Article Per Year (5 Year)
p-Index From 2020 - 2025
2.133
P-Index
This Author published in this journals
All Journal Syntax Jurnal Informatika Jurnal Informatika dan Teknik Elektro Terapan Journal of Information System INTECOMS: Journal of Information Technology and Computer Science Jurnal Kreativitas PKM STRING (Satuan Tulisan Riset dan Inovasi Teknologi) Systematics Jurnal Ilmiah Wahana Pendidikan Innovative: Journal Of Social Science Research Jurnal INFOTEL
Asep Jamaludin
Universitas Singaperbangsa Karawang
Religion Humanities Computer Science & IT Education Electrical & Electronics Engineering Health Professions Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
Klasifikasi Kesiapan Siswa Melaksanakan Pembelajaran Tatap Muka di Masa Pandemi dengan Algoritma Naive Bayes (Studi Kasus: SMA Negeri 61 Jakarta) Valerie Febriana Putri Indra Kusumawati; Asep Jamaludin; Carudin Carudin
Jurnal Ilmiah Wahana Pendidikan Vol 8 No 23 (2022): Jurnal Ilmiah Wahana Pendidikan
Publisher : Peneliti.net

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (321.642 KB) | DOI: 10.5281/zenodo.7384628

Abstract

Indonesia is one of the countries affected by Covid-19. The impact of the Covid-19 pandemic has made all aspects of life experience obstacles, including the field of education. Finally, teaching and learning activities in schools had to be stopped and replaced with distance learning with the aim of breaking the chain of Covid-19 spread. In 2022, the government will start implementing face-to-face learning by implementing health protocols. But apparently, this policy reaps various pros and cons. Nave Bayes algorithm is one of the most popular classification algorithms. The purpose of this study is to classify student readiness data in carrying out Face-to-face Learning (PTM) during the Covid-19 pandemic at one of the public high schools (SMA) in the Jakarta area, namely SMAN 61 Jakarta. This study uses a dataset of 267 records which will be divided into two data, namely training data and testing data with a ratio of 90:10. The total data used in the training data is 240 records and the total data used as testing data is 27 records. The data will be applied to RapidMiner and MS Excel tools with the nave Bayes algorithm to determine whether or not the classification results of the two are the same. Based on the results of the RapidMiner and MS Excel tools, the results obtained are 92.59% accuracy, 96% precision, and 96% recall.
Penerapan Data Mining Menggunakan Algoritma K-Means Untuk Menentukan Tingkat Vaksinasi Pada Kecamatan Tambun Selatan Anissa Aidha Zulyani; Agung Susilo Yuda Irawan; Asep Jamaludin
Innovative: Journal Of Social Science Research Vol. 3 No. 3 (2023): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v3i3.2946

Abstract

Berdasarkan penduduk yang sudah wajib di vaksin, total pencapaian sasaran penyebaran vaksinasi COVID-19 belum memenuhi target yang ditentukan. Penelitian ini bertujuan melakukan analisis k-means clustering terhadap penyebaran vaksinasi COVID-19 di kecamatan Tambun Selatan dengan variabel Vaksin 1, Vaksin 2, dan Vaksin 3. Menggunakan metode KDD dalam proses algoritma k-means dan dalam pengolahan data dibantu oleh tools Rstudio. Hasil clustering terbaik dengan fungsi scale dengan nilai variance 77,9%, serta melakukan evaluasi dengan hasil clustering terbaik dengan fungsi scale dengan validitas connectivity = 0,9111, validitas dunn = 0.2393, dan validitas silhouette = 0.6205. Hasil clustering menggunakan K = 3 menghasilkan cluster 1 = 20 RW dengan kategori pemerataan sangat merata, cluster 2 = 45 RW dengan kategori pemerataan sedang, cluster 3 = 115 RW dengan kategori pemerataan tidak merata.
Prediksi Produktivitas Tanaman Padi di Kabupaten Karawang Menggunakan Bayesian Networks Betha Nurina Sari; Hendi Permana; Kardo Trihandoko; Asep Jamaludin; Yuyun Umaidah
JURNAL INFOTEL Vol 9 No 4 (2017): November 2017
Publisher : LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/infotel.v9i4.336

Abstract

Penelitian ini ditujukan untuk membangun sebuah model prediksi tingkat produktivitas padi di kabupaten Karawang. Prediksi menggunakan Bayesian Networks dilakukan dengan tiga tahap, yaitu tahap pra-pemrosesan data, tahap implementasi dan tahap evaluasi. Tahap pra-pemrosesan dilakukan dengan transformasi data numerik menjadi data nominal dengan menggunakan dua skenario,yaitu threshold mean dan teknik diskretisasi. Tahap implementasi adalah menerapkan algoritma Bayesian Networks, yaitu melalui proses pembelajaran struktur dan pembelajaran parameter. Proses pembelajaran struktur dan parameter pada bayesian networks menggunakan software CaMML 1.41. Evaluasi performa Bayesian Networks dalam memprediksi produktivitas padi dengan confusion matrix, yaitu menghitung akurasi prediksi dan log loss. Hasil eksperimen menunjukkan hasil yang memuaskan, akurasi di atas 90%. Model terbaik dihasilkan dari tahap pra-pemrosesan menggunakan diskretisasi dan training data selama 5 tahun dan testing data selama 1 tahun. Hal ini menunjukkan pemilihan teknik pra-pemrosesan dan teknik pembagian training data dan testing data mempengaruhi hasil evaluasi performa struktur Bayesian Networks.
INTEGRASI ODOO 16 DALAM PENGEMBANGAN APLIKASI ABSENSI MAHASISWA (STUDI KASUS: UNIVERSITAS SINGAPERBANGSA KARAWANG) Adrian Wibisono; Didi Juardi; Asep Jamaludin
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4822

Abstract

Dalam era perkembangan teknologi informasi, integrasi Odoo menjadi solusi inovatif untuk mengatasi tantangan dalam sistem absensi di institusi pendidikan. Universitas membutuhkan sistem manajemen yang efisien untuk mendukung kegiatan administratif dan akademis. Odoo, sebuah sistem Enterprise Resource Planning (ERP), menawarkan solusi terintegrasi untuk berbagai aspek manajemen, termasuk absensi mahasiswa. Pemilihan Odoo 16 dalam pengembangan aplikasi absensi mahasiswa bertujuan untuk meningkatkan efektivitas sistem, pengelolaan data, dan pengalaman administrasi kehadiran mahasiswa. Evaluasi dilakukan menggunakan metode analisis usability dengan lima indikator: Learnability, Memorability, Efficiency, Errors, dan Satisfaction. Penelitian ini bertujuan untuk mengintegrasikan Odoo 16 dalam pengembangan aplikasi absensi mahasiswa, mengatasi permasalahan efisiensi dan akurasi yang ada. Dampak positif dari penelitian ini adalah peningkatan pengelolaan administrasi universitas dan mendukung tujuan pendidikan dengan teknologi terkini. Dengan demikian, penelitian ini tidak hanya memecahkan masalah manajemen absensi mahasiswa, tetapi juga menghadapi tuntutan teknologi di dunia pendidikan. Keywords: Absensi, Odoo 16, Website, Usability Testing
Co-Authors Adrian Wibisono Agung Susilo Yuda Irawan Alma Apriliani Anissa Aidha Zulyani Apriade Voutama Carudin Didi Juardi Felix Sianturi Garno, Garno Hafiz Abdul Fatah Kurniawan Hendi Permana Heryana, Nono Indra, Jamaludin Intan Purnamasari Kamal Prihandani Kardo Trihandoko Miftahul Faizin Muhammad Budhiluhoer Muhammad Syam Firdaus shelladita fitriyani susilo Suparno Valerie Febriana Putri Indra Kusumawati Vina Yanuar Prasasti Wahyu Rudiansyah Yuyun Umaidah