Claim Missing Document
Check
Articles

Found 23 Documents
Search

Klasifikasi Status Stunting Balita Di Desa Slangit Menggunakan Metode K-Nearest Neighbor Tio Prasetiya; Irfan Ali; Cep Lukman Rohmat; Odi Nurdiawan
INFORMATICS FOR EDUCATORS AND PROFESSIONAL : Journal of Informatics Vol 5 No 1 (2020): INFORMATICS FOR EDUCATORS AND PROFESSIONAL : JOURNAL OF INFORMATICS (Desember 202
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51211/itbi.v5i1.1431

Abstract

Abstrak : Stunting pada balita merupakan salah satu permasalahan yang sedang dialami dunia kesehatan. Kejadian ini ditandai dengan berat badan dan tinggi badan yang tidak sesuai dengan umur. Selain itu juga dipengaruhi oleh pola konsumsi makanan dan penggunaan nutrisi yang tidak disesuaikan dengan kebutuhan tubuh. Dalam mencegah kejadian Stunting kegiatan yang rutin dilakukan adalah dengan memantau perkembangan status gizi dan status tumbuh kembang balita yang dilakukan melalui kegiatan posyandu yang berlangsung pada setiap bulan. Penelitian ini menggunakan pendekatan data mining dengan algoritma K-Nearest Neighbor yaitu menggunakan perhitungan jarak euclidean, adalah sebuah metode untuk mengelompokan atau mengklasifikasikan sebuah data dari uji kelas latih pada beberapa tetangga paing dekat dengan menggunakan rumus perhitungan jarak euclidean. parameter yang dipakai pada penelitian ini didasarkan pada data antropometrik atau data pengukuran tubuh manusia, yaitu Umur, Berat Badan dan Tinggi Badan. Pengujian dilakukan dengan perhitungan manual kemudian dibuat perankingan serta implementasikan kedalam aplikasi RapidMiner. Kata kunci : Balita Stunting, Data Mining, Klasifikasi, Metode K-Nearest Neighbor Abstract : Stunting in toddlers is one of the problems currently being experienced by the health world. This incident is characterized by weight and height that are not age-appropriate. It is also influenced by food consumption patterns and the use of nutrients that are not adapted to the body's needs. In preventing the occurrence of Stunting activities that are routinely carried out are by monitoring the development of nutritional status and the status of growth and development of infants carried out through posyandu activities that take place every month. This study uses a data mining approach with the K-Nearest Neighbor algorithm using euclidean distance calculation, is a method for classifying or classifying a data from a training class test on several close competitors using the euclidean distance calculation formula. The parameters used in this study are based on anthropometric data or measurement data of the human body, namely Age, Weight and Height. Testing is done by manual calculation then ranking and implemented into the RapidMiner application Keywords : Classification, Data Mining, K-Nearest Neighbor Method, Toddler Stunting
Penerapan Machine Learning menggunakan algoritma C4.5 berbasis PSO dalam Menganalisa Data Siswa Putus Sekolah Agus Surip; Muhamad Aji Pratama; Irfan Ali; Arif Rinaldi Dikananda; Ade Irma Purnamasari
INFORMATICS FOR EDUCATORS AND PROFESSIONAL : Journal of Informatics Vol 5 No 2 (2021): INFORMATICS FOR EDUCATORS AND PROFESSIONAL : JOURNAL OF INFORMATICS (Juni 2021)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51211/itbi.v5i2.1530

Abstract

Pendidikan sangat memegang peranan penting dalam meningkatkan kualitas Sumber daya manusia yang ada di Indonesia. Untuk itu Pemerintah menggalakkan program wajib belajar 12 tahun. SMK As Salam, adalah salah satu Sekolah Menengah Kejuruan (SMK) swasta yang ada di Kecamatan Gegesik yang memiliki angka putus sekolah yang berubah setiap tahunnya. Ada beberapa penyebab seorang anak putus sekolah, diantaranya faktor ekonomi dimana orang tua tidak sanggup membiayai anaknya untuk sekolah, bisa juga faktor membantu usaha orang tua, faktor siswanya sendiri, atau faktor lingkungan dan teman – teman siswa tersebut. Perlu dilakukan penganalisaan terhadap data siswa agar dapat diklasifikasikan siswa yang berpotensi putus sekolah. Sehingga kepala sekolah dan bagian kesiswaan di SMK As Salam dapat mengambil keputusan agar siswa yang putus sekolah bisa diantisipasi setiap tahunnya. fokus maka penelitian ini adalah penggunaan model decision tree dalam mengkasifikasikan data putus sekolah yang dioptimasi menggunakan PSO di SMK As Salam Gegesik. Dari hasil klasifikasi tersebut diketahui nilai akurasi dari model decision tree tersebut adalah 90.86 %. Artinya keakuratan dalam klasifikasi tersebut sudah cukup baik. Sedangkan hasil klasifikasi model decision tree yang menggunakan PSO diketahui memiliki nilai akurasi 92.95 %. Artinya keakuratan dalam klasifikasi tersebut menjadi lebih baik dari decision tree yang tanpa optimasi PSO
Klasifikasi Berita Hoax Menggunakan Algoritma Naïve Bayes Berbasis PSO Hegarmanah Muhabatin; Candi Prabowo; Irfan Ali; Cep Lukman Rohmat; Dita Rizki Amalia
INFORMATICS FOR EDUCATORS AND PROFESSIONAL : Journal of Informatics Vol 5 No 2 (2021): INFORMATICS FOR EDUCATORS AND PROFESSIONAL : JOURNAL OF INFORMATICS (Juni 2021)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51211/itbi.v5i2.1531

Abstract

Perkembangan teknologi informasi yang begitu cepat memicu penyebaran informasi hoax melalui internet menjadi tidak terkontrol. Sehingga diperlukan suatu sistem cerdas yang dapat melakukan klasifikasi konten berita hoax yang tersebar melalu media internet. Naïve Bayes merupakan salah satu algoritma klasifikasi yang sederhana namun memiliki akurasi yang tinggi, akan tetapi Naïve Bayes memiliki kekurangan yaitu sangat sensitive dalam pemilihan fitur maka dari itu dibutuhkan metode Particle Swarm Optimization (PSO) untuk meningkatkan hasil akurasi. Proses klasifikasi hoax dapat dilakukan melalui tahap preprocessing kemudian pembobotan kata dan dilakukan klasifikasi menggunakan Naïve Bayes. Setelah dilakukan penelitian dengan metode Naïve Bayes dan metode Naïve Bayes berbasis PSO maka hasil yang didapat adalah Naïve Bayes menghasilkan akurasi sebesar 73.64% sedangkan Naïve Bayes berbasis PSO nilai akurasinya sebesar 91,82%. Tujuan dari penelitian ini adalah untuk melihat seberapa besar pengaruh PSO untuk meningkatkan akurasi pada klasifikasi berita hoax pada media sosial menggunakan pengklasifikasi Naïve Bayes. Setelah menggunakan PSO meningkat sebesar 18,18%.
Penerapan Model Klasifikasi Dalam Tingkat Kepuasan Layanan Publik Kelurahan Karyamulya Dengan Menggunakan Algoritma Decision Tree Muhammad Abdurohman; Ranu Husna; Irfan Ali; Gifthera Dwilestari; Nining Rahaningsih
INFORMATION MANAGEMENT FOR EDUCATORS AND PROFESSIONALS : Journal of Information Management Vol 6 No 1 (2021): INFORMATION MANAGEMENT FOR EDUCATORS AND PROFESSIONALS (DES 2021)
Publisher : Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51211/imbi.v6i1.1678

Abstract

Abstrak: Dalam mengukur sejauh mana kualitas pelayanan yang dapat diberikan kepada masyarakat, maka diperlukan suatu pedoman yang dapat mengukur terhadap kepercayaan masyarakat atas pelayanan yang diberikan pemerintah, untuk itulah diperlukan adanya suatu kajian terhadap dampak pelayanan yang telah dirasakan oleh masyarakat. Hal ini sangat sesuai dengan Keputusan Menpan dan reformasi Birokrasi Nomor 16 Tahun 2014 tentang Pedoman survey kepuasan masyarakat terhadap penyelenggaraan pelayanan public. Penelitian ini menetapkan kriteria yang digunakan dalam penelitian ini yaitu Prosedur Pelayanan, Pesyaratan Pelayanan, Kejelasan Petugas Pelayanan, Kedisiplinan, Petugas Pelayanan, Tanggung Jawab Petugas Pelayanan, Kemampuan Petugas Pelayanan, Kecepatan Pelayanan, Keadilan Mendapatkan Pelayanan, Kesopanan dan Keramahan Petugas, Kewajaran Biaya Pelayanan, Kesesuaian Biaya Pelayanan, Kepastian Jadwal Pelayanan, Kenyamanan Lingkungan Pelayanan, Keamanan Pelayanan. Nilai akurasi algoritma decision tree sebesar 90,66% dengan rincian Hasil Prediksi Puas dengan True Puas memiliki data sebesar 228 Data. Hasil Prediksi Puas dengan True Tidak Puas memiliki data sebesar 12 Data. Hasil Prediksi Tidak Puas dengan True Puas memiliki data sebesar 17 Data. Hasil Prediksi Tidak Puas dengan True Tidak Puas memiliki data sebesar 52 Data. Berdasarkan hasil klasiifikasi index kepuasan masyarakat terhadap layanan kelurahan karya mulya kota cirebon di kategorikan sebagai layanan yang terbaik. Terlihat dari hasil menunjukan bahwa tingak kepuasan sebesar 240 data dan ketidak puasan sebanyak 69 data atau presentase kepuasan 77.6% dan presetase ketidak puasan 22.3%. Kata Kunci : Layanan, Kelurahan, Algoritma C.45
Sistem Kendali Sensor Tanah Sebagai Pemonitor Tingkat Kelembaban Media Tanam Padi Odi Nurdiawan; Irfan Ali; Cep Lukman Rohmat; Ade Rizki Rinaldi
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 5, No 1 (2020): InfoTekJar September
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/infotekjar.v5i1.2756

Abstract

Wabah pandemi Corona Virus Disease 2019  atau Covid-19 yang menyebar kebeberapa negara termasuk indonesia. Sektor pertanian menjadi tumpuan dalam memenuhi kebutuhan bahan pokok masyarakat. Pertanian di indonesia khusus di wilayah Indramayu Jawa Barat memiliki dua musim yaitu musim penghujan dan musim kemarau, sedangkan pengamatan masa tanam padi bergantung pada kesediaan air. Kekurangan air akan menyebabkan pertumbuhan padi terganggu, sedangkan kelebihan air akan menimbulkan banyak hama sehingga padi akan rusak. Keseimbangan dan ketersediaan air sangat membantu pertumbuhan padi secara baik sehingga akan menghasilkan panen yang melimpah. Sistem kedali sensor tanah dengan arduino dapat membantu petani dalam menggukur kelembaban tanah secara akurat, sensor akan di tanam dibeberapa petak sawah memberikan data-data, dari data tersebut di analisa dan dilakukan uji. Jika hasil data uji menunjukan nilai kekeringan maka akan mengalirkan air, jika hasil data uji menunjukan kelembaban yang sangat tinggi maka membagi air sawah ke petak yang lain. Hasil Penelitian sistem kendali sangat berguna dalam menerapkan teknologi pertanian terlihat dari uji kefektifan kelembaban tanah.
ANALISIS PEMAHAMAN SANTRI DALAM MEMPELAJARI KITAB KUNING MENGGUNAKAN METODE ALGORITMA NAÏVE BAYES DI PONDOK AL ARIFAH BUNTET PESANTREN CIREBON Cep Lukman Rohmat; Irfan Ali; Aria Pratama; Farid Ali Ma'ruf
JURNAL MANAJEMEN INFORMATIKA (JUMIKA) Vol 8, No 1 (2021): JUMIKA
Publisher : LPPM STMIK DCI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51530/jumika.v8i1.527

Abstract

Pendidikan sangat memegang peranan penting dalam meningkatkan kualitas Sumber daya manusia yang ada di Indonesia. Pondok pesantren merupakan salah satu lembaga pendidikan utama yang tidak dapat dipungkiri eksistensi dan peranannya dalam perkembangan dunia pendidikan khususnya di Indonesia. Pondok Al Arifah Buntet Pesantren Cirebon adalah salah satu Pesantren yang ada di Buntet Astanajapura Cirebon yang mempelajari kitab kuning dan setiap tahunnya memiliki perubahan dalam data santrinya. Dalam mempelajari kitab kuning di Pondok Al Arifah Buntet Pesantren Cirebon memiliki banyak kendala sehingga santriwan dan santriwati tidak semuanya mampu memahami kitab kuning. Penelitian ini bertujuan untuk mendapatkan model klasifikasi dari data santri dalam memahami kitab kuning di Pondok Al Arifah Buntet Pesantren Cirebon. Metode yang digunakan dalam penelitian ini adalah Algoritma Naïve Bayes yang digunakan untuk mengklasifikasi data kemampuan santri dalam memahami kitab kuning. Tujuanya adalah untuk mendapatkan informasi tentang santri yang mampu dan tidak mampu memahami kitab kuning sehingga pengasuh dan pengurus Pondok Al Arifah Buntet Pesantren Cirebon dapat mengambil keputusan yang tepat dalam menangani santri yang belum mampu memahami kitab kuning. Hasil dari klasifikasi data pembelajaran kitab kuning santri menggunakan atribut yang telah diklasifikasi berdasarkan fitur-fiturnya dan dilakukan literasi pada cross validation sehingga menghasilkan akurasi yang tepat. Berdasarkan hasil pengujian dengan metode algoritma naïve bayes mendapatkan hasil akurasi sebesar 89,14% dengan rincian hasil Prediksi Tidak Mampu yaitu 83 data dan hasil Prediksi Mampu yaitu 138 data. Kesimpulannya adalah metode algoritma naïve bayes mendapatkan tingkat akurasi yang baik dalam mengklasifikasi pencapaian pemahaman santri dalam mempelajari kitab kuning di Pondok Al Arifah Buntet Pesantren Cirebon Kata Kunci : Data Mining, Klasifikasi, Algoritma Naive Bayes.
Implementasi Algoritma Naïve Bayes Untuk Prediksi Persediaan Barang Rotan Yuniar Niar; Kokom Komariah; Agus Surip; Riko Saputra; Irfan Ali
KOPERTIP : Jurnal Ilmiah Manajemen Informatika dan Komputer Vol. 4 No. 1 (2020): KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer
Publisher : Puslitbang Kopertip Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32485/kopertip.v4i1.112

Abstract

Pada era pandemi Covid 19 produksi barang selalu dijaga sesuai dengan kebutuhan dan melihat pada stok rotan. Stok rotan saat ini sedikit terhambat karena terdapat beberapa kebijakan yang dinilai dapat mempengaruhi produksi yaitu Penyekatan antar wilayah. Penelitian ini menitik beratkan pada prediksi penentuan stok rotan agar produksi tetap jalan, bahan baku selalu tersedia. Analisa prediksi stok disesuaikan dari data transaksi penjualan, dari data transakasi penjualan dilakukan analisa menggunakan algoritma naïve bayes. Penitian ini menggunakan data produksi pada tahun 2020 pada CV Jaka Depok Cirebon. Prediksi ini menggunakan aplikasi Rapidminer Versi 9.9 dengan Operator, Retrive, Cross Validation, Naïve Bayes, Apply Model dan Performance. Hasil Akurasi pada penlitian ini menunjukan 91.43 % dengan rincian Hasil Prediksi Jarang dan True Jarang memiliki data sebanyak 181 Data. Hasil Prediksi Jarang dan True Sering memiliki data sebanyak 9 Data. Hasil Prediksi Sering dan True Jarang memiliki data sebanyak 23 Data. Hasil Prediksi Sering dan True Sering memiliki data sebanyak 160 Data. Terdapat 183 Barang yang menjadi Prioritas untuk diperbanyak produksinya.
Implementasi Algoritma K-Nearest Neighbor Dalam Menentukan Penerima Bantuan Langsung Tunai Anwar Pauji; Siti Aisyah; Agus Surip; Riko Saputra; Irfan Ali
KOPERTIP : Jurnal Ilmiah Manajemen Informatika dan Komputer Vol. 4 No. 1 (2020): KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer
Publisher : Puslitbang Kopertip Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32485/kopertip.v4i1.114

Abstract

Proses penentuan data dan pemberian bantuan terhadap penerima manfaat sudah dilaksanakan sebelumnya, Namun bantuan yang di terima ada yang tidak sesuai dengan yang diharapkan, hal tersebut disebabkan salah satunya karena penetapan status keluarga miskin selaku penerima bantuan belum maksimal sehingga dalam membagikan bantuan masih belum akurat. Maka dari itu penelitian ini mencoba untuk mengklasifikasi penerima manfaat menggunakan metode K-Nearest Neighbor sehingga penerima bantuan benar-benar tepat sasaran. Kriteria yang digunakan pada penelitian ini yaitu Kondisi Rumah, Pekerjaan, Penghasilan dan Jumlah tanggungan. aplikasi yang digunakan yaitu rapidminer versi 9.10 dengan operator retrive, Cross Validation, Algoritma K-NN, Apply Model dan Performance. Nilai akurasi sebesar 68,82 % dengan rincian sebagai berikut. Prediksi Layak dan Ternyata True Layak Sebesar 104. Prediksi Layak dan Ternyata True Tidak Layak Sebesar 37. Prediksi Tidak Layak dan Ternyata True Layak Sebesar 16. Prediksi Tidak Layak dan Ternyata True Tidak Layak Sebesar 13. Dengan class recall layak sebesar 86,67% dan Class Recall Tidak Layak Sebesar 26%.
Penerapan Algoritma Naive Bayes Untuk Mengetahui Kepuasan Mahasiswa Terhadap Layanan Administrasi Keuangan Lian Siliayani; Iqbal Agis Junizar; Uyu Nuraeni; Edi Tohidi; Irfan Ali
KOPERTIP : Jurnal Ilmiah Manajemen Informatika dan Komputer Vol. 4 No. 3 (2020): KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer
Publisher : Puslitbang Kopertip Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32485/kopertip.v4i3.122

Abstract

Kualitas pelayanan terhadap mahasiswa merupakan peranan penting untuk kelangsungan suatu institusi pendidikan. Mahasiswa merupakan peranan penting titik sentral dalam pengelolaan suatu pergutuan tinggi. Metode data mining yang digunakan untuk melakukan penelitian ini yaitu Naive bayes karena memiliki performa yang baik. Naive bayes merupakan teknik prediksi berbasis probabilistik yang sederhana berdasarkan pada penerapan teorema bayes. Indikator penilaian yang digunakan adalah tangible (bukti langsung), reability (keandalan), responsiveness (daya tangkap), assurance (jaminan) dan empathy (empati). Penerapan metode naive bayes ini diharapkan mampu memprediksi tingkat kepuasan mahasiswa terhadap pelayanan bagian akademis pada suatu perguruan tinggi. Masalah yang terjadi yaitu untuk mengetahui seberapa besar tingkat kepuasan mahasiswa terhadap suatu pelayanan di STIKes Ahmad Dahlan Cirebon dan diiharapkan dapat meningkatkan akurasi penilaian pelayanan administrasi keuangan sehingga suatu perguruan tinggi mempunyai suatu standar dalam memberikan penilaian pelayanan administrai keuangan. Data yang digunakan pada penelitian ini adalah 328 mahasiswa dan yang menjawab kuesioner hanya 217 mahasiswa dari seluruh mahasiswa semester gasal STIKES Ahmad Dahlan Cirebon Tahun Akademik 2019/2020. Terdapat data training dengan jumlah 80% dan data testing dengan jumlah 20% dan diperoleh tingkat accuracy 97.73%, precission 100.00% dan recall 66.67%.
Aplikasi Pemesanan Online Barbershop Berbasis Android untuk Meningkatkan Layanan Cep Lukman Rohmat; Irfan Ali; Mulyawan Mulyawan; Tati Suprapti; Utami Aryanti
Jurnal Accounting Information System (AIMS) Vol. 4 No. 2 (2021)
Publisher : Universitas Ma'soem

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32627/aims.v4i2.172

Abstract

The development of information and technology is a development that can be felt in everyday life, almost all activities already use digital. The problem in the barbershop business is the length of the queue which causes customers to feel bored or there are also busy customers. Therefore, technology is needed in the barbershop business. Based on these problems, it can be concluded that there is a need to build an android-based ordering application. The purpose of this research is to increase productivity, creativity, revenue and customer satisfaction. This study uses the stages of the Waterfall method. The Waterfall method is used as a reference in the process of making the online ordering application. The results of this study are an android-based online ordering application, this application is enough to help customers so they don't have to bother waiting in line at the barbershop because customers can set schedules on the application, especially during a pandemic like today. This application displays information about available time slots and those that have been booked by other customers so that customers can adjust their free time. The barbershop also does not need to register customers who place orders manually. This online booking application has passed trials with white box testing and black box testing methods. The result is that all the components contained in this online booking application system work as expected.