Article Per Year (5 Year)
p-Index From 2020 - 2025
0.659
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Teknika Jurnal Dinamika Ekonomi Syariah
Ahmad Saikhu
Unknown Affiliation
Religion Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Pengaruh Kualitas Pelayanan Terhadap Kepuasan Nasabah di Lembaga Keuangan Mikro Agribisnis (LKMA) Syariah Amanah Mandiri Bagor Kabupaten Nganjuk Ahmad Saikhu
Jurnal Dinamika Ekonomi Syariah Vol 7 No 1 (2020): Jurnal Dinamika Ekonomi Syariah
Publisher : Program Studi Ekonomi Syariah, Institut Agama Islam Pangeran Diponegoro Nganjuk

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (769.667 KB) | DOI: 10.53429/jdes.v7i1.26

Abstract

Dalam era globalisasi saat ini, persaingan ekonomi sangat ketat, perkembangan dunia semakin lama mangalami kemajuan yang signifikan. Menghadapi perkembangan zaman yang sangat pesat SDM yang berkualitas dan pelayanan yang memuaskan menjadi kunci dari keberhasilan.Oleh karena itu Kualitas pelayanan merupakan hal penting untuk dikaji bagaimana sebenarnya tingkat kualitas pelayanan terhadap nasabah pada suatu lembaga Keuangan. Hasil penelitian menunjukan bahwa variabel kualitas pelayanan memiliki nilai t-statistik sebesar 3.366 yang nilainya lebih besar dari t-tabel sebesar 2.011 sehingga hipotesis Ho ditolak dan Ha diterima, dapat disimpulkan bahwa variabel Kualitas Pelayanan berpengaruh signifikan keputusan nasabah. Hasil selanjutnya terdapat hubungan yang signifikan antara Kualitas Pelayanan terhadap Kepuasan Nasabah LKMA Bagor berdasarkan hasil analisa dengan menggunakan SPSS versi 17.
Simulasi Evakuasi Keadaan Darurat: Studi Kasus Apartemen XYZ, Surabaya Ahmad Saikhu; Joko Lianto Buliali; Cempaka A. Swastyastu
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2009
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Cepat lambatnya proses evakuasi suatu gedung bertingkat menentukan tinggi rendahnya faktorkeselamatan manusia apabila sampai terjadi bencana seperti kebakaran pada gedng tersebut. Semakin pendekwaktu evakuasi, semakin tinggi faktor keselamatan manusia apabila terjadi bencana. Dengan demikianmengetahui seberapa banyak waktu yang diperlukan untuk evakuasi apabila terjadi bencana merupakan halyang penting untuk diketahui. Untuk mengetahui hal tesebut di atas, pada penelitian ini digunakan simulasi.Simulasi sesuai untuk permasalahan ini karena adanya sejumlah hal yang bersifat stokastik pada permasalahanini, seperti jumlah penghuni pada saat kejadian, dan beragamnya karakteristik (umur, jenis kelamin, danadanya faktor kepanikan penghuni apartemen saat ada bencana). Studi kasus yang diambil pada penelitian iniadalah sebuah apartemen bertingkat di kota Surabaya. Dari uji coba yang dilakukan, disimpulkan bahwa untukpenghuni pria dewasa, skenario 2 dan 3 lebih baik dalam kecepatan evakuasi. Untuk penghuni lain, skenario 3adalah terbaik.Kata Kunci: Simulasi, skenario, waktu, evakuasi, apartemen
Perbaikan Citra Ber-Noise Menggunakan Switching Median Filter dan Boundary Discriminative Noise Detection Ahmad Saikhu; Nanik Suciati; Widhiantantri S.
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2009
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Citra yang mengalami proses editing ataupun kompresi biasanya akan terkontaminasi noiseyang akan mengurangi kualitas citra. Beberapa teknik filtering telah diperkenalkan untuk penghilangan noisecitra. Penelitian ini mengangkat suatu metode dalam penghilangan noise citra yaitu switching median filteryang digabung dengan sebuah metode deteksi noise yang disebut Boundary Discriminative Noise Detection(BDND).Dalam algoritma BDND untuk menentukan apakah suatu piksel termasuk noise atau bukan, makapiksel tersebut diklasifikasikan ke dalam 3 kelompok yaitu noise berintensitas rendah, piksel yang bukannoise, dan noise berintensitas tinggi. Suatu piksel dianggap bukan noise jika piksel termasuk kelompokkedua. Untuk membentuk 3 kelompok dibutuhkan 2 pembatas. Algoritma ini cukup bagus karena dengannoise density mencapai 90% bisa menghasilkan kesalahan deteksi 0.Empat model noise digunakan dalam ujicoba untuk mengevaluasi ketangguhan algoritma BDND. Hasil uji coba pada citra grayscale dan warnadengan range noise density antara 10%-90% menunjukkan bahwa switching median filter yang digabungdengan algoritma BDND mempunyai kinerja yang sangat bagus dalam mengembalikan detil citra dalamrange noise density antara 10% -70%.Kata kunci : switching median filter, penghilangan noise, deteksi noise
Bahasa Inggris Ahmad Saikhu; Agung Teguh Setyadi; Victor Hariadi
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 7 No 6 (2023): December 2023
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v7i6.5296

Abstract

For the optimization of computer networks with high bandwidth requirements, it is necessary to predict the traffic of the wireless network. Its goal is to reduce maintenance costs and improve internet services. Feature selection is a major issue in multivariate time series (MTS) spatio-temporal modeling. Another problem is the dependency between input features, time lags, and spatial factors, so an appropriate model is needed. This study aims to provide solutions to two problems. The first is to improve a feature extraction and selection process in spatio-temporal MTS data for relevant features using Detrended Partial Cross-Correlation Analysis (DPPCA) and nonredundant features associated with linear using Pearson's correlation (PC) filters and non-linear associations using Symmetrical Uncertainty (SU) and a combination of both PCSUF. The second is to develop a spatiotemporal framework model using recurrent neural networks (RNNs) to get better performance than the traditional model. These methods are combined and tested using a data set of cellular networks with one hour intervals during November in three locations. Testing the effectiveness of the feature selection technique showed that 27.6% of the total extracted features were. The forecasting model with the DPCCA-SU-RNN combination method is the best performance by having RMSE = 380.7, R2 = 97% and MAPE = 10%.
Pengembangan Model Klasifikasi Kejang Epilepsi Multiclass Pada Sinyal EEG Menggunakan CNN+Bi-LSTM Bima Dinda Nurwibowo; Ahmad Saikhu
Jurnal Teknika Vol 17 No 1 (2025): MARET
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/jt.v17i1.1354

Abstract

Epilepsi merupakan gangguan neurologis yang membutuhkan identifikasi jenis kejang yang akurat untuk pengobatan yang efektif. Klasifikasi sinyal EEG pada periode normal, interictal, dan ictal sangat penting dalam membantu diagnosis epilepsi. Namun, analisis EEG secara otomatis sangat menantang karena kompleksitas sinyal yang tinggi dan pola-pola kompleks yang sering kali tidak terlihat oleh profesional non-ahli. Untuk mengatasi kesulitan ini, penelitian ini mengembangkan model klasifikasi kejang epilepsi multiclass menggunakan pendekatan deep learning berbasis Convolutional Neural Network (CNN) dan Bidirectional Long Short-Term Memory (Bi-LSTM). CNN berperan dalam mengekstraksi fitur secara otomats dari segmen EEG yang lebih pendek, sementara Bi-LSTM membantu dalam memahami pola temporal yang kompleks. Proses prapemrosesan melibatkan segmentasi sinyal, pemisahan komponen independen dan normalisasi, serta augmentasi data dengan Cubic Spline Interpolation (CSI). Model CNN+Bi-LSTM diuji pada dua skenario klasifikasi, yakni data asli dan data augmentasi, serta dua kombinasi subset (A/D/E dan B/D/E). Hasil pengujian menunjukkan model mencapai akurasi tertinggi sebesar 99.87% pada data augmentasi, yang melebihi metode klasifikasi sebelumnya.
Co-Authors Agung Teguh Setyadi Bima Dinda Nurwibowo Buliali, Joko Lianto Cempaka A. Swastyastu Nanik Suciati Victor Hariadi Widhiantantri S.