Article Per Year (5 Year)
p-Index From 2021 - 2026
2.931
P-Index
This Author published in this journals
All Journal Jurnal Nasional Komputasi dan Teknologi Informasi JOURNAL OF SCIENCE AND SOCIAL RESEARCH Simtek : Jurnal Sistem Informasi dan Teknik Komputer Jurnal Tecnoscienza
Ivo Colanus Rally Drajana
Universitas Pohuwato
Aerospace Engineering Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Mathematics Neuroscience Social Sciences Transportation Other

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search

 1   2   3 
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

Abstract

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
Klasifikasi Nasabah Dalam Pengelolaan Resiko Kredit Menggunakan Metode Nave Bayes Betrisandi Betrisandi; Ruhmi Sulaehani; Ivo Colanus Rally Drajana
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 6, No 6 (2023): Desember 2023
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v6i6.7246

Abstract

Abstrak - Pengelolaan risiko kredit merupakan elemen kritis dalam industri keuangan, di mana perusahaan perbankan dan lembaga keuangan lainnya berupaya untuk meminimalkan risiko gagal bayar peminjam. klasifikasi nasabah menjadi tantangan signifikan dan memegang peranan penting dalam proses pengambilan keputusan kredit. Oleh karena itu, klasifikasi nasabah menjadi suatu aspek penting dalam proses pengambilan keputusan kredit yang dapat membentuk dasar keputusan terkait penentuan suku bunga, plafon kredit, dan pemantauan risiko secara keseluruhan. penelitian ini bertujuan untuk memberikan kontribusi pada pemahaman mendalam terkait metode klasifikasi yang efektif dalam mengelola risiko kredit dengan menggunakan metode klasifikasi, dengan fokus pada pendekatan Naive Bayes, untuk mengatasi permasalahan yang dihadapi dalam klasifikasi nasabah. Kumpulkan data nasabah yang mencakup berbagai fitur atau atribut seperti umur, penghasilan, merek barang, jangka waktu dan jumlah bayar dengan hasil akurasi pada penelitian ini sebesar 87,30% sehingga membantu dalam pengambilan keputusan yang tepat dan akurat dalam memberikan kredit kepada nasabah. Kata kunci: Metode Nave Bayes, Klasifikasi, NasabahAbstract - Credit risk management is a critical element in the financial industry, where banking companies and other financial institutions strive to minimize the risk of borrower default. Customer classification is a significant challenge and plays an important role in the credit decision making process. Therefore, customer classification is an important aspect in the credit decision making process which can form the basis of decisions regarding determining interest rates, credit ceilings and overall risk monitoring. This research aims to contribute to an in-depth understanding of effective classification methods in managing credit risk using classification methods, with a focus on the Naive Bayes approach, to overcome problems faced in customer classification. Collect customer data which includes various features or attributes such as age, income, brand of goods, time period and payment amount with accuracy results in this research of 87,30% thus helping in making the right and accurate decisions in providing credit to customers.Keywords: Nave Bayes Method, Classification, Customer
Sistem Pakar Mendiagnosis Penyakit Tanaman Cabai Merah Menggunakan Metode CBR Farhan Karim; Ivo Colanus Rally Drajana
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 2 (2022): April 2022
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i2.4197

Abstract

Abstrak - Tanaman cabai merah merupakan jenis buah dan tumbuhan dalam anggota genus Capsicum yang masuk dalam komodias sayuran yang banyak dinikmati masyarakat Indonesia. Kabupaten Pohuwato merupakan salah satu wilayah yang menjadi sasaran utama dalam pengembangan tanaman holtikultura. Akan tetapi dalam pengembangannya komoditi ini memiliki beberapa permasalahan salah satunya Hama dan penyakit. Kendala utama dalam mendiagnosa penyakit cabai merah yaitu minimnya pengetahuan petani tentang penyakit tanaman cabai merah, keterbatasan waktu yang dimiliki petani, dan kurangnya jumlah pakar. Dalam mengatasi situasi ini, sistem pakar sangat dibutuhkan. Sistem pakar merupakan program berbasis pengetahuan, dengan sistem pakar dapat dengan mudah mendiagnosa penyakit yang menyerang cabai merah. Penelitian ini menerapkan metode Case Based Reasoning. Metode CBR merupakan metode yang membangun sistem dengan pengambilan keputusan dari kasus baru berdasarkan solusi dari kasus sebelumnya, menyelesaikan kasus baru dengan mengamati kasus lama yang terdekat dengan kasus baru. Sistem ini di bangun dengan 5 penyakit dengan 16 gejala yang memiliki bobot yang berbeda berdasarkan hasil penelitian. Dalam menguji kelayakan sistem dan menghindari kesalahan pada sistem, maka pada penelitian ini telah melakukan pengujian sistem dengan hasil pengujian sistem white box yang dilakukan menghasilkan nilai Cyclomatic Complexity 8, untuk pengujian sistem black box semuanya sesuai dengan tampilan pada sistem.Kata kunci: Sistem Pakar, Cabai Merah, CBR Abstract - The red chili plant is a type of fruit and plant in the genus Capsicum which is included in the vegetable commodity that is widely enjoyed by the people of Indonesia. Pohuwato Regency is one of the areas that are the main targets in the development of horticultural crops. However, in its development this commodity has several problems, one of which is pests and diseases. The main obstacle in diagnosing red chili disease is the lack of knowledge of farmers about red chili disease, the limited time farmers have, and the lack of experts. To overcome this, an expert system is needed. The expert system is a knowledge-based program, with the expert system being able to easily diagnose diseases that attack red chilies. This research uses Case Based Reasoning method. The CBR method is a method that builds a system by making decisions from new cases based on solutions from previous cases, solving new cases by observing the old cases that are closest to the new cases. This system is built with 5 diseases with 16 symptoms that have different weights based on the results of the study. In testing the feasibility of the system and avoiding errors in the system, this research has tested the system with the results of a white box system test that produces a value of Cyclomatic Complexity 8, for testing the black box system everything is in accordance with the appearance on the system.Keywords: Expert System, Red Chili, CBR
Sistem Pendukung Keputusan Bantuan Rumah Rehab Menggunakan Metode Composite Performance Index Merin Nurlaisa Abbas; Ivo Colanus Rally Drajana; Andi Bode
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 6 (2022): Desember 2022
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i6.5152

Abstract

Abstrak - Kemajuan suatu daerah dapat dilihat dari kesejahteraan warganya baik dari segi ekonomi, pendidikan, kesehatan dan lingkungan. Di daerah berkembang, masih banyak ketidak merataan kesejahteraan yang menyebabkan masih banyaknya warga miskin yang membutuhkan bantuan dari pemerintahan. Berdasarkan data Dinas Sosial tingkat kemiskinan masyarakat khususnya di Desa Limbula sebesar 40% sehingga banyak masyarakat miskin yang menempati rumah tidak layak huni. Dengan program rumah rehab yang diprogramkan oleh pemerintah semoga masyarakat Desa Limbula dapat menikmati manfaat khususnya bagi masyarakat miskin. Didasarkan pada hal tersebut maka dibutuhkan suatu system yang dapat membantu dalam menentukan penerima program rumah rehab. Untuk memberikan solusi terhadap permasalahan yang ada pada penelitian ini maka Sistem Pendukung Keputusan menggunakan metode Composite Performance Index (CPI) adalah salah satu solusi yang dapat memudakan prosedur pengambilan keputusan untuk memberikan bantuan rumah rehab kepada masyarakat desa Limbula. Dengan adanya sistem pendukung keputusan ini, penerima bantuan benar-benar dipilih oleh aplikasi ini  sehingganya akan mengurangi nepotisme atau kecurangan dalam menentukan masyarakat penerima bantuan. Berdasarkan hasil pengujian white box dan black box sistem pendukung keputusan penerima bantuan rumah rehab dapat diterapkan secara maksimal di desa Limbula.Kata Kunci: SPK, CPI, Bantuan, Rumah Rehab Abstract - The progress of an area can be seen from the welfare of its citizens in terms of economy, education, health and the environment. In developing areas, there is still a lot of inequality in welfare which causes many poor people to need assistance from the government. Based on data from the Social Service, the poverty rate for the community, especially in Limbula Village, is 40% so that many poor people live in uninhabitable houses. With the rehabilitation house program programmed by the government, it is hoped that the people of Limbula Village can enjoy the benefits, especially for the poor. Based on this, we need a system that can assist in determining the beneficiaries of the rehabilitation house program. To provide solutions to the problems that exist in this study, the Decision Support System using the Composite Performance Index (CPI) method is one of the solutions that can facilitate decision-making procedures for providing rehabilitation housing assistance to the Limbula village community. With this decision support system, beneficiaries are actually selected by this application so that it will reduce nepotism or fraud in determining the beneficiary community. Based on the results of white box and black box testing, the decision support system for beneficiaries of rehabilitation housing assistance can be maximally implemented in Limbula village.Keywords: SPK, CPI, Aid, Rehab House
Prediksi Status Penderita Stunting Pada Balita Provinsi Gorontalo Menggunakan K-Nearest Neighbor Berbasis Seleksi Fitur Chi Square Ivo Colanus Rally Drajana; Andi Bode
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 2 (2022): April 2022
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i2.4205

Abstract

Abstrak - 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 faktor penting. 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. Penelitian ini menggunakan algoritma K-Nearest Neighbor (K-NN) menggunkan Chi Square. Berdasarkan hasil eksperimen, prediksi jumlah penderita stunting telah berhasil dilakukan. Maka nilai hasil dari prediksi tersebut dapat diimplementasikan untuk bahan pertimbangan atau kebijakan didalam pengambilan keputusan. Tingkat error terkecil hasil RMSE 1,200 pada algoritma K-Nearest Neighbor menggunkan Chi Square dibandingkan algoritma K-Nesrest Neighbor tanpa seleksi fitur. Dengan demikian dari hasil eksperimen menunjukan bahwa penambahan seleksi fitur telah menunjukan performa kinerja yang baik pada algoritma K-Nearest Neighbor.Kata kunci: Prediksi, Stunting, K-NN, Chi Square Abstract - Stunting is a nutritional deficiency characterized by height as measured by the WHO standard deviation. The Gorontalo Provincial Health Office, especially in the field of nutrition related to stunting, has so far carried out monitoring activities at every puskesmas and posyandu. Monitoring and data collection related to stunting in various health centers is an important factor. The problem that often arises is that the data collected for underestimation is always inaccurate every month, because only estimates are calculated based on puskesmas cases. Accurate predictions are needed to overcome the existing problems. This study uses the K-Nearest Neighbor (K-NN) algorithm using Chi Square. Based on the experimental results, the prediction of the number of stunting sufferers has been successfully carried out. Then the value of the predicted results can be implemented for consideration or policy in decision making. The smallest error rate is RMSE 1,200 in the K-Nearest Neighbor algorithm using Chi Square compared to the K-Nesrest Neighbor algorithm without feature selection. Thus, the experimental results show that the addition of feature selection has shown good performance on the K-Nearest Neighbor algorithm.Keyword: Prediction, Stunting, K-NN, Chi Square
Sistem Pendukung Keputusan Penerima Bantuan UMKM Menggunakan Metode MAUT Sri Fransiska Pantatu; Ivo Colanus Rally Drajana
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 2 (2022): April 2022
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i2.4207

Abstract

Abstrak - Usaha Kecil adalah usaha ekonomi produktif yang berdiri sendiri, yang dilakukan oleh orang perorangan atau badan usaha yang bukan merupakan anak perusahaan atau cabang perusahaan yang dimiliki, dikuasai, atau menjadi bagian baik langsung maupun tidak langsung. Pemberian Bantun UMKM merupakan salah satu permasalahan yang dihadapi oleh pihak Dinas Perindaq dalam menentukan siapa yang benar-benar berhak menerima bantuan UMKM, pihak Dinas Perindaq masih mengambil keputusan dengan cara subyektif sehingga indikator layak bagi seseorang akan berbeda dengan orang lain. Sistem pendukung keputusan adalah solusi yang dapat dilakukan untuk mengetahui hasil seleksi Penerima Bantuan UMKM dengan menggunakan metode MAUT sehingga dapat diimplementasikan. Dari hasil penelitian yang dilakukan menggunakan PHP dengan database MySQL. Metode MAUT memberikan penilaian hasil akhir dengan melakukan perangkingan dari Nilai Alternatif Tertinggi ke Terendah. Untuk membuktikan kelayakan dari sistem ini telah melalui pengujian sistem dengan hasil CyclometicComplexity = 6 dengan demikian maka sistem ini layak digunakan.Kata kunci: Bantuan UMKM, SPK, MAUT  Abstract - Small Business is a productive economic business that stands alone, which is carried out by individuals or business entities that are not subsidiaries or branches of companies that are owned, controlled, or become part of either directly or indirectly. The provision of MSME assistance is one of the problems faced by the Industry and Trade Office in determining who is really entitled to receive MSME assistance, the Industry and Trade Office still makes subjective decisions so that the correct indicator for a person will be different. from other people. The decision support system is a solution that can be done to find out the results of the selection of MSME Assistance Recipients using the MAUT method so that it can be implemented. From the results of research conducted using PHP with MySQL database. The MAUT method provides an assessment of the final results by ranking from the Highest Alternative Value to the Lowest. To prove the feasibility of this system, the system has been tested with the results of Cyclometic Complexity = 6, thus this system is feasible to use.Keywords: Asistance UMKM, SPK, MAUT
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

Abstract

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.
Aplikasi Diagnosa Penyakit Tanaman Cabai Merah menggunakan Algoritma K-Nearest Neighbor Sunarto Taliki; Serwin Serwin; Jabal Nur; 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.v6i2.712

Abstract

Tanaman cabai merah merupakan komoditas holtikultura yang begitu sangat penting bagi kebutuhan dan keperluan manusia, seperti, ramuan obat-obatan tradisional, sebagai bumbu untuk makanan, dimakan bersama makanan ringan dan lain-lain. Dilihat dari tingkat serangan dan kondisi pertanian cabai merah di lapangan saat ini masi terkendala dengan belum adanya rekomendasi metode pengendalian yang efektif sehingga petani cenderung menggunakan pastisida kimia yang berdampak negatif terhadap lingkugan. Untuk mendiagnosa berbagai jenis penyakit yang menyerang tanaman cabai merah diperlukan seorang pakar/ahli. Pada peniltian ini akan membangun sebuah aplikasi yang dapat mendiagnosa dan memberikan solusi kepada petani mengenai masalah penyakit tanaman cabai merah. Aplikasi sistem pakar diagnosa penyakit tanaman cabai dapat diimplementasikan dengan melihat hasil pengujian berdasarkan konsultasi diagnosis serta solusi yang diberikan. Hal ini dapat dilihat pada jenis penyakit Busuk Akar dengan gejala kasus G01, G02 nilai Bobot 3.1, Gejala Dipilih (Benar) dan Nilai Kedekatan K-NN (3/4) = 0.75.
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

Abstract

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%.
Perbandingan Metode Forecasting K-NN, NN dan SVM Untuk Peramalan Jumlah Produksi Coconut Oil Ivo Colanus Rally Drajana; Marniyati H. Botutihe
JURNAL TECNOSCIENZA Vol. 7 No. 2 (2023): JURNAL TECNOSCIENZA
Publisher : JURNAL TECNOSCIENZA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51158/tecnoscienza.v7i2.919

Abstract

Abstrak Tanaman pohon kelapa memiliki banyak bagian yang dimanfaatkan, sehingga tumbuhan ini dianggap tumbuhan serbaguna. Minyak kelapa (coconut oil) dihasilkan oleh buah pohon kelapa salah satunya adalah buah kelapa yang diolah menjadi minyak kelapa (coconut oil). Peramalan sangat diperlukan untuk meramalkan jumlah produksi minyak kelapa (coconut oil) pada sebuah perusahaan untuk mencapai target produksi. Penelitian ini memiliki tujuan untuk membandingkan metode forecasting untuk mendaptkan model terbaik. Dari hasil eksperimen menggunakan data sales order (SO) di peroleh model terbaik untuk peramlan menunjukkan bahwa model yang terbaik dihasilkan oleh algoritma Support Vector Machine (SVM) dilihat dari hasil RMSE terkecil yaitu 0,172 jika di bandingkan dengan model K-Nearest Neighbor (K-NN) dan model Neural Network (NN).
Co-Authors Abdul Yunus Labolo Abdul Yunus Labolo Andi Bode Andi Bode Betrisandi, Betrisandi Farhan Karim Jabal Nur Jorry Karim Marniyati H. Botutihe Merin Nurlaisa Abbas Nur, Muh Jabal Sarlis Mooduto Serwin Sri Fransiska Pantatu Sulaehani, Ruhmi Sunarto Taliki