Article Per Year (5 Year)
p-Index From 2021 - 2026
1.817
P-Index
This Author published in this journals
All Journal Jurnal Simetris JAIS (Journal of Applied Intelligent System) Jurnal Dinamika Ekonomi dan Bisnis Jurnal DISPROTEK Jurnal Inovasi Hasil Pengabdian Masyarakat (JIPEMAS) Jurnal SITECH : Sistem Informasi dan Teknologi Jurnal Kesehatan Primer Walisongo Journal of Information Technology Journal of Dinda : Data Science, Information Technology, and Data Analytics Jurnal Minfo Polgan (JMP) Jurnal Talenta Sipil Jurnal Publikasi Teknik Informatika (JUPTI) Jurnal Kesehatan Primer
Teguh Tamrin
UNIVERSITAS ISLAM NAHDLATUL ULAMA JEPARA
Civil Engineering, Building, Construction & Architecture Computer Science & IT Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Library & Information Science Materials Science & Nanotechnology Mathematics Nursing Public Health Social Sciences Other

Published : 20 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Jurnal DISPROTEK

 1 
PEMBELAJARAN ALGORITMA K-NN UNTUK BIG DATASET MENGGUNAKAN METODE SAMPLE BOOTSTRAP DAN WEIGHTED GINI INDEX Bijanto Bijanto; Zainal Abidin; Teguh Tamrin
Jurnal Disprotek Vol 12, No 2 (2021)
Publisher : Universitas Islam Nahdlatul Ulama Jepara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34001/jdpt.v12i2.2091

Abstract

Dataset yang mempunyai jumlah record atau atribut dalam jumlah besar bisa disebut juga dengan dataset besar. Ukuran dataset besar memiliki jumlah dalam besaran dari terabyte sampai petabyte. Pengolahan dataset besar tersebut membutuhkan komputer yang memiliki spesifikasi tinggi. Untuk mengklasifikasikan objek baru berdasarkan atribut data training sample tersebut bisa menggunakan algoritma k-NN. Salah satu kelebihan algorotma kNN adalah efektif dan sering digunakan untuk mengatur permasalahan mengenai klasifikasi. Cukup lamanya waktu komputasi menjadi salah satu kelemahan algoritma kNN. Hal ini diakibatkan oleh proses kalkulasi algoritma kNN terhadap dataset yang besar. Dari masalah-masalah yang muncul tersebut, maka peneliti mengusulkan sistem pembelajaran kNN menggunakan boostraping dan Weighted Gini Index sebagai solusi untuk penanganan masalah pengolahan dataset besar. Pembelajaran kNN menggunakan Bootstrap-Weighted Gini Index dipakai untuk memangkas atribut maupun record berlandaskan hasil penyaringan atribut dan record yang mempunyai kuwalitas error sedikit. Penelitian ini membuktikan bahwa, hasil penambahan akurasi yang didapat dari pengolahan pada dataset Landsat (akurasi semula sebesar 91,40% menjadi 94,95%), Thyroid (akurasi semula 89,31% menjadi 96,61%), HTRU (akurasi semula 96,01% menjadi 98,18%) dan EEG Eye (akurasi semula 97,40% menjadi 97,80%).
PREDIKSI DATA ARUS LALU LINTAS DI KABUPATEN JEPARA MENGGUNAKAN ALGORITMA NEURAL NETWORK Teguh Tamrin
Jurnal DISPROTEK Vol 9, No 2 (2018)
Publisher : Universitas Islam Nahdlatul Ulama Jepara

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (590.342 KB) | DOI: 10.34001/jdpt.v9i2.802

Abstract

ABSTRACT The imbalance in the growth of transportation facilities especially motorcycles and private vehicles is growing very rapidly from the growth of transportation infrastructure when it occurs in traffic jams. Jepara regency is included in 35 districts / cities in the Province of Central Java. Some of the factors that affect congestion in Jepara are: 1) Some schools in Jepara are located on the roadside, creating congestion due to compilation. Morning hours leave for school in the morning and afternoon come home to pick up school and find people who sell in front of school. Number of Industries that stand in Jepara while the capacity of the road is narrow. 3) Parking liars / haphazard. Therefore, this study was conducted to prove the most accurate neural networks in traffic prediction data by using data of Jepara district traffic volume. The research method used is experimental method with testing algorithm to determine the price in data processing. In this study using a dataset of 70 records with 50 data sharing training and 20 data testing. Other parameters: Name (ID), Time, Motor Cycle (MC), Light Vehicle (LV), Heavy Vehicle (HV), Volume (C), Volume (V), V / C and conclusion. The outcomes in question are scientific journals and technological readiness levels (TKT), including into TKT level 3. Keywords : Prediction, traffic flow, neural network, algorithm ABSTRAK Ketidak seimbangan pertumbuhan sarana transportasi khususnya sepeda motor dan kendaraan pribadi berkembang sangat pesat daripada pertumbuhan prasarana transportasi sehingga berdampak pada kemacetan lalu lintas. Kabupaten Jepara termasuk ke dalam 35 kabupaten/kota yang ada di Propinsi Jawa Tengah. Beberapa faktor yang mempengaruhi kemacetan di Jepara adalah :1) Beberapa sekolah yang ada di Jepara terletak di pinggir jalan sehingga menimbulkan kemacetan karena ketika pagi jam berangkat sekolah parkir pengantar dan siang jam pulang sekolah ketika menjemput dan banyaknya orang yang berjualan di depan sekolah.2) Banyaknya Industri yang berdiri di Jepara sedangkan kapasitas jalan sempit. 3) Parkir liar/sembarangan. Oleh sebab itu, penelitian ini dilakukan untuk membuktikan algoritma neural network adalah algoritma yang paling akurat dalam memprediksi jumlah arus lalu lintas di kabupaten Jepara. Metode penelitian yang digunakan adalah penelitian eksperimen dengan pengujian algoritma untuk menentukan akurasi dalam pengolahan data. Pada penelitian ini menggunakan dataset sejumlah 70 record dengan pembagian 50 data training dan 20 data testing. Parameter yang digunakan antara lain : Nama (ID), Waktu, Motor Cycle (MC), Light Vehicle(LV), Heavy Vehicle (HV), Kapasitas (C), Volume (V), V/C dan kesimpulan label. Luaran yang dicapai adalah jurnal ilmiah dan tingkat kesiapan teknologi (TKT) termasuk ke dalam TKT tingkat 3. Kata Kunci: Prediksi, arus lalu lintas, neural network, algoritma.
OPTIMALISASI DIAGNOSIS STROKE DENGAN ALGORITMA C4.5 DAN STRATEGI IMPUTASI k-NN UNTUK MENGATASI MISSING VALUE Abidin, Zainal; Tamrin, Teguh; Harsono, Vilanda; Aziza, Duwi Nur; Kansania, Istianti
Jurnal Disprotek Vol 15, No 2 (2024)
Publisher : Universitas Islam Nahdlatul Ulama Jepara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34001/jdpt.v15i2.6701

Abstract

Penyakit yang menyerang pembuluh darah didalam Otak(Stroke), mengakibatkan terhambatya aliran darah dan oksigen ke otak. Gejala stroke bisa berbeda-beda, namu umumnya meliputi kelemahan atau mati rasa pada wajah, lengan, atau kaki, kebingungan, kesulitan berbicara, dan kesulitan berjalan. Diagnosa stroke yang cepat dan tepat sangatlah penting untuk mendapatkan penanganan yang tepat dan mencegah komplikasi. Salah satu factor untuk mendiagnosis stroke dengan cepat dan akurat dengan menggunakan penerapan algoritma C4.5. Algoritma C4.6 yaitu algoritma klasifikasi yang efektif digunakan untuk membangun pohon keputusan dalam memprediksi. Penelitian ini menggunakan data dari Kaggle stroke prediksi dengan jumlah 15.000 record, 22 atribut dan 2500 data hilang . hasil penelitian menunjukan bahwa algoritma C4.5 dapat digunakan untuk membangun system diagnosis gejala penyakit stroke yang akurat. System ini mampu mengkatogorikan pasien stroke dengan metode imputasi k-NN dengan nilai akurasi 91.40%. Pohon keputusan algoritma C4.5 juga dapat digunakan untuk memenuhi factor yang penting dalam diagnosis stroke.OPTIMIZATION OF STROKE DIAGNOSIS USING C4.5 ALGORITHM AND k-NN IMPUTATION STRATEGY TO OVERCOME MISSING VALUEthe brain. Stroke symptoms can vary but generally include weakness or numbness in the face, arms, or legs, confusion, difficulty speaking, and difficulty walking. Rapid and accurate diagnosis of stroke is crucial to obtain appropriate treatment and prevent complications. One factor for diagnosing stroke quickly and accurately is the application of the C4.5 algorithm. The C4.5 algorithm is a classification algorithm effectively used to build decision trees for prediction. This study uses data from the Kaggle stroke prediction dataset with a total of 297520 records 22 atribut and 2500 missing value. The results of the study indicate that the C4.5 algorithm can be used to build an accurate stroke symptom diagnosis system. This system can categorize stroke patients with an accuracy rate of K-NN Imputation K-NN with classification values of accuration 91,40%.  The C4.5 algorithm decision tree can also be used to fulfill important factors in stroke diagnosis.
PENERAPAN ALGORITMA CRAWLING DALAM OTOMATISASI PEMBAYARAN ADMINISTRASI SEKOLAH Sudiryanto, Gun; Tamrin, Teguh; Kusumodestoni, R. Hadapiningradja; Leksono, Bagus Bowo
Jurnal Disprotek Vol 15, No 1 (2024)
Publisher : Universitas Islam Nahdlatul Ulama Jepara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34001/jdpt.v15i1.5898

Abstract

APPLICATION OF CRAWLING ALGORITHM IN AUTOMATION OF SCHOOL ADMINISTRATION PAYMENTSNetwork system administration is the job of network administrators who are tasked with managing a computer network, both on a small and large scale. MTs. Asysyafi'iyah is a madrasah that is not yet familiar with the system of developing applications that make the work of madrasa institutions easier. The large number of students results in the need for some administration that must be managed by Administrative Staff to further minimize and make time efficient in terms of managing madrasa administration. The problem discussed in this research is how the methods commonly used in payment systems are more effective, making it easier to obtain payment information and pay via Virtual Account by using an Android application. The aim of this research is to make it easier for parents/guardians in terms of administrative payments and to produce an application that can provide information for students, parents/guardians, administration staff and madrasa heads. The methods used in the data collection process are observation, interviews, Literature Study and Documentation. Processing Data that has been collected by researchers through literature studies will be used by researchers as direct field observations. Then, the results of interviews and documentation obtained directly from observations will be translated into programming language using the Rapid Application Development (RAD) method. Based on the results of the research and discussion, the conclusion of this research is: The Madrasah Administration payment application can make things easier for parents, guardians or students. , simplify the work of Madrasah Administrative Staff in structuring payment administration better and can reduce the error rate and obtain report results quickly and accurately, simplify the process of processing payment data and searching for Administrative report data, as well as data relating to Administrative payments stored computerized on Admin database.Administrasi sistem jaringan merupakan sebuah pekerjaan dari para administrator jaringan yang bertugas untuk mengatur sebuah jaringan komputer baik dalam skala kecil maupun skala besar. MTs. Asysyafi’iyah  merupakan madrasah yang belum mengenal sistemasi pengembangan penggunaan aplikasi yang memudahkan pekerjaan lembaga madrasah, banyaknya siswa mengakibatkan butuhnya beberapa administrasi yang harus di kelola Staf Tata Usaha untuk lebih meminimalisir dan mengefisien waktu dalam hal pengelolaan administrasi madrasah. Masalah yang dibahas dalam penelitian ini adalah bagaimana metode yang biasa digunakan pada sistem pembayaran dengan cara yang lebih efektif, mempermudah mendapatkan informasi pembayaran dan membayar secara Virtual Account dengan pemanfaatan aplikasi android. Tujuan penelitian ini berguna untuk mempermudah Orang Tua/Wali dalam hal pembayaran Administrasi dan Menghasilkan sebuah aplikasi yang dapat memberikan informasi bagi Siswa Siswi, Orang Tua/Wali, Staf Tata Usaha dan Kepala Madrasah.Metode yang dilakukan dalam proses pengumpulan data adalah Observasi, Wawancara, Studi Pustaka, dan Dokumentasi. Pengolahan Data yang telah dikumpulkan oleh peneliti melalui studi pustaka akan digunakan peneliti sebagai observasi lapangan secara langsung. Kemudian dimana hasil wawancara dan dokumentasi yang diperoleh secara langsung dari observasi akan diterjemahkan kedalam bahasa pemrograman dengan menggunakan metode Rapid Application Development (RAD).Berdasarkan hasil penelitian dan pembahasan maka kesimpulan dari penelitian ini adalah: Aplikasi pembayaran Administrasi Madrasah dapat mempermudah orang tua wali atau siswa, mempermudah pekerjaan Staf Tata Usaha Madrasah dalam penataan administrasi pembayaran yang lebih baik dan dapat mengurangi tingkat kesalahan serta diperoleh hasil laporan secara cepat dan tepat, memudahkan proses pengolahan data pembayaran serta pencarian data laporan Administrasi, serta data yang berhubungan dengan pembayaran Administrasi tersimpan secara terkomputerisasi pada database Admin.
Co-Authors Ahmat Wakit Akhmad Khanif Zyen Akhmad Khanif Zyen Akhmad Khanif Zyen, Akhmad Khanif Anwar, Muhammad Arqom Aprilia Riyana Putri Ariyanto Ariyanto Awwaluddin, Ahmad Habib Aziza, Duwi Nur Bijanto Bijanto Cahyanti, Luluk Dina, Maula Hashina Fitriana, Vera Gun Sudiryanto Harsono, Vilanda Haydar, Muhammad Rifqi Fajrul Heru Saputro Kansania, Istianti Leksono, Bagus Bowo Lusi Meriyanti Maula Hashina Dina Mulyo, Harminto Muzakki, Muhammad Alie Nugroho, Muhammad Bayu Nur Aeni Widiastuti R Hadapiningradja Kusumodestoni Ricardus Anggi Pramunendar Sudiryanto, Gun Syamsul Ma’arif Wibowo, Gentur Wahyu Nyipto Yuliana, Alvi Ratna Zaenal Arifin Zaenal Arifin Zainal Abidin Zainal Abidin