Article Per Year (5 Year)
p-Index From 2021 - 2026
5.412
P-Index
This Author published in this journals
All Journal ELSE (Elementary School Education Journal) : Jurnal Pendidikan dan Pembelajaran Sekolah Dasar JOURNAL OF APPLIED INFORMATICS AND COMPUTING JSiI (Jurnal Sistem Informasi) Journal of Information Systems and Informatics Neo Teknika: Jurnal Ilmiah Teknologi International Journal of Advances in Data and Information Systems MEANS (Media Informasi Analisa dan Sistem) Jurnal UNITEK Journal La Multiapp Jurnal Pengabdian Masyarakat (ABDIRA) Multidiciplinary Output Research for Actual and International Issue (Morfai Journal) Jurnal Mandiri IT Jurnal Locus Penelitian dan Pengabdian Jurnal Algoritma Jurnal Masyarakat Madani Indonesia Indonesian Journal of Community Empowerment (IJCE) "JAMASTIKA" Jurnal Mahasiswa Teknik Informatika Jurnal Informatika dan Kesehatan INOVTEK Polbeng - Seri Informatika Jurnal Ilmu Komputer
Sri Mujiyono
Unknown Affiliation
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 42 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 42 Documents
Search

 1   2   3   4   5 
Analisis Data Mining Menggunakan Algoritma K-Means Clustering Untuk Menentukan Keaktifan Peserta Pelatihan Pembuatan Dokumen Ilmiah Secara Daring Abdul Rohman; Sri Mujiyono
Multimatrix Vol. 2 No. 2 (2020): Inovasi Teknologi Pada Masa Pademik Covid-19
Publisher : Universitas Ngudi Waluyo

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

Abstract

Pelatihan onlie atau daring pada masa pandemik covid-19 merupakan salah satu solusi kegiatan pengembangan diri dan keterampilan yang mematuhi protokol kesehatan, akan tetapi sejauhmana keaktifkan peserta dalam kegiatan tersebut. Untuk mengetahui hal tersebut diperlukan suatu penelitian yang menganalisi cluster yang tergolong aktif dan tidak aktif menggunakan data mining algoritma K-Means, dimana algoritma ini membentuk cluster dengan adanya kemiripan dataset. Dalam penelitian ini menggunakan atribut kehadiran, nilai tugas dan keterangan kelulusan untuk mengetahui keaktifan peserta dalam pelatihan. Hasil yang diperoleh dari 194 peserta diperoleh cluster aktif sebanyak 182 orang dan cluster tidak aktif yaitu 11 orang.Kata kunci: Algoirtma, K-Means, Keaktifan, Peserta, Pelatihan
Model Prediksi Kelulusan Peserta Pelatihan Online Menggunakan Algoritma Decision Tree C4.5 Abdul Rohman; Sri Mujiyono
Multimatrix Vol. 2 No. 2 (2020): Inovasi Teknologi Pada Masa Pademik Covid-19
Publisher : Universitas Ngudi Waluyo

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

Abstract

Pelatihan online metode pembelajaran yang sangat efektif untuk menghindari penyebaran covid-19 sehingga menghindari terjadinya kerumunan masa. Salah satu pelatihan yang diselenggarakan oleh e-guru.id dan yang diminati oleh para pengajar yaitu “Membuat video tutorial menggunakan camtasia” dengan jumlah peserta 261 orang. Dengan banyak peserta tersebut diperlukan evaluasi untuk mengetahui model prediksi kelulusan yang dapat memberikan informasi terbarukan untuk sebuah kebijakan organisasi. Maka dalam penelitian ini mengolah dataset kelulusan peserta pelatihan menggunakan metode klasifikasi datamining dengan algoritma c4.5. Dan penelitian ini menghasilkan bahwa atribut tugas sangat berpengaruh terhadap kelulusan peserta disamping atribut keaktifan peserta dengan nilai akurasi 98,75 % dan performance klasifikasi sangat baik dengan nilai 0,990.Kata kunci: Prediksi, Kelulusan Peserta, Decision Tree, Algoritma C4.5
Permodelan Prediksi Predikat Kelulusan Mahasiswa Menggunakan Decision Tree C4.5 Abdul Rohman; Sri Mujiyono
Multimatrix Vol. 3 No. 2 (2021)
Publisher : Universitas Ngudi Waluyo

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

Abstract

prediksi predikat kelulusan sangat penting untuk membantu perguruan tinggi dalam mengevaluasi dan memperbaiki pelaksanaan proses pembelajaran untuk menghasilkan lauaran mahasiswa yang berkualitas. Algoritma decision tree C4.5 merupakan metode klasifikasi data mining yang banyak digunakan untuk menghasil model/pola terutama untuk suatu prediksi predikat kelulusan mahasiswa. Maka dalam penelitian ini menerapkan metode decision tree C4.5 untuk predisksi predikat kelulusan mahasiswa Fakultas Komputer dan Pendidikan Universitas Ngudi Waluyo Ungaran, dengan menghasilkan 8 rule atau pola pohon keputusan dengan nilai akurasi 71,67%. Kata kunci: Prediksi, Predikat, Kelulusan Mahasiswa  Decision Tree  C4.5
Membangun Channel YouTube Edukasi Sebagai Media Pembelajaran dan Mendapatkan Profit Abdul Rohman; Sri Mujiyono
Multimatrix Vol. 3 No. 2 (2021)
Publisher : Universitas Ngudi Waluyo

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

Abstract

Media pembelajaran dalam bentuk video merupakan media yang sangat penting untuk pembelajaran jarak jauh atau daring untuk memenuhi tercapainya tujuan pembelajaran. Akan tetapi para pendidik di komunitas e-guru.id memiliki keterbatasan dalam pengetahuan dan keterampilan dalam membuat media video yang diunggah ke aplikasi YouTube. Maka dengan itu diperlukan pelatiha khusus yaitu membanguan channel YouTube Edukasi sebagai media pembelajaran dan mendapatkan profit. Dari 16.000 guru dan dosen dari komunitas e-guru.id terdapat 242 orang yang berminat dalam pelatihan khusus dan pendampingan ini, yang dilakukan selama 2 bulan.Kata kunci: Media Pembelajaran, Channel YouTube, Edukasi, Profit
Komparasi Algoritma Machine Learning dan Ensemble Methods dalam Prediksi Penyakit Jantung dengan Dataset yang Bervariasi Abdul Rohman; Sri Mujiyono
Multimatrix Vol. 4 No. 2 (2022)
Publisher : Universitas Ngudi Waluyo

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

Abstract

This study aims to compare the performance of various machine learning algorithms and ensemble methods in predicting heart disease, using two different datasets: datasets from the UCI Machine Learning Repository and Kaggle. Nine algorithms were tested, including Logistic Regression (LR), K-Nearest Neighbors (KNN), Decision Tree (DT), Random Forest (RF), XGBoost, LightGBM, CatBoost, Support Vector Machine (SVM), and Naive Bayes (NB). The data were processed through data cleaning, normalization, and splitting the dataset into training and test data. The experimental results showed that K-Nearest Neighbors (KNN) performed best with an accuracy of 91.80%, followed by Support Vector Machine (SVM) and Random Forest (RF), which also demonstrated stable and effective results in handling complex datasets. Although Decision Tree (DT) and Naive Bayes (NB) performed lower, these results demonstrate that basic machine learning algorithms can provide adequate results for heart disease classification. This study recommends the use of ensemble algorithms and further exploration in feature engineering to improve predictions.
Analisis Kinerja Algoritma Machine Learning untuk Prediksi Penyakit Jantung Menggunakan Metode Data Preprocessing Terintegrasi Abdul Rohman; Sri Mujiyono
Multimatrix Vol. 5 No. 1 (2023): Jurnal Multimatrix Juli 2023
Publisher : Universitas Ngudi Waluyo

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

Abstract

Penyakit jantung merupakan salah satu penyebab kematian tertinggi secara global, sehingga diperlukan metode prediksi yang akurat dan dapat dipercaya untuk mendukung deteksi dini. Penelitian ini bertujuan untuk menganalisis kinerja beberapa algoritma Machine Learning—Logistic Regression, Random Forest, Support Vector Machine (SVM) dengan kernel RBF, dan XGBoost—dalam memprediksi penyakit jantung menggunakan dataset Cleveland yang tersedia di platform Kaggle. Penelitian ini menggunakan pipeline preprocessing terintegrasi yang mencakup pembersihan data, transformasi data, reduksi data, serta pengujian dengan dua skenario: tanpa SMOTE dan dengan SMOTE untuk menangani ke kinerja kelas. Hasil penelitian menunjukkan bahwa Random Forest memberikan performa terbaik pada skenario tanpa SMOTE dengan akurasi 0.9016, recall 0.9643, F1-score 0.9000, dan ROC-AUC 0.9594. Sementara itu, penerapan SMOTE tidak secara signifikan meningkatkan akurasi, namun mampu menstabilkan recall dan F1-score pada beberapa algoritma, terutama Logistic Regression dan SVM. Secara keseluruhan, hasil eksperimen menegaskan bahwa kualitas preprocessing dan penanganan ke konsistensi kelas memiliki pengaruh utama terhadap kinerja model. Studi ini memberikan kontribusi pada penerapan praktik terbaik dalam pengembangan model prediksi penyakit jantung berbasis Machine Learning yang dapat direplikasi pada penelitian lanjutan maupun implementasi klinis. Kata kunci: Machine Learning, Prediksi Penyakit Jantung, Preprocessing Data, SMOTE, Random Forest, Regresi Logistik, SVM, XGBoost.
Sistem Pendukung Keputusan Untuk Menentukan Penyakit Mulut dan Kuku Pada Sapi di Kecamatan Getasan Menggunakan Metode Simple Additive Weight Puput Amanda Rasyid; Sri Mujiyono
Multimatrix Vol. 5 No. 2 (2023): Desember 2023
Publisher : Universitas Ngudi Waluyo

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

Abstract

Sapi merupakan salah satu hewan yang kegunaannya banyak digunakan di Indonesia khusunya untuk di konsumsi, mulai dari daging, kulit, tulang, susu, hingga kotoran sapi sehingga penjualan sapi semakin meniingkat setiap tahunnya. Meskipun pemeliharaanya mudah, tetapi sapi juga rawan terkena penyakit yang satu ini. Penyakitnya yaitu penyakit mulut dan kuku yang disebabkan oleh virus yang berasal dari lingkungan dan pakan yang diberikan kepada sapi. Maka dari itu dibentuklah sistem pendukung keputusan untuk menentukan penyakit mulut dan kuku pada sapi. Dengan adanya sistem pendukung keputusan ini memberikan kemudahan bagi peternak untuk menentukan penyakit mulut dan kuku yang lebih efektif dan efisien. Penelitian ini menggunakan bahasa pemprograman PHP dan metode SAW untuk menentukan perhitungan nilai dari sapi sehingga mengahasilkan keputusan bahwa sapi tersebut terkena penyakit mulut dan kuku atau tidak. Dari hasil pengujian ini menghasikan bahwa sistem berjalan sesuai dengan fungsinya yaitu dapat menentukan penyakit mulut dan kuku dari hasil nilai tertinggi. Serta pengujian akurasi yang menghasilkan nilai yang sangat baik sebesar 100%. Maka disimpulkan bahwa sistem layak digunakan karena perhitungan manual dengan perhitungan sistem sangat akurat. Kata kunci: Sistem pendukung keputusan; SAW; penyakit mulut dan kuku; kecamatan getasan. Cows are one of the animals whose uses are widely used in Indonesia, especially for consumption, ranging from meat, skin, bones, milk to cow dung so that sales of cattle are increasing every year. Although maintenance is easy, cows are also prone to this one disease. The disease is foot and mouth disease caused by a virus originating from the environment and the feed given to cows. Therefore a decision support system was formed to determine foot and mouth disease in cattle. The existence of this decision support system makes it easy for farmers to determine foot and mouth disease more effectively and efficiently. This study uses the PHP programming language and the SAW method to determine the calculation of the value of the cow so that it results in a decision whether the cow has foot and mouth disease or not. From the results of this test, the system runs according to its function, namely it can determine foot and mouth disease from the highest score. As well as testing accuracy which produces an excellent value of 100%. So it was concluded that the system is feasible to use because manual calculations with very accurate system calculations. Keywords: Decision support system; SAW; foot and mouth disease; Getasan district
Prediksi Hasil Panen Padi Berdasarkan Data Cuaca dan Tanah Menggunakan Metode Regresi Linear Berganda Mita Halimatus Sa'diah; Sri Mujiyono
Jurnal Algoritma Vol 23 No 1 (2026): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.23-1.3306

Abstract

Rice farming plays a strategic role in Indonesia's economy and food security because rice is the main source of energy for the community. Rice yields are greatly influenced by environmental factors, particularly weather and soil conditions. This study aims to predict rice yields by utilizing machine learning technology using multiple linear regression methods. The research was conducted in West Ungaran District with independent variables in the form of weather and soil condition data and dependent variables in the form of rice harvest yields. The analysis results show that the multiple linear regression model is valid and significant, as proven by the ANOVA test with a significance value of 0.03 (< 0.05). The correlation coefficient value of 0.739 indicates a strong relationship, while the coefficient of determination (R square) value of 0.630 indicates that 63% of the variation in yield can be explained by the model. These findings show that machine learning has the potential to support decision-making in maintaining food production stability.
DECISION TREE BASED INTERNET SIGNAL QUALITY ANALYSIS ON TELKOM INFRASTRUCTURE Yeni Fitri Afidah; Sri Mujiyono
Multidiciplinary Output Research For Actual and International Issue (MORFAI) Vol. 6 No. 2 (2026): Multidiciplinary Output Research For Actual and International Issue
Publisher : RADJA PUBLIKA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.20279527

Abstract

This study analyzes internet signal quality on Telkom infrastructure using the Decision Tree algorithm. Utilizing 5,000 data points from Kaggle, the research classifies network quality into three categories: Good, Fair, and Poor based on parameters such as download speed, ping latency, and packet loss. The evaluation results show that the Decision Tree model achieved an accuracy rate of 98%. Parameters such as download speed and ping latency were identified as the most dominant factors in determining signal quality. These findings prove that a machine learning approach is effective in generating easily interpretable decision rules for network service optimization.
Sistem Pakar Diagnosa Hama dan Penyakit Tanaman Bawang Merah dan Cabai Menggunakan Metode Forwad Chaining Afif Faisal Yasin; Sri Mujiyono; Abdul Rohman
Multimatrix: Jurnal Ilmu Komputer Vol. 6 No. 1 (2024): Juli 2024
Publisher : Universitas Ngudi Waluyo

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

Abstract

Permasalahan terhadap virus penyakit pada tumbuhan bawang merah dan cabai dapat menyebabkan kerugian ekonomi yang signifikan bagi Pedagang sekalipun Petani. Oleh sebab itu perlu dikembangkan suatu system pakar untuk mendiagnosa virus ini dengan cepat dan akurat. Penelitian ini menggunakan metode Forward Chaining dan aturan If dan Then yang bertujuan untuk mengembangkan system pakar diagnosa penyakit pada tumbuhan tersebut. Untuk mengembangkan system pakar ini, dapat mengumpulkan berbagai data jenis hama penyakit yang biasanya menyerang bawang merah dan cabai beserta gejala – gejalanya. Hasil uji coba system ini menunjukan bahwa metode Forward Chaining sangat efektif dalam mendiagnosa penyakit tersebut. Dengan gejala memberikan gejala tertentu, system dapat dengan cepat menentukan jenis penyakit yang terjangkit. Keakuratan sistem ini memberikan harapan bagi para petani dan pedagang untuk mengatasi permasalahan gagal panen mereka yang ditimbulkan oleh serangga hama. Kata Kunci : Sistem Pakar, Forward Chaining, If Dan Then, Diagnosa, Penyakit Tanaman Bawang Merah Dan Cabai Problems with viral diseases in shallots and chili plants can cause significant economic losses for traders and even farmers. Therefore it is necessary to develop an expert system to diagnose this virus quickly and accurately. This study uses the Forward Chaining method and If and Then rules which aim to develop an expert system for diagnosing plant diseases. To develop this expert system, I collected data on various types of pests that usually attack shallots and chilies and their symptoms. The results of this system trial show that the Forward Chaining method is very effective in diagnosing the disease. By giving certain symptoms, the system can quickly determine the type of disease that is infected. The accuracy of this system gives hope to farmers and traders to overcome their crop failure problems caused by insect pests. Keywords: Expert System, Forward Chaining, IF and Then, Diagnose, Onion and chili plant diseases
Co-Authors Abdul Rohman Ade Pratama Afif Faisal Yasin Amalia, Alifah Anton Anton Aripin, Ahmad Nurul Dewanto, Bernadus Ela Suryani Fahrizal Alfian Dante fifi maqfiroh Fiktina Vifri Ismiriyam Galih Agil Febri Hidayatullah Galih Agil Febri Hidayatullah Hani Latifah Heni Setyowati Hesti Yunitiara Rizqi Ilham, Dimas Muhammad Iwan Setiawan Wibisono Kartika Yuni Purwanti Khafid, Ahmad Noor Lisa Virdinarti Putra Mita Halimatus Sa'diah Muhamad Hasanudin Nafi, Tri Maula Novan Syaiful Nugroho, Aventura Suryo Nugroho, Ivan Pangestu, Andi Polinus Gulo Puput Amanda Rasyid Purnamasari, Yessy Sabilla Sanjaya, Ucta Pradema Suamanda Ika Novichasari Syarifudin, Nanang Irfan Wahyu Kristiningrum Widayati Widayati Yeni Fitri Afidah Zulmi Roestika Rini