Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal RABIT: Jurnal Teknologi dan Sistem Informasi Univrab Teknologika
Imam Ma'ruf Nugroho
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Engineering Industrial & Manufacturing Engineering Mechanical Engineering Other

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
ANALISIS CLUSTERING UNTUK PENGELOMPOKAN JUDUL SKRIPSI MAHASISWA MENGGUNAKAN METODE TF-IDF DAN ALGORITMA K-MEANS (STUDI KASUS : STT WASTUKANCANA) Imam Ma'ruf Nugroho; Teguh Iman Hermanto
Rabit : Jurnal Teknologi dan Sistem Informasi Univrab Vol 6 No 1 (2021): Januari
Publisher : LPPM Universitas Abdurrab

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36341/rabit.v6i1.1617

Abstract

Pada STT. Wastukancana mahasiswa yang telah lulus pasti telah mendaftarkan judul skripsinya ke dalam sistem yang bernama e-research, pada sistem tersebut judul skripsi di kelompokkan menurut tahun ajaran judul tersebut diajukan oleh mahasiswa. Hal itu membuat mahasiswa yang akan mengajukan judul skripsi kesulitan dalam menentukan judul baru yang sebelumnya belum pernah diajukan. Masalah ini dapat diatasi dengan menerapkan metode pengelompokkan clustering terhadap judul skripsi yang ada.Tujuan dari penelitian ini yaitu melakukan analisis clusteringjudul skripsi mahasiswa dengan membandingkan kemiripan kata yang terdapat dalam judul skripsi tersebut menggunakan metode TF-IDF dan algoritma K-Means.Metode analisis yang digunakan yaitu pengumpulan data, text preprocessing, feature Selection, TF-IDF, dan text mining.Algoritma clustering yang digunakan yaitu algoritma K-Means dimana clustering ini bertujuan untuk mengelompokkan judul skripsi ke dalam cluster berdasarkan kemiripan kata yang terdapat pada judul skripsi tersebut.Hasil dari penelitian ini adalah pengelompokkan judul skripsi mahasiswa yang didapat berdasarkan cluster yang terbentuk. Hasil dari cluster ini dapat menjadi acuan sebagai rekomendasi dalam penyimpanan skripsi yang sudah dibuat dan penentuan judul skripsi yang akan datang.
APPLICATION OF THE NAÏVE BAYES ALGORITHM FOR PREDICTION OF LUNG DISEASES USING RAPIDMINER Muhyidin, Yusuf; Muhammad Rafi Muttaqin; Imam Ma'ruf Nugroho; Moch. Hafid
Jurnal Teknologika Vol 14 No 1 (2024): Jurnal Teknologika
Publisher : Sekolah Tinggi Teknologi Wastukancana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51132/teknologika.v14i1.378

Abstract

The lungs are the main organ in the human respiratory system which is located in the chest cavity and consists of a pair. The lungs are a vital organ that greatly influences the body's health, because it has the function of maintaining the body's acid-base balance, removing carbon dioxide that the body does not need and water vapor. Smoking is the main cause of lung disease, in 2020 based on the World Health Organization (WHO) report, it is estimated that 10 million people suffer from lung disease worldwide. This research uses the Naïve Bayes classification algorithm to obtain a prediction model that can predict lung disease patient data. This research aims to obtain accuracy values ​​using the Naïve Bayes algorithm. The data used in this research was obtained from Kaggle which contains 469 data with 14 attributes in it. RapidMiner is used as a tool to test the patient dataset used to produce a prediction with an accuracy rate of 99.9% risk false (no risk of having lung disease).
Co-Authors Moch. Hafid Muhammad Rafi Muttaqin Muhyidin, Yusuf Teguh Iman Hermanto