Article Per Year (5 Year)
p-Index From 2021 - 2026
5.514
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 : 43 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 43 Documents
Search

 1   2   3   4   5 
Kunci Motor Otomatis Menggunakan Recognize Sidik Jari Dengan Algoritma Neural Network Iwan Setiawan Wibisono; Sri Mujiyono
Multimatrix Vol. 1 No. 2 (2019)
Publisher : Universitas Ngudi Waluyo

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

Abstract

Penggunaan kartu pengaman, password, dan verifikasi wajah telah banyak diketahui. Sehingga dengan adanya kunci otomatis ini dapat memudahkan dalam pengamanan. Saat ini sistem pengamanan menggunakan kartu sudah handal namun dalam system ini merupakan sebuah pilihan yang paling tepat. Seiring dengan perkembangan teknologi saat ini dituntut untuk dapat menciptakan suatu sistem yang lebih memudahkan pengguna (user) dengan menggunakan aplikasi neural network diharapkan dapat meningkatkan sistem pengamanan bagi para pemilik kendaraan.
KELAYAKAN KREDIT BANK MENGGUNAKAN C4.5 BERBASIS PSO Suamanda Ika Novichasari; Sri Mujiyono
Multimatrix Vol. 2 No. 1 (2019)
Publisher : Universitas Ngudi Waluyo

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

Abstract

Abstract— Credit success in a bank plays a role in maintaining the survival of a bank. Therefore it is very necessary to measure creditworthiness accurately to classify customers with good credit and bad credit. Based on these conditions the right data mining technique to use is classification. One of the data mining classification techniques is Naïve Bayes Classifier (NBC), but the accuracy is still less than the C4.5 algorithm and the neural network. This final report describes the steps of research using the Particle Swarm Optimizatin (PSO) algorithm to weight attributes to increase the accuracy value of C4.5. This study uses data set public German Credit Data. The validation process uses tenfold-cross validation, while testing the model using confusion matrix and ROC curve. The results show that the accuracy of C4.5 increased from 72.3% to 75.50% after being combined with PSO. Keywords: Credit, German Credit Data, C4.5-PSO. Keywords— Leaf image classification, cloves, shape, color, GLCM, PSO-SVM 
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
A DECISION SUPPORT SYSTEM FOR DETERMINING THE BEST EMPLOYEE PERFORMANCE EVALUATION USING THE ANALYTICAL HIERARCHY PROCESS (AHP) METHOD Polinus Gulo; Sri Mujiyono
Jurnal Sistem Informasi Vol. 13 No. 1 (2026)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/hsza5003

Abstract

Employee performance appraisal plays a critical role in organizational decision-making, particularly in determining promotions, bonuses, and competency development. Conventional manual evaluation methods are often subjective, inconsistent, and lack systematic validation. While prior studies have applied multi-criteria decision-making methods in decision support systems (DSS) for employee evaluation, a critical gap remains: most existing systems omit consistency testing, use incomplete weighting procedures, or lack end-to-end system implementation—undermining the reliability of their outputs. To address this gap, this study proposes a novel DSS that integrates a complete Analytical Hierarchy Process (AHP) procedure, including pairwise comparison, normalization, priority weight calculation, and consistency validation, within a fully operational web-based system developed using the SDLC Waterfall model at PT Sam Sam Jaya Garments. Data were collected through observation and interviews to define evaluation criteria and system requirements. The results reveal that Discipline holds the highest weight (0.4391), followed by Target Achievement (0.2661) and Honesty (0.1507), with a Consistency Ratio (CR) of 0.029, confirming reliable judgments. The system successfully ranked ten employees, identifying Cahya Annsyiah as the top performer with a final score of 0.39116. The key contribution of this study lies in its end-to-end integration of AHP with consistency validation into a deployable DSS, directly addressing the methodological shortcomings identified in previous research and enhancing objectivity, accuracy, and transparency in employee performance evaluation.   Keywords: Decision Support System, Analytical Hierarchy Process, Employee Performance Evaluation, AHP, SDLC Waterfall
Co-Authors ABDUL ROHMAN Abdul Rohman Abdul Rohman Ade Pratama 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 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