Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
P-Index
This Author published in this journals
All Journal ILKOM Jurnal Ilmiah JurTI (JURNAL TEKNOLOGI INFORMASI) Simtek : Jurnal Sistem Informasi dan Teknik Komputer Jurnal Teknologi Komputer dan Sistem Informasi
Suhardi Rustam
Universitas Ichsan Gorontalo
Computer Science & IT Electrical & Electronics Engineering Engineering

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
PENERAPAN OPTIMASI JUMLAH KLUSTER PADA KMEANS UNTUK PENGELOMPOKAN KELAS MATA KULIAH KOSENTRASI MAHASISWA SEMESTER AKHIR Suhardi Rustam
Simtek : jurnal sistem informasi dan teknik komputer Vol 5 No 1 (2020): April 2020
Publisher : STMIK Catur Sakti Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (221.366 KB) | DOI: 10.51876/simtek.v5i1.64

Abstract

trending universitas sebagai institusi pendidikan memiliki peranan penting atas kemampuan lulusan, besarnya kapasitas data yang dimiliki universitas diperlukan optimasi dalam pengolahan data. Data-data tersebut diantaranya tentang data akademik mahasiswa. jumlah data akademik mahasiswa semester akhir juga sangat melimpah, melimpahnya data tersebut sampai sekarang menimbulkan permasalahan tentang pengelompokan kelas kompetensi mahasiswa sesuai bidang minat dan keahlian. Melimpahnya data namun tidak memberikan pengetahuan apapun sehingga tidak bermanfaat bagi universitas terutama fakultas kecuali pengetahuan administratif. Ribuan mahasiswa yang aktif pada Universitas ichsan gorontalo disertai dengan jumlah lulusan yang masih kurang ideal setiap periode lulusan, dengan pemodelan optimasi jumlah kluster pada kmeans maka akan menghasilkan kluster kelompok untuk kuliah konsentrasi dari masing-masing kluster yang dihasilkan, setelah dilakukan pengklasteran maka hasil yang akan didapat akan di visualisasikan dalam bentuk grafik chart, Data akademik yang akan digunakan yaitu data mahasiswa angkatan 2016-2017 yang telah mengambil kelas mata kuliah kosentrasi. Penerapan optimasi jumlah kluster pada algoritma KMeans dimana K=5 mengahasilkan kluster untuk mengelompokkan Kelas Mata Kuliah Kosentrasi mahasiswa semester akhir dan masing-masing kluster tersebut memiliki nilai optimasi kluster serta faktor penyebab paling banyak pemilihan kelas kosentrasi adalah nilai mata kuliah utama program studi.
KLASIFIKASI KOMPTENSI MAHASISWA DENGAN ALGORITMA DECISION TREE DALAM MENETUKAN KELAYAKAN MATA KULIAH KOSENTRASI Suhardi Rustam
Simtek : jurnal sistem informasi dan teknik komputer Vol 5 No 2 (2020): Oktober 2020
Publisher : STMIK Catur Sakti Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51876/simtek.v5i2.76

Abstract

Permasalahan yang selalu menjadi rutinitas yang di alami jurusan dalam fakultas adalah mengelompokan mahasiswa yang akan memilih mata kuliah kosentrasi, mata kuliah kosentrasi adalah kelompok mata kuliah jurusan yang akan memfokuskan mahasiswa dalam menekuni satu topik keilmuwan dan akan berlanjut ke topik penelitian dalam penyelesaian tugas akhir. Komptensi yang diasah dalam mata kuliah kosentrasi adalah sesuai dengan kemampuan yang diperoleh dari mata kuliah yang telah diperoleh dari mata kuliah di semester sebelumnya, kekurangtepatan dalam mengkalisifikasi mahasiswa ikut mempengaruhi proses optimalisasi komptensi dan lulus tidak tepat waktu, Algoritma Decision tree yang memilikan karakteristik percabangan akar (tree). eksperimen ini menggunakan tools rapidminer dalam memproses model klasifikasi berbasis decision tree dengan algoritma C4.5 dari dataset yang telah dipreprosessing yang berfungsi untuk membersihkan missing value dan outlier, hasil pengklasifikasian kompetensi dengan algoritma decision tree menggunakan algoritma C4.5 adalah dengan hasil akurasi 89.86%, classification_error 10.14% dan weight mean recall 90.34%. hasil akurasi yang didapatkan merupakan hasil yang terbaik
SISTEM PENDUKUNG KEPUTUSAN DENGAN AHP DALAM MENGARAHKAN BAKAT SISWA SMPN 1 TOMILITO GORONTALO UTARA Suhardi Rustam; Sumarni Sumarni
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.v7i1.115

Abstract

Sistem Pendukung Keputusan merupakan suatu pendekatan yang sistematis terhadap suatu masalah dengan mengumpulkan fakta-fakta, penentuan matang dari alternatif yang di hadapi sebagai permasalahan, Dataset tersebut adalah dataset yang akan digunakan dalam eksperimen dengan variable rata-rata nilai ujian nasional, rata-rata nilai raport, jumlah nilai raport. Beberapa hasil eksperimen telah menggunakan algoritma AHP yang menfokuskan pada studi kasus dilokasi penelitian dengan dengan tambahan variable dari penelitian sebelum sehingga dapat berkontribusi dan menjadi bahan pertimbangan keputusun bagi pihak sekolah dalam mengembangkan potensi bakat siswa di SMPN 1 Tomilito Gorontalo Utara, proses perhitungan bobot kriteria untuk melihat tingkat kepentingan masing-masing dan antar kriteria dalam dataset maka maka dapat dihitung antara Nilai UN dengan Nilai UN =1 , Nilai UN dengan Nilai Raport = 3, Nilai UN dengan Nilai MP=3, Nilai Raport dengan Nilai UN = 0,3333, Nilai Raport dengan Nilai Raport=1, Nilai Raport dengan Nilai MP=2, Nilai MP dengan Nilai UN=0,3333, Nilai MP dengan Nilai Raport=0,5, Nilai MP dengan Nilai MP =1, hasil perangkingan dari perhitungan bobot, akan dijadikan data pertimbangan dan rekomendasi sebagai system pendukung keputusan ini untuk mengarahkan bakat sesuai prioritas rangking dari hasil perangkingan pengarahan bakat siswa.
AKADEMIK DATA MINING (ADM) K-MEANS DAN K-MEANS K-NN UNTUK MENGELOMPOKAN KELAS MATA KULIAH KOSENTRASI MAHASISWA SEMESTER AKHIR Suhardi Rustam; Haditsah Annur
ILKOM Jurnal Ilmiah Vol 11, No 3 (2019)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v11i3.487.260-268

Abstract

University as an educational institution plays an important role in producing graduates. In addition, institutions such as universitas ichsan Gorontalo save the data set. These Data include about student academic data.In the academic field, every semester, increasing the amount of data recorded with data from academic activities. It is like there is a Tsunami of data which indicate that these data are very abundant but do not give any knowledge that is not beneficial to the university, especially the faculty except the knowledge administrative. Universitas ichsan Gorontalo with the number of students reached 9000 people which is accompanied by the number of graduates is still less than ideal any period graduate, it is necessary to apply the pattern determination grade concentration courses effective for the achievement ability of students, academic Data will be used namely the data of the students 2016-2017 who has taken class subjects concentration. The application of K-Means algorithm and K-Means KNN where K=2 result in a cluster for grouping of a Class Focus on the students semester end and each cluster has a predictive value for the second klustering such, the Value of the resulting Accuracy of Algorithms KNN, namely the AUC (Area Under The Curve) =1, the Value of CA=1, the value of F1=1, the value of the precision=1 and recall=1, and the value of accuracy as the best value.
Analisa Bonus Demografi Dengan Algoritma Machine Learning Di Kabupaten Gorontalo Utara Sumarni Sumarni; Suhardi Rustam
JTKSI (Jurnal Teknologi Komputer dan Sistem Informasi) Vol 6, No 1 (2023): JTKSI (Jurnal Teknologi Komputer dan Sistem Informasi)
Publisher : STMIK Pringsewu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56327/jtksi.v6i1.1391

Abstract

Nationally, Indeks has entered the demographic bonus era since 2012 and is predicted to end in 2037. The demographic Bonus is the period during which 100 productive people are dependent on the unproductive population of a country below 50. The results of the 2020 population census recorded that the population in Gorontalo province reached 1,171,681 people, a data source from the Central Statistics Agency (BPS) of Gorontalo province. Not increasing opportunities in such a rapid digital era makes employment decline, especially in labor-intensive activities. On the other hand, the advancement of information technology opens up many new business opportunities. This is the challenge of this nation in welcoming the demographic bonus. Demographic Bonus in Gorontalo. The problem of the impact of the demographic bonus in addition to the ongoing covid 19 pandemic also holds many problems that will also have an impact on uneven economic recovery, unemployment,stunting, and poor nutrition. The government’s efforts to overcome and control population growth have had an impact on changes in the demographic structure of the population in Gorontalo. The purpose of this study is to produce a product description of knowledge pattern analysis of population data in the province of North Gorontalo from data extraction with machine learning algorithms. Clustering analysis, the experimental results with K-Means model k value with the best bouldin indeks feature is at K=3, for classification analysis with decision tree model of the demographic dataset of North Gorontalo region has an accuracy of 89.29% while using the random forest model reaches 100% accuracy.
IMPLEMENTASI PENDUKUNG KEPUTUSAN DENGAN AHP UNTUK KARYAWAN TERBAIK DI PENGADILAN AGAMA GORONTALO UTARA Suhardi Rustam; Sumarni
Simtek : jurnal sistem informasi dan teknik komputer Vol. 8 No. 1 (2023): April 2023
Publisher : STMIK Catur Sakti Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51876/simtek.v8i1.250

Abstract

Pemilihan Pegawai terbaik di kantor Pengadilan Agama Kwandang masih kurang baik. Salah satu solusi, memilih Pegawai Terbaik di lingkungan Pengadilan Agama Kwandang adalah dengan membuat Sistem Pendukung Keputusan (SPK).Peneltian ini bertujuan untuk menjadi bahan pertimbangan bagi pimpinan dalam menentukan Pegawai Terbaikdi kantor Pengadilan Agama Kwandang dan menerapkan Sistem pendukung Keputusan dalam menentukanPegawai Terbaik di kantor Pengadilan Agama Kwandang. Dengan penggunaan metode Annalytical Hierarchy Process (AHP) untuk membantu pihak Kantor Pengadilan Agama dalam pemilihan pegaiwai terbaik dengan menentukan nilai Bobot dari setiap Kriteria serta melakukan perbandingan berpasangan untuk memperoleh hasil perengkingan pada pegawai, kriteria yang digunakan yaitu Kriteria Masa Kerja, Kehadiran, Kedisiplinan, dan Prestasi dari hasil pengolahan 15 pegawai sebagai sempel diperoleh hasil pegawai yang nilainya baik dan telah di uji pada pegawai untuk menentukan pegawai terbaik
Implementasi Algoritma AHP Dalam Penentuan Penerima Bantuan Jamban di Desa Titidu Kwandang Suhardi Rustam; Sumarni sumarni
JurTI (Jurnal Teknologi Informasi) Vol 7, No 2 (2023): DESEMBER 2023
Publisher : Universitas Asahan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36294/jurti.v7i2.3750

Abstract

The provision of latrine assistance addresses problems to the community and is at the same time one of the important efforts in improving sanitation and Public Health. The Titidu village government has provided toilet assistance to underprivileged communities since 2015 with a total of 25 RTM. From the results of data collection in Titidu Village, the following data are presented on the recipients of Titidu Village latrines for the last three years 2017 to 2019.in the process of determining the acceptance of latrine assistance still makes it difficult for the Titidu village government which allows problems to occur in data processing, namely determining that people cannot afford to receive latrine assistance amid the large number of data on the underprivileged population in Titidu Village. In this study will design a Decision Support System for latrine recipients using the AHP method and as a Decision Support System to determine the recipient of latrine assistance, that the system for determining the recipient of latrine assistance will be used by the Admin, village government and Village Head. The Admin is titidu village staff in charge of inputting criteria data and the assessment selection process, the admin can also access the data of latrine recipients and get the selection results. The user of the Pemdes system is the head of the Government section in charge of inputting data on latrine recipients, and the other system user is the head of Titidu village who will receive the results of the selection of latrine aid recipients. the results of this study are by using 60 data and experimental results of recipients with ranked weighting, 5 people who deserve to be given toilet assistance according to the highest to lowest weighting results, namely Djafar Polamolo, Suleman Amir, Azis Laiya, Wani Paliki and Yunus Ibrahim. And also have obtained the performance and effectiveness of Decision Support Systems latrine beneficiaries using the method Analitycal Hierachy Process (AHP).
Co-Authors Haditsah Annur Sumarni