Article Per Year (5 Year)
p-Index From 2021 - 2026
0.659
P-Index
This Author published in this journals
All Journal INTEGER: Journal of Information Technology Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) ILKOMNIKA: Journal of Computer Science and Applied Informatics
Dian Ahkam Sani
Universitas Merdeka Pasuruan
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Implementasi Sistem Pakar Untuk Mendiagnosa Penyakit Pada Perokok Aktif Dan Perokok Pasif Dengan Menggunakan Metode Anfis Laila Safira; Muhammad Misdram; Dian Ahkam Sani
INTEGER: Journal of Information Technology Vol 6, No 1: Mei 2021
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.integer.2021.v6i1.1202

Abstract

Abstract. Cigarettes or cigars are cylinders of paper measuring between 70 and 120 mm long and about 10 mm in diameter containing chopped dried tobacco leaves. A person who inhales cigarette smoke is called a smoker. Smokers are divided into active smokers and passive smokers. An active smoker is someone who regularly consumes the smallest amount of cigarettes even though it's only 1 cigarette a day, and a passive smoker is someone who inhales cigarette smoke from an active smoker. Exposure to secondhand smoke can cause serious illness and death. The dangers of smoking on the health of the body have been researched and proven by many people. Lack of self-care, and lack of knowledge about the dangers of smoking make some people no longer think about their health in the future. Many rule out the bad effects caused by cigarette smoke. This is because these effects are not immediately visible when you first smoke. Many smokers are reluctant to get checked out for various reasons. Therefore, researchers made the implementation of an expert system to diagnose diseases in active smokers and passive smokers using the Anfis method. Anfis is an amalgamation of the system's fuzzy interface mechanism described in a neural network architecture. From the results of the implementation trial, the accuracy of the learning rate was 70% - 90% by including the same symptoms.Keywords: Expert System, Cigarettes, Anfis
Koreksi Jawaban Esai Berdasarkan Persamaan Makna Menggunakan Fasttext dan Algoritma Backpropagation Dian Ahkam Sani; M. Zoqi Sarwani
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol. 11 No. 2 (2022)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v11i2.49192

Abstract

Word Embedding adalah bagian dari NLP (Natural Language Processing) yang belakangan ini menjadi topik menarik untuk diteliti. Facebook AI research mengusulkan FastText sebagai salah satu metode word embedding yang memiliki keunggulan menemukan kata yang jarang ditemui atau OOV (Out of Vocab). Algoritma Backpropagation sebagai salah satu metode yang tidak hanya bisa mengklasifikasi namun juga memprediksi dengan arsitektur multilayer yang sering digunakan dengan mencari bobot optimal pada jaringan saraf tiruan. Pada tingkat akademisi penggunaan word embedding sudah banyak dilakukan untuk mencari kesamaan kata ataupun makna. Penelitian ini bertujuan untuk mengoreksi jawaban esai berdasarkan kesamaan makna sebagai alternatif bagi guru dalam menilai ujian. Data yang digunakan adalah data jawaban yang diambil dari pelajaran bahasa Indonesia sebanyak 10 soal dari total 50 siswa. Data jawaban tersebut nantinya akan ditraining dan disimpan kedalam bentuk vektor dengan menggunakan FastText. Sedangkan pemodelan data train sebelumnya menggunakan model corpus wikipedia dengan besaran dimensi vektor 200, n-window 5, dan min-count 3. Dari proses tersebut maka hasil penelitian menunjukkan bahwa dari 500 data yang digunakan didapatkan kombinasi terbaik dimana data training 75% sebesar 375 data dan jumlah data testing 25% sebesar 125 data dengan membandingkan nilai Yaktual dengan Yprediksi menggunakan MAPE (Mean Absolute Percentage Error) sehingga nilai MAPE terbaik yang didapatkan pada hasil pengujian proses training dan testing masing-masing 5% dan 8%. Dari hasil tersebut dapat dilihat bahwa model yang dihasilkan menggunakan algoritma backpropagation untuk melakukan penilaian/koreksi jawaban secara otomatis sangat baik.
Sistem Rekomendasi Penerima Bantuan Sosial APBD Menggunakan Metode Support Vector Machine Moch Yazid; Dian Ahkam Sani; Nanda Martyan Anggadimas
ILKOMNIKA: Journal of Computer Science and Applied Informatics Vol 6 No 1 (2024): Volume 6, Nomor 1, April 2024
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v6i1.619

Abstract

Pemberian bantuan sosial APBD (Anggaran Pendapatan dan Belanja Daerah) merupakan aspek krusial dalam upaya pemerintah untuk mendukung masyarakat yang membutuhkan. Untuk meningkatkan efektivitas dan efisiensi dalam penentuan penerima bantuan, perancangan sistem rekomendasi menjadi suatu kebutuhan. Penelitian ini bertujuan merancang Sistem Rekomendasi Penerima Bantuan Sosial APBD dengan metode metode Support Vector Machine (SVM) dan dilakukan pada Dinas Sosial Kota Pasuruan. Dengan penerapan system diharapkan dapat meningkatkan transparansi, kecepatan, dan ketepatan dalam penentuan penerima bantuan, sehingga sumber daya dapat dialokasikan secara lebih efisien untuk mendukung kesejahteraan masyarakat. Hasil evaluasi model menunjukkan tingkat akurasi sebesar 95%, presisi mencapai 100%, dan recall sekitar 93%. F1-Score model mencapai 96.5.
Co-Authors Laila Safira M. Zoqi Sarwani Moch Yazid Muhammad Misdram Nanda Martyan Anggadimas