Article Per Year (5 Year)
p-Index From 2020 - 2025
1.704
P-Index
This Author published in this journals
All Journal JITTER (Jurnal Ilmiah Teknologi Informasi Terapan) JUMANJI (Jurnal Masyarakat Informatika Unjani) Jurnal Teknologi Informatika dan Komputer Informatics and Digital Expert (INDEX) Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Riwayat: Educational Journal of History and Humanities Journal of Informatics and Communication Technology (JICT)
Fajri Rakhmat Umbara
Universitas Jenderal Achmad Yani
Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Social Sciences

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
IMPLEMENTASI RANKER PRINCIPAL COMPONENT DAN METODE ASSOCIATION RULE DALAM MENENTUKAN FAKTOR EKONOMI DI ASEAN Fajri Rakhmat Umbara; Ridwan Ilyas
Jurnal Ilmiah Teknologi Infomasi Terapan Vol. 4 No. 2 (2018)
Publisher : Universitas Widyatama

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (690.128 KB) | DOI: 10.33197/jitter.vol4.iss2.2018.161

Abstract

[Id]Kondisi perekonomian suatu negara sangat berpengaruh bagi kelangsungan hidup Negara tersebut. Seperti contoh yang terjadi pada Negara Yunani beberapa tahun yang lalu dimana mengalami krisis ekonomi yang tidak terelakkan. Kondisi perekonomian tersebut tidak terlepas dari faktor ? faktor ekonomi yang saling terkait didalamnya dan yang memang mempengaruhi Negara yang berkaitan, misalnya Produk Domestik Bruto (PDB), Nilai Tukar Mata Uang, Penghasilan Energi Baru Terbarukan dan lain sebagainya. Faktor ? faktor itu yang menjadi tolak ukur apakah perekonomian suatu Negara dapat dikategorikan berhasil atau malah dapat menyebabkan krisis ekonomi. Fokus penelitian ini adalah untuk melihat dan mengevaluasi faktor ekonomi apa sajakah yang dapat mempengaruhi kondisi suatu bangsa, khususnya untuk Negara ? Negara di ASEAN, termasuk diantaranya adalah Indonesia menggunakan seleksi atribut Ranker Principal Component dan metode Association Rule. Data ekonomi didapat dari data yang disediakan oleh World Bank selama 50 tahun lamanya, atau antara tahun 1967 hingga tahun 2016 yang terdiri dari sekitar 1400 atribut / faktor ekonomi untuk 10 negara ASEAN yang terdiri dari Indonesia, Thailand, Malaysia, Singapura, Filipina, Brunei Darussalam, Vietnam, laos, Myanmar, dan Kamboja.Kata kunci : Faktor ekonomi asean, ranker principle component, association rule[En]Economic condition may cause a balance for every country in the world. For example, Grecee has been collapse after economic crisis in 2008. This phenomenon caused by economic factors that influence and depends on each other such as GDP, exchange rate, energy production, and so on. These factors become a benchmark for countrys that is can cause crisis or not. This research try to searching and evaluating these factors which influence head to the crisis in ASEAN, include Indonesia using atribut selection methods : ranker principle component and association rules methods. The economic data are downloaded from World Bank site and has been collected for 50 years between 1967 and 2016 which has 1400 attributes or economic factors for 10 ASEAN countrys such as Indonesia, Thailand, Malaysia, Singapore, Brunei Darussalam, Vietnam, Laos, Myanmar and Cambodia.
Prediksi Penyakit Diabetes Menggunakan Algoritma Support Vector Machine (SVM) Hovi Sohibul Wafa Hovi; Asep Id Hadiana; Fajri Rakhmat Umbara
Informatics and Digital Expert (INDEX) Vol. 4 No. 1 (2022): INDEX, Mei 2022
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v4i1.895

Abstract

Diabetes Mellitus (DM) atau lebih dikenal dengan sebutan penyakit kencing manis adalah penyakit kronis yang disebabkan oleh gagalnya organ pankreas memproduksi jumlah hormon insulin secara memadai sehingga menyebabkan peningkatan kadar glukosa dalam darah. Diabetes Mellitus merupakan penyakit yang berbahaya, banyak diberbagai negara terkena penyakit diabetes termasuk di Indonesia. Penyebab utama diabetes masih belum diketahui, namun banyak yang percaya bahwa faktor genetika dan gaya hidup dapat memainkan peran utama pada diabetes. Para peneliti di bidang bioinformatika telah berusaha untuk mengatasi penyakit ini dan membuat sistem untuk membantu dalam prediksi diabetes. Dari berbagai penelitian yang ada, banyak menggunakan metode seperti C4.5, KNN, Naïve Bayes, serta SVM Linier dalam membangun sistem, tapi metode SVM Radial Basis Function (RBF) jarang digunakan dikarenakan hasil akurasi yang didapat tidak cukup untuk digunakan pada sistem prediksi diabetes. Pada penelitian ini menjawab gap tersebut bahwa dengan menggunakan metode algoritma SVM Radial Basis Function (RBF) dapat menghasilkan akurasi yang tinggi dengan mencapai sebesar 91%. Pengujian akurasi yang dilakukan menggunakan Confusion Matrix dan peramalan Mean Square Error dengan kfold kelipatan 10. Penelitian ini bertujuan untuk menentukan apakah penderita/pasien dapat terkena penyakit diabetes atau tidak dengan menerapkan teknik data mining dan klasifikasi menggunakan algoritma SVM Radial Basis Function berbasis Forward Selection.
Validitas dan Reliabilitas Instrumen Pengukuran pada Matriks Multitrait-Multimethod Ade Kania Ningsih; Fajri Rakhmat Umbara
JUMANJI (Jurnal Masyarakat Informatika Unjani) Vol 2 No 1 (2018): Jurnal Masyarakat Informatika Unjani
Publisher : Jurusan Informatika Universitas Jenderal Achmad Yani

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (539.469 KB) | DOI: 10.26874/jumanji.v2i1.21

Abstract

Dalam penelitian, peneliti sering kali menemukan kesulitan dalam mengukur variabel konstruk. Campbell dan Fiske (1959) memperkenalkan matriks multitrait-multimethod (MTMM) untuk mengevaluasi konstruk. Desain kuesioner sering kali digunakan setiap item kuesioner hanya satu metode pensekalaan ( misalnya, likert dengan skala 1-5) sehingga sumber variasi metode terhadap respons item tidak diperhitungkan. Saris dan Gallhoffer [13] mengatakan bahwa, different methods, different results yang artinya bahwa metode penskalaan (effek metode) sangat berpengaruh terhadap kualitas pengukuran. Scherpenzeel dan Saris [16] mengaplikasikan multitraits-multimethods (MTMM) untuk menghitung efek metode terhadap respons item kuesioner, juga reliabilitas, dan validitas. Tujuan makalah ini adalah mengukur reliabilitas, validitas, dan besarnya efek metode suatu traits. Contoh kasus dalam penelitian ini adalah tentang tingkat kepuasan mahasiswa terhadap proses belajar mengajar (PBM) staf pengajar di lingkungan FMIPA-Unjani prodi informatika dengan tiga buah traits dan tiga buah metode penskalaan. Penaksiran reliabilitas, validitas, dan efek metode digunakan pendekatan pemodelan struktural dan paket program LISREL Metode penaksiran digunakan kemungkinan maksimum. Hasilnya tidak sedikit ketidak konsistenan responden dalam menjawab kuesioner apabila hanya menggunakan satu metode penskalaan sehingga berpengaruh terhadap kualitas pengukuran. Dalam hal ini berdasarkan validitas maka untuk kasus yang digunakan menggunakan tiga metode penskalaan untuk menghasilkan kualitas pengukuran yang lebih baik.
Sistem Rekomendasi Bantuan Rutilahu Kabupaten Sumedang Menggunakan Metode Multi Attribute Utility Theory Tacbir Hendro Pudjiantoro; Syarifudin Yoga Pinasty; Fajri Rakhmat Umbara
Prosiding SISFOTEK Vol 4 No 1 (2020): Vol 4 No 1 (2020): SISFOTEK 2020
Publisher : Ikatan Ahli Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (346.956 KB)

Abstract

The house is a place to live and shelter for humans as well as a place for daily activities and in Sumedang Regency there are still many houses that are categorized as uninhabitable house, because there are still people who are categorized as having uninhabitable houses, the government routinely provides assistance and due to limited funds owned by the Government as well as many people who submit requests for assistance,but the Government cannot provide assistance at the same time to all people who submit. The applicant for assistance must wait if not yet selected to get help, to get help, a selection of aid opinions must be made to make it right on target. Decision making related to the determination of the community who will receive assistance first, it will be carried out the construction of a system that aims to support a decision in the sense of a decision support system instead of replacing humans as decision makers in providing uninhabitable housing assistance, but can provide a picture or more knowledge towards humans for decision making,where the system development will be used by the Dinas Sosial Sumedang and using the Multi Attribute Utility Theory (MAUT) method and for this method that is calculating the normalization and weight that will be multiplied by the components needed so that the final result is a ranking order from the evaluation results.
Sistem Prediksi Mutu Air Di Perusahaan Daerah Air Minum Tirta Raharja Menggunakan K – Nearest Neighbors (K – NN) Rahandanu Rachmat; Yulison Herry Chrisnanto; Fajri Rakhmat Umbara
Prosiding SISFOTEK Vol 4 No 1 (2020): Vol 4 No 1 (2020): SISFOTEK 2020
Publisher : Ikatan Ahli Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (408.793 KB)

Abstract

PDAM (Perusahaan Daerah Air Minum) Tirta Raharja is the only Regional Business Entity (BUMD) that has the task of providing clean water services to the people of Cimahi City. Clean water is the main requirement that must be consumed by the community and managed in the smooth running of community activities. The development of the city of Cimahi is currently quite fast, with plans to build smart cities, causing the need for clean air as needed. K - Nearest Neighbor (KNN) is a classification algorithm that considers several supporting parameters to carry out a classification process that results in ease of calculation and power. KNN can be considered as one of the most famous non-parametric models. In the research and implementation process of data mining in the regulation of water quality feasibility in PDAM Tirta Raharja using K - the nearest neighbor can be denied as the K - the nearest neighbor implemented in the process of testing the drinking water feasibility in PDAM Tirta Raharja, can be used 93% to be used with the Eligible label Drunk, and 98% for accuracy testing with the label Not Eligible to drink with a K value of 14 where the K value is the most ideal amount that must go through K - Fold Validation Validation of a total of 1,818 data.
Sistem Segmentasi Program Talk Show Berdasarkan Media Sosial Twitter Menggunakan Metode K-Medoids Clustering Kharisma Jevi Shafira Sepyanto; Yulison Herry Chrisnanto; Fajri Rakhmat Umbara
Prosiding SISFOTEK Vol 4 No 1 (2020): Vol 4 No 1 (2020): SISFOTEK 2020
Publisher : Ikatan Ahli Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (718.428 KB)

Abstract

Innovations on a talk show on television can be a threat. Audience will be divided into groups so that it can make a downgrade rating program. Program ratings affect companies that will use advertising services. Television companies will go bankrupt. The biggest source of income is sales of advertising services. One way to overcome them can be analyzed in public opinion. The results of the analysis can provide information about the attractiveness of the community towards the program. But the analysis process takes a long time and can be done only by a competent person so another process is needed to get the results of the analysis that is fast and can be done by anyone. In this study using K-Medoids Clustering in the process of identifying public opinion. The clustering process known as unsupervised learning will be combined with the labeling process. The previous episode's tweet data will be labeled and then used to obtain the predicted labels from other cluster members. Labels consist of three types, namely 1) theme, 2) resource persons, and 3) programs. Before going through the clustering stage, the tweet data will go through the text preprocessing stage then transformed into a numeric form based on the appearance of the word. Transformation data will be clustered by calculating proximity using Cosine Similarity. Labels from the Medoids cluster will be used on unlabeled tweet data. The cluster results were tested using the Silhouette Coefficient method to get 0.19 results. However, this method successfully predicted public opinion and achieved an accuracy of 80%. Innovations on a talk show on television can be a threat. Audience will be divided into groups so that it can make a downgrade rating program. Program ratings affect companies that will use advertising services. Television companies will go bankrupt. The biggest source of income is sales of advertising services. One way to overcome them can be analyzed in public opinion. The results of the analysis can provide information about the attractiveness of the community towards the program. But the analysis process takes a long time and can be done only by a competent person so another process is needed to get the results of the analysis that is fast and can be done by anyone. In this study using K-Medoids Clustering in the process of identifying public opinion. The clustering process known as unsupervised learning will be combined with the labeling process. The previous episode's tweet data will be labeled and then used to obtain the predicted labels from other cluster members. Labels consist of three types, namely 1) theme, 2) resource persons, and 3) programs. Before going through the clustering stage, the tweet data will go through the text preprocessing stage then transformed into a numeric form based on the appearance of the word. Transformation data will be clustered by calculating proximity using Cosine Similarity. Labels from the Medoids cluster will be used on unlabeled tweet data. The cluster results were tested using the Silhouette Coefficient method to get 0.19 results. However, this method successfully predicted public opinion and achieved an accuracy of 80%.
Klasifikasi Kerpibadian Berdasarkan Big Five Personality Menggunakan Metode Fuzzy Decision Tree Dengan Algoritma C4.5 Siti Aisah; Fajri Rakhmat Umbara; Herdi Ashaury
Jurnal Teknologi Informatika dan Komputer Vol 8, No 1 (2022): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v8i1.1110

Abstract

Kepribadian merupakan sifat alami seseorang mencangkup tingkah laku, cara berbicara, bertindak dalam menghadapi sesuatu. Pada setiap orang memiliki kepribadian yang berbeda-beda dalam soal kualitas dan kuantitas. Banyak penelitian sudah dilakukan untuk klasifikasi kepribadian yang menggunakan media sosial sebagai sumber informasi. Memahami kepribadian seseorang dapat melalui tweet pada pengguna twitter dengan hasil klasifikasi gabungan antara perilaku sosial dan linguistik. Nilai akurasi penilaian kepribadian dapat ditingkatkan jika menggunakan salah satu dari pembobotan yang mempengaruhi kata-kata dari suatu tweet pengguna. Namun data yang digunakan pada penelitian ini memiliki atribut tipe diskrit dan kontinu sehingga membutuhkan metode yang dapat menangani permasalahan pada klasifikasi kepribadian. Pada penelitian ini klasifikasi kepribadian berdasarkan Big Five Personality sehingga menemukan kepribadian baru seperti Extraverted, Serious, Dependable, Lively dan Responsible. Data yang digunakan akan diektraksi menggunakan metode Fuzzy Decision Tree dengan Algoritma C4.5. Data kepribadian yang digunakan terdiri dari 8 variabel. Model Fuzzy Decision Tree diimplementasikan menggunakan pruning atau pemangkasan, sehingga ada kemungkinan aturan yang dihasilkan memiliki akurasi yang tinggi.
Analisis Sentimen pada Aplikasi PeduliLindungi dengan Menggunakan Metode Improved K-Nearest Neighbor dan Lexicon Based Nelsih Putriani; Fajri Rakhmat Umbara; Puspita Nurul Sabrina
Jurnal Teknologi Informatika dan Komputer Vol 8, No 1 (2022): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v8i1.1107

Abstract

Opini atau sentiment masyarakat merupakan salah satu indikator penilaian yang ditujukan untuk menilai suatu hal seperti produk atau jasa. Sentiment tentang aplikasi PeduliLindungi yang banyak digunakan pada masa pandemik ini, perlu dianalisis untuk mengetahui bagaimana opini pengguna aplikasi. Melalui media twitter, sentiment-sentiment masyarakat mengenai aplikasi PeduliLindungi dapat digali, kemudian dideteksi apakah sentiment tersebut termasuk ke dalam sentiment positif, sentiment negative, atau sentiment netral. Salah satu teknik yang digunakan untuk menggali informasi mendeteksi opini masyarakat adalah dengan menggunakan analisis sentiment. Penelitian ini terdiri dari beberapa proses untuk melakukan analisis sentiment, yaitu mengumpulkan data, melakukan tahapan pre-processing, pembobotan kata (ekstraksi fitur), dan proses klasifikasi sentiment ke dalam tiga kelas sentiment. Ketiga kelas tersebut yaitu sentiment positif, negative, dan netral. Dengan menggunakan metode Improved K-Nearest Neighbor, penelitian ini memperoleh hasil pengujian analisis sentiment pada tweet berbahasa Indonesia dengan akurasi tertinggi pada k-values 20 sebesar 85%.
Diagnosa Gejala yang Muncul Bersamaan pada Penderita Tuberculosis Menggunakan Algoritma Apriori dengan Substitusi Metode Bayesian pada Nilai Confidence Delfany Arcadia Valeska; Fajri Rakhmat Umbara; Puspita Nurul Sabrina
Jurnal Teknologi Informatika dan Komputer Vol 8, No 1 (2022): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v8i1.1105

Abstract

Tuberculosis merupakan salah satu penyakit infeksi yang menyerang saluran pernapasan manusia yang berasal dari bakteri mycobacterium. Berdasarkan data WHO pada tahun 2012, Tuberculosis adalah salah satu penyakit menular yang menyebabkan masalah kesehatan terbesar kedua di dunia. Agar permasalahan tersebut dapat diatasi, diperlukan metode yang dapat mendiagnosa gejala yang muncul bersamaan pada penyakit Tuberculosis. Pada penelitian ini, digunakan metode Association Rules dengan algoritma Apriori yang dimodifikasi dengan metode Bayesian untuk mendapatkan aturan asosiasi yang memenuhi nilai minimum support dan nilai minimum confidence dengan beberapa jumlah itemset dalam keseluruhan gejala tuberculosis untuk mencapai nilai persentase support dan nilai persentase confidence terbaik dalam mendiagnosa gejala yang muncul bersamaan pada penderita tuberculosis. Modifikasi algoritma apriori dilakukan dengan mensubstitusi metode bayesian pada formula confidence di apriori standar. Tujuan penggunaan algoritma Apriori pada permasalahan ini adalah untuk mengetahui gejala apa saja yang muncul bersamaan pada penderita tuberculosis. Adapun hasil dari penelitian ini adalah rule pertama pada apriori non modifikasi untuk nilai minimum support 50% menghasilkan nilai confidence sebesar 100% dan nilai confidence pada apriori yang dimodifikasi sebesar 39,6%. Sedangkan rule kedua pada apriori non modifikasi untuk nilai minimum support 50% menghasilkan nilai confidence sebesar 75% dan nilai confidence pada apriori yang dimodifikasi sebesar 90%.
Application of the Modified Apriori Algorithm to Determine Sales Patterns of Capacitor Products Erna Sesarliana*; Fajri Rakhmat Umbara; Fatan Kasyidi
Riwayat: Educational Journal of History and Humanities Vol 6, No 3 (2023): Social, Political, and Economic History
Publisher : Universitas Syiah Kuala

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24815/jr.v6i3.33718

Abstract

The sales pattern becomes a benchmark for increasing product sales in a company. Sales patterns are one way that can be used to determine sales strategies by looking at how often an item is purchased simultaneously. The large number of daily transactions makes it difficult for companies to determine sales strategies. Data mining analyses extensive data to find relationships between data and can produce valuable information. Patterns of sales or consumer transactions look for relationships between one product and another in one transaction using the Association Rule method. The algorithm used is the Modified Apriori Algorithm. The data used is transaction data on capacitor products. The data used is 15513 transactions with the variables LotNo and Material Code. Processed with the Python programming language and Flask as the user interface, the minimum support used is 0.01, and the minimum confidence is 0.5, resulting in rules with the lowest reliability of 50% and the highest reliability of 100%. Based on the results of a comparison of the performance time of the Modified Apriori Algorithm and the Classic Apriori Algorithm in processing 15513 transaction data with the given conditions, namely minimum support = 0.02 and also minimum confidence = 0.5 with the time obtained by the Modified Apriori Algorithm for 5 minutes 5 seconds and the Classic Apriori Algorithm for 6 minutes 6 seconds
Co-Authors Ade Kania Ningsih Delfany Arcadia Valeska Erna Sesarliana* Hadiana, Asep Id Herdi Ashaury Hovi Sohibul Wafa Hovi Kasyidi, Fatan Kharisma Jevi Shafira Sepyanto Nelsih Putriani Puspita Nurul Sabrina Rahandanu Rachmat Ridwan Ilyas Salsabila Fajriati Romli Salsabila Siti Aisah Syarifudin Yoga Pinasty Tacbir Hendro Pudjiantoro Yulison Herry Chrisnanto