Article Per Year (5 Year)
p-Index From 2021 - 2026
7.418
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) TEKNIK INFORMATIKA Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Semantik Techno.Com: Jurnal Teknologi Informasi Jurnal Teknologi Informasi dan Ilmu Komputer Proceeding of the Electrical Engineering Computer Science and Informatics Fountain of Informatics Journal Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) RABIT: Jurnal Teknologi dan Sistem Informasi Univrab Indonesian Journal on Software Engineering (IJSE) Faktor Exacta Jukung (Jurnal Teknik Lingkungan) CogITo Smart Journal Indonesian Journal of Artificial Intelligence and Data Mining INOVTEK Polbeng - Seri Informatika JRMSI - Jurnal Riset Manajemen Sains Indonesia KACANEGARA Jurnal Pengabdian pada Masyarakat Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) Informatik : Jurnal Ilmu Komputer Jurnal Riset Informatika JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) METIK JURNAL Scientific Journal of Informatics Jifosi Idealis : Indonesia Journal Information System SKANIKA: Sistem Komputer dan Teknik Informatika Jurnal Teknik Informatika (JUTIF) Jurnal PkM (Pengabdian kepada Masyarakat) Kresna: Jurnal Riset dan Pengabdian Masyarakat Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Jurnal Algoritma Jurnal Ticom: Technology of Information and Communication Journal of Social And Economics Research Journal Of Communication Education Telematika MKOM Jurnal INFOTEL Jurnal Ticom: Technology of Information and Communication journal of social and economic research JuTISI (Jurnal Teknik Informatika dan Sistem Informasi)
Achmad Solichin
Universitas Budi Luhur
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Social Sciences Other

Published : 75 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Fountain of Informatics Journal

 1 
Klasterisasi Persebaran Virus Corona (Covid-19) Di DKI Jakarta Menggunakan Metode K-Means Achmad Solichin; Khansa Khairunnisa
Fountain of Informatics Journal Vol 5, No 2 (2020): November
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21111/fij.v5i2.4905

Abstract

AbstrakCorona virus (COVID-19) merupakan jenis virus baru yang ditemukan pada manusia di propinsi Wuhan, Cina pada bulan Desember 2019. Virus ini dapat menular dari manusia ke manusia melalui tetesan kecil (droplet) dari hidung atau mulut pada saat batuk, bersin, atau berbicara. Oleh karena itu, di masa pandemi ini sangat penting untuk menjaga jarak dengan orang lain dan menghindari wilayah dengan persebaran COVID-19 yang tinggi. Pada penelitian ini dilakukan klasterisasi persebaran virus Corona di DKI Jakarta dengan menerapkan metode data mining. Pengelompokan dilakukan berdasarkan parameter jumlah ODP, PDP, kasus Positif, pasien sembuh dan pasien meninggal. Pada penelitian ini, untuk melakukan klasterisasi data digunakan metode K-Means dan metode pengukuran jarak Euclidean. Penelitian ini menghasilkan prototipe aplikasi pengelompokan data persebaran pasien Covid-19. Berdasarkan pengujian, jumlah klaster yang direkomendasikan adalah 9 klaster. Hasil penelitian ini diharapkan dapat membantu pemerintah DKI Jakarta dalam mengambil keputusan strategis dalam mengurangi persebaran virus Corona di DKI Jakarta.Kata kunci: corona, Jakarta, klasterisasi, k-means Abstract[Corona Virus (Covid-19) Clustering in Jakarta using K-Means Method] Coronavirus (COVID-19) is a new type of virus found in humans in the province of Wuhan, China in December 2019. This virus can be transmitted from person to person through small droplets from the nose or mouth when coughing, sneezing, or talking. Therefore, during this pandemic, it is very important to keep your distance from other people and avoid areas with a high spread of COVID-19 In this study, the distribution of the Coronavirus in DKI Jakarta was clustered by applying the data mining method. The clustering was carried out based on the parameters of the number of ODP, PDP, positive cases, patients recovered and patients died. In this study, to perform data clustering, the K-Means method, and the Euclidean distance measurement method were used. This study produced a prototype application for the distribution of Covid-19 patient distribution data. Based on the test, the recommended number of clusters is 9 clusters. The results of this study are expected to help the DKI Jakarta government in making strategic decisions in reducing the spread of the Coronavirus in DKI Jakarta.Keywords: corona, Jakarta, clustering, k-means
Penerapan Metode Naïve Bayes Classifier Untuk Penjurusan Siswa Pada Madrasah Aliyah Al-Falah Jakarta Ahmad Zainul Mafakhir; Achmad Solichin
Fountain of Informatics Journal Vol 5, No 1 (2020): Mei
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21111/fij.v5i1.4007

Abstract

AbstrakPenjurusan siswa di suatu sekolah merupakan suatu proses penempatan siswa ke dalam jurusan tertentu sesuai dengan kemampuan dan keinginan siswa. Madrasah Aliyah Al-Falah (MA Al-Falah) merupakan sekolah yang sederajat dengan Sekolah Menengah Atas (SMA) dan memiliki tiga jurusan yaitu Ilmu-ilmu Keagamaan (IIK), Matematika dan Ilmu Alam (MIA), dan Ilmu-ilmu Sosial (IIS). Saat ini proses penjurusan di MA Al-Falah dilakukan dengan melakukan empat jenis tes yaitu matematika, bahasa Indonesia, bahasa Inggris, dan keagamaan terhadap siswa. Hasil tes tersebut dijadikan dasar penentuan jurusan siswa. Permasalahan yang dihadapi oleh pihak sekolah adalah kesulitan dalam mengklasifikasikan siswa berdasarkan hasil tes penjurusan tersebut. Saat ini teknik penjurusan yang dilakukan sekolah hanya mengandalkan pengolahan data dan pengurutan dengan Microsoft Excel. Pada penelitian ini, dilakukan penerapan metode Naïve Bayes Classifier untuk melakukan klasifikasi nilai tes dan menghasilkan rekomendasi jurusan siswa. Sistem klasifikasi penjurusan siswa yang dikembangkan dapat membantu proses penjurusan siswa dengan lebih mudah, cepat, dan akurat. Berdasarkan pengujian yang telah dilakukan sistem penjurusan siswa dapat memberikan rekomendasi jurusan siswa dengan nilai akurasi sebesar 33,34%.Kata kunci: penjurusan siswa, naïve bayes, sistem klasifikasi Abstract[The Implementation of Naïve Bayes Classifier Method for Student Majorization at Madrasah Aliyah Al-Falah Jakarta] Student majorization in a school is a process of placing students into certain majors according to their abilities and desires. Madrasah Aliyah Al-Falah (MA Al-Falah) is a school equivalent to High School and has three majors namely Religious Sciences (IIK), Mathematics and Natural Sciences (MIA), and Social Sciences (IIS). Currently the majors at MA Al-Falah are carried out by carrying out four types of tests namely mathematics, Indonesian, English, and religion on students. The test results are used as the basis for determining student majors. The problem faced by the school is the difficulty in classifying students based on the results of the majors test. Currently the majors that schools use rely solely on data processing and sequencing with Microsoft Excel. In this study, the Naïve Bayes Classifier method was implemented to classify test scores and produce recommendations for student majors. The student majors classification system developed can help students' majors process more easily, quickly, and accurately. Based on the testing that has been done the student majors system can provide student majors recommendations with an accuracy value of 33,34%.Keywords: student majors, naïve bayes, classification system
Co-Authors Abdullah 'Alim Abdurrohim Musthofa Achmad Maulana Agus Harjoko Agus Santoso Ahmad Ihsanudin Ahmad Zainul Mafakhir Akbar, Kafi Kurnia Alfredo Pasaribu Alhafiz, Muhammad Ihza Ananda Surya, Archie Andi Hakim Arif Anggi Ayu Ningtyas Anindya Putri Pradiptha Arif, Andi Hakim Asmoro, Phaksi Bangun Bayu Raditya Nasution Chaerullah, Dhiesky Chalid, Iqbal Chandra, Joko Christian Dasril Aldo Dedy Mirwansyah Desena, Wahyu Desiawan, Masdar Dewantara, Erno Kurniawan Dwi Kristanto Dwi Kristanto Emil Salim Fadlan Amrullah Fahrullah Fahrullah Galih Gumilar Widhasmara Goenawan Brotosaputro Hanafi, Mohammad Afif Hari Soetanto Irennada Ismail Adi Susanto Khaeri Diniari Khansa Khairunnisa Kurnianta, Kristana Lia Amellia Putri Lutfi Nukman Majid, Muhammad Farras Masdar Desiawan Mochammad Andika Putra Mohammad Syafrullah Muhamad Refaldi Muhammad Agus Arianto Muhammad Agus Arianto Muhammad Ali Akbar Muhammad Arif Kurniawan Muhammad Fahrizal Muhammad Hamdi Sukriyandi Muhammad Verdiansyah Muharam, Asep Budiyana Nanda Arista Rizki Nariza Wanti Wulan Sari Nazori AZ Nita, Yulia Noor Ferdyansyah Nugroho, Ludi Nurwijayanti Obby Oktafianto Painem, Painem Pradana, Rizky Pradiptha, Anindya Putri Pramudita, Bagas Prayogi, Muhamad Nur Rahmat Kurniawan Rasyid, Annisa Ratna Kusumawardani Reka Dwi Syaputra Restu Maulunida Reva Ragam Santika Richki Hardi Riki Wijaya Rizki Darmawan, Dika Robby Suganda Rusdah Rusdah Saddam, M Amiruddin Setiyadi, Prambudi Sister, Maya Gian Suherman Achmad Syahrul, Ahmad Tan Wee Chang Tetlageni, Muhamad Ridho Triyono, Gandung Tulodo, Bernadeta Asri Rejeki Ummu Habibah Romlah Utomo Budiyanto Wati, Lisna Wirasno, Wirasno Zainal A. Hasibuan Zulfikar Rosadi