Article Per Year (5 Year)
p-Index From 2021 - 2026
4.307
P-Index
This Author published in this journals
All Journal Paradigma Jurnal Pilar Nusa Mandiri Buffer Informatika Jurnal Teknik Informatika STMIK Antar Bangsa JURIKOM (Jurnal Riset Komputer) JSI (Jurnal sistem Informasi) Universitas Suryadarma EVOLUSI : Jurnal Sains dan Manajemen JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Computer System and Informatics (JoSYC) Jurnal Sistem Komputer dan Informatika (JSON) Jurnal Teknologi Informatika dan Komputer Journal Automation Computer Information System (JACIS) Jurnal Esensi Infokom: Jurnal Esensi Sistem Informasi dan Sistem Komputer Informatics and Computer Engineering Journal Jurnal Nasional Teknologi Komputer Jurnal Inovasi Pendidikan dan Teknologi Informasi (JIPTI) Jurnal Teknologi Informasi Indonesia
Yamin Nuryamin
Universitas Nusa Mandiri, DKI Jakarta
Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Industrial & Manufacturing Engineering Other

Published : 39 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 39 Documents
Search

 1   2   3   4 
Bandwidth IMPLEMENTASI MANAGEMENT BANDWIDTH DENGAN METODE QUEUE TREE BERBASIS MIKROTIK PADA BALAI BESAR PELATIHAN KESEHATAN JAKARTA Hidayat, Aziz Setyawan; suleman, suleman; Nursubana, Luthfi; Nuryamin, Yamin; Akhirianto, Pas Mahyu
Informatics and Computer Engineering Journal Vol 1 No 2 (2021): Periode Agustus 2021
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/icej.v1i2.491

Abstract

At the Jakarta Center for Health Training (BBPK), users of bandwidth for each access point or PC Client are very excessive resulting in unequal allocation of bandwidth for each client PC in the company. So that the network connection of some client PCs is very slow and cannot even access the internet network. For this reason, it is necessary to have good bandwidth management for the Jakarta BBPK network, such as using the Queue tree method with a mikrotik router via the Winbox application. One solution so that bandwidth can be maximally utilized and flexible or stable is to manage the bandwidth (Bandwidth management) available in the network, one of which is by limiting the bandwidth capacity usage of each access point or client PC. Thus, if there is a client accessing the internet that is interrupted, because each client already has a bandwidth capacity based on the limit of the package used to access the internet. Bandwidth management is needed on the network at BBPK Jakarta in order to evenly allocate bandwidth for each access point or PC Client and reduce the occurrence of excessive or unstable network traffic at the company
Perbandingan Kedua Algoritma Decision Tree dan Naive Bayes untuk Prediksi Penyakit Gagal Jantung Saputra, Alvin Nugraha; Setiawan, Aji; Nuryamin, Yamin; Priyatna, Ade; Dewi, Zahra Alifia
Jurnal Teknologi Informasi Indonesia (JTII) Vol 10 No 2 (2025): Jurnal Teknologi Informasi Indonesia (November)
Publisher : JURNAL TEKNIK INFORMATIKA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30869/jtii.v10i2.1544

Abstract

Gangguan jantung telah menjadi penyebab utama kematian secara global, dengan tren kejadian yang terus meningkat di berbagai negara. Keberhasilan penanganan penyakit ini sangat bergantung pada diagnosis dini yang akurat. Namun, upaya deteksi dini di lapangan menghadapi tantangan yang signifikan, terutama terbatasnya jumlah tenaga medis yang tersedia dan ketersediaan sumber daya diagnostik yang memadai. Untuk mengatasi gambaran ini, pemanfaatan algoritma data mining menawarkan solusi efektif untuk mengidentifikasi pola dan memprediksi risiko penyakit jantung. Penelitian ini secara khusus dirancang untuk menganalisis dan membandingkan kinerja dua algoritma klasifikasi yang populer di bidang medis: Decision Tree (C4.5), yang berbasis aturan, dan Naive Bayes, yang berbasis probabilitas. Tujuannya adalah menentukan model mana yang paling efektif dalam risiko gagal jantung. Dataset penelitian ini telah melalui tahap preprocessing yang cermat sebelum dibagi menjadi 70% data latih dan 30% data uji, guna memastikan validasi model yang objektif. Berdasarkan hasil pengujian, ditemukan bahwa algoritma Naive Bayes memberikan kinerja yang lebih unggul dengan akurasi 86,41%. Sementara itu, algoritma Decision Tree C4.5 memperoleh akurasi 80,43%. Hasil ini secara jelas menunjukkan pendekatan probabilistik yang digunakan oleh Naive Bayes—walaupun memiliki asumsi independensi fitur—terbukti lebih efektif dalam menangani karakteristik dan kompleksitas dataset penyakit jantung dalam penelitian ini, dibandingkan dengan pendekatan berbasis pohon keputusan. Temuan ini memberikan wawasan penting bahwa Naive Bayes dapat dijadikan referensi yang kuat untuk pengembangan sistem diagnosis dini penyakit gagal jantung. Dengan akurasi lebih tinggi, algoritma ini dapat membantu kesehatan profesional mempercepat proses diagnosis, meningkatkan ketepatan prediksi risiko, dan pada pasangannya, berkontribusi menyelamatkan lebih banyak nyawa.
ANALISIS SENTIMEN RESPON PENGGUNA CHAT GPT MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE Safitri, Angelina; Firmansyah, Ilhan; Yani, Fitri; Kurniawan, Muhammad Arif; Nuryamin, Yamin
Jurnal Inovasi Pendidikan dan Teknologi Informasi (JIPTI) Vol. 6 No. 2 (2025): Jurnal Inovasi Pendidikan dan Teknologi Informasi (JIPTI)
Publisher : Information Technology Education Department

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52060/jipti.v6i2.3810

Abstract

This study aims to analyze user sentiment toward ChatGPT based on comments collected from the YouTube platform using the Support Vector Machine (SVM) algorithm. SVM belongs to the supervised learning algorithm group. The data were collected through web scraping using the YouTube Data API v3, resulting in 999 valid comments. The initial process included data cleaning using regular expressions to remove irrelevant characters, duplicates, and noise. Sentiment correction was then performed using a bilingual lexicon-based function (Indonesian and English) to improve classification accuracy based on language context. The initial sentiment distribution analysis showed 53.85% positive, 33.53% negative, and 12.61% neutral sentiments. To address class imbalance, a balancing process was conducted before model training. The preprocessing stage involved feature normalization and feature selection before splitting the dataset into 70% training and 30% testing data. The SVM model was trained and evaluated using performance metrics such as accuracy, precision, recall, F1-score, and AUC. The evaluation results showed an AUC of 0.90, accuracy of 81.6%, precision of 89.2%, recall of 51.6%, and F1-score of 65.4%. Based on these results, the SVM algorithm proved effective in classifying user sentiments toward ChatGPT with a high level of accuracy after the data balancing process.
ANALISIS PREDIKSI PENYAKIT HEPATITIS MENGGUNAKAN ALGORITMA DECISION TREE DAN NAIVE BAYES Ginting, Axel Elyas; Fadililah, Akbar Fajar; Kusumah, Mayang; Nuryamin, Yamin; Priyatna, Ade
Jurnal Nasional Teknologi Komputer Vol 5 No 4 (2025): Oktober 2025
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61306/jnastek.v5i4.317

Abstract

ABSTRAK Penyakit hepatitis merupakan salah satu masalah kesehatan global yang kritis dan terus menjadi tantangan besar dalam dunia medis karena menyerang organ hati dan sulit terdeteksi pada tahap awal. Kondisi ini menuntut adanya metode diagnosis yang lebih cepat, efektif, dan mampu memberikan prediksi akurat untuk membantu tenaga medis dalam proses identifikasi dini. Seiring perkembangan teknologi, pendekatan berbasis machine learning mulai banyak diadopsi untuk mendukung analisis data medis secara otomatis. Penelitian ini bertujuan untuk menganalisis dan membandingkan performa dua algoritma klasifikasi, yaitu Decision Tree dan Naive Bayes, dalam memprediksi status penyakit hepatitis berdasarkan data biokimia darah. Dataset yang digunakan bersumber dari platform Kaggle, terdiri atas 615 data pasien dan 14 atribut laboratorium. Tahapan penelitian meliputi pra-pemrosesan data, normalisasi, pembagian data menjadi 70% data latih dan 30% data uji, pelatihan model, serta evaluasi menggunakan metrik akurasi, presisi, recall, F1-score, dan confusion matrix. Hasil penelitian menunjukkan bahwa algoritma Decision Tree memperoleh akurasi sebesar 88,65%, sedikit lebih tinggi dibandingkan algoritma Naive Bayes yang mencapai akurasi 87,03%. Temuan ini mengindikasikan bahwa Decision Tree lebih efektif dalam menangani variasi data dan hubungan non-linear antar fitur biokimia. Secara keseluruhan, penelitian ini menegaskan bahwa kedua model mampu digunakan sebagai sistem pendukung keputusan dalam mendeteksi hepatitis, namun Decision Tree menjadi model yang lebih potensial untuk diimplementasikan pada tahap diagnosis awal.
Analisis Sentimen Pengguna TikTok tentang Pembangunan IKN Menggunakan Algoritma Naive Bayes dan Decision Tree Zamani, Sauqi; cahya, Andre; oknel; nuryamin, yamin; Priyatna, Ade
Jurnal Nasional Teknologi Komputer Vol 5 No 4 (2025): Oktober 2025
Publisher : CV. Hawari

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

Abstract

Pembangunan ibu kota nusantara atau IKN kembali menjadi perbincangan hangat di masyarakat Indonesia khususnya di media sosial seperti TikTok. Pendapat orang berbeda-beda, ada pro dan ada kontra. Penelitian ini ingin mengetahui bagaimana sentimen publik terhadap proyek ini, serta membandingkan kinerja algoritma Naive Bayes dan Pohon Keputusan untuk klasifikasi teks. Kami menggunakan kumpulan data dari Kaggle berjudul "analisis sentimen IKN" dalam format CSV. Kami menyiapkan Data terlebih dahulu melalui tahapan preprocessing, mulai dari membuat semua huruf kecil, membersihkan teks, memecahnya menjadi kata-kata, menghilangkan kata-kata umum yang tidak penting, dan mereduksinya menjadi bentuk-bentuk dasar menggunakan pustaka sastra. Model dilatih menggunakan teknik TF-IDF untuk mengubah teks menjadi vektor, dengan data dibagi 80% untuk latihan dan 20% untuk pengujian. Dari hasil tersebut, sentimen negatif lebih dominan, hampir 52,1%, sedangkan positif hanya 46,2%. Algoritma Naive Bayes mendapat akurasi 84,04%, dan ternyata lebih baik dari Decision Tree. Intinya, Naive Bayes lebih cocok untuk analisis sentimen teks bahasa Indonesia khususnya tentang perkembangan IKN. Penelitian ini juga dapat membantu pengembangan cara analisis sentimen dalam bahasa kita untuk masalah sosial penting di negara ini.
Analisis Keparahan Banjir di DKI Jakarta Tahun 2020 Menggunakan Algoritma Random Forest darminto; Achmad, Alman; Dionaci rizki utami; Yamin Nuryamin; Ade Priyatna
Jurnal Nasional Teknologi Komputer Vol 5 No 4 (2025): Oktober 2025
Publisher : CV. Hawari

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

Abstract

Banjir merupakan salah satu bencana alam yang paling sering terjadi di Provinsi DKI Jakarta dan menimbulkan dampak sosial serta ekonomi yang signifikan. Penelitian ini bertujuan untuk memprediksi tingkat keparahan banjir menggunakan algoritma Random Forest Classifier berdasarkan data kejadian banjir tahun 2020 yang diperoleh dari BPBD DKI Jakarta. Proses analisis dilakukan melalui tahapan pembersihan data, normalisasi, pembentukan label tingkat keparahan, pelatihan model, serta evaluasi performa di Google Colab. Hasil penelitian menunjukkan bahwa model Random Forest mampu mencapai performa tinggi dengan nilai akurasi, precision, recall, dan f1-score sebesar 100% pada tiga kategori klasifikasi: Rendah, Sedang, dan Tinggi. Variabel jumlah terdampak jiwa dan ketinggian air menjadi faktor paling dominan dalam menentukan tingkat keparahan banjir. Model ini berpotensi menjadi alat bantu dalam pengambilan keputusan mitigasi bencana, serta dapat dikembangkan lebih lanjut dengan menambahkan fitur curah hujan dan data multi-tahun. Sehingga dapat membantu pemerintah dalam menanggulangi bencana banjir.
Analisis Sentimen Air Mineral dan Demineral Menggunakan SVM pada Dataset Tidak Seimbang Rana, Dipo Yudhis; Fadillah, Nur; Syarifah, Asyifa Raudha; Afiandri, Dhea Aulia; Rianto, Harsih; Nuryamin, Yamin; Susilowati, Susi
Journal Automation Computer Information System Vol. 5 No. 2 (2025): November
Publisher : Indonesian Journal Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47134/jacis.v5i2.138

Abstract

Penelitian ini menganalisis sentimen opini pengguna platform X terhadap air mineral dan air demineral menggunakan pendekatan kuantitatif eksperimental. Data set terdiri dari 140 tweet yang dilabeli manual ke dalam tiga kategori: positif (38.57%), negatif (13.57%), dan netral (47.86%). Ketidakseimbangan kelas ekstrem dan ukuran data set yang sangat kecil menjadi tantangan utama yang mendasari novelty penelitian ini. Penelitian ini menguji hipotesis bahwa class weighting lebih efektif daripada Synthetic Minority Over-sampling Technique (SMOTE) pada dataset kecil. Klasifikasi menggunakan Support Vector Machine (SVM) dengan pra-pemrosesan teks (case folding, data cleaning, stemming Sastrawi, stopword removal) dan ekstraksi fitur Term Frequency-Inverse Document Frequency (TF-IDF). Evaluasi melalui 10-fold stratified cross-validation menunjukkan SVM dengan class weighting mencapai akurasi 57.14% dan F1-score macro 42.36%, sedikit mengungguli SMOTE (53.57% akurasi, 40.98% F1 macro). Uji statistik (Cohen's d = 0.125) mengkonfirmasi tidak ada perbedaan signifikan, membuktikan SMOTE tidak efektif pada dataset sangat kecil. Kelas minoritas (negatif) mencapai F1-score hanya 8%, menunjukkan tantangan ketidakseimbangan ekstrem. Kontribusi utama penelitian ini adalah validasi empiris bahwa class weighting lebih robust daripada SMOTE untuk analisis sentimen berbahasa Indonesia pada kondisi data terbatas
Prediksi ISPU Jakarta Menggunakan Random Forest Roris, Renaldi Putra; Saputra, Andhika; Fahrizal, Ahmad; Susilowati, Susi; Rianto, Harsih; Nuryamin, Yamin
Journal Automation Computer Information System Vol. 5 No. 2 (2025): November
Publisher : Indonesian Journal Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47134/jacis.v5i2.139

Abstract

Polusi udara Jakarta memerlukan sistem prediksi akurat untuk peringatan dini kesehatan publik. Penelitian ini mengembangkan model machine learning untuk memprediksi Indeks Standar Pencemar Udara (ISPU) harian maksimum menggunakan dataset 3.045 observasi dari lima stasiun pemantauan (Januari–Agustus 2024) dengan enam parameter polutan (PM10, PM2.5, SO2, CO, O3, NO2). Tiga algoritma dievaluasi: Linear Regression, Random Forest, dan Gradient Boosting. Random Forest mencapai kinerja terbaik dengan R² = 0,9575, RMSE = 4,44, dan MAE = 0,82, melampaui studi sejenis (R² = 0,78–0,89). Analisis feature importance mengungkapkan PM2.5 mendominasi prediksi ISPU dengan kontribusi 87,11%, jauh melebihi NO2 (4,94%) dan SO2 (2,84%). Penelitian memberikan tiga kontribusi: (1) model prediksi ISPU akurasi tertinggi untuk implementasi sistem peringatan dini operasional; (2) identifikasi PM2.5 sebagai target prioritas kebijakan pengendalian polusi berbasis bukti; dan (3) bukti empiris bahwa polusi bersifat kronis dan menyeluruh, memerlukan intervensi komprehensif untuk melindungi kesehatan 10+ juta penduduk Jakarta
RANCANG BANGUN SISTEM INFORMASI AKADEMIK PADA SEKOLAH SMK PGRI 28 DENGAN METODE WATERFALL Risyda, Fitria; Nuryamin, Yamin
JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol 6 No 1 (2019): JSI (Jurnal sistem Informasi) Universitas Suryadarma
Publisher : Universitas Dirgantara Marsekal Suryadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35968/jsi.v6i1.285

Abstract

Academic Information System Design School SMK PGRI 28 JAKARTA Based Website"SMK PGRI 28 JAKARTA is one of the institutions in education and academics. SMK PGRI 28 JAKARTA is urgently needing software designs that will guide and manage school activities. One of them is in terms of academic information system, at SMK PGRI 28 JAKARTA is still not yet well-integrated and well-integrated, so it still has many shortcomings in meeting the needs of the school, especially in dealing with academic issues.The approach used in the research is a structured approach that uses several tools and workmanship techniques, such as ERD (Entity Relationship Diagram), LRS (Logical Relational Structure). And the development model used is the Waterfall model. Where the Waterfall model is a sequence of activities performed in the development of systems ranging from problem-solving, needs analysis, implementation planning, integration, system testing, application and maintenance. This model offers a more precise way of making.With the implementation of academic information system design at SMK PGRI 28 JAKARTA which is client server by using PHP programming language and SQL database, it is hoped to facilitate in managing all academic data, without redundancy data and error in managing the data. So the school can achieve the goal that has been set to the maximum.
RANCANG BANGUN SISTEM INFORMASI PUSAT KEBUGARAN “NI’ BAROE GYM” Risyda, Fitria; Nuryamin, Yamin
JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol 7 No 2 (2020): JSI (Jurnal sistem Informasi) Universitas Suryadarma
Publisher : Universitas Dirgantara Marsekal Suryadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35968/jsi.v7i2.448

Abstract

AbstractThe essence of  by the presence of of internet medium become factor primary as the facilities and infrastructures to give this range of information .A gymnasium ni baroe the gym need once a kind of information systems that really a good place to and gave him the testimony services both to make it easy for candidates would have no trouble a member to join obligation in registering their business . An integrated information system for a gymnasium ni baroe the gym that is to date it has not yet been computerized , because data processing in which the already exists at the time a gymnasium ni  baroe the gym this is still done manually , starting from the registration of the data , the management of the schedule , the preparation of reports on corporate secretary ronald nangoi said , so as to allow the during the process of the transactions that take place an error occurs in recording , inaccuracy of the reports prepared by the and of the delay in the for finding data the data that are needed .In designing build the system the commissioner of central information fitness ni  baroe the gym adopting both a method of waterfall ( rosa a.s &; m notes to be so performed .Shalahuddin , 2014 ) .sehingga the system to be employed in desa s apply it more orderly well and would result in Computer Better of systems that manual to run effectively and efficiently and information systems that now more conducive system in who passed away
Co-Authors Abdul Rahman Kadafi Achmad, Alman Ade Priyatna Afiandri, Dhea Aulia AHMAD FAHRIZAL Aji Setiawan Akhirianto, Pas Mahyu Alamsyah, Diyan Andrian Eko Widodo Aryo Kencono Aziz Setyawan Hidayat, Aziz Setyawan Bayhaky, Mohamad Yudha cahya, Andre Darminto Dewi, Zahra Alifia Dionaci rizki utami Eka Rini Yulia Eko Setia Budi Fadililah, Akbar Fajar Firas Anderasta, Ryan Firmansyah, Ilhan Fitri Yani Fitria Risyda Garry Tauran, Malfi Gata, Windu Ginting, Axel Elyas Hafidz, Noor hamzah firjatullah, arkananta Hari Bagus Mantik Harsih Rianto Ibrahim, Nawal Fadilah Iqbal Ramadhan, Iqbal Kadafi, Abdul Rahman Kusumah, Mayang Luthfi Nursubana Muhammad Arif Kurniawan Nagur, Rolan Nur Fadillah, Nur Nursubana, Luthfi oknel Pas Mahyu Akhirianto Pribadi, Yogie RAMADHANI, ALIF Rana, Dipo Yudhis Rivaldi, Afdan Roris, Renaldi Putra Safitri, Angelina Sandra Dewi Saraswati Saputra, Alvin Nugraha Saputra, Andhika Saraswati, Sandra Dewi i Suleman Suleman Suleman Suleman Suleman Suleman Susi Susilowati, Susi Syarifah, Asyifa Raudha Ulin Nuha Vhijar Rainaldany, Muhammad Zamani, Sauqi