Article Per Year (5 Year)
p-Index From 2020 - 2025
1.873
P-Index
This Author published in this journals
All Journal Informatika Mulawarman: Jurnal Ilmiah Ilmu Komputer Knowledge Engineering and Data Science JIKO (Jurnal Informatika dan Komputer) Jurnal Teknologi Terapan METIK JURNAL JISKa (Jurnal Informatika Sunan Kalijaga) Prosiding Seminar Nasional Rekayasa Teknologi Industri dan Informasi ReTII Adopsi Teknologi dan Sistem Informasi
Gubtha Mahendra Putra
Informatics Department, Engineering Faculty, Mulawarman University, Samarinda, 75123, Indonesia
Aerospace Engineering Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Library & Information Science Materials Science & Nanotechnology Mechanical Engineering Physics Transportation

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 10 Documents
Search

 1 
Implementasi Algoritma Partitioning Around Medoids (PAM) untuk Mengelompokkan Hasil Produksi Komoditi Perkebunan (Studi Kasus: Dinas Perkebunan Provinsi Kalimantan Timur) Dary Daris Abdurrahman; Fahrul Agus; Gubtha Mahendra Putra
Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer Vol 16, No 2 (2021): Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jim.v16i2.6520

Abstract

Sebagai salah satu Provinsi terluas di Indonesia, tepatnya terluas ke-4, Kalimantan Timur memiliki luas 129.000 Km2 . Berdasarkan data statistik dari Dinas Perkebunan tahun 2019, luas lahan perkebunan di Provinsi Kalimantan Timur seluas 1,39 juta hektar atau 10,7% dari luas keseluruhan. Dari luas keseluruhan tersebut, Provinsi Kalimantan Timur mampu memproduksi 18,4 juta ton komoditi perkebunan. Akan tetapi, produksi komoditi-komoditi tersebut dari tahun ke tahun mengalami perubahan jumlah produksi yang menunjukkan pola yang tidak tetap. Untuk itu, dalam rangka mengoptimalkan jumlah produksi, Dinas Perkebunan perlu untuk mengelompokkan daerah-daerah berdasarkan jumlah produksinya. Clustering adalah metode data mining yang membagi data menjadi kelompok-kelompok yang mempunyai objek yang karakteristiknya sama. Penelitian ini menggunakan metode clustering Partitioning Around Medoids (PAM) dengan 3 distance measure yakni Euclidean Distance, Manhattan Distance, dan Chebyshev Distance. Untuk mengukur kualitas hasil cluster digunakan metode Silhouette Coefficient (SC). Semakin besar nilai SC, semakin baik kualitas cluster. Dari 3 kali uji coba dengan menggunakan 3 cluster, 5 cluster, dan 7 cluster diperoleh nilai rata-rata SC terbesar pada uji coba 5 cluster dengan nilai SC 0.954701931 pada distance measure Manhattan Distance.
Implementasi Metode K-Means Untuk Pengelompokkan Rekomendasi Tugas Akhir Haviluddin Haviluddin; Suryani Junita Patandianan; Gubtha Mahendra Putra; Novianti Puspitasari; Herman Santoso Pakpahan
Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer Vol 16, No 1 (2021): Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jim.v16i1.5182

Abstract

Tugas akhir (TA) merupakan salah satu syarat dalam penyelesaian jenjang pendidikan formal di suatu perguruan tinggi. Namun, kebanyakan mahasiswa mengalami kesulitan dalam menentukan area penelitian sehingga TA yang diambil kurang atau tidak sesuai dengan kemampuan mereka. Penelitian ini bertujuan untuk merekomendasikan area penelitian TA bagi mahasiswa berdasarkan data nilai A, B dan C pada 10 Mata Kuliah Wajib (MKW) yang diperoleh selama 6 semester untuk angkatan 2015, 2016, 2017 dan 2018 pada mahasiswa Program Studi Informatika, Fakultas Teknik, Universitas Mulawarman. Analisa pengelompokkan menggunakan metode K-Means. Berdasarkan percobaan, pengelompokkan area penelitian TA dilakukan dengan 3 cluster (C), yaitu C1 adalah sedikit, beranggotakan 1 MKW; C2 adalah sedang, beranggotakan 6 MKW; dan C3 adalah banyak, beranggotakan 3 MKW telah diperoleh. Pengujian akurasi cluster menggunakan metode Sum of Squared Errors (SSE) sebesar 0.6566 dan metode Silhouette Coefficient (SC) sebesar 5.8329 telah didapatkan. Hal ini menunjukkan bahwa nilai MKW juga memiliki pengaruh dalam menentukan TA.
PERAMALAN PELAYANAN SERVICE MOBIL (AFTER SALE) MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK (BPNN) Novianti Puspitasari; Haviluddin Haviluddin; Arinda Mulawardani Kustiawan; Hario Jati Setyadi; Gubtha Mahendra Putra
JURNAL INFORMATIKA DAN KOMPUTER Vol 5, No 2 (2021): Februari 2021
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (414.567 KB) | DOI: 10.26798/jiko.v5i2.419

Abstract

Mobil adalah salah satu alat transportasi darat yang penting, karena mobil dapat membantu manusia dalam beaktivitas khususnya untuk pergi dari satu tempat ke tempat lain. Hal ini membuat para produsen mobil berlomba-lomba untuk menciptakan mobil dengan kelebihan dan keunggulan, sehingga jumlah mobil dipasaran sangat banyak dan bervariasi. Seiring dengan meningkatkan jumlah mobil maka Agen Tunggal Pemegang Merk (ATPM) berlomba-lomba untuk memberikan pelayanan after-sale (service mobile). Namun, pihak perusahaan mengalami kesulitan dalam mengetahui laju pertumbuhan jumlah service mobile yang ditangani, sehingga memberikan kerugian yang berdampak pada sumber pendapatan. Oleh karena itu diperlukan sebuah metode baku dalam menentukan peramalan jumlah service mobil di tahun berikutnya. Penelitian ini mengimplementasikan metode Backpropagation Neural Network (BPNN) dalam peramalan  pelayanan service mobil (after-sale) dan Mean Square Error (MSE) untuk metode pengujian akurasi hasil peramalan yang terbentuk. Adapun data yang digunakan pada penelitian ini adalah data  pelayanan service mobil (after-sale) selama lima tahun terakhir. Hasil penelitian menunjukkan bahwa arsitektur terbaik untuk peramalan pelayanan after-sale menggunakan BPNN adalah model arsitektur 5-10-5-1 dengan learning rate sebesar 0,2 dan fungsi pembelajaran yaitu trainlm serta MSE sebesar 0,00045581. Hal ini membuktikan bahwa metode BPNN mampu memprediksi pelayanan service mobile (after-sale) dengan nilai akurasi peramalan yang baik.
Pendeteksi Kehadiran menggunakan ESP32 untuk Sistem Pengunci Pintu Otomatis Anton Prafanto; Edy Budiman; Putut Pamilih Widagdo; Gubtha Mahendra Putra; Reza Wardhana
Jurnal Teknologi Terapan Vol 7, No 1 (2021): Jurnal Teknologi Terapan
Publisher : P3M Politeknik Negeri Indramayu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31884/jtt.v7i1.318

Abstract

The design of the detection system in this study using ESP32 module that includes Wi-Fi: 802.11 b / g / n and Bluetooth: v4.2 BR / EDR and Bluetooth Low Energy (BLE). In general, the automatic door lock system using a fingerprint or RFID card in its implementation, but this study using BLE which is a component of iBeacon which has a function as a result of the fingerprint and RFID card. ESP32 have a duty to control the door lock in order to open and lock the door using relays and solenoid system, in addition to the BLE on ESP32 serves to detect the presence of individuals where Bluetooth Device Address (BD_ADDR) smartwatch or individual gadget is already registered on ESP32. Based on the experimental results, the system can detect a user's presence smartwatch on the Received Signal Strength Indicator (RSSI), which is determined on the program was uploaded to ESP32. This system can also be developed in the future and applied to a variety of special purposes such as absenteeism, indoor mapping, and smart home.
Peramalan Pelayanan Service Mobil (After-Sale) Menggunakan Backpropagation Neural Network (BPNN) Novianti Puspitasari; Haviluddin; Arinda Mulawardani Kustiawan; Hario Jati Setyadi; Gubtha Mahendra Putra
JISKA (Jurnal Informatika Sunan Kalijaga) Vol. 6 No. 3 (2021): September 2021
Publisher : UIN Sunan Kalijaga Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (479.913 KB) | DOI: 10.14421/jiska.2021.6.3.149-160

Abstract

The automotive industry in Indonesia, primarily cars, is getting more and more varied. Along with increasing the number of vehicles, Brand Holder Sole Agents (ATPM) compete to provide after-sale services (mobile service). However, the company has difficulty knowing the rate of growth in the number of mobile services handled, thus causing losses that impact sources of income. Therefore, we need a standard method in determining the forecasting of the number of car services in the following year. This study implements the Backpropagation Neural Network (BPNN) method in forecasting car service services (after-sale) and Mean Square Error (MSE) for the process of testing the accuracy of the forecasting results formed. The data used in this study is car service data (after-sale) for the last five years. The results show that the best architecture for forecasting after-sales services using BPNN is the 5-10-5-1 architectural model with a learning rate of 0.2 and the learning function of trainlm and MSE of 0.00045581. This proves that the BPNN method can predict mobile service (after-sale) services with good forecasting accuracy values.
Pelatihan dan Ujian Sertifikasi Mikrotik Academy Trainer Untuk Guru SMK Dedi Cahyadi; Indah Fitri Astuti; Gubtha Mahendra Putra; Medi Taruk; Reza Wardhana; Awang Harsa Kridalaksana
Retii 2022: Prosiding Seminar Nasional ReTII ke-17
Publisher : Institut Teknologi Nasional Yogyakarta

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

Abstract

Presiden dalam rapat terbatas pembahasan Peta Jalan Pendidikan tahun 2020-2035 menyampaikan hal terkait dengan transformasi pada sektor pekerjaan, yang banyak dipercepat oleh pandemi Covid19 dan resesi ekonomi. Hal ini memerlukan peningkatan kualitas SDM Guru dan Siswa Kejuruan (Vokasi) yang dapat dipersiapkan untuk mendukung transformasi digital di tingkat pendidikan menengah. Penggunaan Internet dan Teknologi Jaringan Komputer lainnya merupakan kunci dalam proses transformasi digital, sehingga Guru dan Siswa SMK Jurusan Teknik Komputer dan Jaringan perlu mendapatkan keterampilan dan update teknologi ini. Salah satu kegiatan peningkatan kapasitas Guru yang dapat diikuti oleh sekolah adalah Program Mikrotik Academy yang juga telah dijadikan dalam kurikulum di SMK dan menjadi Mata Uji Kompetensi. Program ini bertujuan untuk melatih para Guru, memberikan kurikulum standar industri dan melaksanakan ujian sertifikasi internasional serta dapat kembali diberikan oleh Guru kepada para Siswanya di kelas
Pengujian Kinerja Web Server Atas Penyedia Layanan Elastic Cloud Compute (EC2) Pada Amazon Web Services (AWS) Fandy; Rosmasari; Gubtha Mahendra Putra
Adopsi Teknologi dan Sistem Informasi (ATASI) Vol. 1 No. 1 (2022): Adopsi Teknologi dan Sistem Informasi (ATASI)
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/atasi.v1i1.45

Abstract

Pembuatan Web Server yang tangguh dalam segi kehandalan, kecepatan maupun performa pada Web Server menjadi hal yang wajib dalam menangani semua permintaan user / visitor. Banyak pilihan server yang dapat dijadikan sebuah Web Server salah satunya Virtual Private Server (VPS). Virtual Private Server (VPS) adalah sebuah Server yang dibagi menjadi beberapa bagian yang mempunyai system operation sendiri. Provider VPS yang menjadi favorit dan sering menjadi rekomendasi pilihan layanan VPS adalah Amazon Web Services. Keunggulan dari kedua provider tersebut adalah memiliki Enterprise SSD atau penggunaan SSD (Solid State Drive) dalam hardware penyimpanannya. Berbagai pendapat datang mengenai kinerja atau performa dari provider tersebut mengenai layanan VPS mana yang cocok dijadikan sebagai sebuah Web Server yang tangguh. Munculah gagasan untuk dilakukan sebuah pengujian Load Testing pada Web Server yang dibangun atas layanan elastic cloud compute pada Amazon Web Services, beberapa parameter pengujian seperti Throughput, Response Time, Latency dan Resource Utilization digunakan sebagai penilaian kinerja atau performa dari Web Server Amazon Web Services. Pengujian juga menggunakan aplikasi Performance Testing dari Apache JMeter. Berdasarkan hasil pengujian pada Amazon Web Services dengan jenis pengujian Load Testing dan tipe pengujian HTTP Request, Web Server yang dibangun pada layanan ELASTIC CLOUD COMPUTE memiliki performa atau kinerja Web Server lebih baik dari pemyedia layanan lain
Adaptive Neuro-Fuzzy Inference System for Waste Prediction Haviluddin Haviluddin; Herman Santoso Pakpahan; Novianti Puspitasari; Gubtha Mahendra Putra; Rima Yustika Hasnida; Rayner Alfred
Knowledge Engineering and Data Science Vol 5, No 2 (2022)
Publisher : Universitas Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um018v5i22022p122-128

Abstract

The volume of landfills that are increasingly piled up and not handled properly will have a negative impact, such as a decrease in public health. Therefore, predicting the volume of landfills with a high degree of accuracy is needed as a reference for government agencies and the community in making future policies. This study aims to analyze the accuracy of the Adaptive Neuro-Fuzzy Inference System (ANFIS) method. The prediction results' accuracy level is measured by the value of the Mean Absolute Percentage Error (MAPE). The final results of this study were obtained from the best MAPE test results. The best predictive results for the ANFIS method were obtained by MAPE of 3.36% with a data ratio of 6:1 in the North Samarinda District. The study results show that the ANFIS algorithm can be used as an alternative forecasting method.
Rancang Bangun Aplikasi Presensi Pegawai Berbasis Area Menggunakan Geolocation Muhammad Bambang Firdaus; Gubtha Mahendra Putra; Muhammad Wisdan Pratama Putra; Nariza Wanti Wulan Sari; M Khairul Anam; Eva Yumami
METIK JURNAL Vol 7 No 1 (2023): METIK Jurnal
Publisher : LPPM Universitas Mulia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47002/metik.v7i1.406

Abstract

Kehadiran merupakan salah satu faktor disiplin yang diupayakan untuk mendorong disiplin kelembagaan. Sistem absensi yang khas di suatu sekolah atau universitas adalah dengan memanfaatkan sidik jari atau secara manual yaitu dengan menuliskan nama atau membuat inisial. Peneliti berharap dapat memberikan solusi dengan mengembangkan aplikasi sistem absensi berbasis android yang mampu mengatasi beberapa kekurangan dari sistem absensi manual tersebut, seperti menghentikan siswa membubuhkan tanda tangan atau ada yang curang untuk memodifikasi waktu di jari. mencetak. Pengujian ini memastikan bahwa setiap bagian sesuai dengan alur proses yang ditentukan, dan bahwa fitur aplikasi beroperasi sesuai dengan perannya. Hasil pengujian Black Box Testing menunjukkan sistem aplikasi presensi online dapat berjalan dengan baik, setelah dilakukan pengujian diimplementasikan di Kantor Kesehatan Pelabuhan Samarinda Kalimantan Timur. Sistem aplikasi presensi online memiliki 2 jenis user yaitu admin dan user.
Seleksi Fitur Information Gain dan Teknik Pruning Untuk Memperbaiki Akurasi Algoritma C4.5 dalam Kasus Keterlambatan Biaya Kuliah Taghfirul Azhima Yoga Siswa; Gubtha Mahendra Putra; Anton Prafanto
Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer Vol 17, No 2 (2022): Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jim.v17i2.11794

Abstract

Penerapan biaya kuliah memiliki peranan yang sangat penting di suatu universitas untuk dapat meningkatkan mutu dan infrastruktur pendidikan khususnya di Universitas Muhammadiyah Kalimantan Timur (UMKT). Namun, dalam pelaksanaannya masih banyak mahasiswa yang terlambat dalam melakukan pembayaran biaya kuliah. Hal ini dapat mengganggu UMKT dalam sisi operasional dan pelaksanaan peningkatan mutu serta infrastruktur. Pada penelitian ini akan dilakukan penentuan fitur, penerapan algoritma C4.5, dan evaluasi kinerja algoritma C4.5 dengan menggunakan confusion matrix pada pembagian data 90% data training dan 10% data testing. Untuk mengoptimasi kinerja algoritma C4.5, pada penelitian ini akan diterapkan seleksi fitur menggunakan metode information gain dan pruning. Penelitian ini menggunakan data yang diperoleh dari Biro Administrasi Keuangan dan Biro Administrasi Akademik UMKT dengan jumlah data sebanyak 12.408. Hasil pengujian kinerja algoritma C4.5 tanpa menggunakan seleksi fitur information gain dan teknik pruning memperoleh nilai akurasi sebesar 61,40%. Adapun hasil pengujian kinerja algoritma C4.5 dengan menggunakan seleksi fitur information gain dan teknik pruning memperoleh hasil sebesar 64,86%. Hasil pengujian kinerja algoritma C4.5 dengan menggunakan seleksi fitur information gain dan teknik pruning terbukti mampu meningkatkan kinerja algoritma sebesar 3,45% pada kasus keterlambatan biaya kuliah.
Co-Authors Anam, M Khairul Anton Prafanto Arinda Mulawardani Kustiawan Awang Harsa Kridalaksana Budiman, Edy Dary Daris Abdurrahman Dedi Cahyadi Fahrul Agus Fandy Haviluddin Haviluddin Indah Fitri Astuti Muhammad Bambang Firdaus Muhammad Wisdan Pratama Putra Nariza Wanti Wulan Sari Novianti Puspitasari Pakpahan, Herman Santoso Puspitasari, Novianti Putut Pamilih Widagdo Rayner Alfred Reza Wardhana Rima Yustika Hasnida Rosmasari Rosmasari Setyadi, Hario Jati Solly Aryza Suryani Junita Patandianan Tagfirul Azima Yoga Siswa, Muspidar Mulyadi Taruk, Medi Yumami, Eva