Article Per Year (5 Year)
p-Index From 2021 - 2026
2.133
P-Index
This Author published in this journals
All Journal METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Jiko (Jurnal Informatika dan komputer) JURTEKSI International Journal of Basic and Applied Science Jurnal Sains Teknologi dan Sistem Informasi Prosiding Snastikom INTERNATIONAL JOURNAL OF MECHANICAL COMPUTATIONAL AND MANUFACTURING RESEARCH Journal of Computer Science and Research Jurnal Pemberdayaan Kepada Masyarakat
M. Safii
STIKOM Tunas Bangsa
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Library & Information Science Mechanical Engineering Physics

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
ANALYSIS OF THE BACKPROPAGATION ALGORITHM IN PREDICTING WATER VOLUME OF PDAM TIRTAULI PEMATANG SIANTAR CITY Saputra Ramadani; Anjar Wanto; M. Safii
JURTEKSI (Jurnal Teknologi dan Sistem Informasi) Vol 10, No 2 (2024): Maret 2024
Publisher : STMIK Royal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v10i2.2893

Abstract

Abstract: Increasing living standards cause an increase in the need for drinking water. However, current water supply estimates are still not optimal, with water production sometimes being more or less than requirements. To estimate the amount of water, an appropriate method is needed. The method used in this research is the back propagation algorithm artificial neural network method. When developing forecasts, past data is necessary to produce accurate results. This research aims to develop a predictive model that can estimate the volume of water that will be used by PDAM Tirtauli in the future. It is hoped that this predictive model can help PDAMs in planning more efficient water supply management and can reduce the potential for water supply shortages in the future. This research uses water distribution data for the 2015-2022 period. Training data starts in 2015-2021, testing data starts in 2016-2022. In this research, results were obtained using the Matlab R2011a application. In this research, the 5 architectures used are architecture 6-53-1, 6-58-1, 6-61-1, 6-81-1, 6-87-1. Based on these five architectures, the best architecture was obtained, namely architecture 6-87-1 with a root mean square error test value of 0.00010031 and an accuracy of 92%. The results achieved in 2023 are the total water volume of PDAM Tirtauli Pematangsiantar of 189,610,426.                                                                                            Keywords: backpropagation; distribution; PDAM; prediction; water   Abstrak: Meningkatnya taraf hidup menyebabkan meningkatnya kebutuhan akan air minum. Namun, perkiraan pasokan air saat ini masih belum optimal, dengan produksi air kadang-kadang lebih atau kurang dari kebutuhan. Untuk memperkirakan jumlah air diperlukan suatu metode yang sesuai. Metode yang digunakan dalam penelitian ini adalah metode jaringan syaraf tiruan algoritma back propagation. Saat mengembangkan perkiraan, data masa lalu diperlukan untuk menghasilkan hasil yang akurat. Penelitian ini bertujuan untuk mengembangkan model prediktif yang dapat memperkirakan volume air yang akan digunakan oleh PDAM Tirtauli di masa mendatang. Model prediktif ini diharapkan dapat membantu PDAM dalam perencanaan pengelolaan pasokan air yang lebih efisien dan dapat mengurangi potensi kekurangan pasokan air pada masa yang akan datang. Penelitian ini menggunakan data sebaran air periode 2015-2022. Data pelatihan dimulai pada tahun 2015-2021, data pengujian dimulai pada tahun 2016-2022. Pada penelitian ini diperoleh hasil dengan menggunakan aplikasi Matlab R2011a. Pada penelitian ini 5 arsitektur yang digunakan adalah arsitektur 6-53-1, 6-58-1, 6-61-1, 6-81-1, 6-87-1. Berdasarkan kelima arsitektur tersebut diperoleh arsitektur terbaik yaitu arsitektur 6-87-1 dengan nilai uji root mean square error sebesar 0,00010031 dan mendapatkan akurasi sebesar 92%. Hasil yang dicapai pada tahun 2023 adalah total volume air PDAM Tirtauli Pematangsiantar sebesar 189.610.426. Kata Kunci: air; backpropagation; distribusi; PDAM; prediksi 
Pelatihan Membuat Grafik Interaktif Dan Presentase Data Menarik Dengan Microsoft Excel Di Smk Tritech Indonesia Elida Tuti Siregar; Ommi Alfina; Dedek Ardi Saputra; Frans Ikorasaki; M. Safii
Battuta-Jurnal Pemberdayaan Masyarakat Vol 2 No 1 (2025): Edisi Januari
Publisher : LPPM Universitas Battuta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Grafik merupakan tampilan visual untuk penyajian data memudahkan dalam pengambilan keputusan menggunakan microsoft excel representasi data yang informatif dan relevan.pelatihan membuat grafik interaktif ini bertujuan membekali siswa  menginterpretasi penyajian  dan presentase data yang menarik dan mudah difahami.siswa smk tritech indonesia dapat meningkatkan keterampilan analitis dan kemampuan berpikir kritis siswa dalam pengolaan data , serta siswa siswi mereka untuk menghadapi tantangan dunia kerja dengan keterampilan yang praktis dan aplikatif. , kemampuan menganalisis dan memvisualisasikan data menjadi keterampilan yang sangat penting, terutama di dunia pendidikan dan industry Salah satu fungsi yang sering digunakan dalam analisis data adalah COUNTIF, yang memungkinkan pengguna untuk menghitung jumlah data berdasarkan kriteria tertentu. Namun, banyak siswa di SMK Swasta Tritech Indonesia yang masih kurang memahami penggunaan Excel dalam analisis data dan pembuatan grafik interaktif. Oleh karena itu, pelatihan ini dirancang untuk meningkatkan kemampuan siswa dalam menggunakan COUNTIF dan grafik interaktif di Excel.
Hybrid Feature Selection dan Ensemble Learning untuk Klasifikasi Risiko Stunting Anak di Indonesia Ommi Alfina; Nita Syahputri; M. Safii; Muhammad Taufiq Rustam
METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol. 10 No. 1 (2026): METHOMIKA: Jurnal Manajemen Informatika & Komputersisasi Akuntansi
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/jmika.Vol10No1.pp107-111

Abstract

Stunting is a chronic nutritional problem that remains a major public health issue in Indonesia. This study aims to develop a classification model for stunting risk in children using a combination of hybrid feature selection and ensemble learning methods. The dataset used is derived from socio-economic and health data obtained from the Central Statistics Agency and open datasets. The research method includes data preprocessing, feature selection, model development using Random Forest and Gradient Boosting combined with a Voting Classifier, and evaluation using accuracy, precision, recall, F1-score, and ROC-AUC metrics. The results show that the proposed model achieves high performance with accuracy reaching 98% and ROC-AUC close to 1. The hybrid feature selection successfully improves model efficiency by selecting relevant features. This study demonstrates that the integration of feature selection and ensemble learning can produce an accurate and interpretable model for early detection of stunting risk.
Co-Authors Abdi Rahim Damanik Afifah Wulandari Akbar Fahri Hambali Aron Saputra Sirait Bahrudi Efendi Damanik Dedek Ardi Saputra Dedi Suhendro Dessy Dwi Angraini elfrida lucyana hutahaean Elida Tuti Siregar Fitri Anggraini Frans Ikorasaki Indra Gunawan Irawan Irawan Lena Sapura Muhammad Rafai Muhammad Taufiq Rustam Murniati Rambe Nita Syahputri Ommi Alfina Ommi Alfina Saputra Ramadani Sundari Retno Andani Susi Septi Hardiani Syahrial Azmi Pohan Tri Febri Damayanti Wanto, Anjar