893

Abstract

Studi ini menyelidiki pengaruh optimasi hyperparameter dengan grid search pada model XGBoost dan LightGBM dalam klasifikasi stroke. Hasil penelitian menunjukkan bahwa optimasi parameter secara signifikan meningkatkan performa kedua model, terutama dalam akurasi, precision, F1 Score, dan ROC-AUC Score. Pada model XGBoost, peningkatan terutama terlihat akurasi dan precision, sementara LightGBM menunjukkan peningkatan merata di semua metrik evaluasi. Temuan ini menggarisbawahi pentingnya optimasi hyperparameter dalam membangun model klasifikasi yang efektif untuk memprediksi risiko stroke dengan lebih akurat dan dapat diandalkan. Penemuan ini dapat berkontribusi dalam pemahaman lebih lanjut tentang faktor-faktor yang mempengaruhi stroke serta mendukung penanganan yang lebih tepat dan efektif dalam praktik klinis
PELATIHAN PEMROGRAMAN JAVASCRIPT BAGI SISWA SMK INOVASI RIAU Fajrizal; Susi Handayani; Taslim; Walhidayat; Syahril
J-COSCIS : Journal of Computer Science Community Service Vol. 5 No. 1 (2025): J-COSCIS : Journal of Computer Science Community Service
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31849/jcoscis.v5i1.22458

Abstract

Pelatihan pemrograman JavaScript ini bertujuan untuk membekali siswa SMK dengan keterampilan yang dibutuhkan untuk menjadi pengembang web yang kompeten. Melalui pendekatan pembelajaran yang berbasis proyek dan didukung oleh tools berbasis android, siswa akan belajar membangun aplikasi web interaktif yang dinamis dan responsif. Materi pelatihan mencakup sintaks JavaScript, manipulasi DOM, event handling, asynchronous programming, dan best practices dalam pengembangan web. Diharapkan melalui pelatihan ini, siswa dapat mengembangkan minat yang berkelanjutan dalam bidang pemrograman dan siap untuk berkontribusi dalam pengembangan industri teknologi informasi di Indonesia.
Feature Selection in Naïve Bayes for Predicting ICU Needs of COVID-19 Patients Taslim, Taslim Malano; fajrizal; Handayani, Susi; Toresa, Dafwen
The Indonesian Journal of Computer Science Vol. 12 No. 3 (2023): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i3.3211

Abstract

COVID-19 is a global pandemic that requires a coordinated global response in all healthcare and national healthcare systems. Identifying patients at high risk of contracting the COVID-19 virus is crucial to increasing awareness before patients become further infected by the virus, which can cause severe respiratory illnesses requiring specialized care in intensive care units (ICUs). This study aims to predict the need for ICUs in patients infected with the COVID-19 virus. The predicted ICU requirements serve as a reference for hospitals to meet the ICU needs of COVID-19 patients. The prediction of ICU requirements for COVID-19 patients is performed using the Naïve Bayes algorithm, and particle swarm optimization (PSO) used to obtain the best accuracy values from Naïve Bayes. In the initial testing, Naïve Bayes without feature selection resulted in an accuracy rate of 74.75%. Testing Naïve Bayes+PSO by increasing the number of PSO generations shows that as the number of generations in PSO increases, the accuracy rate also increases. Testing Naïve Bayes+PSO with 3000 generations and a population size of 20 shows an increase in the accuracy rate to 80.95%. Testing Naïve Bayes+PSO by increasing the population size to 40 with 1000 generations for each population size shows an increase in the accuracy rate to 80.70%.
PELATIHAN DIGITAL MARKETING DI SMKN 6 PEKANBARU Yogi Ersan Fadrial; Yogi Yunefri; Sutejo; Fajrizal; Muhamad Sadar; M. Khairul Anam
J-COSCIS : Journal of Computer Science Community Service Vol. 5 No. 1 (2025): J-COSCIS : Journal of Computer Science Community Service
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31849/jcoscis.v5i1.25935

Abstract

Pelatihan Digital Marketing di SMKN 6 Pekanbaru merupakan upaya untuk mempersiapkan siswa dengan keterampilan yang relevan dalam menghadapi tantangan era digital. Tujuan utama dari pelatihan ini adalah memberikan pemahaman tentang konsep-konsep dasar pemasaran digital, termasuk optimisasi mesin pencari (SEO), pemasaran melalui media sosial, dan manajemen kampanye iklan online. Selain itu, pelatihan ini mengutamakan pendekatan praktis di mana siswa tidak hanya menerima teori, tetapi juga terlibat langsung dalam proyek-proyek pemasaran digital nyata yang memungkinkan mereka merancang dan menerapkan strategi pemasaran secara langsung. Melalui kegiatan kolaboratif dan kreatif, siswa diharapkan dapat mengembangkan keterampilan kerja sama tim serta pemecahan masalah dalam konteks pemasaran digital. Pelatihan ini bertujuan untuk membekali siswa dengan pengetahuan dan pengalaman praktis yang akan meningkatkan daya saing mereka di pasar kerja, khususnya di bidang pemasaran dan teknologi informasi.
PENINGKATAN KETERAMPILAN DESAIN GRAFIS BERBASIS AI MELALUI PELATIHAN PENGGUNAAN MIDJOURNEY PADA SISWA JURUSAN REKAYASA PERANGKAT LUNAK DI SMK NEGERI 8 PEKANBARU Fajrizal; Ahmad Zamsuri; Mhd Arief Hasan
J-COSCIS : Journal of Computer Science Community Service Vol. 5 No. 2 (2025): J-COSCIS : Journal of Computer Science Community Service
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31849/np1yqq20

Abstract

Penelitian ini bertujuan untuk mengimplementasikan pelatihan penggunaan teknologi MidJourney berbasis AI dalam pembuatan desain grafis di SMK Negeri 8 Pekanbaru, khususnya untuk siswa jurusan Rekayasa Perangkat Lunak. Analisis situasi menunjukkan bahwa peserta didik memiliki keterbatasan dalam memahami dan mengaplikasikan teknologi AI dalam desain grafis. Solusi yang ditawarkan adalah pelatihan penggunaan MidJourney untuk meningkatkan kreativitas dan keterampilan teknis peserta dalam desain. Pelatihan dilakukan dengan pendekatan praktikal, mencakup pengenalan platform, pembuatan desain berbasis prompt, serta praktik mandiri dengan pendampingan. Hasil dari kuisioner yang dibagikan sebelum dan sesudah pelatihan menunjukkan peningkatan signifikan dalam keterampilan peserta. Sebelum pelatihan, pemahaman peserta mengenai AI berada pada 50%, namun setelah pelatihan meningkat menjadi 86%. Kemampuan menggunakan MidJourney meningkat dari 44% menjadi 80%, dan kreativitas peserta mengalami peningkatan dari 56% menjadi 84%. Umpan balik dari peserta menunjukkan kepuasan terhadap materi yang diberikan, meskipun ada saran terkait durasi pelatihan dan penyediaan materi lanjutan. Secara keseluruhan, pelatihan ini berhasil memperkenalkan teknologi AI kepada peserta didik dan memberikan dampak positif terhadap pengembangan keterampilan desain grafis berbasis digital.
Sosialisasi Penggunaan Aplikasi Blended Learning Sebagai Penunjang Pembelajaran Daring Di Masa Pandemi Covid-19 Hardianto, Roki; Fajrizal; Musfawati
FLEKSIBEL: Jurnal Pengabdian Masyarakat Vol. 2 No. 1 (2021): Edisi April 2021
Publisher : Fakultas Teknik Universitas Lancang Kuning

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31849/ber8g025

Abstract

Community Service raised the title "Socialization of the Use of Blended Learning Applications to Support Online Learning during the Covid-19 Pandemic". The activity was carried out because the rules regarding online learning from home had been decided since the Covid-19 pandemic broke out in Indonesia. Students and lecturers in the teaching and learning process interact using e-learning applications. The goal is that all activities can be stored as university archives for accreditation and other purposes. At the Lancang Kuning University the e-learning application is called blended learning. Community Service Activities were held at the Zoom Meeting with the aim of preventing the transmission of Covid-19. At the event, 89 students attended the Zoom Meeting from the Faculty of Computer Science. The implementation of activities is carried out for one day with a discussion of the use of blended learning material in the form of account registration, class management to the teaching and learning process in the blended learning application. This activity has outputs, namely the PKM journal that has been published in the OJS online journal, news of activities published scientifically and useful knowledge for participants.
Optimasi Nilai K Pada Algoritma k-Means untuk Klasterisasi Data Pasien Covid-19 Moh. Fatkuroji; Fajrizal; Taslim; Eka Sabna; Kursiah Warti Ningsih
The Indonesian Journal of Computer Science Vol. 11 No. 2 (2022): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v11i2.3088

Abstract

With the spread of Covid-19 to various countries, it is difficult for Governments and Health Agencies in the world to handle Covid-19 cases to date. The prevention carried out by the Government and Health Agencies in the world is carried out by giving vaccines to the public. However, in some places it is not implemented in accordance with PMK Number 84 of 2020 which prioritizes providing vaccines to the elderly. With the current density of the population in Indonesia, the administration of vaccines does not see who is prioritized first. The application of the k-means algorithm is carried out to cluster patients affected by Covid-19 on the Covid-19 case data obtained from kaggle.com in the form of patient data from January 1, 2020 to May 31, 2020 as many as 139119 cases. The results of clustering data on cases affected by Covid-19 with k=3 yielded a WCSS value of 6801292.2. Calculations of the K-Means Algorithm using the Google Collaboratory Tools resulted in clusters with the cases of patients affected by Covid-19 in Cluster-0 as many as 58.237 cases, in Cluster-1 as many as 53.932 cases, and in Cluster-2 as many as 26.950 cases.