Garuda - Garba Rujukan Digital

p-Index From 2020 - 2025

3.077

P-Index

This Author published in this journals

All Journal Syntax Jurnal Informatika Infotech Journal Journal of Information System Journal of Information Technology and Computer Science (JOINTECS) Techno Nusa Mandiri : Journal of Computing and Information Technology RESEARCH : Computer, Information System & Technology Management INTECOMS: Journal of Information Technology and Computer Science JUTIM (Jurnal Teknik Informatika Musirawas) JURNAL PENDIDIKAN TAMBUSAI STRING (Satuan Tulisan Riset dan Inovasi Teknologi) Systematics Jurnal Informatika dan Rekayasa Perangkat Lunak RESLAJ: RELIGION EDUCATION SOCIAL LAA ROIBA JOURNAL Jurnal Teknologi Informatika dan Komputer Jurnal Ilmu Komputer dan Teknologi (IKOMTI) Innovative: Journal Of Social Science Research SATIN - Sains dan Teknologi Informasi

Ultach Enri

Universitas Singaperbangsa Karawang

Author-ID : 2544557

Religion Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Public Health Social Sciences Other

Published : 21 Documents Claim Missing Document

Claim Missing Document

Articles

1 2 3

Sistem Pendukung Keputusan Rekomendasi Topik Skripsi Menggunakan Naïve Bayes Classifier Farid Farid; Ultach Enri; Yuyun Umaidah
JOINTECS (Journal of Information Technology and Computer Science) Vol 6, No 1 (2021)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v6i1.2076

Setiap mahasiswa dituntut untuk melakukan kewajiban, salah satunya berupa penelitian. Sebagai wujud nyata proses akhir menuju sarjana setiap mahasiswa diharuskan membuat artikel ilmiah dalam bentuk buku yang diberi nama skripsi. Selama ini proses menentukan topik skripsi mahasiswa dilakukan secara manual, baik pembimbing skripsi yang memberi masukan atau ide diperoleh dari berbagai makalah penelitian. Dan proses penentuan topik skripsi tanpa menggunakan sistem terkomputerisasi. Maka dari itu peneliti membuat penelitian ini agar dapat membantu Mahasiswa dalam menentukan topik skripsi yang sesuai dengan kompetensi Mahasiswa. Metode penelitian ini menggunakan metode pengembangan data mining dan perangkat lunak dengan menerapkan algoritma Naïve Bayes Classifier ke sistem berbasis website. Hasil dari penelitian ini adalah sistem pendukung keputusan yang dapat memberikan rekomendasi topik skripsi berdasarkan data nilai mata kuliah pilihan. Nilai accuracy model terbaik yang diimplementasikan pada sistem ini adalah sebesar 69,27%. Nilai akurasi kurang baik karena jumlah data yang tidak seimbang pada setiap kategori topik skripsi.

Sistem Pakar Diagnosis Penyakit Karies Gigi pada Anak Usia Dini Menggunakan Metode Forward Chaining Heni Anggraeni; Ultach Enri; Tesa Nur Padilah
Reslaj : Religion Education Social Laa Roiba Journal Vol 4 No 5 (2022): RESLAJ: Religion Education Social Laa Roiba Journal
Publisher : LPPM Institut Nasional Laa Roiba Bogor

Dental caries is very common in Indonesian people. 56% of Indonesian people have problems with their teeth, this research started from problems that exist in the Indonesian community so that the idea emerged to create an expert system that can educate the public about dental diseases, especially dental caries. This research was conducted by building an information system regarding dental caries disease information and in it there is an expert system that can be used for consultation. The user system was built using the Forward Chaining method. The Forward Chaining method serves to look for uncertain rules based on the symptoms that arise in people who suffer from dental caries. This the results can be known whether the community suffers from dental caries disease or not. The results of the system testing carried out by the white and black box methods obtained system suitability based on the design requirements through the UML Diagram. Keywords: Forward Chaining, Dental Caries, System Expert

Klasifikasi Berita Clickbait Menggunakan K-Nearest Neighbor (KNN) Riska Sagita; Ultach Enri; Aji Primajaya
JOINS (Journal of Information System) Vol 5, No 2 (2020): Edisi November 2020
Publisher : Universitas Dian Nuswantoro

Clickbait menjadi salah satu cara untuk mencari uang dengan meningkatkan traffic pengunjung dan pengunjung. Praktik clickbait pada saat ini sudah merambah pada dunia jurnalistik sedangkan sistem berita media online berbeda dengan media cetak. Sama halnya dengan media online lainnya, clickbait ini memberikan pengaruh besar terhadap penyedia berita karena rasa keingintahuan dari para pembaca dan sulitnya para pembaca memilih berita clickbait atau bukan clickbait. Praktik clickbait ini sendiri sangat di andalkan oleh penyedia situs berita yang menggunakan judul-judul yang menjebak untuk menarik para pembaca. Berdasarkan masalah tersebut dilakukan penelitian untuk mengklasifikasikan berita clickbait menggunakan metode K-Nearest Neighbors (K-NN).Dari hasil penelitian yang dilakukan, diperoleh hasil terbaik pada jumlah k = 11 dengan menggunakan skenario 1 pada data pembagian dengan jumlah data sebanyak 800 data dan 200 data uji yang menghasilkan akurasi sebesar 71%, ketepatan 72%, dan ingat 71%. Hal ini menunjukkan bahwa klasifikasi berita clickbait dapat di klasifikasikan menggunakan K-Nearest Neighbor.

Analisis Perkembangan Bisnis Online Mahasiswa Karawang Menggunakan Metode Customer Satisfaction Index (CSI) Hannie Hannie; Dini Sri Istiningdias; Ultach Enri
RESEARCH : Journal of Computer, Information System & Technology Management Vol 4, No 1 (2021)
Publisher : UNIVERSITAS PGRI MADIUN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25273/research.v4i1.7826

Saat ini banyak mahasiswa melakukan usaha bisnis pada masa perkuliahan. Masa kuliah adalah masa yang tepat bagi mahasiswa untuk memulai usaha bisnis karena mahasiswa dapat belajar langsung menghadapi tantangan dunia kerja. Berbekal kreativitas, peluang dan keberanian dalam mengambil resiko maka mahasiswa dapat melakukan usaha bisnis online untuk memasarkan produknya lebih luas. Analisis yang dilakukan pada penelitian ini bertujuan untuk mengukur perkembangan bisnis online di kalangan mahasiswa Universitas Singaperbangsa Karawang. Atribut pelayanan jasa dapat dijadikan masukkan dalam meningkatkan bisnis online mahasiswa dengan menggunakan metode Customer Satisfaction Index (CSI). Penelitian dilakukan di Universitas Singaperbangsa Karawang. Data penelitian diperoleh dari kuesioner yang dibagikan secara online menggunakan Google Form. Metode pengambilan sample yang digunakan yaitu metode nonprobability sampling dengan jenis purposive sampling, dimana teknik penentuan sampel berdasarkan kriteria yaitu mahasiswa Universitas Singaperbangsa Karawang dan mempunyai usaha bisnis. Uji pengolahan data menggunakan Uji Validitas dan Uji Realibilitas. Perhitungan Customer Satisfaction Index menunjukkan hasil sebesar 74,49 %. Hasil tingkat kepuasan diantara 66 % - 80 % menunjukkan bahwa mahasiswa puas dengan perkembangan bisnis online.

Sistem Pendukung Keputusan Penentuan Dosen Pembimbing Magang Dengan Menggunakan Metode Ahp Rating Mode Bayu Laksono Wahyu Arminsyah; Kamal Prihandani; Ultach Enri
INTECOMS: Journal of Information Technology and Computer Science Vol 4 No 2 (2021): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/intecoms.v4i2.2661

Pada saat ini penentuan dosen pembimbing magang di FASILKOM UNSIKA masih dilaksanakan secara manual, tentu saja hal ini kurang efisien dan efektif serta mempunyai kemungkinan human error. Penentuan dosen pembimbing magang juga tidak mudah karena harus mempertimbangkan juga antara tema/topik magang mahasiswa dengan kemampuan dosen. Tujuan penelitian ini adalah untuk mengimplementasikan metode AHP rating mode untuk membantu menentukan dosen pembimbing magang. Metode penelitian yang digunakan adalah model waterfall dari SDLC, yang terdiri dari analisis kebutuhan, desain, pengkodean, pengujian dan pemeliharaan. Sistem pendukung keputusan akan dirancang berbasis web dengan menggunakan bahasa pemrograman PHP dan dengan DBMS MySQL. Berdasarkan hasil dari pengujian terhadap sistem oleh tim magang FASILKOM UNSIKA dapat disimpulkan bahwa sistem pendukung keputusan ini dibutuhkan dan membantu dalam menentukan dosen pembimbing magang di FASILKOM UNSIKA.

Analisis Sentimen Ulasan Aplikasi Mola Pada Google Play Store Menggunakan Algoritma Support Vector Machine Muhammad Diki Hendriyanto; Azhari Ali Ridha; Ultach Enri
INTECOMS: Journal of Information Technology and Computer Science Vol 5 No 1 (2022): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/intecoms.v5i1.3708

MOLA is one of the video streaming platform applications on the google play store. The mola application has been downloaded 5 million times but only has a 3.2 rating. On the Google Play Store app rating is followed by user reviews of the app. There are quite a lot of reviews that are unstructured and contain opinions from users about their satisfaction with the application so that it is often taken into consideration by potential users to choose the application used. Based on this, sentiment analysis was carried out using the Support Vector Machine algorithm to find out how the sentiments of users towards the MOLA application on the google play store were carried out. This study uses the Knowledge Discovery in Database (KDD) method. The data used is a review of the MOLA application with as many 520 data consisting of 312 positive reviews and 208 negative reviews. The best results are obtained in scenario 1 (90:10) using the RBF (Radial Basis Function) kernel which produces 92.31% accuracy, 96.3% precision, 89.66% recall, and 92.86% f1-score. Keywords: Sentiment Analysis, Support Vector Machine, MOLA

PENERAPAN FITUR SELEKSI FORWARD SELECTION UNTUK MENENTUKAN KEMATIAN AKIBAT GAGAL JANTUNG MENGGUNAKAN ALGORITMA C4.5 Elin Nurlia; Ultach Enri
JUTIM (Jurnal Teknik Informatika Musirawas) Vol 6 No 1 (2021): JUTIM (Jurnal Teknik Informatika Musirawas) JUNI
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jutim.v6i1.1215

Cardiovascular Disease atau penyakit kardiovaskular merupakan penyakit yang disebabkan oleh gangguan fungsi jantung dan pembuluh darah. Beberapa kasus penyakit kardiovaskular ini yaitu coronary heart disease, hypertension, brain stroke, heart failure, dan penyakit lainnya. Heart failure atau gagal jantung merupakan penyakit yang disebabkan karena kegagalan jantung dalam memompa darah, dan menjadi penyakit yang menyebabkan kematian yang tinggi. Metode klasifikasi dengan algoritma C4.5 dapat dipakai untuk menentukan kematian akibat penyakit ini. Pada penelitian ini dilakukan komparasi algoritma C4.5 dan algoritma C4.5 berbasis forward selection sebagai seleksi fitur untuk meningkatkan akurasi dalam memprediksi kematian akibat gagal jantung. Pemodelan dengan algoritma C4.5 menghasilkan akurasi sebesar 77,89% dan nilai AUC 0,750 sehingga termasuk kategori fair classification, sedangkan dengan forward selection yang memperoleh hasil akurasi sebesar 84,29% dan nilai AUC 0,785 yang termasuk kategori fair classification. Hasil pengujian yang telah dilakukan penerapan forward selection pada algoritma C4.5 terbukti meningkatkan akurasi sebesar 6,4% dan nilai AUC 0,035.

Penerapan Algoritma Support Vector Machine (SVM) dengan TF-IDF N-Gram untuk Text Classification Nur Arifin; Ultach Enri; Nina Sulistiyowati
STRING (Satuan Tulisan Riset dan Inovasi Teknologi) Vol 6, No 2 (2021)
Publisher : Universitas Indraprasta PGRI Jakarta

Syntax Journal of Informatics is an information system that contains a collection of scientific articles managed by the Informatics Study Program of Singaperbangsa Karawang University. Currently, Syntax Journal of Informatics does not have a feature for categorizing scientific articles based on their focus and scope. The research is conducted to classify scientific articles into categories according to focus and scope contained on Syntax Journal of Informatics’ page automatically by utilizing the text mining process. Text mining is a process that aims to get important information from the text. The method used in the research is Knowledge Discovery in Database (KDD) with stages of data selection, preprocessing, transformation, modeling and evaluation. This study will compare the classifications based on the title of the article. The algorithm used is the Support Vector Machine (SVM) using four SVM kernels, including the linear kernel, polynomial kernel, sigmoid kernel and RBF kernel. Data are divided into four scenarios by using traintestsplit, namely 60:40, 70:30, 80:30 and 90:10. The results of the study after testing the model are measured by of Accuracy, Precision, Recall and F-measure. The best results are accuracy of 70%, precision of 75%, recall of 69% and f-measure of 71% in the 90:10 comparison scenario and linear kernel.

Diagnosa Tingkat Depresi Mahasiswa Selama Masa Pandemi Covid-19 Menggunakan Algoritma Random Forest Dewi Septiani; Ultach Enri; Nina Sulistiyowati
STRING (Satuan Tulisan Riset dan Inovasi Teknologi) Vol 6, No 2 (2021)
Publisher : Universitas Indraprasta PGRI Jakarta

Covid-19 virus has become a pandemic across the world, including Indonesia. Based on the data from the Covid-19 Handling Officer Unit, the number of Covid-19 sufferers in Indonesia until February 15, 2021 reaches 1.2 million people. The number of daily cases that continues to grow has forced the government to enforce policies to work, study, and worship from home to minimize the Covid-19 transmission. The policy and many Covid-19 sufferers Indonesia affect the mental health of people, including students of Singaperbangsa Karawang University. Therefore, this research aims to diagnose the initial level of depression in students of Singaperbangsa Karawang University during Covid-19 pandemic by using data mining with Random Forest algorithm. The method used in this research is KDD (Knowledge Discovery in Database) with data used come from PHQ-9 questionnaire given to 392 respondents according to calculation of Slovin formula. Evaluation model used is 10-fold cross validation, with accuracy, sensitivity and specificity parameters. The results of the research show the depression level prediction model using Random Forest algorithm has an accuracy of 85.94%. From 392 students, 1.02% of students are normal, 47.96% have mild depressive symptoms, 36.73% have mild depression, 8.16% have moderate depression, and 6.12% have major depression.

Clustering K-Means Kinerja Assistant Sales Representative pada PT Pupuk Kujang Cikampek, Departemen Pemasaran dan Penjualan Ritel Adi Kurniawan; Ultach Enri
Jurnal Teknologi Informatika dan Komputer Vol 7, No 2 (2021): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v7i2.546

Perseroan Terbatas (PT) Pupuk Kujang merupakan salah satu anak perusahaan dari BUMN di indonesia yaitu PT Pupuk Indonesia Holding Company PT Pupuk Kujang merupakan perusahaan besar yang bergerak di bidang produksi, perdagangan, mempersembahkan jasa, angkutan, dan ekpedisi.PT Pupuk Kujang memiliki struktur organisasi yaitu Departemen Pemasaran dan Penjualan Ritel. Asisten Perwakilan Penjualan(ASR) merupakan jabatan bagi seseorang yang bekerja di PT Pupuk Kujang Cikampek, Departemen Pemasaran dan Penjualan ritel. Seringkali beberapa ASR tidak mencapai target dalam melakukan kegiatan, hal ini dapat merugikan perusahaan karena tingkat kinerja dari ASR terdapat kekurangan sehingga tugas pokok Departemen Pemasaran dan Penjualan Ritel tidak dapat dicapai dengan baik. Penelitian ini akan dilakukan pengelompokan dengan 3 klaster yaitu produktif, menengah, dan kurang produktif dengan metode clustering teknik algoritma K-Means. Hasil dari penelitian ini didapatkan sebanyak 6 ASR masuk ke dalam kelompok kurang produktif,

Co-Authors Adi Kurniawan Adi Santoso Agung Prabowo Amar Luthfi Azhari Ali Ridha Bayu Laksono Wahyu Arminsyah Chaerur Rozikin Dewi Septiani Dharma Ajie Nur Rois Dina Amelia Alzahra Elin Nurlia Farah Fadila Rahman Farid Farid Frise Anesha Lutia Hannie, Hannie Heni Anggraeni Heru Triana Hopi Siti Hopipah Istiningdias, Dini Sri Jaman, Jajam Haerul Kamal Prihandani Muhammad Diki Hendriyanto Nina Sulistiyowati Nur Arifin Putri Dewi Wulandari Riska Sagita Siti Indriyana Tasyifa Nafsiah Muthmainnah Tesa Nur Padilah Tiara Destiana Yuyun Umaidah

Title

Found 21 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 21 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 21 Documents
Search