Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

2.096

P-Index

This Author published in this journals

All Journal Tekno : Jurnal Teknologi Elektro dan Kejuruan Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Simetris JUTI: Jurnal Ilmiah Teknologi Informasi Jurnal Ilmiah Kursor Jurnal Edukasi dan Penelitian Informatika (JEPIN) Proceeding of the Electrical Engineering Computer Science and Informatics Ekonomi Bisnis Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) International Journal of Artificial Intelligence Research Knowledge Engineering and Data Science VOLT : Jurnal Ilmiah Pendidikan Teknik Elektro Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Matrix : Jurnal Manajemen Teknologi dan Informatika ILKOM Jurnal Ilmiah Prosiding SAKTI (Seminar Ilmu Komputer dan Teknologi Informasi) TRIDARMA: Pengabdian Kepada Masyarakat (PkM) Jurnal Mnemonic Sains, Aplikasi, Komputasi dan Teknologi Informasi E-Link: Jurnal Teknik Elektro dan Informatika Belantika Pendidikan Journal of Applied Data Sciences Indonesian Journal of Innovation Studies Bulletin of Social Informatics Theory and Application Jurnal Informatika Polinema (JIP) Journal of Information Technology and Cyber Security Edcomtech: Jurnal Kajian Teknologi Pendidikan

Utomo Pujianto

Universitas Negeri Malang

Author-ID : 2391586

Aerospace Engineering Arts Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Social Sciences

Published : 39 Documents Claim Missing Document

Claim Missing Document

Articles

1 2 3 4

PENGKOMBINASIAN POHON KEPUTUSAN DATA PENCILAN KELAS DAN POHON KEPUTUSAN DATA NORMAL UNTUK PENINGKATAN AKURASI PREDIKSI CACAT PERANGKAT LUNAK Pujianto, Utomo; Siahaan, Daniel Oranova
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 10, No 1, Januari 2012
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Keberadaan pencilan dalam set data prediksi cacat perangkat lunak memunculkan dua pilihan penanganan, yaitu apakah tetap digunakan dengan mengabaikan keberadaannya sebagai pencilan, ataukah dihapuskan dari set data uji coba. Pengabaian keberadaan pencilan dalam set data uji menghasilkan akurasi hasil prediksi yang secara signifikan lebih rendah dibandingkan dengan jika pencilan tersebut dihapuskan dari set data uji coba. Dalam paper ini diusulkan utilisasi pencilan kelas dalam set data prediksi cacat perang kat lunak untuk meningkatkan kinerja sistem prediksi cacat perangkat lunak. Metode yang diusulkan terdiri dari proses prediksi pencilan kontekstual dari set data uji, menggunakan model prediksi berbasis pohon keputusan tunggal. Selanjutnya dilakukan dengan proses prediksi label kelas cacat perangkat lunak menggunakan dua buah model prediksi berbasis pohon keputusan tunggal, yang masing-masing berfungsi untuk melakukan prediksi cacat perangkat lunak terhadap subset data normal dan subset data pencilan. Hasil pengujian terhadap lima set data NASA dari repository PROMISE menunjukkan bahwa metode yang diusulkan memiliki kinerja akurasi yang lebih baik dibandingkan penggunaan algoritma J48 yang mengabaikan keberadaan pencilan, maupun yang menghapuskan pencilan dari set data sampel pengujian.

MODEL ANALISIS PENGAMBILAN KEPUTUSAN PEMINATAN DI SMA MENGGUNAKAN METODE SAW Wibawa, Aji Prasetya; Pujianto, Utomo
Prosiding SAKTI (Seminar Ilmu Komputer dan Teknologi Informasi) Vol 1, No 1 (2016): Vol 1, No 1 (2016): Prosiding Seminar Nasional Ilmu Komputer dan Teknologi Infor
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (73.549 KB)

Banyak faktor yang menjadi pertimbangan ketika guru menentukan kelompok peminatan yang sesuai untuk siswanya. Menentukan suatu kelompok peminatan untuk siswa dengan jumlah yang banyak akan menimbulkan kesulitan bagi guru tersebut. Untuk itu, perlu adanya suatu mekanisme yang dapat membantu guru untuk menentukan kelompok peminatan yang terbaik untuk siswanya berdasarkan nilai dari setiap faktor yang berpengaruh. Sistem yang dapat memenuhi kebutuhan tersebut adalah Sistem Pendukung Keputusan (SPK). SPK menggunakan suatu metode tertentu untuk memilih keputusan yang terbaik. Salah satu metode yang umum digunakan adalah Simple Additive Weighting (SAW). Beberapa hal yang dibutuhkan metode SAW adalah alternatif, bobot, dan kriteria. Alternatif pada permasalahan ini adalah Matematika dan Ilmu Pengetahuan Alam (MIPA), Ilmu Pengetahuan Sosial (IPS) dan Bahasa dan Budaya. Bobot didapatkan dari pengambil keputusan. Kriteria yang didapatkan adalah nilai rata-rata rapor Sekolah Menengah Pertama (SMP), nilai ujian nasional SMP, minat siswa, hasil psikotes, nilai ujian sekolah SMP, nilai tes peminatan, rekomendasi guru bimbingan konseling SMP dan rekomendasi orang tua. Berdasarkan permasalahan tersebut artikel ini akan memberi gambaran bagaimanan implementasi metode SAW pada permasalahan peminatan siswa SMA.

Perbandingan Kinerja Hasil Seleksi Fitur pada Prediksi Kinerja Akademik Siswa Berbasis Pohon Keputusan Asmoro, Achmad Shoddiq Bayu; Irianto, Wahyu Sakti Gunawan; Pujianto, Utomo
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 4, No 2 (2018): Volume 4 No 2
Publisher : Program Studi Informatika

Sistem manajemen E-learning merupakan bentuk kemajuan teknologi dalam bidang pendidikan dan telah banyak menghasilkan kumpulan data-data pendidikan yang salah satunya adalah data aktivitas pembelajaran siswa dalam sistem manajemen E-learning. Banyaknya data pendidikan yang belum tereksplorasi dengan baik dapat di manfaatkan dengan menggunakan teknik data mining. Pada penelitian ini akan dilakukan perbandingan 3 model data berbeda yaitu data awal tanpa preprocessing dan data yang di preprocessing menggunakan seleksi fitur correlation-based feature selection dan Information Gain. Data yang digunakan adalah data aktivitas pembelajaran siswa dalam sistem manajemen E-learning. Selanjutnya proses pengujian data dengan menggunakan 10 folds cross validation dengan metode C4.5 dan evaluasi data menggunakan confusion matrix. Hasil dari pengujian data menggunakan algoritma C4.5 yang dikombinasikan dengan seleksi fitur correlation-based feature selection menghasilkan nilai akurasi yang lebih tinggi dengan nilai akurasi sebesar 76.92%. Sementara itu hasil dari pengujian data awal tanpa selesksi fitur dan data yang di seleksi fitur menggunakan information gain memiliki nilai akrasi yang sama dengan nilai akurasi sebesar 76.19%. Hal ini dikarenakan data yang diproses menggunakan algoritma C4.5 tanpa preprocessing dan data yang telah di preprocessing menggunakan information gain sama-sama menghitung nilai gain untuk membuat model pohon keputusan, dan menghasilkan model pohon keputusan yang sama. Sehingga hasil dari proses pengujian data memiliki nilai akurasi yang sama.

PERBANDINGAN METODE NAÏVE BAYES DAN C4.5 UNTUK MEMPREDIKSI MORTALITAS PADA PETERNAKAN AYAM BROILER Baihaqi, Dimas Imam; Handayani, Anik Nur; Pujianto, Utomo
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 10, No 1 (2019): JURNAL SIMETRIS VOLUME 10 NO 1 TAHUN 2019
Publisher : Universitas Muria Kudus

Ayam broiler adalah jenis ternak yang paling cepat untuk dipanen. Namun dalam berternak ayam broiler pasti banyak masalah yang dihadapi contohnya adalah tingkat kematian. Untuk menekan kerugian, para peternak sebaiknya memperhatikan faktor-faktor apa saja yang menyebabkan kematian ayam tersebut. Beberapa penelitian yang meneliti tentang ayam broiler menggunakan metode percobaan dan RAL. Namun masih belum ada yang meneliti mortalitas ayam broiler menggunkan komputasi. Untuk mengetahui metode mana yang lebih baik untuk memprediksi mortalitas pada peternakan ayam broiler dilakukan penelitian perbandingan metode Naïve Bayes dan C4.5. Hasil dari perbandingan akan dievaluasi menggunakan confution matrix. Hasil dari pengujian data menggunakan confution matrix menghasilkan nilai akurasi dari metode C4.5 lebih besar dari pada metode Naïve Bayes. Nilai akurasi dari metode C4.5 adalah 93% dan nilai akurasi dari metode Naïve Bayes adalah 88.66%.

Classification of Lexile Level Reading Load Using the K-Means Clustering and Random Forest Method Rosyid, Harits Ar; Pujianto, Utomo; Yudhistira, Moch Rajendra
Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Vol. 5, No. 2, May 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/kinetik.v5i2.897

There are various ways to improve the quality of someone's education, one of them is reading. By reading, insight and knowledge of various kinds of things can increase. But, the ability and someone's understanding of reading is different. This can be a problem for readers if the reading material exceeds his comprehension ability. Therefore, it is necessary to determine the load of reading material using Lexile Levels. Lexile Levels are a value that gives a size the complexity of reading material and someone's reading ability. Thus, the reading material will be classified based a value on the Lexile Levels. Lexile Levels will cluster the reading material into 2 clusters which is easy, and difficult. The clustering process will use the k-means method. After the clustering process, reading material will be classified using the reading load Random Forest method. The k-means method was chosen because of the method has a simple computing process and fast also. Random Forest algorithm is a method that can build decision tree and it’s able to build several decision trees then choose the best tree. The results of this experiment indicate that the experiment scenario uses 2 cluster and SMOTE and GIFS preprocessing are carried out shows good results with an accuracy of 76.03%, precision of 81.85% and recall of 76.05%.

Sistem Ulangan Harian Dengan Penentuan Tingkat Kesulitan Soal Menggunakan Algoritma Naive Bayes Classifier Bahalwan, Lugas Anegah; Wibawa, Aji Prasetya; Pujianto, Utomo
Prosiding SAKTI (Seminar Ilmu Komputer dan Teknologi Informasi) Vol 4, No 2 (2019): Prosiding Seminar Nasional Ilmu Komputer dan Teknologi Informasi (SAKTI)
Publisher : Mulawarman University

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

Dalam pelaksanaan ulangan harian, guru memiliki beberapa kendala yang dapat mengarahkan pada kemungkinan gagalnya evaluasi pendidikan dengan baik. Beberapa kendala Ulangan Harian yang dialami guru adalah beban kerja guru yang cukup banyak, selain dari tugas mengajar dan mendidik juga terdapat tugas kedinasan yang diberikan pada guru tertentu dengan tugas yang berbeda-beda. Dalam penelitian ini. Sistem Ulangan Harian dikembangkan untuk mengatasi masalah yang muncul dengan penentuan tingkat kesulitan soal menggunakan metode klasifikasi Naïve Bayes Classifier. Perhitungan kinerja algoritma menggunakan metode konfusi matrik dengan hasil Akurasi sebesar 89.99%, Precission sebesar 89.3%, dan Recall sebesar 89.3%. Penelitian ini akan menguji perilaku pengguna Sistem Ulangan Harian berdasarkan faktor-faktor yang memengaruhi mereka dengan pendekatan Technology Acceptance Model (TAM). Berdasarkan hasil analisis diketahui bahwa ada pengaruh pengaruh Perceived Ease of Use (PEOU) terhadap Perceived Usefulness (PU) sebesar 90.6%, sedangkan pengaruh Perceived Ease of Use (PEOU) dan Perceived Usefulness (PU) terhadap Attitude Toward Using (ATU) adalah 74,3%. Diketahui juga bahwa pengaruh Perceived Usefulness (PU) dan Attitude Toward Using (ATU) terhadap Behavioural Intention to Use (ITU) adalah 79,7%. Pengaruh Behavioural Intention to Use (ITU) terhadap Actual System Use (ASU) sebesar 79,3%. Dari hasil penelitian, Sistem Ulangan Harian dengan klasifikasi tingkat kesulitan soal menggunakan algoritma Naïve Bayes Classifier bisa diimplementasikan secara efektif.

Sistem informasi pemantauan aktivitas atlet renang untuk meningkatan prestasi atlet renang Dewinta Nilan Sari; Muhamad Jauharul Fuady; Utomo Pujianto
TEKNO: Jurnal Teknologi Elektro dan Kejuruan Vol 28, No 1 (2018)
Publisher : Universitas Negeri Malang

Terdapat banyak faktor yang menunjang prestasi atlet renang. Salah satu faktor yang menunjang dalam peningkatan prestasi atlet merupakan penyimpanan data hasil latihan yang dilakukan oleh pelatih maupun atlet renang. Data hasil latihan ini berupa hasil latihan fisik dan latihan renang/hasil perlombaan. Data hasil latihan ini digunakan oleh pelatih untuk mengetahui kemajuan prestasi berenang atlet untuk memecahkan rekor kecepatan berenang atlet. Oleh sebab itu, diperlukan sistem informasi pemantauan atlet yang bertujuan untuk memudahkan atlet dan pelatih dalam penyimpanan data hasil latihan sekaligus pemantauan aktivitas latihan fisik atlet. Sistem informasi berbentuk web yang dapat diakses pada http://tnw-sc.com. Proses pembuatan sistem informasi ini menggunakan model pengembangan prototype. Proses pengerjaan dilakukan dengan dua siklus. Penerapan dilakukan selama dua bulan di Tirta Nirwana Swimming Club.

Perbandingan kinerja metode C4.5 dan Naive Bayes dalam klasifikasi artikel jurnal PGSD berdasarkan mata pelajaran Utomo Pujianto; Putri yuni Ristanti
TEKNO: Jurnal Teknologi Elektro dan Kejuruan Vol 29, No 1 (2019)
Publisher : Universitas Negeri Malang

Pendidikan mempunyai standar sebagai acuan dalam proses pembelajaran. Dalam hal ini Pemerintah telah mengatur standar pendidikan di Indonesia, mengacu pada Peraturan Pemerintah Republik Indonesia Nomor 19 Tahun 2005 Pasal 6 ayat (1) yaitu kurikulum untuk jenis pendidikan umum, kejuruan, dan khusus pada jenjang pendidikan dasar dan menengah. Sesuai dengan Peraturan Pemerintah tersebut, ditetapkannya Peraturan Menteri Pendidikan Nasional Republik Indonesia Nomor 23 Tahun 2006 pasal 1 ayat (2), tentang Standar Kompetensi Lulusan yang diantaranya memuat SK-KMP (Standar Kompetensi Kelompok Mata Pelajaran). Standar inilah yang dijadikan sebuah rujukan untuk tenaga pendidik, dan bakal tenaga pendidik khususnya mahasiswa bidang pendidikan untuk membuat sebuah media pembelajaran, jurnal sebagai bahan ajaran yang pokok. Tujuan penelitian ini untuk mengklasifikasikan minat mahasiswa PGSD terhadap tema mata pelajaran menurut SK-KMP menggunakan metode Naive Bayes dan Decision tree J48. Hasil penelitian tersebut dapat dijadikan sebagai referensi untuk pengambilan tema pada mata pelajaran di tahun mendatang untuk lebih bervariasi, tidak hanya membahas tentang salah satu mata pelajaran tersebut. Kinerja dari kedua metode tersebut akan dibandingkan, sehingga dapat diketahui kinerja metode mana yang lebih baik dalam melakukan klasifikasi dokumen. Pengujian performa algoritma klasifikasi yang digunakan adalah teknik K-fold Cross Validation. Berdasarkan pengujian performa penerapan algoritma Naïve Bayes dan Decision Tree J48 menggunakan teknik K-Fold Cross Validation terhadap 200 judul dan abstrak artikel jurnal, didapatkan algoritma Naive Bayes, tingkat akurasi sebesar 84%. Sementara itu, untuk hasil yang diperoleh dengan algoritma Decision Tree J48, tingkat akurasi sebesar 86%.

Pengembangan bahan ajar perakitan komputer bermuatan augmented reality untuk menumbuhkan keaktifan belajar siswa Binti Afifah; Triyanna Widiyaningtyas; Utomo Pujianto
TEKNO: Jurnal Teknologi Elektro dan Kejuruan Vol 29, No 2 (2019)
Publisher : Universitas Negeri Malang

Studi ini berfokus pada pengembangan bahan ajar perakitan komputer yang bermuatan AR. Berdasarkan hasil observasi dan wawancara di SMK Negeri 1 Undanawu Blitar, diperoleh fakta bahwa beberapa siswa merasa kurang tertarik dengam model pembelajaran yang menggunakan buku cetak yang disediakan oleh sekolah. Selain itu, guru matapelajaran terkait juga menyatakan bahwa alat pembelajaran yang tersedia berjumlah terbatas. Penelitian dan pengembangan ini menggunakan model ADDIE. Observasi dan wawancara digunakan untuk mengumpulkan data awal penelitian. Sampel subjek uji coba penelitian ini adalah siswa kelas X SMK Negeri 1 Udanawu Blitar. Pengumpulan data penelitian dilakukan dengan menggunakan kuisioner dan lembar observasi. Berdasarkan hasil uji coba lapangan, penelitian dan pengembangan ini menghasilkan sebuah produk berupa bahan ajar digital perakitan komputer bermuatan augmented reality (AR) yang dinyatakan sangat layak digunakan sebagai bahan ajar dan dapat digunakan dalam proses pembelajaran untuk menumbuhkan keaktifan belajar dengan skor persentase mencapai 86,3 %.

Rekomendasi penerimaan judul skripsi dengan metode simple addative weighting pada sistem informasi skripsi dan tugas akhir Jurusan Teknik Elektro Universitas Negeri Malang Fauzan Cahya Arifin; Aji Prasetya Wibawa; Utomo Pujianto
TEKNO: Jurnal Teknologi Elektro dan Kejuruan Vol 28, No 1 (2018)
Publisher : Universitas Negeri Malang

Penerimaan judul skripsi merupakan tahap penting dalam penyelesaian skripsi. Dalam tahap tersebut diberikan keputusan diterima, direvisi atau ditolak terhadap judul skripsi yang diajukan mahasiswa. Sistem Pengambilan Keputusan (SPK) menggunakan metode Simple Additive Weighting (SAW) digunakan untuk menyelesaikan masalah tidak terstruktur secara sederhana sehingga dapat melakukan proses pengambilan keputusan yang efektif. Pada artikel ini akan dibahas tentang penerapan metode SAW untuk merekomendasikan keputusan penerimaan judul skripsi pada SPK rekomendasi penerimaan judul skripsi. Kriteria-kriteria yang dibutuhkan dalam rekomendasi penerimaan judul skripsi yaitu kebaruan, batas waktu penelitian, akses terhadap data, sumbangan hasil penelitian, dan kesesuaian topik dengan KBK.

Co-Authors Abda Abda Achmad Murdiono Aguwin Ardi Pranata Aji Prasetya Wibawa Ali M. Mohammad Salah Angeline, Grace Anik Nur Handayani Anis Nikmatul Kasanah Annas Gading Pertiwi Annisa Putri Ayudhitama Aris Maulana Arya Yudhi Wijaya Asa Luki Setiawan Asmoro, Achmad Shoddiq Bayu Ayudhitama, Annisa Putri Bahalwan, Lugas Anegah Baihaqi, Dimas Imam Baihaqi, Dimas Imam Bintang Romadhon Binti Afifah Daniel Oranova Siahaan Deni Sutaji Dewandra, Aderyan Reynaldi Fahrezza Dewinta Nilan Sari Didik Dwi Prasetya Didin Rosyadi Dwi Jaelani, Mardian Elsa Dwi Rochmah Rachmanto Fauzan Cahya Arifin Filby, Brilliant Gradiyanto Radityo Kusumo Hakkun Elmunsyah Hammad, Jehad A. H. Harits Ar Rosyid Harits Ar Roysid Haviluddin Haviluddin Hery Widijanto Icca Astrina Izdihar, Zahra Nabila Joumil Aidil Saifuddin Khairunnisa, Raissa Araminta Kusumo, Gradiyanto Radityo Lassela, Niendhitta Tamia Lazuardi Noorca Rachmadi M. Zainal Arifin Martha, Jefry Aulia Meiga Ayu Ariyanti Muhamad Jauharul Fuady Muhammad Aqshal Muhammad Iqbal Akbar Muis Muhtadi Muladi Murad, Safwan Marwin Abdul Nafalski, Andrew Najahah, Vina Nanda Riski Septania Nanda Riski Septania Niendhitta Tamia Lassela Nur Hidayat, Wahyu Nurroby Wahyu Saputra Prananda Anugrah Putra Utama, Agung Bella Putri yuni Ristanti Raffi Taufik Gushardana Salah, Ali M. Mohammad Santoso, Priyo Aji Saputra, Anggie Wahyu Saputra, Irzan Tri Setiadi Cahyono Putro Setiawan, Asa Luki Swasono Raharjo, Swasono Triyanna Widiyaningtyas Utama, Agung Bella Putra Wahyu Sakti Gunawan Irianto Yudhistira, Moch Rajendra

Title

Found 39 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 39 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 39 Documents
Search