Article Per Year (5 Year)
p-Index From 2020 - 2025
2.083
P-Index
This Author published in this journals
All Journal ILKOM Jurnal Ilmiah Jurnal SITECH : Sistem Informasi dan Teknologi Jambura Journal of Electrical and Electronics Engineering Jurnal Ilmiah Ilmu Komputer Banthayo Lo Komputer (BALOK) Jurnal Pengabdian Pada Masyarakat Eldimas
Amiruddin Bengnga
Universitas Ichsan Gorontalo
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Electrical & Electronics Engineering Energy Engineering Languange, Linguistic, Communication & Media Social Sciences

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
Clustering Tingkat Pemahaman Mahasiswa Pada Perkuliahan Probabilitas Statistika Dengan Metode K-Means Rezqiwati Ishak; Amiruddin Bengnga
Jambura Journal of Electrical and Electronics Engineering Vol 4, No 1 (2022): Januari - Juni 2022
Publisher : Teknik Elektro - Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (403.387 KB) | DOI: 10.37905/jjeee.v4i1.11997

Abstract

Probabilitas Statistik merupakan mata kuliah logika perhitungan dimana sebagian Mahasiswa merasa kesulitan dalam penerimaan materi sehingga bagi Dosen pengampu mata kuliah hal ini merupakann suatu permasalahan dalam pemberian materi disebabkan tingkat pemahaman Mahasiswa yang tidak merata, hal ini tentunya akan berdampak pada sasaran dan tujuan pembelajaran yang tidak bisa tercapai sesuai Rencana Pembelajaran Semester. Tujuan penelitian ini adalah untuk melakukan pengelompokan atau clustering tingkat pemahaman Mahasiswa berdasarkan nilai mata kuliah prasyarat yaitu Kalkulus dan Matematika Diskrit. Metode yang digunakan yaitu K-Means untuk Clustering dan Elbow untuk menentukan jumlah cluster yang optimum. Berdasarkan hasil penelitian didapatkan hasil sebanyak 3 cluster, dimana cluster 1 adalah kelompok Mahasiswa yang tingkat pemahamannya digolongkan kategori Baik, Cluster 2 adalah kelompok kategori Sangat Baik dan Cluster 3 adalah kategori Kurang. Dari 110 Mahasiswa yang dijadikan sebagai dataset, masing-masing diperoleh untuk cluster 1 sebanyak 30 Mahasiswa, cluster 2 sebanyak 58 Mahasiswa dan cluster 3 sebanyak 22 Mahasiswa. Mahasiswa yang masuk pada cluster 3 perlu dilakukan tambahan perkuliahan sebelum mereka mengikuti mata kuliah Probabilitas Statistik agar capaian pembelajaran dapat dicapai, dengan demikian metode K-Means dan metode Elbow sangat cocok digunakan untuk melakukan clustering karena metode ini bisa didapatkan hasil clustering yang optimal
SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN DANA PENGEMBANGAN USAHA AGRIBISNIS PEDESAAN (PUAP) KEPADA GAPOKTAN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) Amiruddin Amiruddin
ILKOM Jurnal Ilmiah Vol 8, No 3 (2016)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v8i3.82.153-159

Abstract

PUAP bertujuan untuk mengurangi kemiskinan, pengangguran dan kesenjangan pembangunan antar wilayah dan sektor. BP4K sebagai pembina gapoktan mempunyai tugas untuk memberdayakan aktifitas gapoktan dan salah satunya melalui bantuan dana PUAP. Proses penyeleksian penerima bantuan dana PUAP terdapat masalah yang dihadapi, diantaranya sulitnya menentukan Gapoktan yang layak  mendapatkan bantuan dana PUAP dikarenakan banyaknya proposal permintaan dana yang masuk dan banyaknya kriteria yang digunakan sehingga membutuhkan ketelitian dalam proses pengolahan datanya, untuk itu diperlukan sebuah sistem pendukung keputusan. Metode yang digunakan adalah SAW. Berdasarkan hasil penelitian sistem tersebut dapat membantu pihak pengambil keputusan dalam menentukan alternatif (gapoktan) terbaik untuk menerima Dana PUAP. Hal ini dibuktikan dengan hasil pengujian yang dilakukan dengan metode white box testing dan basis path testing yang menghasilkan nilai yang sama, sehingga didapat bahwa logika  flowchart perhitungan, penilaian dan perankingan yang benar dan berdasarkan pengujian black box rancangan perangkat lunak telah terpenuhi dengan hasil sesuai dengan rancangan.
Prediksi Jumlah Mahasiswa Registrasi Per Semester Menggunakan Linier Regresi Pada Universitas Ichsan Gorontalo Amiruddin Bengnga; Rezqiwati Ishak
ILKOM Jurnal Ilmiah Vol 10, No 2 (2018)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v10i2.274.136-143

Abstract

Improving the quality of education, service quality and accreditation value increase is the hope of all universities, especially at Ichsan University of Gorontalo. One of the factors to achieve this is the increasing number of students who make the payment registration every semester. Based on the report in PDPT Dikti reporting year 2017/2018 has the number of students ± 9,000 people, from the analysis of the last 4 years the number of unregistered students tends to increase and students registerasi tends to decrease, if this is not considered, it will have an impact on the achievement of the above expectations. To overcome these problems, need to be done prediction technique using Linear Regression and MAPE method. The purpose of this research is to build an application to predict the number of registration students. Based on the results of research from 2 selected study program of Informatics Engineering, the result of error rate is 4.24% or the accuracy level is 95.76%, and for the Law Study program, the error rate is 7.69% or the accuracy level is 92.31%, thus the application already built is feasible to use.
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PESERTA KAPAL PEMUDA NUSANTARA DENGAN MENGGUNAKAN METODE WEIGHTED PRODUCT (WP) Amiruddin Bengnga; Noprin Pakaya
ILKOM Jurnal Ilmiah Vol 9, No 3 (2017)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v9i3.170.331-337

Abstract

Pemilihan peserta Kapal Pemuda Nusantara merupakan program Kementerian Pemuda dan Olahraga yang mana proses pemilihannya diberikan hak kepada setiap Provinsi untuk memilih pemuda terbaik di daerah masing-masing, sebanyak 5 orang yang terdiri dari (2 putra, 2 putri) dan 1 orang calon peserta (1 putra atau 1 putri). Proses penyeleksian pemilihan peserta Kapal Pemuda Nusantaramasih terdapat masalah yang dihadapi, diantaranyasulitnya memilih peserta  yang tepat dan berkualitaskarena banyaknya peserta yang ikut seleksidan banyaknya kriteria yang digunakan serta masih adanya unsur penilaian secara subyektif sehingga membutuhkan ketelitian dalam pengambilan keputusan. Tujuan dari penelitian ini adalah membangun sebuah aplikasi sistem pendukung keputusan dengan menggunakan metodeWeighted Product.Berdasarkan hasil penelitian aplikasi yang sudah dibangun dapat membantu pihak pengambil keputusan dalam menentukan alternatif terbaik peserta Kapal Pemuda Nusantarauntuk kategori Laki-Laki dengan nilai tertinggi 0,22327 dan untuk kategori Perempuan dengan nilai tertinggi 0,21771dan proses pemilihannya menjadi lebih obyektif.
Prediksi Jumlah Mahasiswa Ujian Skripsi Dengan Metode Least Square Amiruddin Bengnga; Rezqiwati Ishak
Jurnal SITECH : Sistem Informasi dan Teknologi Vol 4, No 1 (2021): JURNAL SITECH VOLUME 4 NO 1 TAHUN 2021
Publisher : Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/sitech.v4i1.6224

Abstract

Pencapaian target jumlah mahasiswa yang ujian skripsi di setiap semester pada setiap Program Studi yang sudah ditentukan di awal semester tentunya ada yang mencapai target dan tidak mencapai target. Jika tidak mencapai target maka hal ini akan menjadi penilaian kinerja Program Studi menurun, agar hal ini tidak terjadi, maka salah satu soluisnya adalah melakukan teknik prediksi dengan menggunakan data yang relevan di periode semester sebelumnya. Metode prediksi yang digunakan adalah metode Least Square karena metode ini cocok digunakan untuk memprediksi data dalam bentuk time series. Data yang digunakan dalam penelitian ini diambil dari 5 Program Studi di Universitas Ichsan Gorontalo. Berdasarkan hasil penelitian perhitungan tingkat kesalahan dengan menggunakan MAPE (Mean Absolute Percentage Error) antara data aktual dan hasil prediksi didapatkan rata-rata error sebesar 16.11% atau tingkat akurasi sebesar 83.89%.
Implementasi Seleksi Fitur Klasifikasi Waktu Kelulusan Mahasiswa Menggunakan Correlation Matrix with Heatmap Amiruddin Bengnga; Rezqiwati Ishak
Jambura Journal of Electrical and Electronics Engineering Vol 4, No 2 (2022): Juli - Desember 2022
Publisher : Teknik Elektro - Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (544.403 KB) | DOI: 10.37905/jjeee.v4i2.14403

Abstract

Klasifikasi waktu kelulusan Mahasiswa biasanya menggunakan lebih dari 10 atribut input, namun tidak semua atribut tersebut memiliki relevansi dengan atribut output, sehingga sebelum dilakukan klasifikasi perlu dilakukan pemilihan atribut yang relevan melalui seleksi fitur terlebih dahulu. Seleksi fitur merupakan bagian dalam tahapan data preparation pada siklus hidup data science, seleksi Fitur merupakan salah satu konsep inti dalam pembelajaran mesin yang sangat mempengaruhi kinerja model data mining. Dimana pada tahapan ini dilakukan seleksi fitur yang berkontribusi paling besar pada variabel prediksi atau output, memilih fitur yang tidak relevan dalam dataset dapat mengurangi keakuratan model dan membuat model belajar berdasarkan fitur yang tidak relevan. Dengan demikian  melakukan seleksi fitur sebelum memodelkan data akan didapatkan manfaat seperti : mengurangi Overfitting, meningkatkan akurasi dan mengurangi waktu pelatihan. Teknik yang digunakan dalam seleksi fitur pada penilitian ini adalah Correlation Matrix with Heatmap karena teknik ini mudah digunakan dan juga memberikan hasil yang baik. Setelah dilakukan implementasi seleksi fitur pada klasifikasi waktu kelulusan Mahasiswa dengan menggunakan 13 variabel/atribut awal didapatkan hasil akhir sebanyak 9 atribut terseleksi yang memiliki relevansi atau kontribusi terhadap variabel output (waktu kelulusan) yaitu : jenis kelamin, kelas, umur, SKS1, IPS1, SKS2, SKS3, SKS4 dan SKS5, sedangkan  atribut input yang kurang relevan terdapat 4 atribut yaitu : IPS2, IPS3, IPS4 dan IPS5, sehingga untuk melakukan klasifikasi waktu kelulusan Mahasiswa cukup menggunakan  9 atribut yang terseleksi agar bisa mendapatkan hasil akurasi yang maksimal, proses klasifikasi akan dilakukan pada penelitian selanjutnya.Classification of graduation time Students usually use more than 10 input attributes, but not all of these attributes have relevance to output attributes, so before classification is carried out, it is necessary to select relevant attributes through feature selection first. Feature selection is part of the data preparation stages in the data science lifecycle, Feature selection is one of the core concepts in machine learning that greatly affects the performance of data mining models. Where at this stage a selection of features that contribute the most to the prediction or output variables is carried out, choosing irrelevant features in the dataset can reduce the accuracy of the model and make the model learn based on irrelevant features. Thus, selecting features before modeling data will get benefits such as: reducing Overfitting, increasing accuracy and reducing training time. The technique used in the feature selection in this study is correlation matrix with heatmap because this technique is easy to use and also gives good results. After the implementation of feature selection in the classification of student graduation time using 13 variables / initial attributes, the final results of 9 selected attributes were obtained that had relevance or contribution to the output variables (graduation time) namely: gender, class, age, SKS1, IPS1, SKS2, SKS3, SKS4 and SKS5, while the less relevant input attributes were 4 attributes, namely: IPS2, IPS3, IPS4 and IPS5, so that to classify the graduation time Students only need to use the 9 attributes selected in order to get maximum accuracy results, the classification process will be carried out in the next study.
Prediksi Harga Cabai Di Kota Gorontalo Menggunakan Metode Weighted Moving Average Siska M. Igirisa; Amiruddin Amiruddin
Jurnal Ilmiah Ilmu Komputer Banthayo Lo Komputer Vol 1 No 2 (2022): Edisi November (2022)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Universitas Ichsan Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (812.972 KB) | DOI: 10.37195/balok.v1i2.117

Abstract

This study aims to describe the price of chili through technology using the Weighted Moving Average method. Chili is one of the food commodities that can affect the value of inflation. The price of chili that is less erratic and even tends to continue to increase at certain times will have a bad impact on the country and society. The on-demand chili is a type of Gorontalo local chili. Chili is one of the food products that have very fluctuating prices. The Weighted Moving Average method has a good is believed to be good in predicting chili prices at the Gorontalo City Food Service Office. At the accuracy level, the prediction of future chili prices can use the Weighted Moving Average method. It is found that the application of the Weighted Moving Average method in building a system of chili price prediction can be seen through the MAPE results. The lowest error rate indicates the third-month moving average prediction (n=3), namely 26.48%, or the accuracy rate is 73.52%. Thus, the moving average value used in the chili price prediction is an average of 3 months (n=3). Keywords: prediction, chili price, Weighted Moving Average, MAPE
Penerapan XGBoost untuk Seleksi Atribut pada K-Means dalam Clustering Penerima KIP Kuliah Amiruddin Bengnga; Rezqiwati Ishak
Jambura Journal of Electrical and Electronics Engineering Vol 5, No 2 (2023): Juli - Desember 2023
Publisher : Electrical Engineering Department Faculty of Engineering State University of Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jjeee.v5i2.20253

Abstract

Pada proses clustering prioritas penerima bantuan Kartu Indonesia Pintar Kuliah dengan algoritma K-Means ada beberapa masalah yang muncul yaitu masalah seleksi atribut yang penting dan penentuan nilai K yang optimum sehingga membuat proses clustering tidak maksimal dan tidak ideal. Masalah pemilihan atribut yang penting akan diselesaikan dengan menggunakan algoritma XGBoost yang terbukti dapat digunakan untuk memecahkan masalah seperti pada proses clustering prioritas penerima bantuan KIP Kuliah. Hasil penelitian menunjukkan bahwa algoritma XGBoost dapat menentukan 3 (tiga) atribut yang paling penting yaitu Pekerjaan Ayah, Penghasilan Ibu dan Luas Bangunan dari 12 (dua belas) atribut yang ada yaitu Pekerjaan Ayah, Pekerjaan Ibu, Penghasilan Ayah, Penghasilan Ibu, Jumlah Tanggungan, Kepemilikan Rumah, Sumber Listrik, Luas Tanah, Luas Bangunan, Sumber Air, MCK, Prestasi dan metode Elbow terbukti dapat menentukan nilai K yang optimum yaitu nilai K=4. Berdasarkan penggunaan 3 (tiga) atribut terbaik dan nilai K=4 sebagai nilai K optimum berhasil didapatkan clustering yang paling maksimal dan ideal dengan nilai index terkecil yaitu 0.819 dengan menggunakan metode pengujian Davies-Bouldin Index.In the process of clustering the priority of the recipient Indonesian smart school cards with the K-Means algorithm, there are several problems that arise, namely the problem of selecting important attributes and determining the optimal value of K, so that the process is not maximum and is not ideal. Important attribute selection problems will be solved using proven XGBoost algorithm that can be used to solve problems such as in the process of clustering the priority of recipients of school KIP assistance. The results of the research showed that the XGBoost algorithm can determine the 3 (three) most important attributes, namely Father’s Work, Mother’s Production and Building Size from the 12 (twelve) attributs that exist: Father's Job, Mothers’ Work, Fathers’ Income, Mothers’ Revenue, Number of Dependants, Home Ownership, Electrical Resources, Land Area, Building Area, Water Resource, MCK, Performance and Elbow Method proved to determine the optimal K value of K=4. Based on the use of the 3 (three) best attributes and the value of K = 4 as the optimal K value, the maximum and ideal clustering with the smallest index value is 0.819 using the Davies-Bouldin Index test method.
Pengolahan Buah Aren Menjadi Produk Kolang-Kaling di Desa Kopi Kecamatan Bulango Utara Kabupaten Bone Bolango Rezqiwati Ishak; Amiruddin Amiruddin; Swastiani Dunggio; Syahrir Abdussamad
ELDIMAS: Jurnal Pengabdian Pada Masyarakat Vol 1 No 1 (2023): Mei - Oktober 2023
Publisher : Electrical Engineering Department Faculty of Engineering State University of Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/ejppm.v1i1.3

Abstract

The aren tree is a type of palm that has high economic value and is widely distributed in Indonesia, especially in Bone Bolango Regency, Gorontalo Province. All parts of the palm tree from the leaves to the roots can be used. The superior products of aren as a source of food and energy include brown sugar, ant sugar, fresh sap, and fruit and are used for various handicraft products and building materials. The purpose of implementing PKM in the coffee village is to take advantage of the village's potential to develop the community's economy by making processed palm fruit into processed fruit and fro. The method used in this is assisting MSMEs so that they can develop according to technological developments. The results achieved in this PKM are processed palm fruit products in the form of fro which are already in packaging so that they can support the validity period or expiration date of processed palm fruit products.
Klasifikasi Waktu Kelulusan Mahasiswa Menggunakan Metode Decision Tree Mundok, Geby; Amiruddin; Zulfrianto Y. Lamasigi
Jurnal Ilmiah Ilmu Komputer Banthayo Lo Komputer Vol 3 No 1 (2024): Mei 2024
Publisher : Teknik Informatika Fakultas Ilmu Komputer Universitas Ichsan Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37195/balok.v3i1.736

Abstract

Abstract A student's graduation time is one indicator of the university's success. Student graduation time is the period required for students to complete their studies. Ideally, students can graduate on time under a specified study period. However, not all students can graduate on time. This study is aimed at classifying whether students graduate on time using the decision tree method. The data employed in this study are the Faculty of Law's graduates of 2015 - 2017, Universitas Ichsan Gorontalo. The attributes used in this classification consist of IPS1, PIS2, IPS3, IPS4, gender, and graduation information. In this study, model optimization performed is by selecting attributes, pruning trees, and measuring inside the tree. The results of this study show that the decision tree method can predict student graduation times with 92% accuracy by producing nine (9) decision rules. It indicates that the decision tree method can be a solution for predicting student graduation times, so it can be a solution to help study programs increase student success in completing their studies. Keywords: classification, graduation time, students, data mining, decision tree, accurate graduation
Co-Authors Maryam Hasan Muhammad Erdiansyah Mundok, Geby Noprin Pakaya nurmawanti nurmawanti, nurmawanti Rezqiwati Ishak Siska M. Igirisa Swastiani Dunggio Syahrir Abdussamad Zulfrianto Yusrin Lamasigi