Article Per Year (5 Year)
p-Index From 2020 - 2025
1.182
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Intech : Information Technology Journal of UMUS Jurnal Web Informatika Teknologi [J-WIT]
Raden Mohamad Herdian Bhakti
Prodi Teknik Informatika, Fakultas Teknik, Universitas Muhadi Setiabudi
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 10 Documents
Search

 1 
Sistem Pendukung Keputusan Penyeleksian Calon Peserta Olimpiade Menggunakan Metode SAW (Studi Kasus : SMAN 1 Beber Kabupaten Cirebon) Muhammad Fizarudin; R.Moh. Herdian Bhakti
Jurnal Teknik Informatika UMUS Vol 1 No 01 (2019): Mei
Publisher : Universitas Muhadi Setiabudi

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (508.703 KB) | DOI: 10.46772/intech.v1i01.33

Abstract

Olimpiade Sains Nasional (OSN) merupakan kegiatan lomba bidang akademik yang diselenggarakan rutin setiap tahun. Kendala dalam proses penyeleksian calon peserta OSN di SMAN 1 Beber Kabupaten Cirebon yaitu merasa kesulitan dalam menseleksi cabang olimpiade kebumian, terkadang pihak sekolah dalam memilih calon peserta tidak sepenuhnya melihat kriteria yang ditetapkan. Metode yang digunakan dalam penelitian ini adalah SAW, metode ini dipilih karena dalam perhitungan normalisasi matriks sudah disesuaikan dengan jenis atribut pada masing-masing kriteria. Kriteria yang digunakan dalam penelitian ini berjumlah 7 kriteria. Berdasarkan hasil perhitungan alternatif terhadap kriteria didapatkan bahwa rangking pertama memiliki nilai V sebesar 0,940; sedangkan urutan kedua memiliki nilai V 0,936; urutan ketiga V=0,826; urutan keempat V=0,792; dan urutan kelima dengan V=0,789
Penggunaan Certainty Factor Dalam Sistem Pakar Diagnosa Penyakit Jerawat Aida Gustika Puteri; R.M.Herdian Bhakti
Jurnal Teknik Informatika UMUS Vol 1 No 02 (2019): November
Publisher : Universitas Muhadi Setiabudi

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (782.886 KB) | DOI: 10.46772/intech.v1i02.72

Abstract

Jerawat adalah suatu keadaan dimana pori-pori tersumbat sehingga menimbulkan kantung nanah yang meradang. Rata-rata pasien mengalami keluhan jerawat karena masa pubertas, hormon atau keturunan, ataupun kesalahan dalam penggunaam kosmetik. Berdasarkan permasalahan tersebut, maka penelitian ini bertujuan untuk memberikan informasi mengenai jenis-jenis jerawat yang biasa terjadi melalui gejala yang ditimbulkannya serta solusi dalam pengobatannya melalui metode certainty factor. Berdasarkan hasil pengujian secara blackox sistem mampu mendeteksi penyakit jerawat sebesar 100%, selain itu juga sistem dapat mempermudah user untuk berkonsultasi tanpa harus bertemu dengan dokter spesialis.
Segmentasi K-Means Clustering Pada Citra Menggunakan Ekstrasi Fitur Warna dan Tekstur Agyztia Premana; Raden Mohamad Herdian Bhakti; Dimas Prayogi
Jurnal Teknik Informatika UMUS Vol 2 No 01 (2020): Mei
Publisher : Universitas Muhadi Setiabudi

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (738.972 KB) | DOI: 10.46772/intech.v2i01.190

Abstract

Segmentasi citra menjadi landasan utama pada proses analisa dan pengenalan citra digital. Segmentasi membagi citra digital kedalam beberapa wilayah yang unik berdasarkan piksel yang homogeny. Segmentasi citra mengelompokkan piksel yang homogeny berdasarkan beberapa fitur seperti warna, tekstur dan bentuk. Warna mengandung banyak informasi dan manusia dapat melihat berjuta-juta kombinasi dan intensitas warna, dibandingkan dengan ke abu-abuan (greyscale) atau hitam putih (binary). Metode yang diterapkan adalah metode clustering. Fitur citra digital yang akan diekstraksi adalah tekstur dan warna. Untuk tekstur menggunakan filter gabor sedangkan untuk ekstraksi warna menggunakan vector ruang L*a*b. namun filter gabor mempunyai kelemahan yaitu ketika citra yang disegmentasi banyak tekstur makro, sehingga mempengaruhi akurasi dalam segmentasi citra digital. Sebagai pendukung dalam meningkatkan akurasi dalam ekstraksi tekstur makro digunakan metode k-means. Penelitian penggunaan fitur tekstur meningkat menjadi 17,5% dan ekstraksi warna keabu-abuan meningkat 16,24%. Sedangkan fitur filter gabor dapat meningkatkan akurasi segmentasi citra digital 2% pada ekstrksi warna pada ruang warna L*a*b meningkat 0.3%
Perancangan Dan Implementasi Ruangan Data Center Dengan Framework Tia-942 R. M. Herdian Bhakti; Otong Saeful Bachri
Jurnal Teknik Informatika UMUS Vol 3 No 01 (2021): Mei
Publisher : Universitas Muhadi Setiabudi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46772/intech.v3i01.420

Abstract

Data center atau pusat data merupakan fasilitas yang berfungsi sebagai tempat untuk menyimpan kumpulan server dan perangkat jaringan pendukung lainnya. Fasilitas ini membutuhkan sebuah perhatian yang khusus, karena didalamnya terdapat server sebagai tempat untuk mengolah data secara digital. Kebutuhan perangkat server menjadi sangat penting sebagai penungjang kegian operasional di kampuus setiap harinya. Oleh karena itu rancangan ruang data center harus memenuhi standar internasional, hal ini mengacu pada standar TIA-942. Dalam merancang fasilitas ruang data center ini menggunakan metode PPDIOO Network Life-Cycle Approach. Metode ini dipilih karena cocok dalam perencanaan jangka Panjang. Hasil akhir dari penelitian ini adalah mendesain dan implementasi ruang data center berdarsarkan standar TIA-943.
Optimasi K-Means dengan Particle Swarm Optimization pada Pengelompokkan Daerah Stunting Harliana Harliana; Raden Mohamad Herdian Bhakti; Otong Saeful Bachri; Fery Sofian Efendi
Jurnal Teknik Informatika UMUS Vol 3 No 02 (2021): November
Publisher : Universitas Muhadi Setiabudi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46772/intech.v3i02.457

Abstract

Stunting suatu kondisi balita yang memiliki tinggi badan lebih pendek dari usia normalnya. Berdasarkan data PSG Dinas Kesehatan Kabupaten Kediri di bulan februari 2018, tingkat prevelensi stunting di seluruh kecamatan Kabupaten Kediri sekitar 19,79%. Melihat tingkat prevelensi yang tinggi tersebut, maka penelitian ini akan melakukan clustering terhadap 37 kecamatan yang ada di Kabupaten Kediri berdasarkan prosentasi tingkat stunting tertinggi sampai dengan terendah. Untuk mendapatkan hasil yang maksimal maka algoritma k-means yang digunakan akan dioptimasi dengan PSO. Berdasarkan hasil penelitian didapatkan bahwa rata-rata hasil nilai silhouette coefficient dan akurasi pada PSO k-means akan menghasilkan nilai yang lebih tinggi bila dibandingkan dengan k-means murni. Namun apabila dilihat dari waktu komputasinya maka k-means murni memiliki waktu yang lebih cepat bila dibandingkan dengan PSO k-means.
Penentuan Status Stunting pada Anak dengan Menggunakan Algoritma KNN Otong Saeful Bachri; Raden Mohamad Herdian Bhakti
Jurnal Teknik Informatika UMUS Vol 3 No 02 (2021): November
Publisher : Universitas Muhadi Setiabudi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46772/intech.v3i02.533

Abstract

Usia balita merupakan salah satu usia penting dalam proses tumbuh kembang seorang anak. Menurut data Dinas Kesehatan Jawa Tengah pada Tahun 2013 terdapat sekitar 200 anak balita di Kabupaten Brebes yang mengalami stunting. Namun saat ini prosentase stunting yang terjadi di Desa Sirampog Kabupaten Brebes masih cenderung tinggi yaitu sekitar 3,77% balita yang masih mengalami gizi buruk dan stunting, serta 13,20% balita yang masih mengalami gizi kurang dan cenderung stunting. Berdasarkan hal tersebut maka penelitian ini bertujuan untuk melakukan klasifikasi status gizi balita dengan menggunakan algoritma KNN dan mengetahui keakuratan yang dihasilkan oleh algoritma K-Nearst Neighbor (KNN) dalam melakukan klasifikasi. Melalui hasil pengujian pada 114 data uji diketahui bahwa algoritma KNN mampu melakukan klasifikasi penentuan status stunting pada anak berdasarkan umur (U), berat badan (BB), tinggi badan (TB), dan lingkar kepala (LK) dengan akurasi tertinggi dan nilai error rate terkecil terdapat pada nilai k=3.
Analisis Sentimen Penanganan Covid-19 dengan Support Vector Machine: Evaluasi Leksikon dan Metode Ekstraksi Fitur Wildan F. Abdillah; Agyztia Premana; R. M. Herdian Bhakti
Jurnal Teknik Informatika UMUS Vol 3 No 02 (2021): November
Publisher : Universitas Muhadi Setiabudi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46772/intech.v3i02.556

Abstract

Peneliti melakukan uji perbandingan metode ekstraksi fitur dan leksikon bahasa Indonesia pada analisis sentimen teks di media sosial terkait penanganan Covid-19. Set data yang digunakan berasal dari penelitian sebelumnya yang divalidasi ahli bahasa. Penelitian ini bertujuan mengukur performa kamus sentimen kata dari leksikon InSet dan sentistrength_id terhadap label aktual, berikutnya untuk mengetahui pengaruh pemilihan metode ekstraksi fitur term presence, BoW, dan TF-IDF. Proses penelitian dimulai dengan tahap prapengolahan teks, pemilihan metode ekstraksi fitur, pelabelan kata dengan leksikon, dan klasifikasi sentimen dengan Support Vector Machine (SVM). Evaluasi akhir dilakukan dengan k-Fold cross validation menggunakan data yang disintesis dengan algoritma SMOTE. Pengujian awal menunjukkan bahwa kamus sentimen kata leksikon sentistrength_id menghasilkan skor akurasi sedikit lebih tinggi (64,46%) dibanding InSet (62,65%) saat dikombinasikan dengan TF-IDF. Di tahap evaluasi akhir, kamus sentimen kata sentistrength_id masih menunjukkan performa yang relatif lebih baik berdasarkan rerata nilai akurasi, presisi, sensitivitas, dan f-measure (59,22%, 61,1%, 31,3%, 41,0%) dibanding InSet (58,98%, 62,2%, 26,1%, 36,6%) saat dikombinasikan dengan TF-IDF. Secara umum, performa kedua leksikon memang masih di bawah data dengan label aktual yang mengindikasikan kedua leksikon belum cukup kuat dalam menentukan kelas kata. Penyebabnya bisa karena jumlah data yang relatif sedikit atau karena normalisasi teks belum cukup dilakukan secara maksimal.
Metode Topsis dan Algoritma C4.5 dalam Menentukan Penerima Bantuan Langsung Tunai Tohayah Tohayah; Nur Ariesanto Ramdhan; Herdian Bhakti
Jurnal Teknik Informatika UMUS Vol 3 No 02 (2021): November
Publisher : Universitas Muhadi Setiabudi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46772/intech.v3i02.641

Abstract

Pentingnya Bantuan Langsung Tunai (BLT) saat ini sangatlah penting bagi masyarakat kurang mampu, kemudian juga dapat menjadi sebuah tantangan bagi pemerintah desa untuk memberikan keputusan yang tepat dan akurat dalam pengelolaan data Bantuan Langsung Tunai. Namun pelaksanaan seleksi penerima Bantuan Langsung Tunai masih rancu dan menimbulkan kesalah pahaman bagi msyarakat setempat karena cara penyeleksian yang dilakukan secara subyektif. Sistem Pendukung Keputusan dengan dukungan software Rapid Miner diharakan mampu meningkatkan kinerja dan menentukan akurasi metode yang lebih baik serta mempermudah proses seleksi penerima Bantuan Langsung Tunai. Pada pelitian yang dilakukan ini menggunakan Sample data BLT yang berjumlah 50 dari 300 dataset. Sampel dataset 50 untuk data training sedangkan dataset 300 untuk data testing atau target. Selanjutnya input data akan diproses melalui software Rapid Miner menggunakan teknik data mining dengan metode TOPSIS dan Algoritma C4.5. output dari sistem ini berupa hasil perbandingan Metode yang lebih baik yaitu Algoritma C4.5 dengan hasil nilai Accuracy sebesar 76,00%, Precision sebesar 82,61%, dan Sensivity atau Class Recall sebesar 90,48%.
Sistem Analisis Untuk Mengukur Tingkat Kesehatan Masyarakat Menggunakan Algoritma C4.5 Berbasis Web di Desa Ligung Lor R. Mohamad Herdian Bhakti; Muhammad Muhidin
Jurnal Web Informatika Teknologi Vol. 2 No. 2 (2017): Jurnal Web Informatika Teknologi (J-WIT)
Publisher : LPPM STMIK WIT

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (499.35 KB)

Abstract

Kesehatan masih menjadi masalah yang cukup serius bagi pemerintahan Desa Ligung Lor. Desa Ligung Lor setiaptahunnya melakukan sensus penduduk. Dalam data sensus yang didapatkan tidak adanya informasi tentang tingkat kesehatanmasyarakat sehingga masyarakat tidak dapat mempunyai informasi tentang kesehatan di wilayah Desa Ligung Lor. Untukmengatasi hal tersebut maka dibuatlah sistem pengukur tingkat kesehatan masyarakat berbasis web untuk mengukur danmenginformasikan tingkat kesehatan di Desa Ligung Lor. sistem ini dibangun menggunakan metode C4.5 yaitu merupakansuatu pohon keturunan yang dapat menentukan suatu kondisi berdasarkan kriteria yang diinputkan, pohon keuturunandirancang terlebih dahulu melalui perhitungan mencari Gain dan Entropy. Model pohon keturunan ini akan menentukan suatukondisi masyarakat dapat disebut layak sehat atau beresiko. Sistem pengukur tingkat kesehatan masyarakat menggukanametode C4.5 ini dapat menentukan kelayakan status kesehatan pada masyarakat dan dapat efisien penyampaian informasikesehatan secara luas kepada masyarakat melalui media web.
Perancangan Sales Prediction Model Menggunakan Metode Neural Network Kristiawan Nugroho; Wiwien Hadi Kurniawati; Raden Mohamad Herdian Bhakti
Jurnal Teknik Informatika UMUS Vol 4 No 02 (2022): November
Publisher : Universitas Muhadi Setiabudi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46772/intech.v4i02.870

Abstract

Datamining merupakan fenomena penting pada bidang ilmu teknologi informasi yang telah membantu manusia pada berbagai bidang kehidupan. Datamining merupakan bidang ilmu yang menarik untuk diteliti apalagi pada saat ini dimana Big Data yang dihaslilkan dalam berbagai kehidupan manusia mempunyai volume yang sangat besar namun kurang memberikan arti bagi kehidupan. Penelitian datamining mengenai sales prediction memberikan kontribusi positif bagi para pengambil keputusan dalam melakukan prediksi penjualan barang yang dilakukan secara online berdasarkan beberapa fitur antara lain usia,jenis kelamin,minat,impresi maupun jumlah uang yang dibelanjakan. Penelitian ini berkontribusi dalam membangun sebuah model regresi sales prediction menggunakan metode Neural Network yang dapat dipergunakan sebagai alat bantu dalam pengambilan keputusan untuk menjual jenis produk yang diminati berbagai macam segment pada toko online. Metode Neural Network yang merupakan salah satu metode yang bekerja berdasar pola berpikir syaraf manusia terbukti memberikan hasil terbaik dalam membangun model sales prediction dibandingkan metode Random Forest dan AdaBoost. Sales prediction model menggunakan Neural Network menunjukkan hasil kinerja yang diukur dengan Mean Squared Error (MSE) sebesar 0.831, Root Mean Square Error (RMSE) sebesar 0,911 dan Mean Absolute Error (MAE) sebesar 0,650.
Co-Authors Agyztia Premana Aida Gustika Puteri Dian Kristiawan Nugroho Dimas Prayogi Fery Sofian Efendi Harliana Harliana Muhammad Fizarudin Muhammad Muhidin Nur Ariesanto Ramdhan Otong Saeful Bachri Tohayah Tohayah Wildan F. Abdillah Wiwien Hadi Kurniawati