Article Per Year (5 Year)
p-Index From 2020 - 2025
4.661
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer Jurnal Teknik Informatika UNIKA Santo Thomas Jurnal Teknologi dan Informasi JOURNAL INFORMATICS, SCIENCE & TECHNOLOGY Jurnal ICT : Information Communication & Technology JATI (Jurnal Mahasiswa Teknik Informatika) E-Link: Jurnal Teknik Elektro dan Informatika Jurnal Informatika dan Teknologi Komputer ( J-ICOM) Jurnal Teknik Informatika Unika Santo Thomas (JTIUST) Jurnal Sistem Informasi dan Manajemen
Basysyar, Fadhil Muhammad
STMIK IKMI Cirebon
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Energy

Published : 26 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 26 Documents
Search

 1   2   3 
PENERAPAN ALGORITMA K-NEAREST NEIGHBOR DALAM KLASIFIKASI STATUS STUNTING BALITA DI DESA BOJONGEMAS Widia Pebrianti, Sri; Astuti, Rini; M Basysyar, Fadhil
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8448

Abstract

Stunting pada balita menjadi salah satu permasalahan yang dialami dunia kesehatan. Stunting adalah suatu kondisi masalah kesehatan dengan dampak jangka panjang terhadap pertumbuhan dan perkembangan anak yang biasa terjadi pada periode 0-5 tahun. Kondisi ini dipengaruhi oleh pola makan dan nutrisi yang tidak sesuai dengan kebutuhan, serta berat dan tinggi badan yang tidak sesuai dengan umur. Kegiatan posyandu yang dilakukan setiap bulannya dapat membantu dalam mencegah terjadinya stunting. Kegiatan yang rutin dilakukan dengan cara memantau perkembangan status gizi, status pertumbuhan dan perkembangan anak. KNN adalah salah satu algoritma dalam machine learning yang digunakan untuk klasifikasi. KNN bekerja dengan cara mengukur jarak antara data yang akan diklasifikasi/diprediksi dengan data pelatihan yang sudah ada. Penelitian ini menerapkan teknik data mining dengan menggunakan algoritma K-Nearest Neighbor (KNN). Mengelompokan atau mengklasifikasikan sebuah data. Dalam penelitian ini, data yang diambil adalah usia, berat badan, tinggi badan dan status gizi balita. Pengujian dilakukan dengan aplikasi RapidMiner. Hasil penelitian mendapatkan nilai akurasi sebesar 92% dengan jumlah data sebanyak 503 data. Penelitian ini diharapkan dapat memberikan kontribusi dalam upaya pemantauan kesehatan di Desa Bojongemas. Hasil dapat digunakan sebagai dasar untuk mengidentifikasi balita yang memerlukan perawatan khusus untuk mengatasi masalah stunting. Selain itu, penerapan algoritma K-Nearest Neighbor dalam klasifikasi status stunting balita diharapkan dapat meningkatkan ketepatan identifikasi status stunting sejak dini dan mengoptimalkan upaya pencegahan stunting. Dengan menggunakan K-Nearest Neighbor, deteksi stunting dapat dilakukan lebih efisien dan sangat memungkinkan dalam pemberian perawatan yang tepat pada tahap awal pertumbuhan dan perkembangan anak. Penerapan algoritma k-Nearest Neighbor bukan hanya menghadirkan solusi teknologi informasi yang inovatif, tetapi juga berpotensi memberikan dampak positif bagi kesehatan anak-anak.
PENERAPAN DATA MINING CLUSTERING MENGGUNAKAN METODE K-MEANS PADA DATA TINDAK KRIMINALITAS DI POLRES KABUPATEN KUNINGAN Stedila, Stedila; Astuti, Rini; M Basysyar, Fadhil
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8790

Abstract

Dengan meningkatnya tingkat tindak kriminalitas di Kabupaten Kuningan tentunya data yang akan disimpan akan terus bertambah. Menurut Polres Kabupaten Kuningan jumlah kasus tindak kejahatan yang terjadi di Kabupaten Kuningan pada 3 Tahun terakhir mencapai 800 kasus. Salah satu upaya untuk menanggulangi kejahatan dengan mengetahui pola dan karakteristik dari tindak kejahatan yang terjadi, dengan mengetahui pola dan karakteristik dari tindak kejahatan maka dapat diidentifikasi fakto-faktor yang menyebabkan terjadinya tindak kejahatan. Oleh karena itu, untuk mengelompokan data tindak kejahatan yang terjadi di masyarakat akan memanfaatkan Dara Mining menggunakan metode K-Means Clustering dengan Tools RapidMiner versi 10.3. Nilai Davies Bouldin Index yang dihasilkan dari algoritma k-means ini sebesar 3.323. Pengelompokan data tindak kejahatan ini dapat digunakan oleh Polres Kabupaten Kuningan untuk menentukan pola dan karakteristik dari tindakan kejahatan yang terjadi.
IMPLEMENTASI ALGORITMA X-MEANS UNTUK MENGELOMPOKAN PENJUALAN BARANG DI CILEDUG STORE Tanti, Tanti; M Basysyar, Fadhil
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.9026

Abstract

Dalam menghadapi era mobilitas yang semakin berfokus pada keberlanjutan, kendaraan listrik, khususnya sepeda listrik, muncul sebagai solusi inovatif untuk mendukung masa depan transportasi yang ramah lingkungan. Perusahaan Ciledug Store memiliki kebutuhan untuk memahami pola penjualan sepeda listrik agar dapat mengoptimalkan strategi pemasaran dan persediaan. Oleh karena itu, penelitian ini bertujuan untuk mengelompokkan penjualan barang menggunakan algoritma X-Means, dengan fokus pada kendaraan listrik. Penelitian ini bertujuan untuk menerapkan algoritma X-Means dalam mengelompokkan penjualan sepeda listrik berdasarkan data penjualan di Perusahaan Ciledug Store. Hasil dari penelitian ini diharapkan dapat memberikan wawasan yang berharga terkait preferensi konsumen terhadap jenis sepeda listrik berdasarkan karakteristik baterai. Penelitian ini menggunakan pendekatan Knowledge Discovery In Database dengan menggunakan Algoritma X-Meansuntuk mengelompokkan data penjualan, mengatasi kendala K-Means clustering terkait jumlah cluster yang perlu diketahui sebelumnya. Penelitian ini mencakup periode September-Desember 2023 dengan total 472 data penjualan. Penerapan algoritma X-Means menghasilkan empat cluster. Cluster 0, dengan 451 data produk yang terjual, menunjukkan bahwa sepeda listrik berbaterai 48V/12Ah termasuk dalam kategori laris. Sementara Cluster 1 (13 data), Cluster 2 (2 data), dan Cluster 3 (6 data) menunjukkan sepeda listrik dengan baterai 48V/20Ah, 72V/20Ah, dan 36V/12Ah masuk dalam kategori kurang laris. Davies Bouldin Score yang dihasilkan sebesar 0,220.
PENGELOMPOKKAN JUMLAH PENDUDUK MISKIN DI JAWA BARAT MENGGUNAKAN ALGORITMA K-MEANS Sapitri, Sapitri; Astuti, Rini; M Basysyar, Fadhil
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9600

Abstract

Kemiskinan adalah kondisi ketidakmampuan pendapatan seseorang dalam pemenuhan kebutuhan pokok untuk bertahan hidup sehingga tidak menjamin kelangsungan hidupnya. Kebutuhan hidup meliputi kebutuhan dasar seperti sandang, pangan, tempat tinggal dan pendidikan. Menurut Badan Pusat Statiska penduduk miskin adalah penduduk yang memiliki rata-rata pengeluaran perkapita perbulan dibawah garis kemiskinan. Di daerah Jawa Barat mengalami kenaikan dan penurunan secara tidak stabil. Pengelompokan jumlah kabupaten/kota yang memiliki angka kemiskinan perlu dilakukan setiap tahun nya agar pemerintah dapat mengetahui langkah pencegahan. Pengelompokan jumlah kabupaten/kota yang mengalami kemiskinan dapat dilakukan dengan menggunakan berbagai metode salah satunya dengan menggunakan metode K-Means. K-Means adalah metode pembelajaran tanpa adanya pengawasan yang digunakan untuk mengelompokan jumlah data yang belum dilabel ke dalam cluster-cluster yang berbeda. Penggunaan metode K-Means ini bertujuan mengelompokan jumlah data berdasarkan kabupaten/kota yang tergolong miskin. Tujuan dilakukannya penelitian ini yaitu untuk melakukan pengelompokan pada jumlah data kemiskinan di Jawa Barat sehingga dapat digunakan sebagai informasi untuk menentukan kebijakan yang tepat untuk menyalurkan bantuan kepada masyarakat, proses untuk mendapatkan data yang akurat menggunakan Knowledge Discovery in Databases (KDD). Tujuan dari KDD yaitu proses menemukan dan mengidentifikasi pola-pola dalam data yang valid. Untuk pengolahan data dalam penelitian ini menggunakan RapidMiner.
IMPLEMENTASI DATA MINNING MENGGUNAKAN ALGORITMA REGRESI LINEAR UNTUK PREDIKSI PENJUALAN DAN CASHFLOW DI AYAM GEPREK CAP CANGKIR Alfarisi, Salman; Astuti, Rini; M Basysyar, Fadhil
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9717

Abstract

Ayam geprek merupakan makanan khas Indonesia. Ayam Geprek Cap Cangkir merupakan usaha kuliner yang bergerak di bidang makanan dan minuman. Salah satu tantangan yang dihadapi adalah prediksi penjualan yang masih dilakukan secara manual. Prediksi penjualan secara manual mempunyai beberapa kelemahan, salah satunya adalah rendahnya keakuratan perkiraan penjualan. Hal ini dapat mengakibatkan tidak akuratnya prediksi perhitungan penjualan. Data mining merupakan teknik analisis data yang dapat digunakan untuk memprediksi penjualan. Salah satu algoritma yang dapat digunakan untuk memprediksi penjualan adalah algoritma regresi linier. Regresi linier merupakan teknik statistik yang digunakan untuk memprediksi nilai suatu variabel terikat berdasarkan nilai variabel bebasnya. Penelitian ini bertujuan untuk mengimplementasikan data mining menggunakan algoritma regresi linier untuk memprediksi penjualan pada Ayam Geprek Cap Cangkir. Data yang digunakan dalam penelitian ini adalah data penjualan antara bulan Agustus 2023-Desember 2023. Data tersebut terdiri dari variabel seperti tanggal, jumlah penjualan, dan jenis produk. Pemodelan regresi linier dilakukan dengan menggunakan Rapid Miner. Hasil Prediksi hasil Skor pada Roots Mean Squared Error (RMSE) adalah 69385, sedangkan skor yang dihasilkan pada Relative Eror Score adalah 99.53%. Berdasarkan hasil prediksi yang di dapatkan, penjualan mengalami peningkatan dari hari ke hari dan skor tertinggi di dalam satu tahun prediksi menghasilkan nilai 123212
PENGELOMPOKAN DATA PENJUALAN SEMBAKO BERDASARKAN PERILAKU PEMBELI MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING Husen Adlun, Muhammad; Astuti, Rini; Basysyar, Fadhil M.
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.9806

Abstract

Sembako adalah komoditas yang sangat penting bagi masyarakat. Oleh karena itu, distribusi dan penjualan sembako memiliki peran yang signifikan dalam perekonomian. Supermarket dan toko kelontong berupaya menyediakan produk yang paling diminati konsumen, sambil menyesuaikan strategi penjualan mereka sesuai dengan permintaan dan perilaku pembeli. .Tujuan penelitian ini adalah untuk menganalisis perilaku pembeli dalam data penjualan sembako dan mengelompokkan data tersebut berdasarkan pola pembelian yang sebanding dengan algoritma pengelompokan K-Means. Diharapkan bahwa pemahaman yang lebih baik tentang demografi pembeli dan pola belanja mereka dapat dihasilkan dari penggunaan kelompokan ini dalam strategi pemasaran. Data yang digunakan dalam penelitian ini berasal dari penjualan sembako dari toko selama satu tahun. Informasi tentang jenis produk, jumlah, waktu, dan identitas pembeli termasuk dalam data ini. Hasil dari Clustering ini menunjukkan bahwa hasil perhitungan dan uji coba dari penelitian yang sudah dilakukan, terdapat dua cluster yang telah ditentukan, untuk cluster_0 yang memiliki 1237 item dikategorikan laku, dan untuk cluster_1 memiliki 51 item dikategorikan kurang laku. Dengan nilai Davies Bouldin Index (DBI) 0.234.
PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK ANALISIS KINERJA PENGIRIMAN PAKET SHOPEE EXPRESS DI HUB TRANSIT KEDAWUNG Mauludin, Muhammad Rifqi; Nurdiawan, Odi; Basysyar, Fadhil Muhammad
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5870

Abstract

Penelitian ini bertujuan menganalisis kinerja pengiriman Shopee Express (SPX) di Hub Transit Kedawung menggunakan algoritma K-Means Clustering. Data sebanyak 359 pengiriman dengan 12 atribut dikumpulkan dari operator SPX. Model Knowledge Discovery in Databases (KDD) digunakan dalam penelitian, meliputi pemilihan data, pra-pemrosesan, transformasi, penerapan algoritma K-Means, dan evaluasi model menggunakan Davies-Bouldin Index (DBI). Tahapan pra-pemrosesan mencakup pembersihan data, pemilihan atribut relevan, dan normalisasi data, sementara transformasi dilakukan untuk mengubah atribut nominal menjadi numerik. Hasil evaluasi menunjukkan nilai DBI terbaik sebesar 0.288 dengan jumlah cluster optimal K = 10. Cluster 4 dan Cluster 6 menunjukkan performa terbaik dengan pengiriman tercepat, sedangkan Cluster 7 dan Cluster 9 memiliki tingkat on-hold tertinggi, disebabkan penerima tidak tersedia atau alamat tidak valid. Atribut seperti Driver ID, Zone ID, dan On-hold Reason menjadi faktor signifikan dalam pengelompokan. Penelitian ini memberikan wawasan bagi manajemen logistik SPX untuk meningkatkan efisiensi operasional dengan strategi seperti optimalisasi rute, peningkatan SOP, dan validasi alamat. Hasilnya diharapkan menjadi dasar untuk penerapan lebih lanjut algoritma clustering dalam manajemen logistik skala besar.
PENINGKATAN MODEL ASOSIASI TOKO IKHSAN MENGGUNAKAN ALGORITMA FP-GROWTH Hanafi, Muhammad Salman; Nurdiawan, Odi; Basysyar, Fadhil Muhammad
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5833

Abstract

FP-Growth, Data Mining, Purchase Patterns, Marketing Strategies, Retail Store.
PENGEMBANGAN MEDIA PEMBELAJARAN INTERAKTIF PADA MATERI PENDIDIKAN AGAMA ISLAM BERBASIS ANDROID UNTUK KELAS 4 SEKOLAH DASAR Faturany, Roni; Hayati, Umi; Basysyar, Fadhil Muhammad
JURSIMA Vol 10 No 1 (2022): Jursima Vol. 10 No. 1, April Tahun 2022
Publisher : INSTITUT TEKNOLOGI DAN BISNIS INDOBARU NASIONAL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47024/js.v10i1.381

Abstract

The purpose of this study is to create an interactive learning medium based on Android. using Adobe flash cs6 to support learning in the current pandemic era. The development model used is the ADDIE model. There are four stages of the ADDIE development procedure, namely Analysis, Design, Development, Implementation, and Evaluation, this method is to produce and develop tested and empirical products. Lack of knowledge and use of technology makes elementary school students when doing learning from many who are lazy, causing a decrease in the achievement value of these students. So we need this Android-based interactive learning media to increase the spirit of learning in this pandemic era. This study aims to develop interactive learning media on Android-based Islamic religious education to keep students' values ??stable in Islamic religious education subjects. The results of this study are expected to be used by SD Negeri 2 Patuanan for learning media during the pandemic and continue to improve students to study hard. Keywords: Islamic religious education, Covid 19, Interactive Learning Media
CLUSTERING KELOMPOK BELAJAR SISWA BERDASARKAN HASIL UJIAN SEKOLAH MENGGUNAKAN ALGORITMA K-MEANS Syaefudulloh, Mohammad; Faqih, Ahmad; Basysyar, Fadhil Muhammad
JURSIMA Vol 10 No 1 (2022): Jursima Vol. 10 No. 1, April Tahun 2022
Publisher : INSTITUT TEKNOLOGI DAN BISNIS INDOBARU NASIONAL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47024/js.v10i1.397

Abstract

Introduction: The government has the responsibility of determining national education quality policies and standards and has a role to evaluate the implementation of education in the framework of national education quality control. One way to evaluate the standards of primary and secondary education nationally is the results of the achievement of the National Examination (UN). The quality of students in learning in schools has a lot of diversity this makes students have different levels of understanding this can be seen from the variety of school test scores obtained, this needs to be a concern for the school, especially teachers. One of them is by forming an effective study group so that every student has the opportunity to excel. To find out how to cluster the quality of Astanajapura State High School education based on the results of school test scores. Method: Research conducted using machine learning with K-Means algorithm with sample datasets or secondary data from State High School 1 Astanajapura Class XII which will be used as the material of this study. Method: Research conducted using machine learning with K-Means algorithm with sample datasets or secondary data from State High School 1 Astanajapura Class XII which will be used as the material of this study. Results: The results in this study get a cluster of students, namely students are very prestigious, prestigious and less prestigious. The clustering obtained in this study k = 4 is that there are 145 students categorized into cluster 0 with a DBi value of 0.763. The evaluation results of the K-Means algorithm resulted in a cluster with excellent and good grades, the results of this study can be used as a guideline for teaching teachers in decision making on the formation of student learning groups in Class XII. Discussion: The use of the K-Means method to group is one of the appropriate methods when viewed from the variables to be used, namely school test scores
Co-Authors Abdul Ajiz Abdul Aziz Abdul Rasyid Faiq Hadinata Ade Rizki Rinaldi Ade Rizky Rinaldi Afif Maulana Sidik Ahmad Faqih Arifin, Bagas Adam Delisah Divi Adiffia Freza Alana Faqih, A Faturany, Roni Fitri, Aida Gifthera Dwilestari Hanafi, Muhammad Salman Hayati, Umi Husen Adlun, Muhammad Kaslani Mardiman Mauludin, Muhammad Rifqi Nana Suarna Nining Rahaningsih Odi Nurdiawan Pratama, Handreyan Rizki Putri, Rizqy Amalia Rini Astuti Ririn Ririn Rizki Rinaldi, Ade Rohman, Cep Lukman Saeful Anwar Salim, Asep Yusapra Salman Alfarisi Sayudin Sayudin Sembiring, Rinawati Siti Arofah Stedila, Stedila Suhari Suhari Sulaeman, Muhamad Supandi, Achmad Suprapti I, Tati Susilowati, Nursyatika Berliana Syaefudulloh, Mohammad Tanti Tanti Tuti Hartati Tuti Hartati Widia Pebrianti, Sri Yayah Sarwiyah