Claim Missing Document
Check
Articles

Found 6 Documents
Search
Journal : E-Link: Jurnal Teknik Elektro dan Informatika

ANALISIS KEBUTUHAN PEGAWAI BERDASARKAN PETA JABATAN PADA BADAN KESATUAN BANGSA DAN POLITIK KABUPATEN SITUBONDO Suharjo, Dwitya Sitaresmi; Homaidi, Ahmad; Lutfi, Ahmad
E-Link: Jurnal Teknik Elektro dan Informatika Vol 19 No 2: Oktober 2024
Publisher : Universitas Muhammadiyah Gresik

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30587/e-link.v19i2.8146

Abstract

The aim of this research is to provide an overview and explain the analysis of employee needs at Badan Kesatuan Bangsa dan Politik. The duties, principals and functions of each employee are carried out in accordance with the description of the available position analysis. Analysis of available positions is adjusted to the position map that describes the situation at Badan Kesatuan Bangsa dan Politik. In the job analysis there is a job description, work results, completion time and employee needs which are used as guidelines by each employee in carrying out their main tasks on a daily basis. This research explains employee needs based on job maps using qualitative research methods. The steps taken in this method include observation, interviews and documentation. By applying this method, it is hoped that Badan Kesatuan Bangsa dan Politik can analyze the actual employee needs in completing work Badan Kesatuan Bangsa dan Politik because the workload in an agency should be balanced with the number of employees available. This workload has been explained in the analysis of each position. employees in which are based on previously planned position maps. Keywords: Employee needs, position map, analysis
PENERAPAN DATA MINING DALAM MENGELOMPOKKAN JUMLAH PENYELAMATAN KEBAKARAN DI KABUPATEN SITUBONDO Yunita, Irma; Homaidi, Ahmad; Lutfi, Ahmad
E-Link: Jurnal Teknik Elektro dan Informatika Vol 19 No 2: Oktober 2024
Publisher : Universitas Muhammadiyah Gresik

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30587/e-link.v19i2.8153

Abstract

Penyelamatan kebakaran merupakan salah satu pelayanan yang menjadi tanggung jawab pada Satuan Polisi Pamong Praja Kabupaten Situbondo. Letak geografis serta panjangnya musim kemarau merupakan salah satu penyebab tingginya tingkat bencana kebakaran di Kabupaten Situbondo. Selain itu beberapa penyebab lain yang menyebabkan bencana kebakaran yaitu gas meledak, konsletin listrik, pembakaran sampah dan lain-lain, akibat yang ditimbulkan dari bencana kebakaran bisa berupa korban jiwa, kerugian materi, serta dampak asap bisa membuat orang di sekitar lokasi kebakaran menderita infeksi pernapasan. Dalam mengelompokkan jumlah penyelamatan kebakaran dengan memakai cara yaitu data mining menggunakan sebuah metode yaitu K-Means Clustering. Kelompok data yang akan digunakan yaitu data dari penyelamatan kebakaran pada seksi pemadam kebakaran dan penyelamatan di Satuan Polisi Pamong Praja Kabupaten Situbondo. Hasil penelitian ini yaitu cluster jumlah penyelamatan kebakaran menjadi 3 cluster. Terdapat 2 kecamatan yang masuk dalam cluster tinggi yaitu : panarukan dan situbondo. Tingkat sedang 2 kecamatan yaitu:Mangaran dan Panji, dan tingkat cluster rendah adalah beberapa kecamatan lainnya di Kabupaten Situbondo.
DETEKSI WARNA KULIT MENGGUNAKAN METODE DEEP LEARNING DENGAN ALGORITMA CNN (CONVOLUTIONAL NEURAL NETWORK) Prabowo, Firmansyah Widiarto; Homaidi, Ahmad; Lutfi, Ahmad
E-Link: Jurnal Teknik Elektro dan Informatika Vol 19 No 2: Oktober 2024
Publisher : Universitas Muhammadiyah Gresik

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30587/e-link.v19i2.8128

Abstract

Perkembangan teknologi saat ini sering kali dibutuhkan dalam pengembangan klasifikasi citra digital. Salah satu topik yang diangkat adalah pendeteksian warna kulit dengan menggunakan klasifikasi yang telah ditentukan. Sistem ini akan menggunakan pengolahan citra untuk mendeteksi warna kulit menggunakan citra kulit melalui metode Deep Learning dengan algoritma CNN (Convolutional Neural Network). Metode Deep Learning merupakan bagian dari kecerdasan buatan dan machine learning yang merupakan pengembangan dari jaringan syaraf tiruan dengan banyak lapisan untuk melakukan tugas-tugas yang presisi. Contohnya seperti deteksi objek, pengenalan suara, penerjemahan bahasa, dan lain sebagainya. Dari hasil pendeteksian warna kulit yang telah diujicobakan, secara umum dapat mendeteksi klasifikasi warna kulit berdasarkan hasil gambar yang telah diinputkan ke dalam aplikasi dan yang telah ditentukan ciri-cirinya.
PERBANDINGAN METODE KLASIFIKASI PENGUJIAN KENDARAAN BERMOTOR DENGAN ALGORITMA C4.5 DAN NAÏVE BAYES Lazuardy, Fahreza Adams; Homaidi, Ahmad; Lutfi, Ahmad
E-Link: Jurnal Teknik Elektro dan Informatika Vol 19 No 2: Oktober 2024
Publisher : Universitas Muhammadiyah Gresik

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30587/e-link.v19i2.8113

Abstract

Penelitian ini bertujuan untuk membandingkan metode klasifikasi pengujian kendaraan bermotor pada algoritma C4.5 dengan Naïve Bayes di Dinas Perhubungan Kabupaten Situbondo. Dataset yang digunakan berjumlah 3.264 record yang dibagi menjadi 2 subset data, data training dan data testing. Atribut yang dianalisis meliputi tahun pembuatan, kepemilikan kendaraan, emisi opasitas timbal, total gaya pengereman, standarisasi klakson, kelayakan ban kendaraan, kekuatan sinar lampu, penyimpangan pancar lampu, dan hasil pengujian. Hasil perbandingan ini menghasilkan dalam algoritma C4.5 memiliki akurasi senilai 99.69% dengan precision 99.68% dan recall 100% untuk kelas “LULUS”, serta precision 100% dan recall 90.48% untuk kelas “TIDAK LULUS”. Sementara algoritma Naïve Bayes menunjukkan akurasi senilai 99.13% dengan precision 99.59% dan recall 99.51% untuk kelas “LULUS” serta precision 81.82% dan recall 84.38% untuk kelas “TIDAK LULUS”. C4.5 lebih unggul mendeteksi kendaraan yang “TIDAK LULUS”, sedangkan Naïve Bayes lebih efisien dalam komputasi. Temuan ini menyimpulkan bahwa algoritma C4.5 lebih efektif untuk pola interaksi data yang kompleks, sedangkan Naïve Bayes menawarkan kecepatan komputasi yang lebih tinggi. Pemilihan algoritma harus mempertimbangkan karakteristik dataset dan kebutuhan spesifik dari aplikasi pengujian kendaraan bermotor. Kata Kunci: Data mining, C4.5, Naïve Bayes, Klasifikasi, Pengujian Kendaraan Bermotor, Akurasi.
PREDIKSI INFLASI BAHAN POKOK MENGGUNAKAN METODE REGRESI LINEAR Ramadhani, Muhammad; Homaidi, Ahmad; Lutfi, Ahmad
E-Link: Jurnal Teknik Elektro dan Informatika Vol 19 No 2: Oktober 2024
Publisher : Universitas Muhammadiyah Gresik

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30587/e-link.v19i2.8144

Abstract

Tujuan Penelitian ini adalah untuk mengembangkan dan mengimplementasikan model prediksi inflasi bahan pokok di pasar tradisional di kabupaten situbondo menggunakan metode regresi linear. Fokus utama dari penelitian ini adalah untuk memahami dinamika harga bahan pokok dan faktor-faktor yang mempengaruhinya, serta memberikan alat prediktif yang dapat membantu pengambil kebijakan untuk mengantisipasi perubahan harga yang tidak menentu yang diprediksi akan terjadi. dengan mengumpulkan data harga bahan pokok dari aplikasi Sikepo.situbondokab.go.id dan mengidentifikasi harga bahan pokok yang dapat menyebabkan inflasi. proses metode regresi linear ini melibatkan pembagian data menjadi data untuk pelatihan dan data untuk pengujian untuk meningkatkan akurasi prediksi, Dengan pengujian ini diharapkan Menyajikan hasil prediksi dan membandingkannya dengan data aktual untuk menilai keandalan model. pengembangkan sistem prediksi ini dapat dapat digunakan oleh pemangku kepentingan untuk mengantisipasi inflasi bahan pokok. memberikan rekomendasi kebijakan berdasarkan hasil penelitian untuk menjaga stabilitas harga. penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam bidang ekonomi dan kebijakan publik, serta membantu menjaga kesejahteraan masyarakat melalui prediksi inflasi yang lebih akurat dan tepat waktu.
IMPLEMENTASI K-MEANS CLUSTERING MENGGUNAKAN RAPIDMINER DALAM PENGELOMPOKAN DATA KUNJUNGAN WISATAWAN ASING DI PROVINSI JAWA TIMUR Liyanto, Edwin Wira; Homaidi, Ahmad; Lutfi, Ahmad
E-Link: Jurnal Teknik Elektro dan Informatika Vol 19 No 2: Oktober 2024
Publisher : Universitas Muhammadiyah Gresik

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30587/e-link.v19i2.8224

Abstract

Tourism is one sector that is able to make a very significant contribution to the economy of a country, especially good tourism management can have a positive impact on the social and economy of a region. East Java is one of the natural tourist destination areas that attracts quite a lot of foreign tourists with its tourist attractions, traditions, culture and local wisdom which are the main targets for foreign tourist visits. Tourist grouping is carried out using Data Mining techniques applying the k-means algorithm, the analysis used uses the Knowledge Discovery in Database (KDD) method. By applying the K-Means clustering algorithm in order to cluster data on Foreign Tourist Visits (ASIA) to East Java via Juanda Airport for 2016 - 2023 taken from the official BPS East Java portal. From the data that has been processed, 2 clusters were found which produced the most optimal dbi value, namely 0.293 with cluster 0 containing 2 data, cluster 1 48 data.