Article Per Year (5 Year)
p-Index From 2021 - 2026
2.357
P-Index
This Author published in this journals
All Journal Dinamik JurTI (JURNAL TEKNOLOGI INFORMASI) Jurnal Abdimas PHB : Jurnal Pengabdian Masyarakat Progresif Humanis Brainstorming Jurnal Ilmiah Intech : Information Technology Journal of UMUS Jurnal Litbang Kota Pekalongan IC Tech: Majalah Ilmiah Jurnal Surya Informatika SmartComp IC Tech: Majalah Ilmiah
Ilyas, Agus
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Automotive Engineering Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Mechanical Engineering Public Health Other

Published : 25 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 25 Documents
Search

 1   2   3 
IMPLEMENTASI MODULE GOOGLE PAGESPEED PADA APACHE WEB SERVER UNTUK MENINGKATKAN PERFORMA APLIKASI WEB Kurniawan, Muhammad Faizal; Setianto, Wahyu; Ilyas, Agus
IC Tech: Majalah Ilmiah Vol 16 No 2 (2021): IC Tech: Majalah Ilmiah Volume XVI No. 2 Oktober 2021
Publisher : P3M Institut Widya Pratama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47775/ictech.v16i2.209

Abstract

Performa aplikasi web salah satunya dapat dipengaruhi dari konfigurasi web server yang tepat. Meskipun memiliki hardware dengan spesfikasi yang tinggi namun jika konfigurasinya tidak tepat maka performa aplikasi web yang ada di dalam web server tersebut tidak akan meningkat. Salah satu cara agar aplikasi web dapat diakses dengan cepat adalah dengan mengecilkan ukuran file yang di unduh dari web server ke browser pengguna. Selama ini developer web akan melakukan kompresi terhadap file-file gambar, js dan css sebelum diupload ke web server. Google Page Speed dalah sebuah modul ekternal yang dapat dikonfigurasikan ke dalam Apache web server untuk menggantikan tugas developer web dalam mengkompresi file-file sebelum diunggah. Fungsi dari modul ini ini adalah secara otomatis akan melakukan kompresi terhadap file-file gambar, css dan js secara realtime. Penelitian ini bertujuan untuk menguji performa aplikasi web sebelum dan setelah mengimplementasikan module Google Page Speed pada web server yang dalam penelitian ini menggunakan Apache Web Server. Kata kunci: optimasi web, kompresi konten, web server
KOMPARASI MODEL PREDIKSI PENANGANAN KASUS NARKOTIKA Setiawan, Tri Agus; Ilyas, Agus; Arochman, Arochman
IC Tech: Majalah Ilmiah Vol 17 No 1 (2022): IC Tech: Majalah Ilmiah Volume XVII No. 1 April 2022
Publisher : P3M Institut Widya Pratama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47775/ictech.v17i1.239

Abstract

Narkotika terdiri dari obat-obatan, zat maupun bahan apabila dikonsumsi dan masuk kedalam tubuh dapat mempengaruhi kesehatan fungsi organ dalam manusia yaitu otak. Permasalahan tentang narkoba di Indonesia sangat menghawatirkan dimana pada tahun 2019 yaitu sebesar 2,4% adalah pengguna yang berarti bahwa dari 10.000 penduduk Indonesia ada 240 berusia 15-64  tahun  atau  berjumlah 4,5 juta jiwa. Adapun research problem yang pada penelitian yang dilakukan adalah bagaimana menentukan metode prediksi jumlah penanganan kasus narkotika terbaik sehingga dapat meminimalkan jumlah korban jiwa. Dalam penelitian yang dilakukan menggunakan metode komparasi algoritma prediksi yaitu Linear Regresion, Neural Network, Support Vector Machine (SVM) tentang pengguna narkotika sehingga dihasilkan prediksi yang mendekati nilai sesungguhnya dari kasus yang ada. Ouput yang dihasilkan didapatkan hasil bahwa performance prediksi dengan algoritma SVM pada penanganan kasus narkotika memiliki tingkat prediksi lebih baik disbanding dengan algoritma prediksi yang lain yaitu nilai RMSE 169.533 +/- 0.000. Untuk kegiatan penelitian yang akan datang dapat mengitegrasikan dengan algoritma klasifikasi untuk menentuka jenis narkotika yang paling banyak dipakai.  Kata kunci: Narkotika. Rapid Miner, Support Vector Machine
Optimasi Sistem Credit Scoring Pembiayaan pada Lembaga Keuangan Mikro dengan Neural Network Integrasi Sample Bootstrapping dan Weighted PCA Wahjuningsih, Tri Pudji; Setiawan, Tri Agus; Ilyas, Agus; Subagyo, Ahmad
Dinamik Vol 31 No 1 (2026)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v31i1.10381

Abstract

Credit scoring is an important element in decision-making for providing financing, especially for microfinance institutions. Several methods for predicting credit scoring include Decession Tree, Gradient Boosted, Neural Network, K-NN, and Rule Induction. This study aims to improve the accuracy of financing risk prediction by efficiently integrating historical data. The Neural Network (NN) algorithm is a machine learning algorithm consisting of neurons (nodes) connected to each other in several layers (input, hidden, and output). NN is used for pattern recognition, classification, regression, and complex non-linear modeling. The NN algorithm has the advantage of working well on large and diverse data and unstructured data. However, the NN algorithm has weaknesses such as overfitting and data dependence. In this study, the integration of the Sample Bootstrapping and Weighted Principal Component Analysis (PCA) methods is proposed to improve optimal accuracy in the NN algorithm. The Sample Bootstrapping method is used to reduce the amount of training data to be processed. The Weighted PCA method is used to reduce attributes. This study uses a financing customer dataset. The results of the study show that the integration of the NN algorithm with Sample Bootstrapping and Weighted PCA resulted in an accuracy increase of 1-3% (97%-99%) compared to other algorithms. Therefore, it can be concluded that the integration of the NN algorithm with Sample Bootstrapping and Weighted PCA produces better accuracy than other algorithms
Sistem Rekomendasi Pemilihan Kerja Siswa SMK Dengan Menggunakan Algoritma Decision Tree Halim, Muhamad Faisal; Maulana, Much. Rifqi; Hapsoro, Hermanus Wim; Arochman, Arochman; Ilyas, Agus
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 12, No 3 (2023): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v12i3.4957

Abstract

Banyaknya lulusan SMK setiap tahunnya menjadi salah satu pondasi untuk memajukan bangsa ini, namun hal tersebut tidak selalu diikuti dengan ketersediaan lapangan pekerjaan yang memadai, oleh karena itu Banyak lulusan SMK yang menganggur dan sulit memasuki dunia kerja. Peran bursa kerja khusus (BKK) pada sekolah sangat penting, karena berhubungan langsung dengan pemetaan kompetensi siswa dan perusahaan dengan lowongan pekerjaan baru. Namun sering kali kinerja pada sistem BKK tidak berjalan dengan baik dan optimal, dan susahnya melakukan pemetaan kompetensi siswa yang masih dilakukan dengan manual, dengan demikian obyektivitas hasilnya rendah. Sistem rekomendasi perusahaan untuk lulusan SMK menjadi solusi yang dapat menunjang hal-hal tersebut. Dengan memanfaatkan data lulusan sebelumnya dengan menggunakan variable nilai akademis matematika raport, rata-rata raport, rata-rata us, ujian praktik kejuruan sebagai fitur prediktor, pemetaan kompetensi siswa untuk disalurkan pada perusahaan dapat dilakukan dengan mudah dan obyektivitas menjadi lebih tinggi. Dengan memanfaatkan algoritma decision tree untuk menentukan hasil rekomendasi dan CRISP-DM sebagai metode pengambangan sistem diperoleh evaluasi metrik akurasi sebesar 61%. Maka dengan adanya sistem rekomendasi ini proses dalam menyeleksi lulusan untuk disalurkan ke perusahaan tertentu dapat dilakukan dengan mudah dan lebih efisien dan hasil dari rekomendasi dapat digunakan sebagai pengambilan keputusan kedepannya nanti.
Sistem Pendukung Keputusan Pemberian Pembiayaan Nasabah Dengan Metode K-Nearst Neighbor (KNN) Di KospinMu Surya Mentari Karanganyar Kabupaten Pekalongan Setianto, Wahyu; Ilyas, Agus; Setiawan, Tri Agus
Jurnal Surya Informatika Vol. 13 No. 1 (2023): Surya Informatika, Vol. 13. No. 1, Mei 2023
Publisher : Universitas Muhammadiyah Pekajangan Pekalongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.48144/suryainformatika.v13i1.1434

Abstract

KospinMU Surya Mentari Karanganyar merupakan koperasi yang melakukan banyak aktivitas didalamnya termasuk memberikan pembiayaan bagi nasabah. Demi kelancaran kegiatan pemberiaan pembiayaan antara pihak koperasi dengan nasabah, pihak koperasi perlu menilai dan menentukan kelayakan pembiayaan yang akan diterima nasabah terlebih dahulu sebelum memberikan keputusan pembiayaanya. Masalah yang dihadapi KospinMU Surya Mentari Karanganyar belum mampu mengatur pemberian pembiayaan secara tepat sasaran karena penyeleksiannya yang manual, tidak ada sistem nilai dimana nasabah dapat rekomendasi lain jika nilai tidak sesuai yang diajukan. Dalam pembangunan sistem ini menggunakan metode pengembangan sistem waterfall yang terdiri dari tahapan komunikasi, tahapan perencanaan, tahapan modeling, tahapan pengkodean dan tahapan deployment. Metode pengujian yang digunakan adalah white box, black box dan UAT (User Acceptance Test). Sistem pendukung keputusan pemberian pembiayaan nasabah dengan metode K Nearest Neighbor (KNN) di KospinMU Surya Mentari Karanganyar Kab. Pekalongan ini dapat mempermudah pekerjaan komite dalam memberikan pembiayaan nasabah, sistem dapat memberikan klasifikasi setiap pemohon baru sesusai dengan nilai yang dihitung dengan metode perhitungan K Nearest Neighbor (KNN) dan dapat menjadi media penyimpanan cadangan ketika memorendum yang disimpan secara manual hilang atau rusak.
Co-Authors Agung Budijanto, Hari ARI PUTRA WIBOWO Arochman, Arochman B, Hari Agung Binabar, Sattriadi Wahyu Budijanto, Hari Agung Faizal Kurniawan Halim, Muhamad Faisal Hapsoro, Hermanus Wim Jumiati, Eny Maulana, Much. Rifqi Mohammad Reza Maulana, Mohammad Reza Sattriedi Wahyu Binabar subagyo, Ahmad Susanto, Eko Budi Tri Agus Setiawan Wahjuningsih, Tri Pudji Wahyu Binabar, Sattriedi Wahyu Setianto, Wahyu WIBOWO, ARI PUTRA