Claim Missing Document
Check
Articles

Found 39 Documents
Search

SISTEM PENDUKUNG KEPUTUSAN (SPK) PEMILIHAN KARYAWAN TERBAIK MENGGUNAKAN METODE FUZZY AHP (F- AHP) Jasril Jasril; Elin Haerani; Iis Afrianty
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2011
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Abstract

Pemilihan karyawan terbaik merupakan persoalan pengambilan keputusan menggunakan multi kriteria (Multi Criteria Decision Making/MCDM). Pada makalah ini, dibangun Sistem Pendukung Keputusan (SPK) pemilihan karyawan terbaik pada PT. “X” menggunakan kriteria-kriteria antara lain: SOP (Standart Operational Procedure), sikap dan kepribadian, penilaian konsumen, dan penilaian dari lingkungan kerja (tim). Metode yang digunakan adalah Fuzzy Analytical Hierarchy Process (F-AHP) dengan pendekatan model Chang (1996). Sistem ini dibangun menggunakan bahasa pemograman VB.6 dan Ms. Access 2007. Dari hasil pengujian, SPK berhasil menentukan pemilihan karyawan terbaik dengan F-AHP yang mendekati cara penilaian yang sebenarnya. Selain itu SPK ini bersifat dinamis dimana sistem dapat menangani jika terjadi perubahan/penambahan kriteria.
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN DOSEN TELADAN MENGGUNAKAN METODE FUZZY ANALYTICAL HIERARCHY PROCESS(F-AHP) (STUDI KASUS : BPPM UIN SUSKA RIAU) Jasril Jasril; Sonya Meitarice
SITEKIN: Jurnal Sains, Teknologi dan Industri Vol 11, No 1 (2013): Desember 2013
Publisher : Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/sitekin.v11i1.550

Abstract

Penilain dosen teladan dilakukan setiap tahun oleh tim khusus dari BPPM. Masalah yang dihadapi oleh tim ini adalah bagaimana menentukan keputusan dosen teladan dengan kriteria yang  memiliki sifat subjektif atau tidak pasti dengan cepat. Sistem ini merupakan Sistem Pendukung Keputusan (SPK) yang dibangun menggunakan penggabungan metode Analitycal Hierarchi Process (AHP) dan pendekatan fuzzy yang disebut Fuzzy AHP (F-AHP). F-AHP menutupi kekurangan pada AHP dalam menangani data yang tidak pasti atau lebih banyak bersifat subjektif. Sistem ini dibangun dengan menggunakan bahasa pemograman berbasis web PHP dan Mysql. Dari hasil pengujian, pemilihan dosen teladan dengan F-AHP menunjukkan bahwa subjektifitas kriteria sangat diperhatikan dibandingkan dengan menggunakan AHP. Sehingga, rekomendasi keputusan ranking dari penggabungan dua metode (F-AHP) lebih mendekati perankingan manual di BPPM Uin Suska Riau”.       
Implementasi Penggabungan Metode Analytical Hierarchy Process (AHP) dengan Metode The Satisficing Models untuk Pemilihan Lokasi Pembangunan Perumahan Jasril, Jasril; Mustakim Mustakim
SITEKIN: Jurnal Sains, Teknologi dan Industri Vol 9, No 1 (2011): Desember 2011
Publisher : Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/sitekin.v9i1.611

Abstract

Penentuan lokasi pembangunan perumahan harus memperhitungkan segala sesuatu yang menyangkut sisi positif dan negatif pada sebuah perumahan. Elemen-elemen yg menjadi bahan pertimbangan perusahaan dalam menentukan lokasi pembangunan perumahan meliputi sisi kriteria dan finansial, akan tetapi pada kenyataanya masih memiliki banyak kelemahan dalam perhitungan. Elemen yang menjadi pertimbangan dalam menentukan lokasi yang layak di bangun perumahan pada penelitian ini terdiri atas sisi kriteria dan sisi finansial. Untuk menghitung nilai kriteria atau nilai yang berdasarkan atas persepsi manusia, digunakan Metode Analitical Hirearcy Process (AHP), yang meliputi Fisik Dasar Keadaan Tanah (FDT), Jaringan Listrik dan Air (JLA), Potensi Banjir (PBJ), Transportasi (TRN), Keadaan Lingkungan (KLG) dan Fasilitas Kebutuhan (FKB). Sedangkan untuk menghitung nilai Finansial atau perhitungan berdasarkan nilai ekonomi digunakan metode The Satisficing Models yang terdiri atas Luas Tanah, Harga Tanah, Harga Rumah, Pajak, Penghasilan Penduduk dan Alokasi Dana yang Dibutuhkan. Output penelitian berupa sebuah aplikasi Pemilihan Lokasi Pembangunan Perumahan yang dapat digunakan dengan mudah dan dapat diimplementasikan untuk mendukung dalam merekomendasikan sebuah pemilihan berdasarkan analisa yang telah dilakukan.
Implementasi Sistem Informasi Akademik Menggunakan Teknologi J2ME dan Jaringan GPRS (Studi Kasus: Program Studi Teknik Informatika UIN Suska Riau) Suwanto Suwanto; Jasril Jasril
SITEKIN: Jurnal Sains, Teknologi dan Industri Vol 8, No 2 (2011): Juni 2011
Publisher : Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/sitekin.v8i2.621

Abstract

Indrajani dan Martin.2004, Pemrograman Berorientasi Objek dengan Java, halaman 1-3, PT. Alex Media Komputindo, Jakarta. Putro, Iwan Handoyo, dan Petrus Santoso, dan Stephani Imelda Pella. 2005, Emulasi Aplikasi Pemantauan Ruangan Melalui Handphone Menggunakan Webcam, Jurnal Teknik Elektro Petra, Vol. 5, No. 2, September:102–108Raharjo, Budi dan Imam Heryanto, dan Arif Haryono. 2007, Tuntunan Pemrograman Java untuk Handphone, halaman 2-6, Informatika, Bandung. Riyanto, Suprapto dan Hedi Indelarko. 2008, Pengembangan Aplikasi Manajemen Database dengan Java 2 (SE/ME/EE), halaman 221-248, Gava Media, Yogyakarta. Santoso, Leo Willyanto, dan Sukanto Tedjokusuma, dan Marcel Renaldy Soetanto. 2008,  Aplikasi Pelaporan Berita Emergensi Secara Visual dan Tekstual Lewat Handphone.Diakses 28 Agustus 2008 dari http://fportfolio.petra.ac.id/user_files/03-023/Pelaporan%20Berita.pdf,. Solahuddin dan Rosa A.S. 2008, “Java di Web” halaman 265-302, Informatika, Bandung. Solahuddin dan Rosa A.S. 2006, Pemrograman J2ME : Belajar Cepat Pemrograman Perangkat Telekomunikasi Mobile, halaman 1-2, Informatika, Bandung. Suhendar dan Hariman Gunadi. 2002, Visual Modeling Menggunakan UML dan Rational Rose, halaman 26, 49-56, Informatika, Bandung.
Implementasi Pengolahan Citra dan Klasifikasi K-Nearest Neighbour Untuk Membangun Aplikasi Pembeda Daging Sapi dan Babi Berbasis Web Elvia Budianita; Jasril Jasril; Lestari Handayani
SITEKIN: Jurnal Sains, Teknologi dan Industri Vol 12, No 2 (2015): Juni 2015
Publisher : Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/sitekin.v12i2.1005

Abstract

Salah satu cara untuk mengenali daging sapi dan babi di bidang informatika adalah menggunakan pengolahan citra. Pada penelitian ini akan dibuat suatu sistem pengolahan citra untuk membedakan daging sapi dan babi menggunakan metode HSV, GLCM, dan klasifikasi K-Nearest Neighbour (K-NN). Tahapan analisa yang dilakukan adalah Data acquisition dengan menggunakan kamera handphone dilakukan pemotretan terhadap data daging sapi dan babi sehingga diperoleh citra digital daging sapi dan babi dalam format jpg. Gambar (citra) diambil dari daging babi segar, daging sapi segar, daging sapi yang telah membusuk, dan daging campuran (oplosan). Preprocessing dilakukan peningkatan kualitas citra yaitu dengan melakukan pencerahan citra dan peregangan kontras. Ekstraksi fitur menggunakan histogram model warna HSV untuk fitur warna, dan metode orde dua untuk ekstraksi fitur tekstur. Klasifikasi citra daging sapi dan babi menggunakan K-NN dengan dua tahapan yaitu tahap training dan testing. Pengujian terdiri dari 4 pengujian yaitu pengujian tanpa background dengan akurasi keberhasilan 88,75%, pengujan dengan background sebesar 73,375%, pengujian campuran sebesar 88,75% dan pengujian berjarak sebesar 50% . Pengujian dengan akurasi pengujian tertinggi terdapat pada pengujian tanpa background dan pengujian campuran sebesar 88,75%. Pada pengujian campuran dinyatakan berhasil apabila hasil klasifikasinya adalah daging campuran (oplosan) dan daging babi segar. Sedangkan nilai K yang paling baik pada semua pengujian adalah K=5 dengan total akurasi keberhasilan 78,75%. Hasil klasifikasi dipengaruhi oleh nilai ciri, jarak terdekat, nilai K, dan yang paling mempengaruhi adalah background
Hybrid Learning in Mathematics Learning: Experimental Study in SMA Negeri 1 Pekanbaru Mas`ud Zein; Zulkifli M. Nuh; Dardiri Dardiri; Jasril Jasril; Reski Mai Candra; Imam Hanafi; Musa Thahir
Malikussaleh Journal of Mathematics Learning (MJML) Vol 2, No 2 (2019): October
Publisher : Universitas Malikussaleh, Aceh Utara, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29103/mjml.v2i2.2009

Abstract

The Indonesian government is trying to implement a learning process based on information and communication technology. However, there are still weaknesses in the use of the internet in the learning process among students. Therefore, this article aims to describe the activities of students during the implementation of hybrid learning in mathematics learning and find out the results of student learning in mathematics through the application of Hybrid Learning. The research method used in this article is a true experimental design with a research sample of SMA Negeri 1 Pekanbaru students, whose schools have easy internet access. To obtain primary data from the field, tests are used to measure student mathematics learning outcomes. After each data is collected and tabulated, the data will be analyzed using statistical parametric analysis with the t test using the help of SPSS Version 18.00. The results showed that there were differences in student learning outcomes between those studying with the Hybrid Cooperative Learning method and students learning with conventional methods in SMA Negeri 1 Pekanbaru. The difference is confirmed again by the mean value of the experimental class 34.55 while the mean control class is 31.35. The results of this calculation indicate that the ability of the experimental class students is better than the control class students. This means that the value of the experimental class is better.
Learning Vector Quantization 3 (LVQ3) and Spatial Fuzzy C-Means (SFCM) for Beef and Pork Image Classification Jasril Jasril; Suwanto Sanjaya
Indonesian Journal of Artificial Intelligence and Data Mining Vol 1, No 2 (2018): September 2018
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (819.086 KB) | DOI: 10.24014/ijaidm.v1i2.5024

Abstract

Base on some cases in Indonesia, meat sellers often mix beef and pork. Indonesia is a predominantly Muslim country. Pork is forbidden in Islam. In this research, the classification of beef and pork image was performed. Spatial Fuzzy C-Means is used for image segmentation. GLCM and HSV are used as a feature of segmentation results. LVQ3 is used as a method of classification. LVQ3 parameters tested were the variety of learning rate values and window values. The learning rate values used is 0.0001; 0.01; 0.1; 0.4; 0.7; 0.9 and the window values used is 0.0001; 0.4; 0.7. The training data used is 90% of the total data, and the testing data used is 10%. Maximum epoch used is 1000 iterations. Based on the test results, the highest accuracy was 91.67%.
Implementasi Learning Vektor Quantization (LVQ) dalam Mengidentifikasi Citra Daging Babi dan Daging Sapi Jasril Jasril; Meiky Surya Cahyana; Lestari Handayani; Elvia Budianita
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2015: SNTIKI 7
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (586.668 KB)

Abstract

Widespread circulation of adulterated meat and based on the word of Allah which confirms the prohibition of pork to eat, it needs to be made of a system that can distinguish between beef and pork to avoid cheating merchants and keep halal meat we eat. This study makes a system for identifying the image of beef and pork and meat adulterated with the color feature extraction HSV (Hue, Saturation, Value) and texture feature extraction GLCM (Grey Level Co-occurent Matrix) using classification LVQ (Learning Vector Quantization). A result of image identification adulterated meat pig is considered as a pork class. Image data on the image of the study consisted of 107 primary and 13 secondary image. Identification testing conducted on the distribution of training data and test data are different. Accuracy of the highest success with an average of 94.81% on the distribution of the 80 training data and test data 20 and the accuracy of the lowest success with an average of 82.22% on the distribution of training data and test data 50 50 with Learning Rate of 0.01, 0.05, 0.09. More increase the distribution of training data and more decrease division of the test data, so more increase the accuracy of success in identifying the image.Keywords: beef, GLCM, HSV, Learning Rate, LVQ, pork
IMPLEMENTASI METODE SEGMENTASI DAN LVQ UNTUK IDENTIFIKASI CITRA DAGING SAPI DAN BABI Jasril Jasril; Lestari Handayani; Elvia Budianita; Fikri Utri Amri
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2017: SNTIKI 9
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1039.897 KB)

Abstract

Tingginya permintaan daging sapi menjadi celah bagi pedagang nakal untuk melakukan pencampuran daging sapi dengan daging babi (oplosan). Hal ini sangat merugikan konsumen khususnya umat  muslim yang diharamkan mengkonsumsi daging babi. Pada penelitian ini dibangun system pengolahan citra untuk mengidentifikasi daging sapi dan babi.Terdapat dua tahapan dalam proses identifikasi yaitu tahap pelatihan (training) dan pengujian (testing). Pengambilan data latih dan uji (citradaging) menggunakan 3 jenis kamera yaitu kamera DSLR Canon EOS 70D, CAMDIG Sony DSC-W810 dan HP Lenovo A369i. Proses  identifikasi dimulai dengan melakukan segmentasi citra menggunakan metode Spatial Fuzzy C-Means untuk memisahkan objek (daging) dan background. Setelah diperoleh objek kemudian dilakukan  proses  ekstraksi ciri warna menggunakan metode HSV dan ciri tekstur dengan GLCM. Berdasarkan nilai hasil ekstrasi ciri warna (HSV) dan tekstur (GLCM), dilakukan proses klasifikasi menggunakan Learning Vector Quatization (LVQ). Data yang digunakan sebanyak 65 dengan dua variasi yaitu pertama jumlah data latih 50 dan data uji 15 serta jumlah data latih 30 dan data uji 15. Pengujian dilakukan dengan berbagai learning rate (α) yaitu 0.03, 0.05, 0.075 dan 0.1. Hasil pengujian memperlihatkan sistem yang dibangun dapat mengenali citra daging sapi dan citra daging babi dengan persentase nilai akurasi tertinggi 80 % dengan nilai learning rate (α) 0.1 dan jumlah data latih 30, nilai minimal learning rate (Mina) yang digunakan adalah 0,01 dan nilai pengurangan α adalah 0,1.
Sistem Penentuan Penerima Bantuan Pendidikan Gratis Menggunakan PCA dan FAHP Jasril Jasril; M Irsyad; Iis Afrianty
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2012: SNTIKI 4
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (730.468 KB)

Abstract

One program management agency is distributing zakat free educational assistance (Sekolah Juara)for prospective elementary school students and junior high school. Problems in this free education aid,many criteria must be considered as well as the determination of the potential recipients of the group wasnot able to (very poor and poor). This study uses Principal Component Analysis to categorize recipientsinto three groups: very poor, poor and not poor. Furthermore, the very poor and poor sorted to obtainsequence receiver using Fuzzy Analitycal Hierarchical Process. There are 7 criteria and 4 poor groupingcriteria used for determining as a result of the decision. The results of calculations can be concluded thatthe application of the method Principal Component Analysis and Fuzzy Hierarchical Process Analitycalmulticriteria problems can be taken, as in the case of classification and determination of free educationalassistance Sekolah Juara.Keywords: Fuzzy Analitycal Hierarchical Process, Principal Component Analysis