Article Per Year (5 Year)
p-Index From 2020 - 2025
1.037
P-Index
This Author published in this journals
All Journal JUITA : Jurnal Informatika Journal of Information Systems and Informatics Joined Journal (Journal of Informatics Education
Mohammad Burhan Hanif
Teknik Informatika Universitas Semarang
Computer Science & IT Control & Systems Engineering Education Engineering Other

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Komparasi Metode Klasifikasi Batik Menggunakan Neural Network Dan K-Nearest Neighbor Berbasis Ekstraksi Fitur Tekstur Badroe Zaman; Ahmad Rifai; Mohammad Burhan Hanif
Journal of Information System and Informatics Vol 3 No 4 (2021): Journal of Information Systems and Informatics
Publisher : Universitas Bina Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51519/journalisi.v3i4.213

Abstract

Batik tulis adalah hasil seni budaya yang memiliki keindahan visual dan mengandung makna filosofis pada setiap motifnya. Batik tulis memiliki morif yang sangat beragam dan memiliki tingkat kompleksitas yang tingi sehingga menjadi kesulitan tersendiri dalam pengelompokan kelas batik tertentu. Klasifikasi citra ke dalam kelas tertentu juga menjadi permasalahan yang pelik dalam bidang pengenalan pola. Metode machine learning dapat digunakan untuk mengenali kelas batik melalui pengenalan citra batik. Namun belum banyak penelitian terkait studi komparasi klasifikasi citra batik. Sehingga penelitian ini berfokus pada data set citra batik tulis yang menggunakan dua motif yaitu motif klasik dan motif kontemporer. Pada penelitian ini, fitur ekstraksi menjadi dasar klasifikasi dengan metode Backpropagation Neural Network dan k-Nearest Neighbor. Tujuan dari penelitian ini untuk menemukan pola baru dalam data dengan menghubungkan pola data yang sudah ada dengan data yang baru. Selanjutnya, penelitian ini melakukan perbandingan metode klasifikasi antara Backpropagation Neural Network dan k-Nearest Neighbor untuk mencari metode klasifikasi terbaik untuk klasifikasi Batik tulis Bakaran. Hasil dari studi komparasi menunjukkan bahwa metode Backpropagation Neural Network memperoleh nilai akurasi 90,11% sedangkan metode k-Nearest Neighbor mendapatkan nilai akurasi 96,00%. Sehingga dapat di simpulkan bahwa metode k-Nearest Neighbor merupakan metode terbaik untuk klasifikasi citra batik.
Improving Neural Network Performance with Feature Selection Using Pearson Correlation Method for Diabetes Disease Detection April Firman Daru; Mohammad Burhan Hanif; Edi Widodo
JUITA : Jurnal Informatika JUITA Vol. 9 No. 1, May 2021
Publisher : Department of Informatics Engineering, Universitas Muhammadiyah Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (759.462 KB) | DOI: 10.30595/juita.v9i1.9941

Abstract

Diabetic or silent killer diseases are an alarming scourge for the world and are classed as serious diseases. In Indonesia, the increase in diabetics occurred by 2% in vulnerable times between 2013 to 2018. This affects all sectors, both medical services and the financial sector. The Neural Network method as a data mining algorithm is present to overcome the burden that arises as an early detection analysis of the onset of disease. However, Neural Network has slow training capabilities and can identify important attributes in the data resulting in a decrease in performance. Pearson correlation is good at handling data with mixed-type attributes and is good at measuring information between attributes and attributes with labels. With this, the purpose of this study will be to use the Pearson correlation method as a selection of features to improve neural network performance in diabetes detection and measure the extent of accuracy obtained from the method. The dataset used is diabetes data 130-US hospital UCI with a record number of 101767 and the number of attributes as many as 50 attributes. The results of this study found that Pearson correlation can improve neural network accuracy performance from 94.93% to 96.00%. As for the evaluation results on the AUC value increased from 0.8077 to 0.8246. Thus Pearson's Correlation algorithm can work well for feature selection on neural network methods and can provide solutions to improved diabetes detection accuracy.
Rancang Bangun Sistem Informasi Data Kependudukan Kelurahan Jepon Berbasis Codeigniter Mohammad Burhan Hanif; Dhimas Mahendra Putra; Handini Arga Damar Rani
Joined Journal (Journal of Informatics Education) Vol 6 No 1 (2023): Volume 6 Nomor 1 (2023)
Publisher : Universitas Ivet

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31331/joined.v6i1.2836

Abstract

Kelurahan meruapakan pelayanan public tingkat dasar yang ada di Indonesia. Didalam kelurahan jepon kemanualan pelayanan publik menjadi hambatan karena lambatnya informasi sampai ke masyarakat. Padahal informasi ini penting sekali apalagi menyangkut data kependudukan. Teknologi informasi berupa websiste hadir untuk menjembatani masalah tersbut. Penggunaan bahasa pemrograman PHP yang dibungkus dalam Framework Codeigniter dan penggunaan database MySQL menjadi alat untuk menyelesaikan masalah tersebut. Sehingga dengan adanya rancang bangun sistem informasi data kependudukan kelurahan jepon ini dapat menyelesaikan masalah kesenjangan informasi yang ada.
Penerapan Protokol Simple Network Management Protocol Monitoring LIBRE NMS Pada Jaringan Internet Surono Surono; Mohammad Burhan Hanif
Joined Journal (Journal of Informatics Education) Vol 7 No 2 (2024): Volume 7 Nomor 2 (2024)
Publisher : Universitas Ivet

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31331/joined.v7i2.3634

Abstract

Simple Network Management Protocol adalah protokol yang digunakan untuk mengelola dan memantau perangkat jaringan. Dalam implementasi pada sistem monitoring Libre NMS pada jaringan internet, protokol ini digunakan untuk memantau kinerja jaringan dan memastikan bahwa jaringan berfungsi dengan baik. Libre NMS adalah perangkat lunak sumber terbuka yang digunakan untuk monitoring jaringan dan menyediakan antarmuka yang intuitif untuk mengelola dan memantau perangkat jaringan. Dengan menggunakan SNMP, Libre NMS dapat mengumpulkan data dari perangkat jaringan seperti switch, router, dan server dan menampilkan informasi tersebut dalam bentuk grafik dan tabel yang mudah dibaca. Ini memungkinkan administrator jaringan untuk memantau kinerja jaringan secara real-time dan mengidentifikasi masalah seperti penurunan performa atau downtime sebelum mereka menyebabkan dampak yang signifikan. Implementasi SNMP pada Libre NMS juga memungkinkan administrator jaringan untuk mengelola perangkat jaringan secara remote melalui antarmuka web. Mereka dapat melakukan tugas seperti memconfigurasi perangkat, memantau trafik jaringan, dan melakukan troubleshooting dengan mudah.
Co-Authors Ahmad Rifa’i April Firman Daru Badroe Zaman Dhimas Mahendra Putra Edi Widodo Galet Guntoro Setiaji Handini Arga Damar Rani Surono Surono