Garuda - Garba Rujukan Digital

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

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

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

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.

E-Commerce untuk Penjualan Arang Tempurung berbasis Android Suhardi Rustam; Sumarni Sumarni
ILKOM Jurnal Ilmiah Vol 12, No 3 (2020)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v12i3.657.200-207

Pengolahan limbah kelapa di gorontalo utara umumnya diolah secara tradisional yang tidak jelas kualitasnya, sehingga menyebabkan keragaman olahan limba kelapa sangat tinggi. Penumpukan Limbah kelapa dan pengelolaan yang tidak memenuhi standar sehingga tidak memiliki nilai ekonomis bagi masyarakat. Pada permasalahan ini maka diperlukan adanya Pembinaan kepada para petani kelapa di gorontalo utara. Oleh karena itu menyajikan pembuatan aplikasi kepada petani kelapa dalam bentuk e-commerce yang mampu memberikan kemudahan menjual untuk para petani kelapa dengan tampilan yang menarik. E-commerce yang terdapat dalam bentuk aplikasi android, fokus penelitian untuk merancang e-commerce penjualan melalui handphone dalam memasarkan produk arang tempurung dari limbah kelapa. Sehingga pada penelitian ini ditemukan beberapa permasalahan yang menjadi fokus penelitian untuk menangani tentang kesulitan para petani kelapa memasarkan produk arang tempurung dari limbah kelapa dan masih banyak petani yang sulit memaksimalkan pemasaran di internet melalui handphone. Ruang lingkup penelitian ini adalah perancangan e-commerce dengan media internetnya adalah handphone, sehingga permasalahan pada penerapan e-commerce arang tempurung menjadi mudah untuk diimplementasikan. Hasil penelitian ini setelah perancangan e-commerce ini dapat membantu masyarakat untuk mengatasi kesulitan memasarkan produk turunan kelapa atau produk limbah kelapa yang telah memberikan nilai ekonomi dan sebagai sumber alternatif penghasilan ekonomi keluarga atau komunitas masyarakat pada aspek pemasaran digital.

Klasifikasi Topik Tugas Akhir Mahasiswa menggunakan Algoritma Particle Swarm Optimization dan K-Nearest Neighbor Sumarni Sumarni; Suhardi Rustam
ILKOM Jurnal Ilmiah Vol 12, No 2 (2020)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v12i2.604.168-175

Problems the Topic of the final project is a form of scientific writing that contains the results of observations from a study of the problems that occur with the use of methods related to the particular field of science. Every student in every program of study must draw up a final project. However, before embarking on writing the final project, each student must have the topic area as a destination, the step of selection the topic of final project is an initial step before working on the final task. One way to get the final task is to see the value of general courses as well as courses, concentration majors, the value of which dominate the is is decent to scope the research topic. this research is conducted on the application of the method of K-Nearest Neighbor (KNN) for categorization of the value of the courses of concentration for the coverage of the research topic, topic the entire value in the dataset will be classified by KNN and in the optimization with the Particle swarm Optimization algorithm (PSO). The experimental categorization of the final project is built with the training data Mahasiswa Universitas Ichsan Gorontalo that has been classified previously and test data derived from the entire value of the courses is not yet known categories. The results of the experiments, the value of the resulting accuracy of algorithms KNN, namely the value of the best accuracy with K=3, K Folds = 10 has an accuracy that is 72.46% and the Algorithm of KNN-PSO best accuracy with K=3, K Folds = 10 has an accuracy that is 89.86%, shows the accuracy is better by using the optimization algorithm

ANALISA CLUSTERING PHISING DENGAN K-MEANS DALAM MENINGKATKAN KEAMANAN KOMPUTER Suhardi Rustam
ILKOM Jurnal Ilmiah Vol 10, No 2 (2018)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v10i2.309.175-181

Almost the crime in cyber is a condition of criminal activity using computers or computer networks as tools and also as a target. Fraud in academic websites the most at risk. The action of Phishing is on the rise. Recorded globally, the number of fraudulent mode phishing 42% of the mode in addition to phishing which is stated in the website Anti-Phishing Working Group (APWG) in its monthly report, noting there 12.845 e-mail new and unique as well as 2.560 a fake site that is used as a means of phishing, in Addition to increase the quantity, the quality of the attacks is also increasing, the need for the work done by the network administrator in improving surveillance in monitoring activity on the network, in the action of data theft will perform the action of manipulating someone with the appearance of a particular web site. In this study a set of datasets will be clustering using k-means, K-Means algorithm will classify the dataset, resulted in the identification of phishing that is accurate and certifiable. With the results of this research iteration=10, the K-Fold=2 the of the Bouldin Davis index = 0.119.

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

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.

OPTIMASI K-MEANS CLUSTERING UNTUK IDENTIFIKASI DAERAH ENDEMIK PENYAKIT MENULAR DENGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DI KOTA SEMARANG Suhardi Rustam; Heru Agus Santoso; Catur Supriyanto
ILKOM Jurnal Ilmiah Vol 10, No 3 (2018)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v10i3.342.251-259

Tropical regions is a region endemic to various infectious diseases. At the same time an area of high potential for the presence of infectious diseases. Infectious diseases still a major public health problem in Indonesia. Identification of endemic areas of infectious diseases is an important issue in the field of health, the average level of patients with physical disabilities and death are sourced from infectious diseases. Data Mining in its development into one of the main trends in the processing of the data. Data Mining could effectively identify the endemic regions of hubunngan between variables. K-means algorithm klustering used to classify the endemic areas so that the identification of endemic infectious diseases can be achieved with the level of validation that the maximum in the clustering. The use of optimization to identify the endemic areas of infectious diseases combines k-means clustering algorithm with optimization particle swarm optimization ( PSO ). the results of the experiment are endemic to the k-means algorithm with iteration =10, the K-Fold =2 has Index davies bauldin = 0.169 and k-means algorithm with PSO, iteration = 10, the K-Fold = 5, index davies bouldin = 0.113. k-fold = 5 has better performance.

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

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

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

Title

Found 11 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 11 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 11 Documents
Search