Article Per Year (5 Year)
p-Index From 2021 - 2026
1.376
P-Index
This Author published in this journals
All Journal Sistemasi: Jurnal Sistem Informasi Indonesian Journal on Software Engineering (IJSE) Techno Nusa Mandiri : Journal of Computing and Information Technology JURNAL TEKNOLOGI DAN OPEN SOURCE INTI Nusa Mandiri E-Link: Jurnal Teknik Elektro dan Informatika JUSTIN (Jurnal Sistem dan Teknologi Informasi)
Abdul Latif
Universitas Bina Sarana Informatika
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Engineering

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 9 Documents
Search

 1 
Analisis Kriteria Kelayakan Calon Pendonor Darah Menggunakan Neural Network Muhammad Rifqi Firdaus; Abdul Latif; Windu Gata
Sistemasi: Jurnal Sistem Informasi Vol 9, No 2 (2020): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (669.112 KB) | DOI: 10.32520/stmsi.v9i2.840

Abstract

Organisasi Kesehatan Dunia (WHO) menjelaskan, sekitar 180 juta unit darah yang disumbangkan dikumpulkan secara global setiap tahunnya. Kebutuhan kantong darah di Indonesia sendiri sangat tinggi, sesuai standar WHO, jumlah kantong yang harus tersedia di suatu negara adalah 2% dari populasi nasional. Artinya, untuk Indonesia sendiri, dibutuhkan kantong darah sekitar 4,5 juta dalam setahun. Donor darah merupakan kegiatan memberikan sebagian darah untuk disumbangkan pada pasien yang membutuhkan. Untuk menentukan calon pendonor termasuk layak atau tidak layak nya terdapat kriteria yang harus terpenuhi. Sehingga dataset kriteria kelayakan donor darah yang didapat dari UDD PMI Kota Tasikmaya bisa digunakan sebagai tolak ukur untuk mengukur keakuratan dalam meprediksi layak atau tidak layaknya calon pendonor darah untuk mendonorkan darahnya. Berdasarkan penelitian yang telah dilakukan menggunakan tools Rapid Miner 9.0 terhadap dataset kriteria kelayakan calon pendonor darah UDD PMI Kota Tasikmalaya dengan metode Neural network menghasilkan nilai accuracy sebesar 91.65%, precision sebesar 91.05, recall sebesar 99,75% dengan nilai AUC sebesar 0.806 yang menunjukkan bahwa hasil klasifikasinya baik. Sehingga calon pendonor bisa di prediksi terhadap layak atau tidak layaknya bagi calon pendonor untuk mendonorkan darahnya.
Komparasi Algoritma C4.5 Dan Naïve Bayes Dalam Penentuan Status Kelayakan Donor Darah Kartika Handayani; Lisnawanty Lisnawanty; Abdul Latif; Muhammad Rifqi Firdaus; Fuad Nur Hasan
Sistemasi: Jurnal Sistem Informasi Vol 10, No 3 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (845.648 KB) | DOI: 10.32520/stmsi.v10i3.1440

Abstract

Donor darah merupakan kegiatan kemanusiaan dimana seseorang dengan sukarela AbstrakDonor darah merupakan kegiatan kemanusiaan dimana seseorang dengan sukarela menyumbangkan darahnya untuk disimpan di bank darah yang kemudian digunakan untuk transfusi darah. UDD (Unit Donor Darah) PMI Kota Pontianak merupakan tempat pelayanan donor darah dari masyarakat Kota Pontianak. Dalam prakteknya, tidak semua masyarakat yang ingin mendonorkan darah dapat berhasil mendonorkan darahnya. Dalam memprediksi layak atau tidaknya masyarakat untuk mendonorkan darahnya dapat dilakukkan dengan klasifikasi data mining untuk mengetahui faktor yang paling mempengaruhi prediksi donor darah. Penelitian ini menggunakan metode klasifikasi  algoritma C4.5 dan Naïve Bayes kemudian dilakukan perbandingan dua metode tersebut menggunakan confusion matrix, AUC dan uji beda t-test dengan analisa software rapidminer  berdasarkan umur, jenis kelamin, berat badan, tekanan darah, dan hemoglobin. Dari hasil penelitian ini, hemoglobin adalah variabel paling menentukan kelayakan donor darah kemudian tekanan darah. Algoritma terbaik dalam kasus ini adalah Naïve Bayes dengan akurasi 93,26%, sedangkan tingkat akurasi C4.5 93,22%. Naïve Bayes termasuk dalam predikat good classsification dengan AUC sebesar 0.833, sedangkan C4.5 termasuk dalam predikat fair classsification dengan AUC sebesar 0.758. Dari hasil uji beda t-test diperoleh hasil 0.841 yang menyatakan bahwa tidak ada perbedaan signifikan dalam penentuan  klasifikasi status kelayakan donor darah untuk kedua algoritma.Kata kunci: prediksi, donor darah, c4.5, naïve bayes AbstractBlood donation is a humanitarian activity in which someone voluntarily donates blood to be stored in a blood bank which is then used for blood transfusions. UDD (Blood Donation Unit) PMI Pontianak City is a blood donor service area of the Pontianak City community. In practice, not all people who want to donate blood can successfully donate blood. In predicting the feasibility of whether or not the community to donate blood can be done with the classification of data mining to determine the factors that most influence the prediction of blood donors. This study uses the C4.5 algorithm and Naïve Bayes classification method, then compares the two methods using a confusion matrix, AUC and t-test different test with rapidminer software analysis based on age, sex, weight, blood pressure, and hemoglobin. From the results of this study, hemoglobin is the most determining variable of eligibility for blood donation then blood pressure. The best algorithm in this case is Naïve Bayes with an accuracy of 93.26%, while the accuracy rate of C4.5 is 93.22%. Naïve Bayes is included in the category of good class certification with AUC of 0.833, while C4.5 is included in the category of fair class certification with AUC of 0.758. From the results of the t-test different test results obtained 0.841 which states that there is no significant difference in determining the classification of blood donor eligibility status for the two algorithms.Keywords: prediction, blood donor, c4.5, naïve bayes 
IMPLEMENTATION OF DECISION TREE AND K-NN CLASSIFICATION OF INTEREST IN CONTINUING STUDENT SCHOOL Daniati Uki Eka Saputri; Fitra Septia Nugraha; Taopik Hidayat; Abdul Latif; Ade Suryadi; Achmad Baroqah Pohan
Jurnal Techno Nusa Mandiri Vol 17 No 1 (2020): Techno Nusa Mandiri : Journal of Computing and Information Technology Period of
Publisher : Lembaga Penelitian dan Pengabdian Pada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1075.117 KB) | DOI: 10.33480/techno.v17i1.1289

Abstract

Education is important to prepare quality Human Resources (HR) because quality human resources is an important factor for the nation and state development. Therefore, it is expected that every citizen has the right to get high educational opportunities from the 12-year compulsory education level. This study aims to implement the Decision Tree and K-NN algorithm in the classification of student interest in continuing school. This study proposes combining the Decision Tree and K-NN algorithm methods to improve accuracy with the Gain Ratio, Information Gain and Gini Index approaches for the measurement process. The test results show that the use of the Decision Tree algorithm produces an accuracy value of 97.30% while using the K-NN algorithm produces an accuracy of 89.60%. While the proposed method by combining the Decision Tree and K-NN algorithms produces an accuracy value of 98.07%. The results of evaluation measurements using the Area Under Curve (AUC) on the Decision Tree algorithm are 0.992 and the AUC on K-NN is 0.958 and on the combination of the Decision Tree and K-NN algorithms of 0.979. These results indicate that the proposed algorithm is very significant towards increasing accuracy in the classification of the interests of high school students continuing school
Klasifikasi Penyakit Daun Kopi Menggunakan Kombinasi Haralick, Color Histogram dan Random Forest Siti Khotimatul Wildah; Abdul Latif; Ali Mustopa; Suharyanto Suharyanto; Muhammad Sony Maulana; Agung Sasongko
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 1 (2023)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v11i1.60985

Abstract

Kopi merupakan spesies tanaman dengan bentuk pohon yang dijadikan sebagai bahan baku dalam pembuatan minuman-minuman kopi. Akan tetapi pada produksinya terdapat permasalahan umum yang masih sering terjadi yaitu adanya hama atau penyakit yang menyerang pada bagian daun kopi sehingga berdampak pada pertumbuhan tanaman kopi tersebut dan berakibat terjadi penurunan produksi kopi. Pengenalan penyakit dan hama pada daun kopi masih menggunakan proses manual sehingga bisa memperlambat proses deteksi serta penanganan penyakit dan hama tersebut, oleh karena itu perlunya pendeteksian otomatis sehingga dapat mendeteksi tahap awal hama dan penyakit pada daun kopi tersebut. Deteksi otomatis dapat dilakukan dengan menerapkan teknologi Computer Vision yaitu Image Classification dan metode Machine Learning. Penelitian ini bertujuan untuk menghasilkan metode yang dapat mengklasifikasikan penyakit dan hama pada daun kopi dengan menggunakan algoritma Machine Learning Random Forest dengan menambahkan kombinasi ekstraksi fitur Haralick dan Color Histogram. Hasil penelitian menunjukkan performa yang sangat baik dimana nilai akurasi yang diperoleh sebesar 98,86%. 
Kombinasi Metode Fitur Ekstraksi untuk Indentifikasi Penyakit pada Daun Teh Siti Khotimatul Wildah; Abdul Latif
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 3 (2023)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v11i3.65172

Abstract

Teh merupakan salah satu minuman yang paling banyak dikonsumsi di dunia, namun produksi teh seringkali terhambat dan mengalami penurunan oleh berbagai penyakit yang mempengaruhi pertumbuhan dan kualitas daun teh. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi penyakit daun teh dengan memanfaatkan teknologi Image Classification dan menerapkan metode kombinasi analisis tekstur Haralick, Color Histogram, Hu Moment dan pengklasifikasian objek menggunakan Random Forest classifier. Dataset yang digunakan dalam penelitian ini dikumpulkan dari perkebunan teh Johnstone Boiyon di Koiwa, Kabupaten Bomet, Kenya dengan jumlah 1510 citra yang terbagi menjadi 8 kelas. Pra pemrosesan pada penelitian ini dilakukan dengan menambahkan tahapan augmentasi data untuk memperoleh jumlah citra yang lebih besar sehingga algoritma dapat mempejalari pola lebih banyak. Hasil penelitian menunjukkan bahwa kombinasi dari metode yang diusulkan mencapai akurasi 99% dengan nilai standard deviasi yang rendah sebesar 0.001055% yang menunjukkan keefektifan kombinasi analisis tekstur Haralick, Color Histogram, dan Hu Moment serta Random Forest Classifier dalam mengklasifikasikan penyakit daun teh.
Deteksi Infeksi pada Daun Kapas menggunakan Kombinasi Metode Ekstraksi Fitur Warna dan Tekstur Siti Khotimatul Wildah; Abdul Latif; Suharyanto Suharyanto
Indonesian Journal on Software Engineering (IJSE) Vol 9, No 1 (2023): IJSE 2023
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/ijse.v9i1.16950

Abstract

Tanaman kapas merupakan salah satu tanaman penting dalam industri tekstil dan pertanian, akan tetapi sering mengalami kendala terutama dalam masalah infeksi yang disebabkan oleh patogen seperti jamur dan bakteri. Deteksi dini dan akurat infeksi pada daun kapas menjadi kunci untuk mengambil langkah pencegahan dan pengendalian yang tepat guna sehingga dapat mengurangi dampak kerugian pada hasil panen dan kualitas serat kapas. Teknologi pengolahan citra telah menunjukkan potensi untuk digunakan dalam deteksi infeksi pada tanaman, khususnya dengan menggunakan metode ekstraksi fitur warna dan tekstur. Penelitian ini bertujuan untuk melakukan kombinasi metode ekstraksi fitur warna untuk mengidentifikasi perubahan warna pada daun kapas yang terinfeksi dan fitur tekstur untuk mengenali pola atau struktur tekstur yang khas dari daun kapas yang terinfeksi serta metode pengklasifikasian Random Forest. Dataset yang digunakan pada penelitian ini terdiri dari 4 jenis citra dengan jumlah citra sebanyak 1786 citra. Hasil penelitian menunjukkan bahwa penggunaan kombinasi metode ekstraksi fitur warna dan tekstur meningkatkan akurasi deteksi infeksi pada daun kapas secara signifikan dibandingkan dengan penggunaan metode ekstraksi fitur tunggal. Model deteksi yang dihasilkan mampu mengenali infeksi pada daun kapas dengan tingkat akurasi yang tinggi dan meminimalkan kesalahan dalam pengklasifikasian. Nilai akurasi yang dihasilkan dari penelitian ini sebesar 0.982683
ANALISIS SENTIMEN TWITTER TERHADAP MENTERI INDONESIA DENGAN ALGORITMA SUPPORT VECTOR MACHINE DAN NAIVE BAYES Siti Nurhasanah Nugraha; Rangga Pebrianto; Abdul Latif; Muhammad Rifqi Firdaus
E-Link: Jurnal Teknik Elektro dan Informatika Vol. 17 No. 1: Mei 2022
Publisher : Universitas Muhammadiyah Gresik

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30587/e-link.v17i1.3965

Abstract

Kabinet Indonesia Maju adalah kabinet pemerintahan Indonesia pada pimpinan Presiden JokoWidodo dan Wakil Presiden Ma’ruf Amin. Dengan dilantiknya para menteri di Kabinet IndonesiaMaju, tokoh politik yang memiliki jabatan dan tanggung jawab sebagai menteri dalammelaksanakan tanggung jawabnya tak lepas dari berbagai opini. Salah satu metode untukmengelompokkan kategori opini pengguna media sosial adalah sentiment analyst. Penelitian inimenggunakan dataset hasil crawling dari twitter dengan kata kunci “Menteri”. Hasil crawlingdiolah menggunakan kedua model algoritma yaitu Support Vector Machine (SVM) dan Naïve Bayes.Penelitian ini membandingkan hasil cross validation algoritma SVM dengan Naïve Bayes. Hasilcross validation dari algoritma SVM menunjukkan nilai accuracy sebesar 89,60%, recall 90,91%,precission 97,64%. untuk algoritma Naïve Bayes dihasilkan accuracy sebesar 85,74%, recall85,74%, precission 100,00%. SVM bekerja memaksimalkan margin antara dua kelas yang berbeda,Naïve Bayes sederhana menerapkan teori probabilitas untuk mencari kemungkinan terbesar dariklasifikasi. Dari hasil tersebut dapat disimpulkan kedua algoritma yang digunakan memberikansolusi untuk masalah klasifikasi dalam kasus analisis sentimen menteri, terlepas dari SVMmenghasilkan akurasi yang lebih baik.
Analysis and Design of Monolithic System Architecture Migration to Microservices at PT. MALINDO Conceptual Approach Ego Oktafanda; Nofri Wandi Al-Hafiz; Abdul Latif; Firman Santosa
JURNAL TEKNOLOGI DAN OPEN SOURCE Vol. 8 No. 1 (2025): Jurnal Teknologi dan Open Source, June 2025
Publisher : Universitas Islam Kuantan Singingi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36378/jtos.v8i1.4265

Abstract

This study analyzes the transition from a monolithic architecture to a microservices architecture within a corporate environment, specifically at PT.MALINDO. While the monolithic architecture was once effective, it now presents several challenges, including maintenance complexity, limited scalability, and frequent occurrences of deadlocks. The analysis highlights the growing need for a more adaptive and flexible system to respond to dynamic business requirements. In this context, a microservices architecture is proposed as a solution to overcome the limitations of the monolithic approach. Microservices break down applications into small, independent services, enabling easier and more efficient development, deployment, and maintenance. By using components such as an API Gateway and message brokers like Apache Kafka, inter-service communications can be managed more effectively, ensuring improved system performance and resilience. The findings indicate that transitioning to a microservices architecture can significantly enhance the system's performance, flexibility, and scalability. The resulting hypothesis suggests that adopting microservices will offer long-term benefits for PT.MALINDO, particularly in addressing system complexity and improving responsiveness to evolving business needs. Recommendations include implementation strategies and change management practices necessary to ensure a smooth and low-risk transit
SINTESA CITRA DAUN KOPI MENGGUNAKAN GENERATIVE ADVERSARIAL NETWORK PADA DATASET PENYAKIT DAUN KOPI Siti Khotimatul Wildah; Abdul Latif; Toto Haryanto
INTI Nusa Mandiri Vol. 19 No. 1 (2024): INTI Periode Agustus 2024
Publisher : Lembaga Penelitian dan Pengabdian Pada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33480/inti.v19i1.5045

Abstract

Coffee, as the second most traded commodity after petroleum, faces production challenges, especially due to pest or disease attacks on coffee leaves. Therefore, it is important to carry out early detection of the disease in order to minimize the risk and apply special treatment. Automatic detection of disease can be done through the application of Computer Vision technology. However, one of the main challenges faced is the limited training dataset. Generative Adversarial Networks (GANs) is a Deep Learning method that is capable of modifying images with high quality. This research aims to synthesize coffee leaf images based on the public Coffee Leaf Disease dataset using the GANs method. Testing was carried out using the RMSProp optimizer, the learning rate was 0.0001 and was carried out for 300 epochs. The architecture built uses 26 layers in the generator model and 15 layers in the discriminator model. The results of the test show that the drilled network obtained an MMSE value of 0.1658, which is not too high because the resulting synthesized image is not very good.
Co-Authors Achmad Baroqah Pohan Ade Suryadi Agung Sasongko Ali Mustopa, Ali Daniati Uki Eka Saputri Ego Oktafanda Firman Santosa Fitra Septia Nugraha Fuad Nur Hasan Kartika Handayani Lisnawanty Muhammad Rifqi Firdaus Muhammad Sony Maulana Nofri Wandi Al Hafiz Rangga Pebrianto Siti Khotimatul Wildah Siti Khotimatul Wildah Siti Nurhasanah Nugraha Suharyanto Suharyanto Taopik Hidayat Toto Haryanto Windu Gata