Garuda - Garba Rujukan Digital

SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN BANTUAN PUPUK KEPADA KELOMPOK TANI MENGGUNAKAN METODE PROFILE MATCHING Abdul Yunus Labolo
Simtek : jurnal sistem informasi dan teknik komputer Vol 4 No 1 (2019): April 2019
Publisher : STMIK Catur Sakti Kendari

Saat ini program pemerintah bantuan pupuk belum optimal dilaksanakan. Hal ini dikarenakan penyaluran bantuan pupuk belum mengacu pada kriteria yang ada. Dimana proses penyebaran bantuan pupuk tidak mempertimbangkan kriteria dalam proses pembagiannya. Diharapkan aplikasi ini dapat bermanfaat bagi pihak yang terkait.Berdasarkan hasil penelitian Sistem Pendukung Keputusan yang sudah dibuat dapat membantu pihak pengambil keputusan dalam menentukan kualitas Kelompok penerima. Hal ini dibuktikan dengan hasil pengujian yang dilakukan dengan metode white box testing dan bases path testing yang menghasilkan nilai dimana V(G) = 5 dan CC = 5, sehingga didapat bahwa logika flowchart perhitungan normalisasi dan perankingan benar dan berdasarkan pengujian black box yang meliputi uji input proses dan output dengan mengacu pada rancangan perangkat lunak telah terpenuhi dengan hasil sesuai dengan rancangan.

SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE ADDITIVE RATIO ASSESSMENT (ARAS) Abdul Yunus Labolo
Simtek : jurnal sistem informasi dan teknik komputer Vol 5 No 1 (2020): April 2020
Publisher : STMIK Catur Sakti Kendari

Penilaian Kinerja Dosen merupakan suatu yang sangat penting khususnya bagi Dosen di lingkup Universitas Ichsan Gorontalo. Hal ini bertujuan untuk mendorong motivasi serta profesionalisme Dosen dalam peningkatan proses kinerja baik pengajaran, Penelitian dan Pengabdian Kepada Masyarakat. Walaupun selama ini dalam pelaksanaannya berjalan dengan lancar tetapi tentunya perlu adanya pengembangan penilaian kinerja dalam bentuk teknologi. Sehingga Penilaian Kinerja Dosen tidak menjadi lamban dan mengalami kesulitan, Kriteria penilaian terkadang membuat pengolahan data untuk menentukan Kinerja Dosen menjadi lambat. Dalam proses perancangan aplikasi sistem pendukung keputusan penentuan Kinerja Dosen Terbaik ini menggunakan pendekatan ARAS. Metode ARAS (Additive Ratio Assessment) merupakan salah satu metode pengambilan keputusan multikriteria berdasarkan pada konsep perangkingan menggunakan utility degree yaitu dengan membandingkan nilai indeks keseluruhan setiap alternative terhadap nilai indeks keseluruhan alternative optimal. Sistem pendukung keputusan ini dapat memberikan keputusan alternatif terpilih yang nantinya dapat dijadikan sebagai acuan untuk menentukan Kinerja Dosen terbaik. Sistem ini dirancang menggunakan bahasa pemrograman PHP dan MySQL sebagai database.

PENERAPAN METODE FUZZY MAMDANI UNTUK MENDETEKSI PENYAKIT TELINGA PADA PUSKESMAS MARISA Abdul Yunus Labolo; Anas Anas; Betrisandi Betrisandi; Warid Yunus
Simtek : jurnal sistem informasi dan teknik komputer Vol 7 No 1 (2022): April 2022
Publisher : STMIK Catur Sakti Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51876/simtek.v7i1.126

Diagnosa penyakit biasanya dilakukan seorang dokter. Baik itu dokter umum ataupun dengan dokter ahli. Demikian juga dengan penyakit Telinga, Penyakit ini juga ditangani oleh dokter ahli atau spesialis telinga. Diagnosa penyakit dilakukan oleh seorang dokter berdasarkan gejala yang diderita pasien. Kesimpulan penyakit bisa didapat dari gejala penyakit yang timbul dan keluhan dari pasien. Pada saat ini teknologi komputer sudah merambah ke segala bidang tidak terkecuali di bidang kedokteran. Keahlian dari dokter ini akan dituangkan dalam sebuah teknologi komputer. keahlian manusia kedalam computer ini kemudian dikenal dengan Sistem Pakar (Expert System). Sistem pakar untuk mendiagnosa penyakit secara konvensional sudah mulai ditinggalkan karena keakurasiannya kurang. Melihat permasalahan tersebut maka dibuat suatu sistem yang menuangkan keahlian dokter mendiagnosa penyakit Telinga dalam sebuah sistem pakar yang menggunakan Metode Fuzzy Mamdani. Penerapan teknologi sistem pakar ini diharap mampu menciptakan sebuah revolusi dalam teknologi aplikasi yang menjadi basis teknologi tinggi. bahasa pemrograman yang digunakan Adalah PHP 5.4 Keatas dengan database mysql. Adapun hasil pengujian menggunakan metode white box dan black box diperoleh pengujian dengan chyclomatic complexity = 7 dan kesesuaian aplikasi pada pengujian black box

Algoritma Backpropagation Menggunakan PSO Prediksi Penerimaan Retribusi Peminjaman Rumah Adat Dulohupa Sarlis Mooduto; Abdul Yunus Labolo; Andi Bode; Ivo Colanus Rally Drajana
JURNAL TECNOSCIENZA Vol. 6 No. 2 (2022): TECNOSCIENZA
Publisher : JURNAL TECNOSCIENZA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51158/tecnoscienza.v6i2.711

Regional retribution as payment for services or granting certain permits specifically granted and/or issued by local governments for personal or business interests. Gorontalo City Government has several public facilities that are used as a source of regional income in the form of taxes or levies. The Dulohupa traditional house levy carried out by the Gorontalo City Youth and Sports Tourism Office often experiences ups and downs because it is caused by uncertainty about rentals or competition. The purpose of this research is to overcome the existing problems by predicting retribution receipts using the backpropagation method, the use of particle swarm optimization (PSO) to increase the accurate value in predicting. The data collected is daily quantitative univariate time series data. This type of data is the Dulohupa Traditional House Retribution Receipt Data. The dataset taken from the levy receipt variable has 211 records. The best model is generated on the backpropagation algorithm using the particle swarm optimization (PSO) selection feature, which can be seen from the smallest error rate of 0.122. Thus the addition of a selection feature can improve the performance of an algorithm. The results of the predictions for the next four months from January to April which have been denormalized with an average number of predictions of Rp. 1,806,789 with an error value of 0.112.

Penerapan Algoritma Spport Vector Machine dan K-Nearest Neighbor Menggunkan Feature Selection Backward Elimination Untuk Prediksi Status Penderita Stunting Pada Balita Abdul Yunus Labolo; Sarlis Mooduto; Andi Bode; Ivo Colanus Rally Drajana
JURNAL TECNOSCIENZA Vol. 6 No. 2 (2022): TECNOSCIENZA
Publisher : JURNAL TECNOSCIENZA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51158/tecnoscienza.v6i2.713

Stunting adalah malnutrisi yang ditandai dengan tinggi badan, diukur dengan standar deviasi dari WHO. Dinas Kesehatan Provinsi Gorontalo khususnya dibidang Gizi mengenai stunting, selama ini melakukan kegiatan pemantauan tiap-tiap puskesmas dan posyandu. Pemantauan dan pendataan terkait stunting di berbagai puskesmas di wilayah Gorontalo merupakan faktor penting dalam menentukan faktor tumbuh kembang baik dalam kandungan maupun bayi yang dilahirkan. Masalah yang sering muncul adalah data yang dikumpulkan untuk underestimasi selalu tidak akurat setiap bulannya, karena hanya perkiraan yang dihitung berdasarkan kasus Puskesmas. Prediksi yang akurat diperlukan untuk mengatasi permasalahan yang ada. Data mining didefinisikan sebagai ekstraksi informasi berharga atau berguna dari industri pertambangan atau database yang sangat besar. Penelitian ini menggunakan algoritma K-Nearest Neighbor (K-NN) dan Support Vector Machine (SVM) menggunakan feature selection backward elimination. Berdasarkan hasil eksperimen, diprediksi jumlah penderita stunting menggunakan algoritma Support Vector Machine (SVM), dan k-Nearest Neighbor (K-NN) menggunakan Backward Elimination (BE). Tingkat error terkecil hasil RMSE 2,476 pada algoritma k-nearest neighbor. Adapun perbandingan antara hasil prediksi jumlah penderita stunting dibulan januari yaitu 23 orang dengan data aktual jumlah penderita stunting yakni 26 orang. Hasil prediksi menghasilkan nilai keakuratan 88,46%.

COMPARASI ALGORITMA FORECASTING SVM, K-NN DAN NN UNTUK PREDIKSI HARGA CABAI KOTA GORONTALO Abdul Yunus Labolo; Andi Bode; Ivo Colanus Rally Drajana; Jorry Karim
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 6, No 2 (2023): June 2023
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v6i2.1112

The high demand for chilies, especially in Gorontalo, is a driving force for chilli cultivating farmers. The price of chili which is uncertain every day can fluctuate. The Gorontalo City Food Service cannot make predictions to estimate prices in the following month. Prediction is defined as the use of statistical techniques in the form of a picture of the future based on the processing of historical figures. Due to the many algorithms that can be used in predictions, this study will compare forecasting algorithms namely Support Vector Machine (SVM), K-Nearest Neighbor (K-NN) and Neural Network (NN). Experiments that have been carried out, on chili price prediction with forecasting algorithms have been successfully carried out. The root mean square error (RMSE) result of the SVM algorithm is 0.233, the K-NN algorithm is 0.223 and the NN algorithm is 0.206. Of the three forecasting algorithms used, the best results are produced by the Neural Network algorithm with the smallest RMSE value of 0.206. So it can be concluded that the proposed model is close to perfection, because a comparison of the results of implementing chili price predictions for the next three months produces an accuracy value of 99.25% on average

Algoritma Backpropagation Menggunakan PSO Prediksi Penerimaan Retribusi Peminjaman Rumah Adat Dulohupa Sarlis Mooduto; Abdul Yunus Labolo; Andi Bode; Ivo Colanus Rally Drajana
JURNAL TECNOSCIENZA Vol. 6 No. 2 (2022): JURNAL TECNOSCIENZA
Publisher : JURNAL TECNOSCIENZA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51158/tecnoscienza.v6i2.711

Regional retribution as payment for services or granting certain permits specifically granted and/or issued by local governments for personal or business interests. Gorontalo City Government has several public facilities that are used as a source of regional income in the form of taxes or levies. The Dulohupa traditional house levy carried out by the Gorontalo City Youth and Sports Tourism Office often experiences ups and downs because it is caused by uncertainty about rentals or competition. The purpose of this research is to overcome the existing problems by predicting retribution receipts using the backpropagation method, the use of particle swarm optimization (PSO) to increase the accurate value in predicting. The data collected is daily quantitative univariate time series data. This type of data is the Dulohupa Traditional House Retribution Receipt Data. The dataset taken from the levy receipt variable has 211 records. The best model is generated on the backpropagation algorithm using the particle swarm optimization (PSO) selection feature, which can be seen from the smallest error rate of 0.122. Thus the addition of a selection feature can improve the performance of an algorithm. The results of the predictions for the next four months from January to April which have been denormalized with an average number of predictions of Rp. 1,806,789 with an error value of 0.112.

Penerapan Algoritma Spport Vector Machine dan K-Nearest Neighbor Menggunkan Feature Selection Backward Elimination Untuk Prediksi Status Penderita Stunting Pada Balita Abdul Yunus Labolo; Sarlis Mooduto; Andi Bode; Ivo Colanus Rally Drajana
JURNAL TECNOSCIENZA Vol. 6 No. 2 (2022): JURNAL TECNOSCIENZA
Publisher : JURNAL TECNOSCIENZA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51158/tecnoscienza.v6i2.713

Stunting adalah malnutrisi yang ditandai dengan tinggi badan, diukur dengan standar deviasi dari WHO. Dinas Kesehatan Provinsi Gorontalo khususnya dibidang Gizi mengenai stunting, selama ini melakukan kegiatan pemantauan tiap-tiap puskesmas dan posyandu. Pemantauan dan pendataan terkait stunting di berbagai puskesmas di wilayah Gorontalo merupakan faktor penting dalam menentukan faktor tumbuh kembang baik dalam kandungan maupun bayi yang dilahirkan. Masalah yang sering muncul adalah data yang dikumpulkan untuk underestimasi selalu tidak akurat setiap bulannya, karena hanya perkiraan yang dihitung berdasarkan kasus Puskesmas. Prediksi yang akurat diperlukan untuk mengatasi permasalahan yang ada. Data mining didefinisikan sebagai ekstraksi informasi berharga atau berguna dari industri pertambangan atau database yang sangat besar. Penelitian ini menggunakan algoritma K-Nearest Neighbor (K-NN) dan Support Vector Machine (SVM) menggunakan feature selection backward elimination. Berdasarkan hasil eksperimen, diprediksi jumlah penderita stunting menggunakan algoritma Support Vector Machine (SVM), dan k-Nearest Neighbor (K-NN) menggunakan Backward Elimination (BE). Tingkat error terkecil hasil RMSE 2,476 pada algoritma k-nearest neighbor. Adapun perbandingan antara hasil prediksi jumlah penderita stunting dibulan januari yaitu 23 orang dengan data aktual jumlah penderita stunting yakni 26 orang. Hasil prediksi menghasilkan nilai keakuratan 88,46%.

Title

Found 8 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 8 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 8 Documents
Search