Claim Missing Document
Check
Articles

Found 19 Documents
Search

Sistem Pendukung Keputusan Mencari Pelaksana Program Kerja Terbaik Menggunakan Metode MOORA Jaka Tirta Samudra; Puji Sari Ramadhan
Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Vol 21, No 1 (2022): Februari 2022
Publisher : PRPM STMIK TRIGUNA DHARMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jis.v21i1.4765

Abstract

Untuk meningkatkan mutu dan kuantitas dari instansi P2KB&P3A kabupaten deli serdang dirancang dalam struktur program kerja yang dilaksanakan untuk desa binaan agar terlaksana kemakmuran desa serta kepada masyarakat.Dalam hal ini untuk sebuah instansi yang berlangsung kaitannya dengan pemerintah dirancangla dari masalah yang terkait untuk menentukan kelayakan pada program kerja yang dibuat selama 1 tahun guna mencari program kerja yang terbaik dimana untuk dipertahankan, diubah program kerja struktur rancangannya atau juga di hapuskan karna tidak memiliki ekstensi yang mendukung bagi kualitas dan kuantitas untuk desa serta masyarakatnya, maka akan dirancang suatu sistem pendukung keputusan yang berbasis aplikasi website yang mengapdosi penggunaan metode multi-objective optimization on the basis of ratio analysis (MOORA) pada instansi P2KB&P3A.Dari hasil perhitungan, instansi dalam penyeleksi dan menentukan dari hasil program kerja yang dibuat untuk 1 tahun sebagai aspek kinerjanya. Dengan metode MOORA dapat membantu serta mempermudah dalam analisa dan menentukan setiap program kerja dari 22 kecamatan se-deli serdang pada kasus di instansi P2KB&P3A kabupaten deli serdang tersebut.
PERBANDINGAN OPTIMASI SGD, ADADELTA, DAN ADAM DALAM KLASIFIKASI HYDRANGEA MENGGUNAKAN CNN Desi Irfan; Rika Rosnelly; Masri Wahyuni; Jaka Tirta Samudra; Aditia Rangga
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 5, No 2 (2022): June 2022
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v5i2.789

Abstract

Abstract - invasive species are threatening indigenous species habitat in many countries around the world. Nowadays, the monitoring method relies on scientists. Scientists are skilled to see the determined areas and record the living species. Applying high skill labors requires high cost, inefficient time and limited scope as the large area cannot be reached by the man. In this research, engine based learning approach was presented to identify the image of invasive hydrangea (indigenous species from Asia) with data collection around 800 images taken form the Brazil national forest and Hydrangea appears in some images. Gradient Descent optimization method is frequently used for artificial neural network. This method roles to discover standard grade for the best output. The Gradient Descent method role play is minimizing the cost function grade by changing the parameter grade step by step. Three optimization methods have been implemented namely Stochastic Gradient Descent (SGD), ADADELTA, and Adam in the artificial neural network (Ann) for classifying aritmia data [32]. This research used the most suitable error grade limitation from each optimization method as the indicators at the end of the training. The result of this research showed that artificial nerve tissue using Adam optimization gets the highest accuration compared with SDG and ADADELTA optimization methods. Deep Learning Technique applied extensively in image introduction is Adam optimization. The training model has reached accuration to 83, 5 % and showed properness of approach conducted. Keyword: SGD, Adadelta, Adam, Optimizer FunctionAbstrak— Spesies invasif mengancam habitat spesies asli di banyak negara di dunia. Saat ini dalam metode pemantauan mereka tergantung pada pengetahuan ahli. Ilmuwan terlatih mengunjungi area yang ditentukan dan mencatat spesies yang menghuninya. Menggunakan tenaga kerja berkualifikasi tinggi seperti itu membutuhkan biaya yang mahal, tidak efisien waktu dan jangkauan yang terbatas karena manusia tidak dapat mencakup area yang luas. Dalam makalah ini, pendekatan berbasis pembelajaran mesin disajikan untuk mengidentifikasi gambar hydrangea invasif (spesies invasif asli Asia) dengan kumpulan data yang berisi sekitar 800 gambar yang diambil di hutan nasional Brasil dan di beberapa gambar terdapat Hydrangea.  Metode optimasi Gradient Descent sering digunakan untuk pelatihan Jaringan Syaraf Tiruan (JST). Metode ini berperan dalam menemukan nilai bobot yang memberikan nilai keluaran terbaik. Prinsip kerja metode Gradient Descent adalah memperkecil nilai fungsi biaya dengan mengubah nilai parameter selangkah demi selangkah. Telah diimplementasikan tiga buah metode optimasi yaitu Stochastic Gradient Descent (SGD), ADADELTA, dan Adam pada sistem Jaringan Saraf Tiruan untuk klasifikasi data aritmia [32]. Penelitian ini menggunakan batas nilai kesalahan yang paling sesuai dari masing-masing metode optimasi  sebagai kriteria pemberhentian pelatihan. Hasil penelitian menunjukkan Jaringan Saraf Tiruan dengan optimasi Adam menghasilkan akurasi tertinggi dibandingkan dengan dengan metode optimasi SGD dan ADADELTA.Teknik Deep Learning  yang diterapkan secara ekstensif pada pengenalan gambar yang digunakan memanfaatkan metode optimizer Adam  . Model yang kita latih menggunakan fungsi optimisasi Adam mencapai akurasi 83,5% pada tes yang lakukan, menunjukkan kelayakan pada  pendekatan yang dilakukan .Kata Kunci— SGD, Adadelta, Adam, Fungsi Optimasi
Komparasi 3 Metode Algoritma Klasifikasi Data Mining Pada Prediksi Kenaikan Jabatan Jaka Tirta Samudra; B. Herawan Hayadi; Puji Sari Ramadhan
Jurnal Teknologi Sistem Informasi dan Sistem Komputer TGD Vol. 5 No. 2 (2022): J-SISKO TECH EDISI JULI
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jsk.v5i2.5642

Abstract

With the increasing growth of the company and employee access to increase the desire to make exemplary employees or become employees who have high ideas to become role models for subordinates or other employees, so from the research case on the university campus, quality conducts a survey with data obtained directly from the university. Employees who work as permanent or contract employees sometimes get the right as an increase for promotion from the company for each field as well as an allocation of satisfactory employee performance from the aspect of the work carried out. In this research model using three models from Naïve Bayes, K-Nearest Neighbor, and Neural Network by taking the dataset directly from the analysis results, for that an analysis is carried out on each aspect to determine the results of the value classification used in the evaluation using 5-Fold validation, 10-Fold, and 20-Fold Cross Validatio thus obtain results to identify in the promotion classification with the highest value of accuracy of 76.6%, the highest value of F1 of 67.8%, the highest value of precision of 65.9%, and the highest value of recall of 76.6%.
Comparison of Adam's Optimization Function and Stochastic Gradient Descent on Bad Credit Classification of Savings and Loan Cooperatives Using Multilayer Perceptron Jaka Tirta Samudra; B. Herawan Hayadi
CESS (Journal of Computer Engineering, System and Science) Vol 7, No 2 (2022): July 2022
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v7i2.35210

Abstract

Dengan pesatnya pertumbuhan koperasi di Indonesia, maka pemberian kredit bagi anggota koperasi semakin diperketat dengan melakukan survey terhadap calon penerima kredit melalui analisis 5C yaitu character, capacity, capital, condition of economic dan economic condition. agunan, sehingga risiko kredit macet dapat diminimalkan. Data mining dapat membantu koperasi dalam menganalisis kredit macet calon penerima kredit dengan cara membandingkan data lama (data pemberian kredit sebelumnya) dengan data baru (data survei calon penerima kredit) dan mengelompokkannya dalam bentuk klasifikasi kredit macet atau non-kredit. melakukan pinjaman. Penelitian ini membangun model klasifikasi kredit macet berdasarkan hasil analisis calon penerima kredit menggunakan algoritma multi layer perceptron. Berbagai fungsi stochastic gradient descent (SGD) dan optimasi Adam digunakan yang dievaluasi menggunakan validasi silang 5 kali lipat, 10 kali lipat, dan 20 kali lipat. Hasil yang diperoleh adalah optimasi Adam merupakan fungsi optimasi terbaik untuk mengklasifikasikan dataset kredit macet, hal ini dapat dilihat dari nilai akurasi sebesar 95,6%, nilai F1 sebesar 95,6%, nilai presisi sebesar 95,7%, dan nilai recall sebesar 95,6%.
KOMPARASI RANDOM FOREST DAN LOGISTIC REGRESSION DALAM KLASIFIKASI PENDERITA COVID-19 BERDASARKAN GEJALANYA Ichsan Firmansyah; Jaka Tirta Samudra; Doughlas Pardede; Zakarias Situmorang
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 5, No 3 (2022): October 2022
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v5i3.994

Abstract

Abstract: In data mining, we can use symptoms suffered by patients for a reference in classifying positive and negative Covid-19 patients using data mining. Random Forest and logistic regression are two data mining algorithms with high accuracy, precision, and sensitivity in data classification. This study compares the random forest and the logistic regression algorithm - where we use the lasso and ridge regulations - on classifying positive and negative Covid-19 patients based on their symptoms. From 5434 data used in the data set, the evaluation results show that the random forest algorithm is the best in terms of accuracy, precision, and sensitivity compared to other algorithms, while the logistic regression algorithm with ridge regulation is the worst. The random forest algorithm is the most reliable in classifying patients with positive Covid-19, while the logistic regression algorithm with ridge regulation is the least reliable. Also, the random forest algorithm is the most reliable in classifying patients with negative Covid-19, while the logistic regression algorithm with lasso regulation is the least reliable.Keywords: classification;covid-19;data mining;logistic regression;random forest.Abstrak: Dalam data mining, kita dapat menggunakan gejala yang diderita pasien sebagai acuan dalam mengklasifikasikan pasien positif dan negatif Covid-19 menggunakan data mining. Random forest dan logistic regression adalah dua algoritma data mining yang memiliki akurasi (accuracy), presisi (precision), dan sensitivitas (recall) tinggi dalam klasifikasi data. Penelitian ini membandingkan algoritma random forest dan logistic regression - di mana kami menggunakan regulasi lasso dan ridge - dalam mengklasifikasikan pasien positif dan negatif Covid-19 berdasarkan gejalanya. Dari 5434 data yang digunakan dalam data set, hasil evaluasi menunjukkan bahwa algoritma random forest adalah yang terbaik dalam hal akurasi, presisi, dan sensitivitas dibandingkan dengan algoritma lainnya, sedangkan algoritma logistic regression dengan regulasi ridge adalah yang terburuk. Algoritma random forest paling andal dalam mengklasifikasikan pasien positif Covid-19, sedangkan algoritma logistic regression dengan regulasi ridge merupakan algoritma yang paling tidak tidak dapat diandalkan. Selain itu, algoritma random forest paling andal dalam mengklasifikasikan pasien dengan Covid-19 negatif, sedangkan algoritma logistic regresssion dengan regulasi lasso merupakan yang paling tidak dapat diandalkan.Kata kunci: covid-19;data mining;klasifikasi;logistic regression;random forest.
Comparative Analysis of Support Vector Machine and Perceptron In The Classification of Subsidized Fuel Receipts Jaka Tirta Samudra; Rika Rosnelly; Zakarias Situmorang
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 7 No 3 (2023): Juni 2023
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v7i3.4731

Abstract

Currently, fuel oil is one of the important factors for the community and even a country on this earth to utilize this natural gas fuel for daily use as the main use and also by increasing the community's need for fuel oil. But there are several factors that cause this fuel problem, there is a factor of time and usage time, which is certain that one day it will expire and its capacity in a country, even if the country runs out of fuel, will make requests to other countries and also obstacles to supplying this fuel oil to the public. which is the main fuel from the Pertamina government agency which has begun to limit purchases for this fuel oil to certain circles by marking the types of subsidies or not subsidies that must be controlled by the government in limiting purchases for the public. In dealing with solving problems from the perspective of ownership or even utilization, there are limits to owning fuel, and not everyone has to have a lot or even too much. In solving the problem of dividing fuel revenue, which is good for filling revenue, it can be solved by using machine learning, namely data mining itself can help in completing subsidized fuel receipts without being excessive for the community so that they can be controlled and managed for their purchases. In building a fuel oil reception design, it can be grouped into a classification model that uses SVM and perceptron which uses the activation function of the sigmoid to get the final result of accuracy where getting the average value of 5-fold, 10-fold, 20-fold is accuracy. is 90.0%, the F1 value is 85.6%, the precision value is 87.6%, and the recall value is 90.0%.
Model Klasifikasi Jenis Hewan Dengan SVM, KNN, Logistic Regression Menggunakan Pre-Trained VGG 16 Jaka Tirta Samudra; Rika Rosnelly; Zakarias Situmorang; Puji Sari Ramadhan
Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Vol 22, No 2 (2023): Agustus 2023
Publisher : PRPM STMIK TRIGUNA DHARMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jis.v22i2.8314

Abstract

Proses komputasi serta filtering pada komputer untuk melaksanakan suatu tugas yang diinginkan untuk melakukan kegiatan tertentu tentunya tidak lepas dari sebuah metode pada pembelajaran. Dalam proses pembelajaran tersebut ada beberapa dari berbagai metode dapat dilakukan untuk dapat memenuhi periode training dan uji tersebut untuk memberikan komputer suatu keahlian tertentu. Salah satu cara tujuan untuk melakukan penunjang pada periode tersebut adalah dengan menggunakan algoritma support vector machine, k-nearest neighbor, dan logistic regression. Dimana pada algoritma ini mampu memuat keseluruhan skala informasi klasifikasi objek tanpa kehilangan dari pengetahuan keakuratannya. Tujuan dari penelitian ini adalah memberikan pada komputer dalam menggali kemampuan untuk mengenali jenis binatang dan memprediksi jenis binatang berdasarkan gambar yang dimasukan. Penelitian ini juga bertujuan untuk menilai keakuratan hasil training metode pembelajaran dibangkan dengan hasil keluaran dari pembelajaran. Metode yang digunakan dalam penelitian ini adalah mentraining secara komputasi, sejumlah gambar dari bebrapa hewan yang memiliki 10 jenis hewan yang dekat kepada manusia salah satunya hewan ternak, peliharaan, dan buas. Kemudian test akan dilakukan dengan cara yang sama setelah melalui tahapan konvulasi training. Hasil dari penelitian ini keakuratan hasil training mencapai 84%.
Comparative Analysis of Support Vector Machine And Perceptron Algorithms In Classification Of The Best Work Programs In P2KBP3A Jaka Tirta Samudra; Rika Rosnelly; Zakarias Situmorang
Proceeding of International Conference on Information Science and Technology Innovation (ICoSTEC) Vol. 2 No. 1 (2023): Proceeding of International Conference on Information Science and Technology In
Publisher : Universitas Respati Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35842/icostec.v2i1.40

Abstract

With the rapid growth of government agencies that are required to carry out an activity in every aspect that publishes and carries out obligations every year, it is required to be held accountable and also implemented for every device that receives such as fostered villages by utilizing the available APBD funds to maximize the work program that has been designed. so that it can be implemented as much as possible. That way, to get the best from all aspects of every work program implementation, there must be an important point from the annual work program design that is made without exception. Data mining itself can help P2KBP3A in analyzing each work program that is designed before being implemented in the future for the annual work program by looking at various aspects of past work program data and grouping work programs in the form of classification. In designing the work program, this research builds a classification model by adding a sigmoid activation function that uses SVM and perceptron to compare the accuracy results of the algorithm used to get the best work program design. From the various classifications used, the best value for classifying the dataset of the best P2KBP3A work programs can be seen from the average accuracy value of 87.5%, F1 value of 82.2%, the precision value of 80.2%, and recall value of 87.5%
Sistem Pendukung Keputusan Tingkat Kepuasan Pemilihan UMKM Mitra Binaan Di Era Digital Samudra, Jaka Tirta; Junaidi, Junaidi; Riandini, Meisarah
Digital Transformation Technology Vol. 4 No. 1 (2024): Periode Maret 2024
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v4i1.4294

Abstract

Penelitian ini bertujuan untuk mengembangkan Sistem Pendukung Keputusan (SPK) untuk memfasilitasi proses pemilihan mitra UMKM dalam konteks digital. SPK yang dikembangkan menggunakan metode MOORA (Multi-Objective Optimization by Ratio Analysis) untuk memungkinkan evaluasi simultan terhadap berbagai kriteria dan subkriteria yang relevan. Fokus utama penelitian ini adalah untuk objektif menetapkan bobot kriteria yang digunakan dalam evaluasi. Studi kasus dilakukan terhadap sepuluh UMKM dengan penekanan pada aspek manajemen, keuangan, pemasaran, dan operasional. Hasil penelitian menunjukkan bahwa penggunaan SPK MOORA efektif dalam memilih mitra UMKM yang optimal sesuai dengan kriteria yang ditetapkan. Temuan ini berpotensi meningkatkan efisiensi program pembinaan UMKM serta mendukung pertumbuhan sektor UMKM di era digital. Dengan implementasi SPK ini, diharapkan dapat memberikan kontribusi positif dalam memperbaiki proses seleksi mitra UMKM, yang pada gilirannya dapat meningkatkan keberlanjutan dan daya saing UMKM dalam perekonomian digital
Sistem Pendukung Keputusan Tingkat Kepuasan Mahasiswa Pada Fasilitas Kampus Universitas Quality: Sistem Pendukung Keputusan Tingkat Kepuasan Mahasiswa Pada Fasilitas Kampus Universitas Quality Samudra, Jaka Tirta; Sari Ramadhan, Puji
Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Vol 23 No 2 (2024): Agustus 2024
Publisher : PRPM STMIK TRIGUNA DHARMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jis.v23i2.10244

Abstract

Penelitian ini bertujuan untuk mengembangkan dan menerapkan Sistem Pendukung Keputusan (SPK) yang dapat mengukur dan meningkatkan tingkat kepuasan mahasiswa terhadap fasilitas kampus di Universitas Quality. Masalah utama yang dibahas adalah kurangnya alat yang efektif untuk mengumpulkan dan menganalisis umpan balik mahasiswa terkait fasilitas kampus, yang dapat menghambat upaya perguruan tinggi dalam meningkatkan kualitas layanan dan pengalaman mahasiswa. Metode yang digunakan meliputi survei, analisis data, dan pengembangan perangkat lunak berbasis web untuk SPK. Manfaat dari penelitian ini adalah menyediakan informasi yang lebih akurat dan terperinci tentang preferensi mahasiswa terhadap fasilitas kampus, sehingga memungkinkan pihak universitas untuk membuat keputusan yang lebih baik dalam pengalokasian sumber daya dan perbaikan fasilitas. Diharapkan bahwa implementasi SPK ini akan menghasilkan peningkatan signifikan dalam kepuasan mahasiswa, meningkatkan reputasi universitas, dan memperkuat daya saingnya.Penelitian ini bertujuan untuk mengembangkan dan menerapkan Sistem Pendukung Keputusan (SPK) yang dapat mengukur dan meningkatkan tingkat kepuasan mahasiswa terhadap fasilitas kampus di Universitas Quality. Masalah utama yang dibahas adalah kurangnya alat yang efektif untuk mengumpulkan dan menganalisis umpan balik mahasiswa terkait fasilitas kampus, yang dapat menghambat upaya perguruan tinggi dalam meningkatkan kualitas layanan dan pengalaman mahasiswa. Metode yang digunakan meliputi survei, analisis data, dan pengembangan perangkat lunak berbasis web untuk SPK. Manfaat dari penelitian ini adalah menyediakan informasi yang lebih akurat dan terperinci tentang preferensi mahasiswa terhadap fasilitas kampus, sehingga memungkinkan pihak universitas untuk membuat keputusan yang lebih baik dalam pengalokasian sumber daya dan perbaikan fasilitas. Diharapkan bahwa implementasi SPK ini akan menghasilkan peningkatan signifikan dalam kepuasan mahasiswa, meningkatkan reputasi universitas, dan memperkuat daya saingnya.