Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Faktor Exacta Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer (JURITEK)
HERU SULISTIONO
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Industrial & Manufacturing Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
KAJIAN PENERAPAN ALGORITMAC4.5, NEURAL NETWORK DAN NAÏVE BAYES UNTUK KLASIFIKASI MAHASISWA YANG BERMASALAH DALAM REGISTRASI HERU SULISTIONO
Faktor Exacta Vol 8, No 4 (2015)
Publisher : LPPM

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (835.05 KB) | DOI: 10.30998/faktorexacta.v8i4.501

Abstract

Registration is a registration activities conducted in each semester. In an educational institution, for the administrationis veryimportant. If an educational institution having problems in the administration will be useless and can notlast long. Registration done old studentin each semester is the best way for educational institutions including the University Indraprasta PGRI, such as to be able to determine the number of classes that will be prepared at the beginning of the semestertuition. From the data known to thedecrease in the number of students who will be attending for the nextterm. Therefore,any factorthat causes many problems in the registration of students. Purpose of this researchis to create a classification problem or astudent whois not in the registration,in the study conducted comparison algorithm C4.5, naïvebayes and neural network which is applied to the data in the registration troubled students. This study aimed to measure the accuracy of the comparativestudy of classification algorithms in 3 pieces that students have trouble registering. From the test resultsto measure the performance of the three algorithms using Cross Validation testing methods, Confusion Matrix and the ROC curve, it is known that Naive Bayes algorithm has he high estaccuracy value, ie91.57%, followed by C4.5 method with the accuracy of 91.43% and the lowest Neural Network is a method with a value of89.02% accuracy. Keyword: Data Mining, Algoritma C4.5, Naïve Bayes, Neural Network.
PROTOTIPE ALAT OBAT OTOMATIS COVID 19 PASIEN BERDASARKAN INTERNET OF THINGS Rudi Prasetya; Heru Sulistiono; Caka Gatot Priambodo
Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer Vol. 2 No. 1 (2022): Maret: Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer
Publisher : Pusat Riset dan Inovasi Nasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/juritek.v2i1.525

Abstract

Pemanfaatan teknologi dituntut untuk menjawab perkembangan permasalahan yang terjadi di dunia yaitu dengan adanya wabah Corona Virus Disease 2019 (COVID 19), otomatisasi yang terintegrasi dengan bantuan koneksi internet atau lebih dikenal dengan IoT telah membantu banyak dalam kehidupan sehari-hari. Misalnya, memberi digunakan untuk memberikan obat kepada pasien Covid-19. Kontak dekat dengan pasien Covid 19 harus dihindari agar terjadi penularan sehingga pemberian obat kepada pasien menjadi masalah. Namun, hadirnya alat penghantar obat covid 19 otomatis menjadi solusi dari permasalahan tersebut. Alat Penatalaksanaan Obat Covid 19 otomatis ini menggunakan basis pengontrol MCU ESP8266 yang terpasang modul WiFi. Dengan dua timbangan load cell yang terhubung dengan HX711 hasil pengujian load cell untuk menentukan pemberian obat menunjukkan tingkat akurasi 95,75% dan load cell kedua memiliki tingkat akurasi 96,85% dapat melihat berat wadah obat pasien dapat menjadi alat monitoring untuk obat yang diterima pasien. Perangkat ini juga dilengkapi dengan kamera pemantau yang menggunakan smartphone bekas dengan aplikasi Live-reporter yang memungkinkan pemilik untuk melihat situasi di sekitar perangkat dan pasien. Alat ini dikendalikan oleh aplikasi Blynk, yang menyediakan 4 widget untuk membantu kita melihat, mengubah waktu minum obat, melihat statistik pemberian obat, waktu dan tanggal pemberian obat terakhir, serta widget live streaming yang menampilkan video aktual dari kondisi perangkat dan semangat covid. Model penelitian ini mengadopsi model penelitian 4D Thiagarajan dengan tahapan define, design, develop, desseminate dan testing pada alat ini menggunakan metode pengujian black box dimana setiap komponen alat diuji satu persatu agar alat dapat berfungsi dengan baik.
Co-Authors Caka Gatot Priambodo Rudi Prasetya