Articles
<![CDATA[PENGELOMPOKAN BUAH JERUK MENGGUNAKAN NAïVE BAYES DAN GRAY LEVEL CO-OCCURRENCE MATRIX ]]>
<![CDATA[Haba, Rahmat Karim]]>;
<![CDATA[Pelangi, Kartika Chandra]]>
<![CDATA[ ILKOM Jurnal Ilmiah Vol 12, No 1 (2020) ]]>
Publisher : <![CDATA[Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1951.348 KB)
|
DOI: 10.33096/ilkom.v12i1.494.17-24
<![CDATA[Tangerines are fruits that are rich in high vitamin C content. Every orchard owner always tries to improve the quality of their plantation. In the selection of tangerines to be classified as ripe or immature at harvest time, the garden planters are already accustomed, but sometimes the farmer grouping the ripe oranges has problems such as physical limitations of the farmer, which is caused by fatigue factor. because it is still grouping with conventional systems so it is not effective and efficient in classifying ripe oranges. So from that we need a computerized system that can help gardeners in classifying ripe oranges. One of the technologies currently developing in agriculture and plantations is digital image processing using a classification system based on the texture and naïve bayes method. Based on the results that have been made, that the classification system using the Naïve Bayes method on tangerine images can be classified and obtain effective and efficient performance based on testing of 82% so that it can be implemented.]]>
<![CDATA[Sistem Cerdas dalam Mengidentifikasi Kematangan Buah Naga Berdasarkan Fitur Tekstur dengan Metode K-Nearest Neighbor ]]>
<![CDATA[Haba, Abd Rahmat Karim]]>;
<![CDATA[Husdi, Husdi]]>
<![CDATA[ ILKOM Jurnal Ilmiah Vol 12, No 3 (2020) ]]>
Publisher : <![CDATA[Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33096/ilkom.v12i3.665.225-232
<![CDATA[Selama ini petani kebun buah naga dalam melakukan pemilihan buah naga yang telah matang pada musim panen terkadang masih memiliki kendala seperti melalukan penyortiran untuk mengidentifikasi mana yang sudah matang atau belum matang, hal ini dikarenakan pada buah naga terdapat kulit atau teksturnya yang tebal. Salah satu inovasi informasi dan kominikasi dalam bidang pertanian dengan menggunakan cara menerapkan sistem pengidentifikasian menggunakan metode K-Nearest Neighboar pada system cerdas. Tujuan dari penelitian ini adalah untuk melakukan identifikasi kematangan buah naga dengan system cerdas dan untuk memperoleh system cerdas yang efektif dan efisien sehingga dapat di implementasikan. Penelitian ini menggunakan fitur ekstraksi GLCM sebagai metode untuk mendapatkan nilai tekstur pada gambar (citra) serta dalam melakukan pendeteksian menggunakan metode K-Nearest Neighbor. Dari hasil identifikasi dapat diukur dari perhitungan sudut 00, 450, 900 dan 1300 serta jarak ketetanggan K=3, serta dapat di implementasikan.]]>
<![CDATA[SISTEM CERDAS DALAM KLASIFIKASI KEMATANGAN BUAH JERUK BERDASARKAN FITUR EKSTRAKSI GLCM DENGAN METODE NAÏVE BAYES ]]>
<![CDATA[Abd Rahmat Karim Haba]]>;
<![CDATA[Kartika Chandra Pelangi]]>
<![CDATA[ Jurnal Teknologi dan Manajemen Informatika Vol 5, No 2 (2019): Desember 2019 ]]>
Publisher : <![CDATA[Universitas Merdeka Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26905/jtmi.v5i2.3935
<![CDATA[Selama ini para petani kebun dalam menentukan kematangan buah jeruk yang mereka panen tidaklah sulit karena mereka telah terbiasa namun terkadang dalam penyortiran untuk mengelompokkan buah jeruk yang matang mendapatkan permasalahan seperti keterbatasan fisik sehingga tidak efektif dan efisien dalam mengelompokan kematangan buah jeruk. Salah satu inovasi teknologi informasi dan komunikasi dalam bidang pertanian dan perkebunan adalah penggunaan metode klasifikasi dengan algoritma naïve bayes pada sistem cerdas. Yang menjadi rumusan masalah dalam penelitin ini adalah bagaimana melakukan klasifikasi dengan sistem cerdas pada kematangan buah jeruk keprok dan bagaimana memperoleh sistem cerdas yang efektif dan efisien sehingga dapat di implementasikan. Tujuan dari penelitian ini adalah untuk melakukan pengklasifikasian dengan sistem cerdas pada kematangan buah jeruk keprok dan untuk memperoleh sistem cerdas yang efektif dan efisien sehingga dapat di implementasikan. Berdasarkan hasil dan analisis yang telah dilakukan, dapat disimpulkan bahwa Dapat melakukan pengklasifikasian kematangan buah jeruk keprok dengan sistem cerdas dengan menggunakan fiur ekstraksi GLCM dan metode Naïve Bayes dan Dapat memperoleh kinerja yang efektif dan efisien dari sistem cerdas klasifikasi kematangan buah jeruk keprok sehingga dapat di implementasikan. DOI: https://doi.org/10.26905/jtmi.v5i2.3935]]>
<![CDATA[PENERAPAN METODE LINIER REGRESI DALAM PREDIKSI PRODUKSI PIA ]]>
<![CDATA[abd rahmat Karim haba]]>
<![CDATA[ Simtek : jurnal sistem informasi dan teknik komputer Vol 6 No 2 (2021): Oktober 2021 ]]>
Publisher : <![CDATA[STMIK Catur Sakti Kendari ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51876/simtek.v6i2.112
<![CDATA[Berdasarkan data penjualan pia stiap bulannya mengalami peningkatan dan mengalami penurunan pada toko pia lumer kota gorontalo, Dengan demikian perlu adanya solusi yang dapat membantu ataupun memberikan solusi dengan memperhatikan kejadian-kejadian ataupun kondisi penjualan yang telah terjadi sebelumnya, hal ini dapat dilakukan dengan pendekatan data mining dalam melakukan prediksi menggunakan metode Linier Regresi Sederhana. tujuan dari penelitian ini untuk melakukan prediksi penjualan pia dengan teknik datamining dan untuk mengetahui tingkat keakuratan metode linier regresi dalam memprediksi penjualan pia dengan mengunakan metode linier regresi. Hasil dari penelitian ini Dalam melakukan prediksi produksi pia dengan menggunakan metode linier regresi dan Tingkat keakuratan metode linier regresi dalam memprediksi produksi pia sebesar 5.775%.]]>
<![CDATA[Pengelompokan Buah Jeruk menggunakan Naïve Bayes dan Gray Level Co-occurrence Matrix ]]>
<![CDATA[Rahmat Karim Haba]]>;
<![CDATA[Kartika Chandra Pelangi]]>
<![CDATA[ ILKOM Jurnal Ilmiah Vol 12, No 1 (2020) ]]>
Publisher : <![CDATA[Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33096/ilkom.v12i1.494.17-24
<![CDATA[Tangerines are fruits that are rich in high vitamin C content. Every orchard owner always tries to improve the quality of their plantation. In the selection of tangerines to be classified as ripe or immature at harvest time, the garden planters are already accustomed, but sometimes the farmer grouping the ripe oranges has problems such as physical limitations of the farmer, which is caused by fatigue factor. because it is still grouping with conventional systems so it is not effective and efficient in classifying ripe oranges. So from that we need a computerized system that can help gardeners in classifying ripe oranges. One of the technologies currently developing in agriculture and plantations is digital image processing using a classification system based on the texture and naïve bayes method. Based on the results that have been made, that the classification system using the Naïve Bayes method on tangerine images can be classified and obtain effective and efficient performance based on testing of 82% so that it can be implemented.]]>
<![CDATA[Sistem Cerdas dalam Mengidentifikasi Kematangan Buah Naga Berdasarkan Fitur Tekstur dengan Metode K-Nearest Neighbor ]]>
<![CDATA[Abd Rahmat Karim Haba]]>;
<![CDATA[Husdi Husdi]]>
<![CDATA[ ILKOM Jurnal Ilmiah Vol 12, No 3 (2020) ]]>
Publisher : <![CDATA[Prodi Teknik Informatika FIK Universitas Muslim Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33096/ilkom.v12i3.665.225-232
<![CDATA[Selama ini petani kebun buah naga dalam melakukan pemilihan buah naga yang telah matang pada musim panen terkadang masih memiliki kendala seperti melalukan penyortiran untuk mengidentifikasi mana yang sudah matang atau belum matang, hal ini dikarenakan pada buah naga terdapat kulit atau teksturnya yang tebal. Salah satu inovasi informasi dan kominikasi dalam bidang pertanian dengan menggunakan cara menerapkan sistem pengidentifikasian menggunakan metode K-Nearest Neighboar pada system cerdas. Tujuan dari penelitian ini adalah untuk melakukan identifikasi kematangan buah naga dengan system cerdas dan untuk memperoleh system cerdas yang efektif dan efisien sehingga dapat di implementasikan. Penelitian ini menggunakan fitur ekstraksi GLCM sebagai metode untuk mendapatkan nilai tekstur pada gambar (citra) serta dalam melakukan pendeteksian menggunakan metode K-Nearest Neighbor. Dari hasil identifikasi dapat diukur dari perhitungan sudut 00, 450, 900 dan 1300 serta jarak ketetanggan K=3, serta dapat di implementasikan.]]>
<![CDATA[Teknik Data Mining Dengan Metode C4.5 Dalam Memprediksi Penjualan Handphone ]]>
<![CDATA[Abd Rahmat karim Haba]]>
<![CDATA[ Jurnal Cosphi Vol 4, No 1 (2020): Januari-Juli 2020 ]]>
Publisher : <![CDATA[Teknik Elektro - Universitas Ichsan Gorontalo ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (917.868 KB)
<![CDATA[In the activities carried out on the management side, they still use conventional methods, where the company only records sales transaction data into the sales database, so the company is still difficult to analyze sales data. With the data mining technique in the prediction system, it has the potential to be used as a decision on the management side of the company in order to determine the number of cellphones available in the company, the purpose of this study is to predict cellphone sales with data mining techniques and to determine the level of accuracy of the c4.5 method in predicting mobile phone sales using the C4.5 method, the level of accuracy in making predictions is 79.72%]]>
<![CDATA[Prediksi Jumlah Tunggakan Pembayaran Rekening Air Menggunakan Metode Least Square ]]>
<![CDATA[Abd Rahmat karim Haba]]>
<![CDATA[ Jurnal Cosphi Vol 5, No 2 (2021): Agustus-Desember 2021 ]]>
Publisher : <![CDATA[Teknik Elektro - Universitas Ichsan Gorontalo ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (765.044 KB)
<![CDATA[PDAM is committed to providing the best service for Gorontalo, but there are obstacles, namely the condition of arrears in payment of water bills fluctuating or fluctuating. The purpose of this research is to design a prediction system for water payment arrears. This study uses the least square method in predicting arrears in water bill payments at PDAM Muara Tirta, Gorontalo City. The results show that the prediction of the amount of water payment arrears using the Least Square method is feasible to use. The value of the MAPE test results is 6.70% with an accuracy of 93.3%.]]>
<![CDATA[Penerapan Metode Moving Averange dalam Memprediksi Produksi Tomat ]]>
<![CDATA[Abd Rahmat karim Haba]]>
<![CDATA[ Jurnal Cosphi Vol 5, No 1 (2021): Januari-Juli 2021 ]]>
Publisher : <![CDATA[Teknik Elektro - Universitas Ichsan Gorontalo ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (943.176 KB)
<![CDATA[Based on the development of tomato production in Gorontalo City, the agricultural service data has fluctuated. Thus, it is necessary to have a system in carrying out prediction data mining techniques using the moving average method so that they can know future predictions of tomato production. The purpose of this study is to design a prediction system and to determine the error rate in predicting tomato production using the Moving Average method. The result of the error rate in making predictions is 23.40% by using the MAPE method testing.]]>
<![CDATA[Penerapan Metode Simple Moving Averange Dalam Memprediksi Produksi Ikan Nila ]]>
<![CDATA[Abd Rahmat Karim Haba]]>
<![CDATA[ Jurnal Ilmiah Ilmu Komputer Banthayo Lo Komputer Vol 1 No 1 (2022): Edisi Mei 2022 ]]>
Publisher : <![CDATA[Teknik Informatika Fakultas Ilmu Komputer Universitas Ichsan Gorontalo ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (465.428 KB)
|
DOI: 10.37195/balok.v1i1.101
<![CDATA[Production in each month is uncertain which will have an impact on the price of buying and selling of tilapia and the income of fishing communities in particular. The Department of Maritime Affairs and Fisheries is also still difficult to process production data and lack of information about production so that it cannot predict the production of tilapia in the future, The purpose of this study is to design a prediction system and to determine the error rate in predicting tomato production using the Moving Average method. The result of the error rate in making predictions is 0,36 % by using the MAPE method testing.]]>
