Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

0.61

P-Index

This Author published in this journals

All Journal Natural Science: Journal of Science and Technology JURNAL ILMIAH MATEMATIKA DAN TERAPAN BAREKENG: Jurnal Ilmu Matematika dan Terapan Mathvision : Jurnal Matematika

Agusman Sahari

Tadulako University

Author-ID : 368353

Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Energy Engineering Mathematics Mechanical Engineering Physics Transportation

Published : 20 Documents Claim Missing Document

Claim Missing Document

Articles

1 2

PENERAPAN METODE GOAL PROGRAMMING UNTUK MEMAKSIMALKAN PERSEDIAAN DAN MEMINIMUMKAN BIAYA PENDISTRIBUSIAN BERAS DI PERUM BULOG DIVRE PALU Hartini, Hartini; Sahari, Agusman; Ratianingsih, Rina
JURNAL ILMIAH MATEMATIKA DAN TERAPAN Vol. 11 No. 1 (2014)
Publisher : Program Studi Matematika, Universitas Tadulako

PENERAPAN METODE GOAL PROGRAMMING UNTUK MEMAKSIMALKAN PERSEDIAAN DAN MEMINIMUMKAN BIAYA PENDISTRIBUSIAN BERAS DI PERUM BULOG DIVRE PALU

PENERAPAN METODE SIMPLEKS UNTUK MENGOPTIMALKAN KEBUTUHAN GIZI SEIMBANG PADA USIA LANJUT DI KOTA PALU Susilowati, Novi; Sahari, Agusman; Resnawati, Resnawati
JURNAL ILMIAH MATEMATIKA DAN TERAPAN Vol. 11 No. 1 (2014)
Publisher : Program Studi Matematika, Universitas Tadulako

PENERAPAN METODE SIMPLEKS UNTUK MENGOPTIMALKAN KEBUTUHAN GIZI SEIMBANG PADA USIA LANJUT DI KOTA PALU

OPTIMALISASI PERENCANAAN BIAYA DISTRIBUSI BAHAN MATERIAL KERIKIL PECAH TERSARING SUATU PROYEK KONSTRUKSI DENGAN MENGGUNAKAN METODE TRANSPORTASI (STUDI KASUS: REHABILITASI JALAN JABAL NUR, JALAN PATIMURA, DAN JALAN KAMBOJA KOTA PALU) Alfiani, T; Sahari, Agusman; Resnawati, Resnawati
JURNAL ILMIAH MATEMATIKA DAN TERAPAN Vol. 12 No. 1 (2015)
Publisher : Program Studi Matematika, Universitas Tadulako

PEMBUATAN SKEMA JALUR ANGKUTAN KOTA PALU BERDASARKAN PENCARIAN LINTASAN DENGAN BOBOT MAKSIMUM MENGGUNAKAN ALGORITMA ANT COLONY SYSTEM (ACS) Nurhayati, Listi; Sudarsana, I Wayan; Sahari, Agusman
JURNAL ILMIAH MATEMATIKA DAN TERAPAN Vol. 12 No. 1 (2015)
Publisher : Program Studi Matematika, Universitas Tadulako

PEMBUATAN SKEMA JALUR ANGKUTAN KOTA PALU BERDASARKAN PENCARIAN LINTASAN DENGAN BOBOT MAKSIMUM MENGGUNAKAN ALGORITMA ANT COLONY SYSTEM (ACS)

OPTIMALISASI HASIL PRODUKSI TAHU DAN TEMPE MENGGUNAKAN METODE BRANCH AND BOUND (STUDI KASUS: PABRIK TEMPE ERI JL. TERATAI NO.04 PALU SELATAN) Dg. Pagiling, R K; Sahari, Agusman; Rais, Rais
JURNAL ILMIAH MATEMATIKA DAN TERAPAN Vol. 12 No. 1 (2015)
Publisher : Program Studi Matematika, Universitas Tadulako

OPTIMALISASI HASIL PRODUKSI TAHU DAN TEMPE Â MENGGUNAKAN METODE BRANCH AND BOUND (STUDI KASUS: PABRIK TEMPE ERI JL. TERATAI NO.04 PALU SELATAN)

OPTIMALISASI PEMBANGUNAN PERUMAHAN DENGAN MENGGUNAKAN METODE SIMPLEKS (STUDI KASUS: UD. PERUMAHAN GRIYA CEMPAKA ALAM) Natalia, Heinny; Sahari, Agusman; Jaya, Agus Indra
JURNAL ILMIAH MATEMATIKA DAN TERAPAN Vol. 12 No. 1 (2015)
Publisher : Program Studi Matematika, Universitas Tadulako

OPTIMALISASI PEMBANGUNAN PERUMAHAN DENGAN MENGGUNAKAN METODE SIMPLEKS (STUDI KASUS: UD. PERUMAHAN GRIYA CEMPAKA ALAM)

PENENTUAN RUTE PENDISTRIBUSIAN TABUNG GAS LPG 3 KG MENGGUNAKAN METODE CLARK E AND WRIGHT (STUDI KASUS UD. SYAMSUDIN OEMAR) Rezki, Pipin; Sahari, Agusman; Resnawati, Resnawati
JURNAL ILMIAH MATEMATIKA DAN TERAPAN Vol. 13 No. 1 (2016)
Publisher : Program Studi Matematika, Universitas Tadulako

PENENTUAN RUTE PENDISTRIBUSIAN TABUNG GAS LPG 3 KG MENGGUNAKAN METODE CLARK E AND WRIGHT (STUDI KASUS UD. SYAMSUDIN OEMAR)

Klasifikasi Rumah Tangga Miskin Desa Siney Kecamatan Tinombo Selatan Menggunakan Metode Ordinal Class Classifier (OCC) Alfiani; Sahari, Agusman; Najar, Abdul Mahatir
JURNAL ILMIAH MATEMATIKA DAN TERAPAN Vol. 20 No. 1 (2023)
Publisher : Program Studi Matematika, Universitas Tadulako

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22487/2540766X.2023.v20.i1.16362

Badan Pusat Statistik (BPS) mengkategorikan status rumah tangga miskin menjadi tiga yaitu Rumah Tangga Sangat Miskin (RTSM), Rumah Tangga Miskin (RTM), dan Rumah Tangga Hampir Miskin (RTHM). Mengklasifikasikan golongan rumah tangga miskin desa Siney menggunakan metode Ordinal Class Classifier (OCC). OCC merupakan meta classifier yang dapat menghasilkan suatu kelas prediksi dan dapat mengasumsikan nilai kelas nominal. Penelitian ini menggunakan data yang tersedia di kantor desa Siney sebanyak 300 data dengan 14 indikator kemiskinan. Tujuannya dapat mengklasifikasikan dan memperoleh akurasi yang optimal dari pembagian data testing dan data training dalam klasifikasi RTSM, RTM, dan RTHM berdasarkan metode OCC. Berdasarkan hasil analisis baik program maupun manual menunjukkan bahwa OCC dapat melakukan klasifikasi status rumah tangga miskin dengan baik. Hal ini dapat dilihat dari hasil Pengujian tertinggi precission sebesar 98,10%, recall 87,50% dan akurasi 96,6% OCC.Kata Kunci : Kemiskinan, Klasifikasi, Ordinal Class Classifier

Evaluasi Kinerja Algoritma Machine learning pada Dataset Skala Besar Lusiyanti, Desy; Musdalifah, Selvy; Sahari, Agusman; Fajri, Iman Al
MathVisioN Vol 7 No 1 (2025): Maret 2025
Publisher : Prodi Matematika FMIPA Unirow Tuban

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55719/mv.v7i1.1661

Di era digital, volume data yang dihasilkan terus meningkat secara eksponensial, menuntut pengembangan metode analisis yang lebih efisien dan akurat. Machine Learning (ML) telah menjadi pendekatan utama dalam pengolahan dataset skala besar, termasuk dalam analisis kualitas air. Penelitian ini bertujuan untuk mengevaluasi performa beberapa algoritma ML dalam mengklasifikasikan kualitas air berdasarkan dataset berskala besar yang diperoleh dari sumber daring. Model yang diuji mencakup Logistic Regression (LR), Decision Tree (DT), Random Forest (RF), XGBoost (XGB), K-Nearest Neighbors (KNN), dan Support Vector Machine (SVM). Metodologi yang diterapkan mencakup preprocessing data dengan imputasi median untuk menangani missing values serta K-Fold Cross Validation (k=10) untuk memastikan hasil yang lebih generalizable. Evaluasi model dilakukan berdasarkan metrik akurasi, precision, recall, F1-score, dan waktu komputasi. Hasil penelitian menunjukkan bahwa XGBoost memiliki performa terbaik dengan akurasi 67%, diikuti oleh Decision Tree, KNN, dan SVM dengan akurasi 65%, sedangkan Logistic Regression dan Random Forest memiliki akurasi 63%. Temuan ini mengonfirmasi bahwa model berbasis gradient boosting seperti XGBoost lebih unggul dalam menangani kompleksitas dataset skala besar dibandingkan model berbasis regresi atau pohon keputusan tunggal. Penelitian ini berkontribusi dalam memberikan rekomendasi bagi akademisi dan praktisi dalam memilih algoritma ML yang paling efisien dan optimal untuk analisis kualitas air. Rekomendasi untuk penelitian selanjutnya mencakup eksplorasi optimasi hyperparameter, balancing dataset, serta pengujian dengan dataset real-time untuk validasi lebih lanjut.

COMPARATIVE ANALYSIS OF MACHINE LEARNING METHODS IN CLASSIFYING THE QUALITY OF PALU SHALLOTS Lusiyanti, Desy; Musdalifah, Selvy; Sahari, Agusman; Fajri, Iman Al
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 19 No 3 (2025): BAREKENG: Journal of Mathematics and Its Application
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/barekengvol19iss3pp1853-1864

This study conducts a comparative analysis of various machine learning methods for classifying the quality of Palu shallots based on the Indonesian National Standard (SNI). The dataset consists of 1,500 samples of Palu shallots, each characterized by 10 key features, including size, color, texture, and moisture content. Five machine learning models—Naïve Bayes, Decision Tree, Random Forest, Support Vector Machine (SVM), and Logistic Regression—were evaluated using accuracy, precision, recall, and F1 score as performance metrics. The results indicate that Random Forest achieved the best performance with an accuracy of 95.4%, followed by Decision Tree (90.7%) and SVM (90.2%). Random Forest also excelled in precision (93.6%) and F1 Score (93.5%), making it the most reliable model for shallot quality classification. Meanwhile, SVM demonstrated a good balance between recall and precision, making it a strong alternative. Implementing machine learning models has the potential to enhance the efficiency and accuracy of agricultural product quality assurance. The findings of this study provide valuable insights for farmers, agribusiness practitioners, and researchers adopting artificial intelligence technology for more precise and efficient agricultural quality assessment.

Co-Authors Abdul Mahatir Najar Agus Indra Jaya Akram, Akram Aldri Frinaldi Alfiani Alfiani, T Andi Hendra Desy Lusiyanti Dg. Pagiling, R K Fadly, M Fandi, Ahmad Fauji, M I Wayan Sudarsana Ida Ayu Putu Sri Widnyani Iman Al Fajri Muhammad Rivai Natalia, Heinny Nina Nina Nurhayati, Listi Prahasti, Syafira Rais Rais Resnawati Rezki, Pipin Rina Ratianingsih Selvy Musdalifah Sulistiawati Mendi Susilowati, Novi Syahrurrahmah, Syahrurrahmah

Title

Found 20 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 20 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 20 Documents
Search