Article Per Year (5 Year)
p-Index From 2021 - 2026
4.391
P-Index
This Author published in this journals
All Journal Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JTT (Jurnal Teknologi Terpadu) JSAI (Journal Scientific and Applied Informatics) International Journal of Informatics and Computation JISA (Jurnal Informatika dan Sains) REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer Jurnal E-Komtek Jurnal Teknologi Informatika dan Komputer Jurnal Restikom : Riset Teknik Informatika dan Komputer Jurnal Ilmiah Wahana Pendidikan Journal of Technology and Informatics (JoTI) Bulletin of Information Technology (BIT) Pelita Teknologi : Jurnal Ilmiah Informatika, Arsitektur dan Lingkungan Jurnal Ilmiah SIGMA: Informatics Engineering Journal of UPB Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Pengabdian Pelitabangsa JIM: Jurnal Ilmiah Mahasiswa Pendidikan Sejarah VIDHEAS: Jurnal Nasional Abdimas Multidisiplin SAINTEK International Journal of Integrated Science and Technology Jurnal Ekonomi Manajemen Dan Bisnis (JEMB) Akademika Jurnal Teknologi Pendidikan
Ahmad Turmudi Zy
UNiversitas Pelita Bangsa
Religion Agriculture, Biological Sciences & Forestry Arts Humanities 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 Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mechanical Engineering Public Health Social Sciences Other

Published : 34 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 34 Documents
Search

 1   2   3   4 
DECISION SUPPORT SYSTEM FOR DETERMINING DEPARTMENT USING THE PROFILE MATCHING INTERPOLATION METHOD AT WIKRAMA VOCATIONAL SCHOOL, BOGOR Gatot Tri Pranoto; Agung Nugroho; Ahmad Turmudi Zy
JISA(Jurnal Informatika dan Sains) Vol 6, No 1 (2023): JISA(Jurnal Informatika dan Sains)
Publisher : Universitas Trilogi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31326/jisa.v6i1.1625

Abstract

Wikrama Vocational High School is one of the schools that routinely carries out the determination of majors every year. The majors process at Wikrama is carried out in the tenth grade by the Guidance and Counseling Teacher (BK Teacher) and the Head of Expertise Competence (Kakomli). BK and Kakomli teachers have difficulty determining the results of majors when there are more interest in one major than other majors, there is a mismatch of majors results because they are not in accordance with the existing majors in the chosen field of expertise and the process of majors is not accurate and fast. This is because it has not used an objective mechanism for determining majors, there is no weighting process, and there is no information system available. Therefore, it is necessary to develop a decision support system (DSS) to assist the process of determining majors using Profile Matching and Interpolation methods. The Profile Matching method is used for appraising decisions, while the Interpolation method is used for the weighting process. The criteria used in each field of expertise are Informatics Engineering with 11 criteria and Computers, Business Management with 8 criteria, and Tourism with 7 criteria. Based on the results of testing and validation that have been carried out by experts, it has an accuracy value of 93%. The accuracy value indicates that the system can provide recommendations for determining the right major. In addition, the interpolation weighting method is proven to increase the accuracy value compared to the ordinal weighting value in Profile Matching. The results of this study are in the form of a decision support system that helps in determining majors objectively, quickly and accurately.
Prediksi Ketebalan Powder Coating Menggunakan Algoritma SVM Dan Naïve Bayes Zaenur Rozikin; Ahmad Turmudi Zy; Antika Zahrotul Kamalia
Bulletin of Information Technology (BIT) Vol 4 No 2: Juni 2023
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bit.v4i2.687

Abstract

Data Mining is a method that has been widely used to make scientific discoveries from a collection of datasets which so far have only been stored without further management. In the industrial world the use of data mining methods has helped with problems that are often found in the industrial field. Data mining helps in making predictions regarding thickness quality problems in a panel box product. Data mining is very useful for finding patterns in complex manufacturing data processing processes. Especially when we talk about consumers or service users of our product panels who want the panel to have good powder coating quality. This made the researchers conduct research to find the accuracy value which would later be used as a definite reference regarding the thickness of the powder coating. The results of this test the svm algorithm is better than naïve Bayes because the data in general can be categorized as a good result which has an accuracy of 97.60%, precision 99.56% and 96.03% recall. This res ult is an illustration for consumers to ensure that the panels to be purchased are of the best quality. By showing the data that has been processed, the consumer is sure that the purchase is really valid
Sistem Smart Door Lock Menggunakan Voice Recognition Berbasis Arduino Ray Fathur Rizky; Ahmad Turmudi Zy; Aswan S. Sunge
Bulletin of Information Technology (BIT) Vol 4 No 2: Juni 2023
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bit.v4i2.696

Abstract

Penelitian ini mencakup implementasi algoritma HMM pada smart door lock dengan menggunakan pengenalan suara berbasis Arduino. Tujuan penelitian ini adalah untuk meningkatkan keamanan pintu agar terhindar dari upaya pembobolan dan kejahatan. Saat ini, penguncian pintu rumah masih dilakukan secara manual. Dalam penelitian ini, algoritma yang digunakan adalah Hidden Markov Model. Pembuatan alat ini dilakukan dengan menggunakan bahasa pemrograman C++. Hasil penelitian ini dapat diimplementasikan dalam bentuk alat/robotik, di mana sistem dapat membuka dan menutup pintu rumah sesuai dengan rancangan yang telah direncanakan, yaitu melalui perintah suara.
Penggunaan Naïve Bayes dalam Implementasi Prediksi Tingkat Curah Hujan Irma Nurmaulida*; Aswan S Sunge; Ahmad Turmudi Zy
JIM: Jurnal Ilmiah Mahasiswa Pendidikan Sejarah Vol 8, No 3 (2023): Juni, socio-economics, community law, cultural history and social issues
Publisher : Universitas Syiah Kuala

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24815/jimps.v8i3.26402

Abstract

Perkiraan curah hujan telah menjadi salah satu masalah yang paling ilmiah dan teknologi menantang seluruh dunia pada abad terakhir. Hujan  adalah  sebuah  peristiwa  turunnya  butir-butir  air  yang  berasal  dari  langit  ke permukaan  bumi.  Hujan  juga  merupakan  siklus  air  di  planet  bumi. Definisi  hujan yang  lainnya  adalah  sebuah  peristiwa  Presipitasi  (jatuhnya  cairan yang  berasal  dari atmofer  yang  berwujud  cair  maupun  beku  ke  permukaan  bumi)  berwujud cairan. Hujan  membutuhkan  keberadaan lapisan atmosfer tebal supaya  dapat menemui suhu di atas titik leleh es di dekat dan di atas permukaan Bumi indonesia merupakan  negara dengan iklim hutan hujan tropis dengan ciri-ciri suhu udara yang hampir seragam, serta memiliki curah hujan yang tinggi yang terbagi rata di sepanjang tahun, Curah hujan memiliki pola yang tidak menentu sehingga sulit dilakukan prediksi dengan cara manual. Curah hujan  yang  cukup  besar  tidak  dapat  ditentukan  secara  pasti  namun  hal  ini  dapat  diperkirakan. Dengan demikian, adanya data mining memungkinkan mesin mengenali dan mempelajari pola data yang rumit. Maka dari  itu  pembelajaran  mesin  dapat  mempelajari  pola  data  curah  hujan  untuk  melakukan  prediksi, maka di lakukan sebuah penelitian prediksi curah hujan dengan metode naïve bayes dan Data yang di gunakan pada penelitian ini aalah data yang di ambil dari situs resmi BMKG Indonesia yang mana bisa di akses oleh semua kalangan baik itu kalangan anak-anak, remaja, dewasa bahkan orangtua.
KLASIFIKASI EMAIL PHISHING MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR Muhammad Adipa; Ahmad Turmudi Zy; M. Makmun Effendi
Jurnal RESTIKOM : Riset Teknik Informatika dan Komputer Vol 5 No 2 (2023): Agustus
Publisher : Program Studi Teknik Informatika Universitas Nusa Putra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52005/restikom.v5i2.152

Abstract

Saat ini perkembangan teknologi informasi sangat pesat dan cepat, bahkan di Indonesia sendiri. Evolusi teknologi dunia internet terus berlanjut, dan inovasi baru terus bermunculan, membentuk masa depan yang lebih terhubung dan terintegrasi. Namun selain manfaat, muncul tantangan baru, seperti masalah terkait privasi, keamanan siber, dan pengolahan data. Pada satu sisi, perkembangan teknologi informasi yang demikian mengagumkan itu memang telah membawa manfaat yang luar biasa bagi kemajuan peradaban umat manusia. Di sisi lain, berkembangnya teknologi informasi menimbulkan pula sisi rawan yang gelap sampai tahap mencemaskan dengan kekhawatiran pada perkembangan tindak pidana di bidang teknologi informasi yang berhubungan dengan kejahatan mayantara atau “Cybercrime”. Salah satu kejahatan (cybercrime) yang terjadi di Indonesia yaitu Email Phishing. Badan Siber dan Sandi Negara (BSSN) melaporkan, ada 164.131 kasus email phishing di Indonesia pada 2022. Tingginya angka kasus email phishing terus meningkat, oleh karena itu akan dilakukan pengujian untuk mengklasifikasi email phishing menggunakan algoritma K-Nearest Neighbor. Didapatkan hasil akurasi dengan nilai sebesar 84%, precision sebesar 73%, dan recall sebesar 96%. Hasil ini membuktikan bahwa algoritma K-Nearest Neighbor memberikan hasil yang cukup baik dalam mengklasifikasi email phishing. Kata Kunci: Cybercrime, Email Phishing, Klasifikasi, Data Mining, K-Nearest Neighbor Currently the development of information technology is very fast and fast, even in Indonesia itself. The technological evolution of the internet world continues, and new innovations continue to emerge, shaping a more connected and integrated future. But apart from the benefits, new challenges arise, such as issues related to privacy, cyber security, and data processing. On the one hand, the development of such amazing information technology has indeed brought extraordinary benefits to the advancement of human civilization. On the other hand, the development of information technology has also created a dark vulnerable side to the point of worrying about the development of criminal acts in the field of information technology related to mayantara crime or "Cybercrime". One of the crimes (cybercrime) that occurred in Indonesia, namely Email Phishing. The National Cyber ​​and Crypto Agency (BSSN) reported that there were 164,131 phishing email cases in Indonesia in 2022. The high number of phishing email cases continues to increase, therefore a test will be carried out to classify phishing emails using the K-Nearest Neighbor algorithm. Accuracy results were obtained with a value of 84%, precision of 73%, and recall of 96%. These results prove that the K-Nearest Neighbor algorithm gives good results in classifying phishing emails. Keywords: Cybercrime, Phishing Email, Classification, Data Mining, K-Nearest Neighbor
Prediksi Jumlah Kasus Klaim Indemnity Dengan Menggunakan Algoritma Regresi Linear Pada Asuransi Mandiri Inhealth Qori yumansyah Qori; Ahmad Turmudi Zy; Muhamad Fatchan
Bulletin of Information Technology (BIT) Vol 4 No 3: September 2023
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bit.v4i3.733

Abstract

Insurance is a type of financial institution that aims to provide guarantees to customers against risks that may occur in the future. In this study, by utilizing some data on indemnity claim cases on inhealth insurance through a prediction method approach and can be applied in analyzing data to make predictions of future insurance data based on the level of need. The prediction process of a simple Linear Regression algorithm can be implemented where the results also provide new insights for the prediction needs of claim data. Tests using rapidminer produce performance that is relevant to the scenario being modeled. The simple Linear Regression equation model after comparing the results of calculations manually and also with the Rapid Miner application generally shows the same data. The RMSE value is also obtained when evaluating the performance of the applied model, with an RMSE value of 0.273 with a standard deviation of +- 0.0.
ANALISIS PREDIKSI PENJUALAN DENGAN METODE REGRESI LINEAR DI PT. EAGLE INDUSTRY INDONESIA Miftahuljannah; Aswan Supriyadi Sunge; Ahmad Turmudi Zy
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 5 No 3 (2023): EDISI 17
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v5i3.3325

Abstract

When making the crucial decision to determine the outcome of a case. The goal of this study is to evaluate the potential for product sales. With the help of data mining, this study evaluates the potential for litigation by using data from several sources, including product, plan, and current data. The current study makes use of the linear regressive algorithm and the rapidminer data processing tool. The dataset that was used for this study was divided into two parts: one half of the data for teaching and one half of the data for research. Using a linear regression algorithm, the results show that the variables or attributes used in the current analysis (produk, actual and plan) did not significantly affect the results. Squared Error is 1313427569.481 +/- 5882150128.134, and Root Mean Squared Error is 36241.241 +/- 0.000. This indicates that the squared Error generates a higher number than the Root Mean Squared Error.
PENERAPAN DATA MINING UNTUK KLASIFIKASI PENGANGKATAN KARYAWAN MENGGUNAKAN ALGORITMA K-MEANS Mudakir; Ahmad Turmudi Zy; Aswan S. Sunge
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 5 No 3 (2023): EDISI 17
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v5i3.3369

Abstract

In this ever-evolving digital era, technology has become one of the main drivers of innovation, efficiency and competitive advantage for companies in various sectors. Appointment of prospective employees is an agenda carried out by the company where for a contract employee who has served during the contract agreement period. PT. Karya Bahana Unigam, which is engaged in the automotive sector, has approximately 500 employees, so it is difficult for the company to carry out the selection process for hiring employees who are still eligible and meet the requirements. K-Means is a data clustering method that tries to partition existing data into one or more clusters or groups. K-Means is used to group employee data based on certain criteria, while the Davies Bouldin Index is used to measure the quality of the clustering results. Of the 128 employee assessment datasets, tests were carried out by determining 2 clusters and validation was tested with the Davies Bouldin Index. And the resulting -2,803. Based on the results obtained, it shows that the k-means algorithm can be implemented in grouping for hiring employees with fairly good validation results.
Penerapan Algoritma Naive Bayes dan PSO pada Analisis Sentimen Kandidat Calon Presiden 2024 Endrik; Agung Nugroho; Ahmad Turmudi Zy
REMIK: Riset dan E-Jurnal Manajemen Informatika Komputer Vol. 7 No. 3 (2023): Volume 7 Nomor 3 Agustus 2023
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/remik.v7i3.12638

Abstract

Pemilihan umum merupakan salah satu sarana demokrasi dan bentuk perwujudan kedaulatan rakyat untuk menghasilkan wakil rakyat dan pemimpin yang aspiratif, berkualitas, serta bertanggung jawab untuk mensejahterakan rakyat. Tahun 2024 Indonesia akan mengadakan pesta demokrasi pemilihan kepala negara Indonesia. Setiap tokoh politik yang dicalonkan menjadi kepala negara akan mempertimbangkan popularitas mereka berdasarkan opini masyarakat. Banyaknya opini pada twitter dapat digunakan untuk mengetahui sentimen masyarakat mengenai calon Presiden Indonesia 2024. Penelitian ini bertujuan menganalisa opini masyarakat terkait mengenai 3 kandidat teratas Calon Presiden 2024 untuk mengetahui Hasil klasifikasi senimen analisis masyarakat dengan menggunakan naive bayes method dan feature selection particle swarm optimization serta hasil evaluasi akurasi terbaik pada analisis sentimen. Parameter yang digunakan untuk pengukuran adalah Accuracy, Precision, Recall. Pada pengujian pertama dengan dataset Anies Baswedan menghasilkan Nilai accuracy yang didapatkan Anies Baswedan 63,02%, nilai recall yang didapatkan 65,13%, dan nilai precision yang didapatkan 64,61%. Nilai accuracy yang didapatkan Ganjar Pranowo 87,14%, nilai recall yang didapatkan 87,46%, dan nilai precision yang didapatkan 85,43%. Nilai accuracy yang didapatkan Prabowo Subianto 83,17%, nilai recall yang didapatkan 83,17%, dan nilai precision yang didapatkan 84,17%.
ANALISIS SENTIMEN MASYARAKAT MENGENAI REVISI UNDANG-UNDANG DESA PADA MEDIA SOSIAL TWITTER DENGAN MENGGUNAKAN METODE NAIVE BAYES DAN FEATURE SELECTION PARTICLE SWARM OPTIMIZATION Putri Nurhafenda Harun; Muhtajuddin Danny; Ahmad Turmudi Zy
Jurnal Ilmiah Wahana Pendidikan Vol 9 No 18 (2023): Jurnal Ilmiah Wahana Pendidikan
Publisher : Peneliti.net

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.8321984

Abstract

Disahkannya Undang-undang No. 6 Tahun 2014 tentang Desa (selanjutnya disebut UU Desa) pada 15 Januari 2014 merupakan sebuah tonggak bersejarah dalam sejarah kebijakan mengenai desa. Menurut laman dpr.go.id Ribuan Kepala Desa melakukan unjuk rasa pada tanggal 17 Januri 2023 menuntut revisi bagi Undang-Undang Nomor 6 tahun 2014 tentang Desa, di halaman Gedung DPR RI Satu di antara aspirasi yang disampaikan pengunjuk rasa tersebut adalah mengenai masa jabatan kepala desa yang diperpanjang menjadi sembilan tahun. Alasan tersebut menjadi faktor adanya komentar pro dan kontra mengenai Undang-undang desa ini yang menuai banyak respon berupa tweets dari berbagai kalangan masyarakat, sehingga menghasilkan banyak jejak tweets yang di dalamnya berisikan opini masyarakat mengenai revisi Undang-undang desa tahun 2023 pada media sosial twitter. Penelitian ini bertujuan untuk mengetahui hasil klasifikasi sentimen masyarakat mengenai Undang Undang Desa pada social media twitter dan untuk mengetahui hasil accuracy, precision, recall yang dihasilkan dari penggunaan metode Naïve Bayes dan feature selection Particle Swarm Optimization pada software RapidMiner Studio. Naïve Bayes Classifier merupakan salah satu metode machine learning yang menggunakan perhitungan probabilitas. Particle Swarm Optimization adalah metode optimasi yang terinspirasi dari perilaku kawanan ikan dan unggas dalam mencari sumber makanan. Tahap preprocessing pada penelitian ini meliputi cleansing, remove duplicate, seleksi data, normalisasi, case folding, tokenizing, filtering, stopwords, stemming, dan labeling. Hasil klasifikasi yang didapat 52,15% pengguna twitter berkomentar positif dan 47,85% pengguna twitter berkomentar negatif mengenai Undang-Undang Desa. Nilai accuracy yang didapatkan meningkat sebanyak 4,18% dari 72,53% menjadi 76,71%, nilai precision yang didapatkan meningkat sebanyak 4,13% dari 72,22% menjadi 76,35%, dan nilai recall yang didapatkan meningkat sebanyak 4,98% dari 72,50% menjadi 77,48%.
Co-Authors Abdul Ghofir Agung Nugroho Ahmad Rivaldi Anggi Muhammad Rifa'i Anggi Muhammad Rifai Antika Zahrotul Kamalia Aprilia Nur Sa'adah Ary Fahrizal Aswan S Sunge Aswan S Sunge Aswan S. Sunge Aswan Supriyadi Sunge Bagas Pamungkas Butsianto, Sufajar Danang Nurcahyo Daspar Daspar Diani Putri Kusumaningrum Donny Maulana Edora Edora Edora Edora Edy Widodo Elkin Rilvani Endrik Ermanto Faiza Muhammad Julianto Faza Ardan Kusuma Gatot Tri Pranoto Gufranaka Samudra Irfan Afriantoro Irma Nurmaulida* Isarianto Juan Fakhri Lutfi Adji Ardiansyah M.Makmun Effendi Maha Putra Miftahuljannah Mudakir Muhamad David Ali Muhamad Fatchan Muhammad Adipa Muhammad Fatchan Muhammad Makmun Effendi Muhtajuddin Danny Nadya Khairunnisa Nugroho, Agung Putri Nurhafenda Harun Qori yumansyah Qori Ray Fathur Rizky Rhendy Diki Nugraha Riani Riani Rismawati Rismawati Rosa Noviyanti Sunita Dasman SUPRAPTO Suriyanti Suriyanti Wira Syuhada Wiyanto Wiyanto Zaenur Rozikin Zaky Ali Husaeni