Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnas Nasional Teknologi dan Sistem Informasi Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika ILKOMNIKA: Journal of Computer Science and Applied Informatics
Ahmad Mukhlason
Institut Teknologi Sepuluh Nopember
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Penerapan Hiperheuristik Berbasis Metode Simulated Annealing untuk Penyelesaian Permasalahan Optimasi Lintas Domain Nisa Dwi Angresti; Arif Djunaidy; Ahmad Mukhlason
Jurnal Nasional Teknologi dan Sistem Informasi Vol 5, No 1 (2019): April 2019
Publisher : Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v5i1.2019.33-40

Abstract

Permasalahan optimasi lintas domain merupakan permasalahan optimasi yang sangat rumit karena masing-masing permasalahan mempunyai karakteristik yang berbeda. Penyelesaian terhadap permasalahan optimasi lintas domain tersebut melibatkan metode pencarian komputasional untuk memperoleh hasil yang mendekati optimal. Beberapa peneliti terdahulu mengembangkan metode hiperheutistik untuk memperoleh solusi generik yang diharapkan mampu memberikan hasil yang mendekati optimal. Hasil penelitian terdahulu mengidikasikan bahwa strategi hiperheuristik yang lebih baik diperlukan guna memperoleh solusi yang mendekati optimal untuk lintas domain permasalahan. Dalam penelitian ini, upaya untuk mendapatkan solusi generik yang mendekati optimal terhadap permasalahan optimasi lintas domain dilakukan dengan mengembangkan strategi pencarian komputasional pada tatanan High Level Heuristics (HLH) dalam mengatur proses seleksi pada rangkaian  Low Level Heuristics (LLH) kemudian melakukan mekanisme penerimaan solusi. Penelitian ini menguji metode Simulated Annealing (SA) sebagai mekanisme penerimaan solusi dalam tatanan HLH agar dapat menghasilkan solusi mendekati optimal pada berbagai domain masalah optimasi yang dikombinasikan dengan metode seleksi LLH. Penelitian ini melakukan eksperimen untuk menentukan nilai parameter yang tepat untuk mengotomatiskan parameter kontrol SA dalam menyelesaikan permasalahan optimasi lintas domain. Strategi yang digunakan dalam penelitian ini diuji coba untuk menyelesaikan enam permasalahan optimasi domain yang berbeda yang diperoleh dari HyFlex, yaitu Satisfiability (SAT), Bin Packing, Flow Shop, Personnel Scheduling, Travelling Salesmen Problem (TSP), dan Vehicle Routing Problem (VRP). Dari hasil pengujian terhadap enam permasalahan optimasi tersebut, nilai parameter untuk suhu awal T adalah 100 dan faktor penurunan suhu α adalah 0,995.
Hyper-heuristik untuk Penyelesaian Masalah Optimasi Lintas Domain dengan Seleksi Heuristik berdasarkan Variable Neighborhood Search Arif Djunaidy; Nisa Dwi Angresti; Ahmad Mukhlason
Khazanah Informatika Vol. 5 No. 1 June 2019
Publisher : Department of Informatics, Universitas Muhammadiyah Surakarta, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/khif.v5i1.7567

Abstract

State-of-the-art dari metode yang digunakan untuk menyelesaikan permasalahan optimasi kombinatorik, yang diketahui sebagai permasalahan NP-hard, adalah meta-heuristics. Kelemahan dari metode meta-heuristics adalah dibutuhkanya parameter tunning yang spesifik untuk setiap problem domain berbeda. Hal ini menyebabkan pendekatan meta-heuristics kurang efektif untuk menyelesaikan permasalahan lintas problem domain. Untuk mengatasi permasalahan tersebut, muncul pendekatan baru yaitu hyper-heuristics. Dengan meningkatkan level search space dari solution space ke low-level heuristics space, hyper-heuristics diharapkan dapat menjadi pendekatan yang lebih general dan efektif untuk menyelesaikan permasalahan lintas problem domain. Penelitian ini bertujuan untuk menginvestigasi performa algoritma variable neighbourhood search (VNS) sebagai strategi untuk memilih low-level heuristics dalam kerangka kerja hyper-heuristics. Hal ini berbeda dengan penelitian-penelitian sebelumnya dimana VNS digunakan dalam kerangka kerja meta-heuristics. Metode yang diusulkan dalam penelitian ini diujicoba pada 6 problem domain yang berbeda yaitu satisfiability (SAT), one dimensional bin packing, permutation flow shop, personel scheduling, travelling salesman problem (TSP), dan vehicle routing problem (VRP). Hasil komputasi menunjukkan bahwa metode VNS ini memiliki performa lebih baik dibandingkan dengan metode seleksi low-level heuristics pembanding, yaitu Simple Random. Secara lebih spesifik, VNS lebih unggul pada 5 dari 6 problem domain.
Analisis Prediktif Churn untuk Meningkatkan Tingkat Retensi Pelanggan pada Perusahaan SaaS Menggunakan Machine Learning Marcellina Marcellina; Ahmad Mukhlason
ILKOMNIKA: Journal of Computer Science and Applied Informatics Vol 6 No 1 (2024): Volume 6, Nomor 1, April 2024
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v6i1.598

Abstract

Software-as-a-Service (SaaS) mengalami peningkatan minat dan pengguna, salah satunya dari industri makanan dan minuman. Tingginya penggunaan dan permintaan SaaS tentu mendorong persaingan ketat sehingga perlu bersaing mempertahankan pengguna aplikasi, salah satunya dengan mengetahui faktor yang dapat menyebabkan seorang pelanggan berhenti menggunakan (churn). Dengan mengetahui faktor tersebut, perusahaan juga dapat memprediksi pelanggan rawan churn sehingga dapat dicegah dengan memanfaatkan machine learning. Oleh karena itu, dilakukan penelitian untuk mengidentifikasi faktor yang memengaruhi keputusan churn di PT XYZ sehingga dapat disusun strategi pencegahan. Algoritma yang akan digunakan adalah Random Forest dan XGBoost. Terdapat class imbalance pada data yang digunakan, sehingga akan diterapkan SMOTE. Variabel penelitian adalah jenis usaha, jumlah outlet, jumlah penggunaan produk, jumlah tiket, rata-rata tiket bulanan, dan kategori kendala yang dilaporkan klien. Hasil penelitian menunjukkan bahwa model klasifikasi XGBoost setelah SMOTE memiliki nilai performa terbaik di antara model lainnya, dengan nilai akurasi 0,71, presisi 0,27, recall 0,86, F1-score 0,41, dan AUC 0,596. Feature importance tertinggi adalah seringnya laporan kendala dari klien terutama terkait produk ERP dan POS, kendala penarikan laporan, jenis usaha, dan rata-rata tiket bulanan. Strategi selanjutnya, perusahan dapat memprioritaskan evaluasi kualitas produk serta pelayanan perusahaan, seperti pengenalan dan training penggunaan produk.
Co-Authors Arif Djunaidy Marcellina Marcellina Nisa Dwi Angresti