Article Per Year (5 Year)
p-Index From 2021 - 2026
0.817
P-Index
This Author published in this journals
All Journal Joined Journal (Journal of Informatics Education Tematik The Indonesian Journal of Computer Science Green Engineering: Journal of Engineering and Applied Science
Mohammad Burhan Hanif
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Social Sciences Other

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Klasifikasi Persalinan Prematur Menggunakan Perbandingan Algoritma C4.5 dan Random Forest Handini Arga Damar Rani; Mohammad Burhan Hanif; Afis Pratama; R. Irlanto Sudomo
Joined Journal (Journal of Informatics Education) Vol 5 No 2 (2022): Volume 5 Nomor 2 (2022)
Publisher : Universitas Ivet

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31331/joined.v5i2.2503

Abstract

Persalinan prematur adalah kondisi kelahiran bayi kurang dari 37 minggu dengan berat janin kurang dari 2500 gram. Dimana tingkat persalinan bayi premature yang berujung pada kematian meningkat dari tahun 2000 sampai 2014 sebanyak 8.5%. Klasifikasi untuk penanganan persalinan premature secara dini merupakan salah satu solusi yang sering diteliti. Beberapa algoritma klasifikasi yang sering digunakan adalah C4.5 dan Random Forest. Dari kedua algoritma tersebut akan dipilih mana algoritma terbaik dengan melihat pada tingkat akurasi yang paling tinggi yang akan dipilih. Dari hasil perhitungan algoritma Random Forest didapatkan akurasi sebesar 99.38% dengan AUC 0.988. Sedangkan capaian dari algoritma C4.5 sebesar 98.75% dengan AUC 0.5. Maka dari hasil itu dapat dibandingkan dengan nilai akurasi kedua algoritma disimpulkan bahwa algoritma Random Forest lebih baik akurasinya untuk mengatasi data persalianan premature jika disbanding dengan algoritma C4.5.
Pelatihan Menggunakan PhpMyadmin Untuk Mengolah Data Sederhana di SMK Negeri 2 Demak Setiaji, Galet Guntoro; Mohammad Burhan Hanif; Tirta Kumkamdani; Joko Suntoro
TEMATIK Vol. 5 No. 2 (2025): Juli
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/tematik.v5i2.12354

Abstract

Tim Pengabdian Kepada Masyarakat Universitas Semarang, memberikan pelatihan menggunakan PhpMyadmin kepada siswa di SMK Negeri 2 Demak. Dimana dalam pelatihan menggunakan PhpMyadmin diberikan contoh mengolah data sederhana membuat database dan tabel. Sebelum memulai kegiatan pelatihan akan diberikan Pre-Test terkait pemahaman terkait materi pelatihan, dan setelah mengikuti pelatihan seberapa jauh menangkap materi dan pemahaman terhadap pelatihan dengan memberikan Post-Test. Dimana Pre dan Post Test diolah menggunakan metode N-Gain untuk mengetahui seberapa besar siswa sebelum dan sesudah mengikuti pelatihan. Dimana nilai N-Gain score rata-rata yang didapat pelatihan sebesar 0,75 yaitu siswa dapat menangkap dan lebih paham setelah mengikuti pelatihan mengolah data menggunakan PhpMyadmin
Meningkatkan Kinerja Decision Tree C4.5 dengan Seleksi Fitur Korelasi Pearson pada Deteksi Penyakit Diabetes Mohammad Burhan Hanif; Galet Guntoro Setiaji
The Indonesian Journal of Computer Science Vol. 11 No. 2 (2022): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v11i2.3087

Abstract

Diabetes sebuah penyakit yang menjadi momok seluruh dunia. Kerugianya tidak hanya pada penderita sendiri tetapi juga merambah ke banyak sektor. Baik di sektor pelayanan kesehatan dan sektor financial yang sangat menjadi beban tinggi yang perlu ditangani dengan baik dengan jalan pendeteksian penyakit diabetes sejak dini. Salah satu pendeteksian dini penyakit diabetes dapat memanfaatkan algoritma machine learning pada bidang data mining. Algoritma C4.5 merupakan algoritma machine learning yang memiliki tingkat akurasi dan kecepatan perhitungan tinggi dalam klasifikasi. Namun demikian algoritma C4.5 terganggu dengan data tak seimbang dan fitur data berdimensi tinggi. Pemanfaatan seleksi fitur menjadi salah satu penyelesain masalah data berdimensi tinggi. Algoritma Korelasi Pearson memiliki kemampuan dalam mengukur informasi antar fitur dan diterapkan dalam penelitian ini. Penggunaan Korelasi Pearson dianggap berhasil dalam meningkatkan kinerja algoritma C4.5 dalam deteksi awal penyakit diabetes. Keberhasilan ini terlihat pada hasil akurasi sebesar 95.31% tanpa korelasi pearson menjadi 96.16% dengan pemanfaatan korelasi pearson.
Low-Carbon Concrete Development through the Integration of Industrial Waste and Carbon Capture Materials Mohammad Burhan Hanif; Handini Arga Damar Rani; Surono Surono
Green Engineering: International Journal of Engineering and Applied Science Vol. 1 No. 2 (2024): April: Green Engineering: International Journal of Engineering and Applied Scie
Publisher : International Forum of Researchers and Lecturers

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70062/greenengineering.v1i1.254

Abstract

This study explores the development of low-carbon concrete by integrating industrial waste materials and CO₂-absorbing minerals to reduce carbon emissions in the construction industry. The research investigates various mix ratios involving fly ash, slag, and CO₂-absorbing minerals, aiming to optimize both performance and sustainability. Experimental methods included compressive strength testing, carbon emission measurement, and durability evaluation. The results indicate that low-carbon concrete formulations achieve up to 45% reduction in carbon emissions compared to conventional concrete, which uses Portland cement. Despite a slight decrease in compressive strength, the optimal mix reached 34 MPa, which is sufficient for structural applications. Durability testing revealed that concrete with CO₂-absorbing minerals showed improved long-term performance compared to other formulations. The findings highlight the potential of using industrial waste materials and carbon capture technologies to create more environmentally sustainable concrete while maintaining necessary structural properties. This study contributes to the growing demand for eco-friendly construction materials and supports the implementation of low-carbon concrete in large-scale industrial applications. Further optimization of mix ratios and long-term performance studies are recommended for broader adoption in the construction industry.
Co-Authors Afis Pratama Galet Guntoro Setiaji Handini Arga Damar Rani Joko Suntoro Sudomo, R. Irlanto Surono Surono Tirta Kumkamdani