Garuda - Garba Rujukan Digital

p-Index From 2020 - 2025

6.889

P-Index

This Author published in this journals

All Journal Dinamik Techno.Com: Jurnal Teknologi Informasi JSI: Jurnal Sistem Informasi (E-Journal) CESS (Journal of Computer Engineering, System and Science) Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) RABIT: Jurnal Teknologi dan Sistem Informasi Univrab JITK (Jurnal Ilmu Pengetahuan dan Komputer) JURNAL TEKNOLOGI DAN ILMU KOMPUTER PRIMA (JUTIKOMP) STRING (Satuan Tulisan Riset dan Inovasi Teknologi) Journal of Information System, Applied, Management, Accounting and Research International Journal of Informatics and Computation JATI (Jurnal Mahasiswa Teknik Informatika) JISA (Jurnal Informatika dan Sains) REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer Jurnal Sistem Informasi dan Sains Teknologi Jurnal Teknologi Informatika dan Komputer Journal of Computer Networks, Architecture and High Performance Computing Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) Bulletin of Information Technology (BIT) Pelita Teknologi : Jurnal Ilmiah Informatika, Arsitektur dan Lingkungan Jurnal Ilmiah SIGMA: Informatics Engineering Journal of UPB Joong-Ki : Jurnal Pengabdian Masyarakat Joutica : Journal of Informatic Unisla Journal of Practical Computer Science (JPCS) Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Malcom: Indonesian Journal of Machine Learning and Computer Science Riwayat: Educational Journal of History and Humanities VIDHEAS: Jurnal Nasional Abdimas Multidisiplin SAINTEK Joong-Ki JPMAS : Jurnal Pengabdian Masyarakat Dedikasi : Jurnal Pengabdian Lentera RECORD Journal of Loyality and Community Development Jurnal ilmiah teknologi informasi Asia Joong-Ki

Agung Nugroho

Universitas Pelita Bangsa

Author-ID : 1734479

Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Social Sciences Other

Published : 46 Documents Claim Missing Document

Claim Missing Document

Articles

1 2 3 4 5

Sistem Pendukung Keputusan Menentukan Siswa Terbaik Menggunakan Metode Simple Additive Weighting (SAW) Supriadi, Asmadi; Nugroho, Agung; Romli, Ikhsan
Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer Vol 2 No 1 (2018)
Publisher : P3M Politeknik Negeri Banjarmasin

Sistem Pendukung Keputusan pada dasarnya dibuat untuk memudahkan dalam pengambilan keputusan agar tidak terjadi pengambilan keputusan secara subjektif. Pada RA Raudlatush Shibyan, proses pengambilan keputusan siswa terbaik dibuat menggunakan metode Simple Additive Weighting (SAW) yang terdiri dari beberapa kriteria yaitu : kriteria Afektif, kriteria Kognitif, dan kriteria Psikomotorik. Dalam membangun sistem ini penulis menggunakan metode pengembangan menggunakan metode System Depelopment Life Cycle waterfall atau metode air terjun, dan untuk desain sistem penulis menggunakan Unified Modelling Language (UML). Untuk pembuatan aplikasi penulis menggunakan Bahasa pemograman C# dan database MySQL dan untuk pengujiannya menggunakan metode Black Box Testing. Hasil dari penelitian ini adalah sebuah aplikasi pendukung keputusan menggunakan metode Simple Additive Weighting (SAW).

Penerapan Metode Simple Additive Weighting Pada Sistem Pendukung Keputusan Penerimaan Petugas Di Badan Pusat Statistik Kabupaten Bekasi Londong, Riko Reky; Nugroho, Agung; Rusdi, Adi
Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer Vol 4 No 2 (2020)
Publisher : P3M Politeknik Negeri Banjarmasin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31961/eltikom.v4i2.150

Pentingnya perencanaan sumber daya manusia khususnya dalam hal perencanaan kriteria perekrutan harus dilakukan secara tepat guna mendukung tercapainya tujuan perusahaan. Saat ini, proses seleksi penerimaan petugas pada Badan Pusat Statistik Kabupaten Bekasi masih dilakukan berdasarkan perkiraan tertentu dan tanpa ada nilai variabel yang pasti, sehingga sering kali didapati petugas yang diterima kurang memiliki kriteria maupun kemampuan dengan pekerjaan yang dibutuhkan. Untuk mengatasi permasalahan tersebut pada penelitian ini bertujuan untuk membangun suatu Sistem Pendukung Keputusan yang dapat membantu dalam menentukan calon petugas yang sesuai di Badan Pusat Statistik Kabupaten Bekasi. Sistem Pendukung Keputusan yang dibangun menggunakan metode Simple Additive Weighting. Untuk pengembangan sistem yang digunakan adalah model Prototyping, desain sistem menggunakan Unified Modelling Language, pengujiannya menggunakan BlackBox Testing dan untuk implementasi sistem menggunakan bahasa pemograman web, PHP, Javascript dan database MySQL. Hasil dari penelitian ini adalah sebuah sistem pendukung keputusan penerimaan calon petugas menggunakan metode SAW. Kesimpulanya Sistem Pendukung Keputusan Peneriman Petugas dengan metode SAW telah berhasil diterapkan dan didapati hasil alternatif terbaik untuk penerimaan calon petugas yaitu alternatif A4 yang memiliki nilai tertinggi 0.98 dan alternatif A3, A10 dengan nilai 0.92.

Analisis Sentimen Masyarakat Dengan Metode Naïve Bayes dan Particle Swarm Optimization Septiawan Dwi Pramukti; Agung Nugroho; Aswan Supriyadi Sunge
Techno.Com Vol 21, No 1 (2022): Februari 2022
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v21i1.5332

Pemberlakuan Pembatasan Kegiatan Masyarakat (PPKM) merupakan kebijakan yang di terapkan pada 15 Kota diluar pulau Jawa dan pulau Bali yang memiliki status zona merah atau daerah yang memiliki resiko tinggi terhadap paparan kasus COVID-19. Pada tanggal 3 Agustus 2021 kebijakan PPKM darurat di beberapa daearah di kepulauan Jawa dan kepualauan Bali di perpanjang sampai 9 Agustus 2021, perpanjangan kebijakan PPKM darurat menuai banyak komentar dari masyarakat sehingga menimbulkan pro dan kontra pada social media twitter. Penelitian ini bertujuan untuk mengetahui hasil klasifikasi sentimen masyarakat mengenai perpanjangan kebijakan PPKM darurat pada social media twitter dan untuk mengetahui hasil accuracy, precision, recall yang dihasilkan dari metode yang digunakan. Penelitian ini menggunakan metode Naïve Bayes dan Particle Swarm Optimization sebagai feature selection, selain itu terdapat tahap preprocessing yang didalamnya meliputi cleansing, remove duplicate, seleksi data, normalisasi, case folding, tokenizing, filtering, stopwords, stemming, dan labeling. Hasil klasifikasi yang didapat 53,31% pengguna twitter setuju dan 46,69% pengguna twitter tidak setuju dengan perpanjangan kebijakan PPKM darurat. Nilai accuracy yang didapatkan meningkat sebanyak 15,21% dari 77,16% menjadi 92,37%, nilai precision yang didapatkan meningkat sebanyak 3,07% dari 87,33% menjadi 90,40%, dan nilai recall yang didapatkan meningkat sebanyak 30,96% dari 64,42% menjadi 95,38%.

Implementasi Fuzzy Mamdani pada Seleksi Penerimaan Mahasiswa Baru Agung Nugroho; Donny Maulana
Jurnal Pelita Teknologi Vol 15 No 1 (2020): Maret 2020
Publisher : DPPM Universitas Pelita Bangsa

The process of selecting new students at a tertiary institution is one of the stages of the admission process. In the process, not all applicants will be accepted, but only student candidates who fulfill the criteria will be selected. So that the selection process needs to be done based on the stages that have been determined. This research aims to make a new student admission selection system modeling using the fuzzy inference Mamdani method. Fuzzy Mamdani is used because it has characters such as the human core in processing data based on several determining criteria. Based on the results of the validation of the new student selection data, the Mamdani method can be used in the admission system

Implementasi Algoritma Genetika Untuk Optimasi Penjadwalan Mata Kuliah Agung Nugroho; Wowon Priatna; Ikhsan Romli
JURNAL TEKNOLOGI DAN ILMU KOMPUTER PRIMA (JUTIKOMP) Vol. 1 No. 2 (2018): Jutikomp Volume 1 Nomor 2 Oktober 2018
Publisher : Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34012/jutikomp.v1i2.238

Penjadwalan merupakan masalah kombinasional yang memiliki batasan-batasan kondisi yang harus dipenuhi, oleh karena itu hal ini menjadi pekerjaan rumit yang harus diselesaikan dengan cepat, tepat dan akurat. Ketersediaan ruangan, kapasitas kelas, ketersediaan dosen dan jumlah mahasiswa merupakan batasan mutlak yang harus dipenuhi dalam menyusun jadwal. Proses penjadwalan dengan batasan-batasan tersebut membutuhkan ketelitian agar mendapatkan jadwal yang sesuai, namun prosesnya memakan waktu dan terkadang masih terjadi bentrok antar jadwal. Untuk mengatasi masalah tersebut, diperlukan suatu metode untuk melakukan optimasi proses penjadwalan. Pengoptimalan masalah tersebut biasanya melibatkan suatu algoritma. Algoritma yang telah banyak digunakan dalam masalah penjadwalan adalah Algoritma Genetika. Algoritma ini berhasil mengungguli Algoritma yang lain dengan fitness rata-rata paling tinggi. Pada penelitian ini, telah dibuat aplikasi penjadwalan mata kuliah menggunakan Algoritma Genetika untuk menyelesaikan masalah tersebut.

Analisis Perbandingan Algoritma Optimasi pada Random Forest untuk Klasifikasi Data Bank Marketing Yoga Religia; Agung Nugroho; Wahyu Hadikristanto
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 5 No 1 (2021): Februari 2021
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

The world of banking requires a marketer to be able to reduce the risk of borrowing by keeping his customers from occurring non-performing loans. One way to reduce this risk is by using data mining techniques. Data mining provides a powerful technique for finding meaningful and useful information from large amounts of data by way of classification. The classification algorithm that can be used to handle imbalance problems can use the Random Forest (RF) algorithm. However, several references state that an optimization algorithm is needed to improve the classification results of the RF algorithm. Optimization of the RF algorithm can be done using Bagging and Genetic Algorithm (GA). This study aims to classify Bank Marketing data in the form of loan application receipts, which data is taken from the www.data.world site. Classification is carried out using the RF algorithm to obtain a predictive model for loan application acceptance with optimal accuracy. This study will also compare the use of optimization in the RF algorithm with Bagging and Genetic Algorithms. Based on the tests that have been done, the results show that the most optimal performance of the classification of Bank Marketing data is by using the RF algorithm with an accuracy of 88.30%, AUC (+) of 0.500 and AUC (-) of 0.000. The optimization of Bagging and Genetic Algorithm has not been able to improve the performance of the RF algorithm for classification of Bank Marketing data.

Analisis Optimasi Algoritma Klasifikasi Naive Bayes menggunakan Genetic Algorithm dan Bagging Agung Nugroho; Yoga Religia
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 5 No 3 (2021): Juni 2021
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

The increasing demand for credit applications to banks has motivated the banking world to switch to more sophisticated techniques for analyzing the level of credit risk. One technique for analyzing the level of credit risk is the data mining approach. Data mining provides a technique for finding meaningful information from large amounts of data by way of classification. However, bank marketing data is a type of imbalance data so that if the classification is done the results are less than optimal. The classification algorithm that can be used for imbalance data types can use naïve Bayes. Naïve Bayes performs well in terms of classification. However, optimization is needed in order to obtain more optimal classification results. Optimization techniques in handling imbalance data have been developed with several approaches. Bagging and Genetic Algorithms can be used to overcome imbalance data. This study aims to compare the accuracy level of the naïve Bayes algorithm after optimization using the bagging and genetic algorithm. The results showed that the combination of bagging and a genetic algorithm could improve the performance of Naive Bayes by 4.57%.

PENERAPAN ALGORITMA C4.5 UNTUK PREDIKSI TINGKAT KOMPETENSI KARYAWAN PT MULTISTRADA ARAH SARANA Wahyono Wahyono; Agung Nugroho
Joutica Vol 3, No 1 (2018)
Publisher : Universitas Islam Lamongan

The success of an organization or company is influenced by the competence of human resources in it in carrying out its duties. Assessment of competence in the company is very important because it is necessary to determine the level of competence of employees. So far, the competency level assessment is still done manually by providing certain criteria by the Personnel Department (HRD). The number of criteria and employees employed is quite difficult in the assessment of employee competency. In addition, the quality of employee work is also often changing. This is very influential on the future prospects of the company. The purpose of this study is to analyze and know the pattern of employee competency level. The research method used is Decission Tree Learning (DCT). The C4.5 algorithm is part of DCT. Algorithm C4.5, the data mining technique to create a decision tree that represents rules or rules. Of the 257 overall employee data is divided into two partitions, 80% for training data and 20% data testing. The result of application of algorithm C4.5 got its accuracy 80,39% with calculation of RapidMiner 5.3. This research produces a pattern of competency level that can be used by PT Multistrada Arah Sarana for employee monitoring process to determine whether or not to need training or promotion promotion

Sistem Pendukung Keputusan Untuk Penentuan Dosen Favorit Menggunakan Simple Additive Weighting (SAW) Wowon Priatna; Agung Nugroho; Nurjeli Nurjeli
Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) Vol 4 (2019): Edisi Juli
Publisher : STIKOM Tunas Bangsa Pematangsiantar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30645/jurasik.v4i1.131

The process of determining favorites is what must be in accordance with predetermined criteria. To help in selecting people who deserve to be favorites, a decision support system is needed. One method that can be used to support decisions is to use FMADM (Fuzzy Multiple Addictive Decision Making). Where in this study using the SAW method (Simple Addictive Weighted), which is to find the best alternative from several alternatives. Find the best alternative based on predetermined criteria. This method is chosen to choose the best alternative that is suitable, and look for the value of each attribute, after the search process to get the best.

Optimalisasi Support Vector Machine Menggunakan Particle Swarm Optimization Untuk Mendiagnosa Penyakit Kanker Payudara Ari Maulana; Agung Nugroho; Ikhsan Romli
Journal of Practical Computer Science Vol 1 No 2 (2021): November 2021
Publisher : DPPM Universitas Pelita Bangsa

Kanker payudara adalah kanker yang paling umum pada wanita dan penyebab utama kematian kanker di seluruh dunia. Klasifikasi dalam data mining merupakan dua bentuk proses analisis data yang digunakan untuk mengekstraksi model yang menggambarkan kelas data atau untuk memprediksi tren data di masa depan. Support Vector Machine (SVM) dikenal juga dengan support vector network yang merupakan metode supervised terkait dengan learning algorithm untuk analisa pola data yang digunakan untuk klasifikasi dan regresi. Seleksi fitur banyak digunakan untuk mengatasi fitur yang tidak relevan dan berlebihan. Seleksi fitur menyederhanakan sekumpulan data dengan mengurangi dimensi dan mengidentifikasi fitur yang relevan tanpa mengurangi akurasi prediksi. Penelitian ini mengguanakan algoritma Support Vector Machine dengan Particle Sarm Optimization untuk mendiagnosa penyakit kanker payudara. Hasil dari penelitian ini adalah accuracy sebesar 97.61%, precision sebesar 99.21% dan recall 96.94%. Penggunaan Particle Swarm Optimization bekerja secara efektif dalam meningkatkan nilai akurasi. Kata kunci: Kanker payudara, klasifikasi, support vector machine, particle swarm optimizatiom.

Co-Authors Abdul Halim Anshor Adi Kusuma Adi Kusuma Afrizal Ardiansyah Agus Suwarno, Agus Ahmad Rivaldi Ahmad Santoso Ahmad Turmudi Zy Ahmad Turmudi Zy Ahmad Turmudi Zy Al Abdilah, M. Akmal Alfatan Dzulatkha Alviyan, Eric Ananto Tri Sasongko Angga Kurniadi Hermawan Ansor, Abdul Halim Ari Maulana Arif Tri Widiyatmoko Aswan S Sunge Aswan Supriyadi Sunge Ayu Indriyanti Bima Randy Gumilang Butsianto, Sufajar Chandra, Ahmad Alfian Donny Maulana Edora Elkin Rilvani Endrik Fauzi Ahmad Muda Fitri, Retno Gatot Tri Pranoto Ike Yunia Pasa Ikhsan Romli Ilyas, Abdi Irfan Afriantoro Jamaludin Jamaludin Londong, Riko Reky Maulana, Donny Muhammad Abdul Rahman Wahid Muhammad Rizki Sani Nisa, Khilyatun Nur Hidayati Nur Hidayati Nurjeli Nurjeli Priatna , Wowon Rusdi, Adi Salman Alfaridzi Sasongko, Ananto Tri Septiawan Dwi Pramukti Supriadi, Asmadi Turmudi Zy, Ahmad Wahyono Wahyono Wahyu Hadikristanto Widiyatmoko, Arif Tri Wiyanto Wiyanto Wiyanto - Wiyanto Wiyanto Wiyanto, Wiyanto Yoga Religia

Title

Found 46 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 46 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 46 Documents
Search