Claim Missing Document
Check
Articles

Found 6 Documents
Search

Sistem Pakar Diagnosa Kerusakan Spray Gun Electrostatic Dengan Metode Forward Chaining Berbasis Web Nurhadi Surojudin
Jurnal SIGMA Vol 8 No 2 (2017): Juni 2017
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (951.864 KB) | DOI: 10.37366/sigma.v8i2.117

Abstract

Abstrak Kurangnya pengetahuan tentang spray gun electrostatic dapat diatasi oleh seorang pakar dengan pengetahuan dan pengalamannya. Berdasarkan hal tersebut, yang menjadi permasalahan yaitu terbatasnya SDM pakar yang hanya ada 8% dari jumlah karyawan yang ada dan banyaknya break down time yang terjadi akibat tidak adanya seorang pakar saat terjadi kerusakan dengan rata-rata perbulan 177 menit. Hal itu menjadi acuan untuk merancang aplikasi sistem pakar untuk mendiagnosa kerusakan spray gun electrostatic. Tujuannya yaitu untuk mentransfer pengetahuan yang dimiliki seorang pakar ke dalam komputer sehingga pengguna bisa menganalisa masalah tanpa bantuan seorang pakar. Sistem ini menggunakan metode forward chaining yaitu metode inferensi yang menggunakan penalaran yang dimulai dari fakta dahulu untuk menguji kebenaran hipotesis. Sistem ini dibuat dengan menggunakan pemrograman PHP dan basis data menggunakan MySQL. Sistem ini dilengkapi menu pakar untuk pengelolaan pengetahuan, sehingga pakar dapat menambahkan, mengubah, dan menghapus pengetahuan. Hasil Penelitian menunjukkan bahwa metode forward chaining tepat untuk diagnosa kerusakan spray gun electrostatic, karena pada kenyataan, penalaran seorang pakar kerusakan spray gun electrostatic mengarah pada gejala masalah yang dialami oleh kerusakan spray gun electrostatic kemudian diperoleh penyebab dan solusi kerusakan spray gun electrostatic. Simpulan yang bisa diambil adalah dengan sistem pakar ini dapat mewakili seorang pakar agar mampu mendiagnosa kerusakan spray gun electrostatic sehingga pengguna lebih menghemat waktu karena tanpa perlu datang ke seorang pakar dan meningkatkan keahlian karyawan lainnya sebesar 42% serta mengurangi break down time yang terjadi sebesar 85%. Kata Kunci : sistem pakar, UML(Unifield Modeling Language), berbasis web, spray gun electrostatic, forward chaining.
Sistem Informasi Persediaan Bahan Baku Pada PT. Takahashi Spring Indonesia Dengan Menggunakan Metode Waterfal Nurhadi Surojudin
Jurnal SIGMA Vol 8 No 1 (2018): Maret 2018
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (515.949 KB)

Abstract

Abstrak Suatu sistem yang baik harus mampu memberikan informasi dengan data-data yang akurat dan tepat dalam proses pengolahannya. Salah satu faktor yang terjadi pada PT Takahashi Spring Indonesia adalah sering terjadi kesalahan dalam penghitungan stok barang serta membutuhkan waktu yang cukup lama untuk membuat laporan persediaan dan transaksi barang masuk maupun keluar. Sering terjadi kehilangan data softcopy yang tersimpan pada komputer, karena terlalu banyak file sehingga resiko kehilangan file lebih besar. PT Takahashi Spring Indonesia memerlukan sebuah sistem informasi yang mampu memberikan bantuan dalam mengatasi permasalahan dan mempercepat proses transaksi barang masuk dan keluar serta menghasilkan laporan-laporan yang standart. Perancangan sistem dan pembuatan aplikasi Persediaan Bahan Baku dengan menggunakan Metode waterfall, Microsoft Visual Basic.Net sebagai programnya, MySQL sebagai database server, dan Crystal Report untuk laporan. Dari hasil analisis dan perancangan sistem, dapat disimpulkan bahwa sistem persediaan bahan baku pada yang sudah dibuat dapat mengatasi permasalahan administrasi di gudang yang berhubungan dengan pendataan data, pengolahan data transaksi dan membuat laporan persediaan bahan baku. Sistem persediaan bahan baku bisa menjadi solusi yang baik untuk mengatasi permasalahan persediaan gudang pada PT Takahashi Spring Indonesia. Kata Kunci: Sistem Informasi, Persediaan, Raw Material.
Analisis Perbandingan Kinerja Decision Tree Dan Naive Bayes Dalam Penentuan Penyebab Kerusakan Radiator Nurhadi Surojudin
Jurnal SIGMA Vol 8 No 3 (2017): September 2017
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (468.297 KB) | DOI: 10.37366/sigma.v8i3.133

Abstract

Abstrak Klasifikasi dalam data mining merupakan salah satu teknik yang bertujuan untuk menempatkan objek-objek ke salah satu dari beberapa kategori yang telah di tetapkan sebelumnya. Saat ini kerusakan radiator diperiksa dengan cara manual, radiator setelah diproduksi dikirim ke customer dan dalam masa penggunaannya terkadang terjadi kerusakan. Penelitian ini difokuskan untuk mengetahui kinerja terbaik dari beberapa algoritma klasifikasi dalam data mining yaitu decision tree J48 dan naïve bayes. Evaluasi dilakukan berdasarkan pada perbandingan tingkat akurasi dengan menggunakan true positive dan false positive dalam confusion matrix yang dihasilkan dari masing-masing algoritma serta menggunakan correct dan incorrect instance untuk mengetahui metode yang paling efisien dari kedua algoritma tersebut. Hasil percobaan menunjukkan bahwa algoritma decision tree J48 lebih baik jika dibandingkan dengan naïve bayes sehingga dapat disimpulkan jika algoritma decision tree J48 lebih efisien untuk menyelesaikan penentuan penyebab kerusakan radiator. Kata kunci : Kerusakan Radiator, Data Mining, Decision Tree, Naïve Bayes
Pemanfaatan Aplikasi Kecerdasan Buatan untuk Meningkatkan Kreativitas dan Efisiensi Belajar di Sekolah Muhidin, Asep; Nurhadi Surojudin; Edi Triwibowo
VIDHEAS: Jurnal Nasional Abdimas Multidisiplin Vol. 3 No. 1 (2025): Juni 2025
Publisher : VINICHO MEDIA PUBLISINDO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61946/vidheas.v3i1.129

Abstract

Perkembangan teknologi kecerdasan buatan (Artificial Intelligence/AI) semakin pesat dan telah memberikan dampak signifikan dalam berbagai bidang, termasuk pendidikan. Namun, pemanfaatan teknologi ini di sekolah masih relatif terbatas, terutama dalam meningkatkan kreativitas siswa serta efisiensi proses pembelajaran. Berdasarkan kondisi tersebut, kegiatan pengabdian kepada masyarakat ini dilaksanakan di SLTA 2 Cikarang Selatan dengan tujuan memperkenalkan serta melatih guru dan siswa dalam penggunaan aplikasi berbasis AI. Kegiatan ini dilakukan melalui beberapa tahapan, yaitu sosialisasi mengenai manfaat AI dalam pendidikan, pelatihan penggunaan aplikasi seperti ChatGPT, Canva AI, dan Quizizz, serta praktik langsung dalam pembuatan media pembelajaran dan penyelesaian tugas secara kreatif. Peserta kegiatan terdiri atas guru dan siswa yang antusias untuk mencoba teknologi baru tersebut. Hasil pengabdian menunjukkan adanya peningkatan pemahaman siswa dan guru dalam menggunakan aplikasi AI, meningkatnya kreativitas siswa dalam menghasilkan karya yang lebih inovatif, serta meningkatnya efisiensi waktu pengerjaan tugas. Selain itu, guru juga memperoleh wawasan baru untuk mengintegrasikan teknologi AI dalam kegiatan belajar mengajar. Dengan demikian, kegiatan pengabdian ini tidak hanya berdampak pada peningkatan keterampilan digital peserta, tetapi juga memberikan kontribusi terhadap upaya inovasi pendidikan yang sesuai dengan tuntutan era digital.
Penerapan Deep Learning Berbasis DenseNet Untuk Deteksi Diabetic Retinopathy Pada Citra Fundus Mata Ade Maulani Bilgis; Nurhadi Surojudin; Ahmad Fauzi
CESS (Journal of Computer Engineering, System and Science) Vol. 10 No. 2 (2025): Juli 2025
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v10i2.66507

Abstract

Deteksi dini diabetic retinopathy sangat penting untuk mencegah komplikasi pada penglihatan, termasuk kebutaan permanen. Namun, proses diagnosis secara manual menggunakan citra fundus memerlukan waktu dan keahlian tinggi. Penelitian ini bertujuan untuk mengembangkan model deep learning berbasis densenet yang di fine-tune untuk mendeteksi diabetic retinopathy secara otomatis dari citra fundus mata. Dengan dataset sebesar 2.840 gambar yang terbagi ke dalam dua kelas yaitu DR dan NO_DR. Model dilatih menggunakan proses preprocessing dan augmentasi data, dengan hasil evaluasi yang menunjukkan bahwa model mencapai akurasi sebesar 96% pada dua kelas yang seimbang, dan AUC 0.99. Hal itu mencerminkan kemampuan klasifikasi yang sangat baik serta sensitivitas ynag tinggi, nilai recall yang tinggi mengindikasikan bahwa model mampu mengenali sebagian besar pasien yang mengalami DR. Penelitian ini menunjukkan bahwa densenet dengan fine-tune dapat menghasilkan model deteksi yang akurat dan berpotensi untuk membantu diagnosis dini diabetic retinopathy.   
Klasifikasi Tingkat Stres pada Mahasiswa Tingkat Akhir menggunakan Metode Naïve Bayes di Universitas Pelita Bangsa Rima Puji Lestari; Nurhadi Surojudin; Eko Budiarto
CESS (Journal of Computer Engineering, System and Science) Vol. 10 No. 2 (2025): Juli 2025
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v10i2.66565

Abstract

Stres sering dialami oleh mahasiswa, khususnya mahasiswa tingkat akhir yang sedang menyelesaikan skripsi. Penelitian ini dilakukan untuk mengklasifikasikan tingkat stres yang sedang dihadapi oleh mahasiswa tingkat akhir Prodi Teknik Informatika angkatan 2021 di Universitas Pelita Bangsa dengan menggunakan metode Naïve Bayes. Berdasarkan hasil kuesioner, terdapat 300 responden berpartisipasi. Dengan menggunakan pendekatan SEMMA (Sample, Explore, Modify, Model, Assess), data dari 300 responden dilakukan proses handling sehingga tersisa 285 data yang valid, kemudian data dibagi menjadi data latih dan data uji dengan perbandingan 80:20. Tingkat stres dikategorikan menjadi 3 yaitu rendah, sedang, dan tinggi. Performa model menunjukkan bahwa model memiliki akurasi sebesar 93%, dengan nilai precision, recall, dan F1-score keseluruhan masing-masing sebesar 93%. Hasil klasifikasi diperoleh bahwa tingkat stres sedang merupakan kategori terbanyak yaitu sebesar 42,1%, diikuti oleh stres tinggi 29,1%, dan stres rendah 28,8%. Temuan pada penelitian ini dapat digunakan sebagai dasar pengambilan keputusan untuk penyediaan layanan dukungan psikologis dan akademik bagi mahasiswa tingkat akhir.