Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

5.766

P-Index

This Author published in this journals

All Journal EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi ELSE (Elementary School Education Journal) : Jurnal Pendidikan dan Pembelajaran Sekolah Dasar Neo Teknika: Jurnal Ilmiah Teknologi Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence Jurnal Teknologi Informasi Cyberku Jurnal Algoritma Majalah Ilmiah Inspiratif Indonesian Journal of Community Empowerment (IJCE) "JAMASTIKA" Jurnal Mahasiswa Teknik Informatika INOVTEK Polbeng - Seri Informatika Jurnal Ilmu Komputer

Abdul Rohman

Universitas Ngudi Waluyo

Author-ID : 3507442

Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Social Sciences

Published : 54 Documents Claim Missing Document

Claim Missing Document

Articles

1 2 3 4 5

KOMPARASI METODE KLASIFIKASI DATA MINING UNTUK PREDIKSI PENYAKIT JANTUNG Abdul Rohman
Neo Teknika Vol 2, No 2 (2016): Jurnal NeoTeknika Vol 2 No 2 Desember 2016
Publisher : Universitas Pandanaran

Dalam dunia kesehatan, penyakit jantung merupakan penyakit yang mendorong angka kematian yang cukup tinggi, sehingga banyak penelitian yang dilakukan sebelumnya untuk memprediksi penyakit jantung. Dalam penelitian ini dilakukan perbandingan metode data mining yaitu algoritma neural network, k-nearest neighbordan C4.5 yang diaplikasikan pada data pasien baik yang sehat dan sakit. Dari hasil pengujian dengan mengukur kinerja ketiga metode tersebut menggunakan cross validation, confusion matrix dan kurva ROC, diketahui bahwa neural network memiliki nilai akurasi yang paling tinggi yakni sebesar 86,06%, diikuti oleh metode algoritma C4.5 dengan nilai akurasi 82.92%, kemudian metode k-nearest neighbordengan akurasi 77,58%. Nilai AUC untuk metode neural network menunjukan nilai tertinggi yakni 0,913 dan yang terendah adalah metode C4.5 yaitu 0,857.Kata Kunci: data Mining, algoritma neural network, k-nearest neighbord dan C4.5

PENERAPAN ALGORITMA C4.5 BERBASIS ADABOOST UNTUK PREDIKSI PENYAKIT JANTUNG Abdul Rohman; Vincent Suhartono; Catur Supriyanto
Jurnal Teknologi Informasi - Cyberku (JTIC) Vol 13 No 1 (2017): Jurnal Teknologi Informasi CyberKU Vol. 13, no 1
Publisher : Program Pascasarjana Magister Teknik Informatika, Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (202.065 KB)

Heart disease is the occurrence of partial or total blockage of a blood vessel over, as a result of the self peyumbatan deep chemical energy supply to the heart muscle is reduced, resulting in impaired balance between supply and needs .Research in predicting heart disease have been carried out by several previous investigators. In this study will be done for heart disease prediction algorithm using C4.5 and improved the performance of C4.5 algorithm using Adaboost method is implemented on the data of heart disease patients. From the test results by measuring method using a C4.5-based Adaboost, confusion matrix, and the ROC curve, it is known that C4.5 algorithms yield accuracy values 86,59%, AUC values obtained after 0.957 and optimized by using the method to be 92,24% Adaboost, the AUC to 0.982. by looking at the accuracy and AUC values after the optimizations, the algorithmbased C4.5 classification Adaboost into the category of groups is very good, because AUC values between 0.90 – 1.00

Prediksi Predikat Kelulusan Mahasiswa Menggunakan Naive Bayes dan Decision Tree pada Universitas XYZ Agung Wibowo; Abdul Rohman
EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Vol 12, No 2 (2022): December
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/expert.v12i2.2810

The success of universities in managing learning standards can be seen from the number of students who can graduate with high predicates and on time. The graduation predicate of a student is influenced by several factors. This study aims to find out the profile of students who graduated with a set predicate and what are the factors that influence it. The method used in this study is the Cross Industry Standard Process for Data Mining CRISP-DM by utilizing the Naïve Bayes algritma in looking for graduate predicate patterns and Decision Tree in looking for causative factors. In the calculations using the NBC algorithm it was found that the profiles of students who passed the predicate were less satisfactory, satisfactory, very satisfactory and with praise . In the Desicion Tree calculation, the highest gain value is obtained at the attributes of IPK4, IPS5 and IPK5. The factors that most influence graduation are the cumulative achievement index in semesters 4 and 5 and the achievement index in semester 5. The pattern of graduating with predicate can be known from the second year of the incoming student to the third year. This research needs to be developed again by increasing the number of attributes and data, and it is necessary to create a system for determining student graduation predicates from the patterns that have been produced in order to help universities to improve the quality of student graduation in each period.

PEMASARAN PRODUK MELALUI INTERNET BERBASIS WEB DAN APLIKASI ANDROID DI DESA WUJIL KECAMATAN BERGAS KABUPATEN SEMARANG Abdul Rohman; Dewi Fatmasari
Majalah Ilmiah Inspiratif Vol 5, No 9 (2020): Majalah Inspiratif Vol.5 No.9 Januari 2020
Publisher : Universitas Pandanaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (177.053 KB)

Pesatnya perkembangan teknologi komunikasi mengakibatkan pergeseran dalam pemasaran produk dan jasa, dari konvensional menuju ke digital. Banyakmanfaat/keunggulan dengan menggunakan pemasaran digital (Web dan aplikasiandroid) bagi pelaku usaha untuk mengenalkan produk sampai menjual produk tanpa batas waktu dan geografi. Kata Kunci : pemasaran produk, aplikasi android dan web

PENERAPAN ALGORITMA DECISION TREE ID3 UNTUK PREDIKSI KELULUSAN MAHASISWA JENJANG PENDIDIKAN D3 DI FAKULTAS TEKNIK UNIVERSITAS PANDANARAN Abdul Rohman; Anief Rufiyanto
Neo Teknika Vol 5, No 2 (2019): Jurnal Neo Teknika Vol 5 No 2 Desember 2019
Publisher : Universitas Pandanaran

Data mahasiswa menjadi hal yang sangat penting untuk mengambil suatu keputusan, jika datatersebut dianalisa dengan menggunakan data mining. Setiap kumpulan dapat memberikan pengetahuanpenting yang menjadi informasi yang sangat berharga bagi perguruan tinggi. Pada perguruaan tinggi,suatu sistem informasi dapat digunakan untuk memperoleh informasi yang menunjang setiap padapengambilan suatu keputusan. Data mining dengan algoritma Decision Tree ID3 dapat digunakan untukmenyusun sistem yang mempunyai kemampuan melihat pola kelulusan mahasiswa.Banyak penelitian tentang penerapan data mining untuk memprediksi kelulusan mahasiswa denganmenggunakan algoritma Decision Tree, dengan data mahasiswa reguler dan mayoritas statusnya belumbekerja. Sedangkan dalam penelitian ini mahasiswa Universitas Pandanaran, memiliki data mahasiswakelas reguler dan mahasiswa kelas karyawan, dan kebanyakan statusnya sudah bekerja.Tahapan yang dilakukan dalam penelitian ini yaitu; (1) pengumpulan data mahasiswauniversitas pandanaran, (2) mengolah data awal mahasiswa (3) pengolahan data selanjutnyamahasiswa dengan menggunakan klasifikasi data mining algoritma Decision Tree ID3 (4)eksperimen dan pengujian algoritma (5) evaluasi dan validasi hasil (8) MenghasilkanPola/Model Kelulusan Mahasiswa yang dapat dimanfaatkan untuk sebuah keputusandiperguruan tinggi.Eksperimen dan pengujian algoritma Decision Tree ID3 terhadap data kelulusan mahasiswamenghasilkan nilai akurasi 73,19% dengan nilai AUC 0,806.Kata Kunci:Data Mining, Decision Tree, ID3, Mahasiswa

KOMPARASI MODEL DECISION TREE UNTUK PREDIKSI KELULUSAN MAHASISWA DI UNIVERSITAS PANDANARAN Abdul Rohman; Anief Rufiyanto
Neo Teknika Vol 6, No 1 (2020): Jurnal Neo Teknika Vol 6 No.1 Juni 2020
Publisher : Universitas Pandanaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37760/neoteknika.v6i1.1427

Memprediksi kelulusan mahasiswa dalam perguruan tinggi sangat penting untukdianalisis, sehingga dalam mengelola pembelajaran akan lebih baik. Salah satu cara untukmemprediksi kelulusan mahasiswa yaitu dengan menggunakan metode klasifikasi datamining Decision Tree.Banyak penelitian untuk memprediksi kelulusan mahasiswa dengan menggunakanmetode Decision Tree, dengan data mahasiswa reguler dan mayoritas statusnya belumbekerja. Sedangkan dalam penelitian ini mahasiswa Universitas Pandanaran, memiliki datamahasiswa kelas reguler dan mahasiswa kelas karyawan dan kebanyakan statusnya sudahbekerja.Tahapan yang dilakukan dalam penelitian ini yaitu; pengumpulan data mahasiswauniversitas pandanaran, mengolah data awal mahasiswa, pengolahan data lanjutmahasiswa dengan menggunakan klasifikasi data mining metode Decision Tree C4.5, ID3dan CHAID, eksperimen dan pengujian metode, evaluasi dan validasi hasil sehinggamenghasilkanpola/model Kelulusan Mahasiswa yang dapat dimanfaatkan untuk sebuah keputusandiperguruan tinggi.Hasil yang didapat dari ketiga metode Decision Tree yaitu yang memiliki akurasitinggi adalah ID3 dengan nilai 73,19% sedangkan nilai AUC tertinggi adalah C4.5 dengannilai 0,874.Kata Kunci:Data Mining, Decision Tree, , C4.5, ID3, CHAID

Implementasi Algoritma K-Means Untuk Clustering Kepuasan Mahasiswa Terhadap Pelayanan Akademik Abdul Rohman; Muhammad Rochcham
Neo Teknika Vol 6, No 2 (2020): VOL 6, NO 2 (2020) : JURNAL NEO TEKNIKA VOL 6 NO 2 DESEMBER 2020
Publisher : Universitas Pandanaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37760/neoteknika.v6i2.1646

Penelitian ini bertujuan untuk mengelompokkan terhadap dataset kepuasan mahasiswa terhadap pelayanan akademik di perguruan tinggi, dengan menggunakan metode clustering data mining yaitu algoritma K-Means. Pengelompokan dibuat 3 klaster dengan menghasilkan 142 mahasiswa dengan tingkat kepuasan yang rendah, 23 mahasiswa dengan tingkat kepuasan sedang dan 83 mahasiswa dengan tingkat kepuasan yang tinggi terhadap layanan akademik. Kata kunci: Clustering, Algoritma K-Means, Kepuasan Mahasiswa

MODEL ALGORITMA K-NEAREST NEIGHBOR (K-NN) UNTUK PREDIKSI KELULUSAN MAHASISWA Abdul Rohman
Neo Teknika Vol 1, No 1 (2015): Vol 1 No 1 Juni 2015
Publisher : Universitas Pandanaran

Dalam sistem pendidikan mahasiswa adalah aset penting bagi sebuah institusi pendidikan dan untuk itu perlu diperhatikan tingkat kelulusan mahasiswa tepat pada waktunya. Prosentase naik turunnya kemampuan mahasiswa untuk menyelesaikan studi tepat waktu merupakan salah satu elemen penilaian akreditasi universitas. Untuk itu perlu adalah pemantauan dan evaluasi terhadap kelulusan mahasiswa dengan menggunakan klasifikasi data mining. Dengan mengolah data mahasiswa akan memperoleh hal penting untuk keperluan perguruaan tinggi terutama untuk prediksi kelulusan mahasiswa. Dalam penelitian ini dalam memprediksi kelulusan mahasiswa dengan menggunakan algoritma klasifikasi data mining K-Nearest Neighbor dengan mengklaster data k=1, k=2, k=3, k=4, dan k=5. Hasil yang diperoleh dengan cluster data k=5 accuracy adalah 85,15% dan nilai AUC adalah 0.888 adalah akurasi paling tinggi.Kata kunci: mahasiswa, K-Nearest Neighbor

Pengelompokan Mahasiswa Berdasarkan Indeks Prestasi Dengan Menggunakan Metode Clustering K-Means Abdul Rohman; Muhammad Rochcham
Neo Teknika Vol 6, No 2 (2020): VOL 6, NO 2 (2020) : JURNAL NEO TEKNIKA VOL 6 NO 2 DESEMBER 2020
Publisher : Universitas Pandanaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37760/neoteknika.v6i2.1685

Dataset indeks prestasi mahasiswa akan memiliki informasi dan pengetahuan yang bermanfaat bagi institusi, jika dataset tersebut di olah dengan data mining clustering. Algoritma k-means merupakan salah satu algoritma data mining clustering yang efektif untuk mengelompokan objek dengan nilai kemiripan data sehingga akan terbentuk kelompok yang aktual. Dalam penelitian ini menggunakan dataset mahasiswa yang berjumlah 379 dengan membagi 3 kelompok, yang hasilnya adalah kelompok prestasi tinggi berjumlah 116 orang, kelompok prestasi sedang berjumlah 190 orang dan kelompok prestasi rendah berjumlah 73 orang Kata kunci: Clustering, Algoritma K-Means, Indeks Prestasi, Mahasiswa

MODEL ALGORITMA C4.5 UNTUK PREDIKSI PENYAKIT JANTUNG Abdul Rohman; Muhammad Rochcham
Neo Teknika Vol 4, No 2 (2018): Jurnal Neo Teknika Vol 4 No.2 Desember 2018
Publisher : Universitas Pandanaran

Penyakit jantung terjadi akibat adanya penyumbatan sebagian atau total dari suatu pembuluh darah. Akibatnya adanya peyumbatan, maka dengan sendirinya suplai energi kimiawi ke otot jantung akan berkurang, sehingga terjadi gangguan keseimbangan antara suplai dan kebutuhan. Dalam penelitian ini dilakukan prediksi penyakit jantung menggunakan algoritma C4.5 dan terbentuk model algoritma. Dari hasil pengujian dengan mengukur metode C4.5 menggunakan, confusion matrix, dan curve ROC, diketahui bahwa algoritma C4.5 menghasilkan nilai akurasi 86,59 %, nilai AUC yang diperoleh 0.957 dan masuk kategori kelompok klasifikasi yang sangat baik.Kata Kunci: Algoritma, C4.5, Jantung

Co-Authors Afiatna, Puji Afif Faisal Yasin Afifah Nur Hawa Agung Wibowo Agung Wibowo Anief Rufiyanto Aqmal Putra R.R Basuki Sulistio Bayu Evendi Catur Supriyanto Choerul Fikri Hamdani Cicik Harini Dedy Alan Wirawan Desi Fitria Wulandika Deta verrensyah Dika Ade Royani Erika Ifalinda Fernanda Bagus Dwi Prastyo Fiki Wijayanti hia, Meriani Husnul Khotimah Intan Febriyana Irene Trivena Montalili Ismail, Ahmad Hafizh Iwan Setiawan Wibisono Khilda Afriyani Khoirul Asrofi Mayasa Kurnia Muhammad Diva Livarizi Muhammad Rochcham Munasiroh Munasiroh Nopita Widayanti Noviyana Dwi Herlinda Ray Taufiqy Sagala Rochmawati, Nur Intan Sabilatul Hidayah Salman Alfarizi Siska Nadeak Sri Mujiyono Sugeng Deri Pratama Tara Indah Afelia Teguh Santoso Ucik Lujiyanti Rukmana Vincent Suhartono Wahyu Aji Kuswoyo Wildan Khoiri Priandana Yoannes Romando Sipayung Yusak Maryunianta

Title

Found 54 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 54 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 54 Documents
Search