Claim Missing Document
Check
Articles

Found 23 Documents
Search

Sistem Pengelolaan Referensi dengan Zotero Jeffry; Aziz, Firman; Taufik, Akbar; Anirwan; Hamdani Nur, Nur; Usman, Syahrul; La Wungo, Supriyadi; Abasa, Sustrin
GLOBAL ABDIMAS: Jurnal Pengabdian Masyarakat Vol. 2 No. 2 (2022): November 2022, GLOBAL ABDIMAS
Publisher : Unit Publikasi Ilmiah Perkumpulan Intelektual Madani Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51577/globalabdimas.v2i2.298

Abstract

Pelaksanaan pelatihan pengelolaan referensi dengan menggunakan Zotero bertujuan untuk memudahkan mahasiswa Program Studi Ilmu Komputer Universitas Pancasakti dalam hal keterampilan penggunaan perangkat lunak Zotero untuk pengelolaan referensi dalam penulisan karya ilmiah. Metode pelatihan dilakukan dengan beberapa tahapan yaitu riset pada Mahasiswa Program Studi Ilmu Komputer Universitas Pancasakti dalam memahami pengelolaan referensi ketika penyelesaian tugas akhir, pemberian materi dan praktik tentang penggunaan perangkat lunak Zotero. Berdasarkan hasil pretest dan posttest yang dilakukan diperoleh bahwa pelatihan ini berdampak signifikan terhadap pengetahuan mahasiswa dalam pengelolaan referensi dengan rata -rata hasil post test peserta yaitu 95.2%.
Penerapan Metode Certainty Factor dan Forward Chaining pada Sistem Pakar Untuk Mendiagnosa Penyakit Ginjal Jeffry, Jeffry; Usman, Syahrul
Indonesian Journal of Intellectual Publication Vol. 1 No. 1 (2020): Nopember 2020, IJI Publication
Publisher : Unit Publikasi Ilmiah Perkumpulan Intelektual Madani Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51577/ijipublication.v1i1.35

Abstract

Ilmu komputer yang mempelajari kemampuan komputer untuk bertindak dan memiliki kecerdasan seperti manusia dikenal sebagai kecerdasan buatan, yang termasuk dalam kecerdasan buatan antara lain: penglihatan komputer, pengolahan bahasa alami, robotika, jaringan syaraf tiruan, sistem pakar (expert system). Penelitian ini bertujuan untuk membuat suatu sistem pakar yang digunakan untuk mendiagnosa penyakit ginjal, dimana pengguna bisa mendiagnosis sendiri (skrining mandiri) berdasarkan gejala yang dirasakannya. Pengetahuan pada sistem direpresentasikan dalam bentuk aturan dan metode penalaran yang digunakan adalah metode runut maju (forward chaining) sedangkan nilai kepastian terhadap penyakit menggunakan metode certainty factor yaitu diperoleh dari kombinasi nilai dari user dan pakar. Hasil penelitian menunjukkan bahwa sistem ini mampu mendiagnosa kemungkinan jenis penyakit ginjal yang diderita oleh user dengan menampilkan besaran kepercayaan dari tiap-tiap penyakit. Dari hasil percobaan diperoleh bahwa nilai certainty factor pada Nefritis tubulointerstisial sebesar 0,7502, untuk Sistitis Interstisial sebesar 0,7308, Kanker Kandung Kemih sebesar 0,6429. Sehingga nilai CF terbesar merupakan keputusan dari sistem pakar ini. Besarnya nilai kepercayaan tersebut merupakan hasil perhitungan dengan menggunakan metode certainty factor.
Implementasi Algoritma Machine Learning untuk Forecasting Demand Pada Usaha Kerupuk Sehat Krusawi Wijaya, Neti Septi; Usman, Syahrul; Iskandar, Imran; Rimalia, Watty; Syam, Rahmat Fuady
Madani: Jurnal Ilmiah Multidisiplin Vol 4, No 1 (2026): February 2026
Publisher : Penerbit Yayasan Daarul Huda Kruengmane

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.18358038

Abstract

The rapid development of information technology has encouraged business actors to utilize data analysis to improve efficiency and competitiveness, one of which is through demand forecasting. This study aims to implement machine learning algorithms to forecast product demand in the Krusawi Healthy Crackers business. The method employed is Prophet, which was selected due to its capability to handle time series data with nonlinear trends and seasonal patterns. The data used consist of historical daily sales data from April to July 2024, which were subsequently aggregated into weekly data. The research stages include data collection, data preprocessing (data aggregation, handling missing values, and Box-Cox transformation), Prophet model design with logistic growth and custom bi-monthly seasonality, model training, and performance evaluation. The results indicate that the Prophet model provides excellent forecasting performance, achieving a Mean Absolute Percentage Error (MAPE) of 6.57% or an accuracy level of 93.43%. The model successfully captures trend and seasonal patterns in Krusawi product sales. Therefore, the implementation of machine learning algorithms using the Prophet method proves to be a reliable solution for supporting production planning and inventory management in the Krusawi healthy crackers business, and has the potential to improve operational efficiency and business decision-making.