Article Per Year (5 Year)
p-Index From 2020 - 2025
8.256
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 75 Documents
Search

 3   4   5   6   7 
ASSESSMENT OF INFORMATION SECURITY RISKS USE FUZZY INFERENCE MODEL (FIS) Lutfi Nukman; Rahmat Kurniawan; Achmad Solichin
Jurnal Teknik Informatika (Jutif) Vol. 4 No. 6 (2023): JUTIF Volume 4, Number 6, Desember 2023
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2023.4.6.1052

Abstract

Risk analysis is the process of systematically using information to identify and assess risks. This process how to analyze potential information security failure scenarios and the consequences of loss of confidentiality, integrity and preservation Availability of stored information values. Risk assessment is the process of comparing estimated risks against predetermined risk evaluation criteria to determine the level and priority of risk. This operation is performed using the retrieved data Risk analysis results for informed decision making future risk management measures; It is said that this cyber attack could lead to cyber warfare and cyber interference that disrupt national security and sovereignty. All of the above cyber threats are said to have the potential to threaten national assets. Institutions/companies around the world, especially those stored in his ISMS.
SELEKSI DATA MENGGUNAKAN TIME INTERVAL ENTROPY UNTUK ANALISIS SENTIMEN DENGAN METODE SUPPORT VECTOR MACHINE Kurnianta, Kristana; Solichin, Achmad
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 3 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i3.5460

Abstract

Media sosial dianggap sebagai suatu perangkat penting bagi suatu organisasi dalam berinteraksi dengan para penggunanya. Keberadaan media sosial dapat memungkinkan pengguna untuk berbagi pendapat, ide, dan informasi dalam bentuk pesan atau komentar, termasuk terkait masalah korupsi dan lembaga penegak hukum seperti Komisi Pemberantasan Korupsi (KPK). Data pada media sosial tersebut dapat dimanfaatkan untuk melihat analisis sentimen masyarakat terhadap suatu hal. Salah satu tantangan yang berkaitan dengan media sosial adalah penggunaan bot. Dalam beberapa penelitian analisis sentimen, tahapan verifikasi terhadap tweet yang berasal dari akun bot sering diabaikan. Pendeteksian terhadap bot harus dilakukan agar didapatkan data yang lebih valid sehingga mampu memberikan hasil analisis sentimen yang dapat dipertanggungjawabkan. Tujuan dilakukannya penelitian ini adalah untuk melakukan optimasi data pre-processing pada analisis sentimen media sosial, dengan melakukan deteksi tweet dari akun bot yang dilihat dari nilai dari rasio followers/following dari setiap akun dan nilai time interval entropy sebelum tahap pre-processing data dilakukan. Analisis sentimen yang dilakukan dalam penelitian ini menggunakan metode Support Vector Machine dan didapatkan hasil bahwa dengan mengeliminasi tweet yang berasal dari akun bot mampu meningkatkan akurasi dari model yang dibuat. Jika dibandingkan antara dataset sebelum dan sesudah dilakukan eliminasi terhadap tweet dari akun bot terjadi peningkatan akurasi dari 0,9457 menjadi 0,9475.
Vehicle Rental Clustering Using The K-Means Method at PT. Mardika Daya Tribuana Tetlageni, Muhamad Ridho; Solichin, Achmad
Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Vol 20, No 2 (2023): SEPTEMBER 2023
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/bit.v20i2.2496

Abstract

Pada zaman sekarang kebutuhan perusahaan terhadap moda transportasi semakin meningkat, untuk itu perusahaan menginginkan kendaraan mobil untuk menjalankan kegiatan sehari-hari seperti kebutuhan operasional perusahaan dan lain-lain. Setiap perusahaan dalam memilih kendaraan mobil yang disewa pasti mencari kendaraan yang nyaman untuk dipakai. PT. Mardika Daya Tribuana merupakan salah satu perusahaan yang berfokus pada bidang penyewaan. Masalah yang terjadi pada PT. Mardika Daya Tribuana yaitu data penyewaan yang sangat banyak tidak bisa diolah, sehingga pihak perusahaan belum menemukan suatu metode untuk mengolah data agar menemukan pola dari data yang ada. Maka pada penelitian ini penulis bertujuan untuk mengelompokkan kendaraan-kendaraan yang dimana hasil dari pengelompokan dapat digunakan oleh pihak PT. Mardika Daya Tribuana untuk mengambil keputusan yang tepat sesuai kebutuhan yang diinginkan. Tentunya untuk mengolah data penyewaan pada PT. Mardika Daya tribuana diperlukan suatu metode yang dapat menghasilkan suatu keputusan yang tepat. Pada penelitian ini penulis menerapkan analisa data Mining dengan Teknik Clustering menggunakan algoritma K-Means. Metode K-Means Clustering digunakan dan diolah berdasarkan kebutuhan untuk mendapatkan informasi pada setiap kelompoknya. Hasil klaster pada data penyewaan sebanyak 280 baris data dan dibagi menjadi 3 (tiga) klaster dimana pada setiap klaster menghasilkan, 11 data dengan level sedang rendah dari segi peminatnya pada klaster 1, 113 data dengan level sedang dari segi peminatnya pada klaster 2, dan 156 data dengan level tinggi dari segi peminat pada klaster 3. Berdasarkan pengujian menggunakan Sum of Square Error (SSE) klaster yang direkomendasikan yaitu 3 klaster dengan nilai selisih 10.44. Sehingga klaster tersebut optimal untuk dipakai.
PREDIKSI NILAI PENGADAAN BARANG DAN JASA PADA SEBUAH PERUSAHAAN PARIWISATA MENGGUNAKAN METODE ARIMA DAN FUZZY TIME SERIES Wati, Lisna; Solichin, Achmad
Jurnal Inovtek Polbeng Seri Informatika Vol 9, No 1 (2024)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v9i1.4041

Abstract

PT XYZ does not have a tested evaluation metric to measure the accuracy of procurement prediction models. This research aims to find a suitable metric by comparing two methods: Autoregressive Integrated Moving Average (ARIMA) and Fuzzy Time Series (FTS). Both methods were chosen based on the ability of ARIMA to handle time patterns and trends, and the flexibility of FTS in dealing with uncertainty in procurement values. The research uses Root Mean Squared Error (RMSE) values to measure prediction accuracy. The ARIMA implementation analyzes historical data to forecast patterns, while FTS accommodates fluctuations and uncertainties, allowing for more adaptive and accurate predictions. The analysis results show that the ARIMA model has an AIC value of 3953.57 and a residual value of 3351745.26, while FTS has a residual of -224.79. The RMSE evaluation shows the ARIMA value of 3351745.30 and FTS of 224793895.00. The predicted value of ARIMA is 440,326,255, while FTS is 668,471,895. Based on these results, FTS shows superior prediction accuracy compared to ARIMA. FTS is recommended to be implemented at PT XYZ due to its ability to effectively manage uncertainty and fluctuations in procurement values, enabling more accurate strategic decisions. Further research is needed to understand the factors that influence the performance difference between these two methods.
Sentiment Analysis of Flood Disaster Management in Jakarta on Twitter Using Support Vector Machines Saddam, M Amiruddin; Dewantara, Erno Kurniawan; Solichin, Achmad
Sinkron : jurnal dan penelitian teknik informatika Vol. 7 No. 1 (2023): Articles Research Volume 7 Issue 1, 2023
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v8i1.12063

Abstract

Floods can cause negative impacts in various aspects, starting from economic, social, to health aspects. Even quoted from the site gis.bnpb.go.id, during 2022, there have been 1031 cases of flood disasters in Indonesia. Meanwhile in Jakarta, in 2022 there have been 14 cases of floods that caused hundreds of people to lose their homes. Several approaches can be taken to determine public opinion about flooding, one of which is text mining with an analysis of community sentiment. Sentiment analysis aims to determine public opinion regarding flood management in the capital city of Jakarta based on positive, neutral, and negative categories. To get the public sentiment, researchers carried out several stages, including the preprocessing stage. After obtaining public sentiment regarding flood management through the preprocessing stage, then classification is carried out based on public opinion so that it can be used by related parties for evaluation material in flood handling. In this study, the classification method used is the SVM method which is one of the supervised learning methods in machine learning. After classification, the next stage is the testing process using the K-Fold Cross Validation method. From the various sentiments obtained from Twitter data, it can be concluded that there are around 414 positive sentiments and 2464 negative sentiments related to flood handling in DKI Jakarta, while the results obtained from the test results show that the accuracy reaches 88.6%, the precision reaches 88.6% and recall reached 89.4%.
ANALISIS SENTIMEN TERHADAP PSSI ATAS TRAGEDI KANJURUHAN MENGGUNAKAN MULTINOMIAL NAÏVE BAYES Hanafi, Mohammad Afif; Solichin, Achmad
Telematika MKOM Vol 15, No 1 (2023): Jurnal Telematika MKOM Vol. 15 No. 1 Maret 2023
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/telematikamkom.2292

Abstract

PSSI (Persatuan Sepakbola Seluruh Indonesia) merupakan suatu federasi sepakbola yang ada di Indonesia. Sebelum dan Sesudah Tragedi Kanjuruhan, PSSI memiliki banyak sekali isu sentimen negatif maupun positif. Oleh karena itu, sentimen ini banyak menimbulkan opini terhadap PSSI sehingga perlu adanya sistem untuk mengetahui setiap kalimat pada sebuah sentimen. Penelitian ini melatarbelakangi opini masyarakat Indonesia baik yang pro ataupun kontra pada Tragedi Kanjuruhan, hal ini menjadi suatu hal yang sangat penting untuk mengetahui sentimen positif atau negatifnya sebuah pendapat yang dilontarkan oleh masyarakat salah satunya melalui Twitter. Untuk itu, penelitian ini bertujuan untuk mengklasifikasikan dan menganalisis pandangan dari masyarakat melalui media sosial Twitter terhadap PSSI baik sebelum Tragedi Kanjuruhan maupun sesudah Tragedi Kanjuruhan, dan berapa akurasi tertinggi dari algoritme yang diimplementasikan berupa sistem yang berbasis website. Sentimen analisis ini dilakukan melalui proses pelabelan secara manual yang kemudian dibagi menjadi dua kategori yaitu label positif dan label negatif. Dataset bersumber dari Twitter dengan proses scraping dengan kata kunci sebelum Tragedi Kanjuruhan yaitu “PSSI” pada periode 01 Januari 2022 hingga 31 Agustus 2022 dengan total 452 tweets. Dan kata kunci sesudah Tragedi Kanjuruhan yaitu “PSSI”, “Sepakbola, “Kanjuruhan”, dan “FIFA” pada periode 07 Oktober 2022 hingga 16 Oktober 2022 dengan total 1238 tweets. Hasil dari pengujian menggunakan metode Multinomial Naïve Bayes mampu menghasilkan analisa pengujian akurasi tertinggi sebelum Tragedi Kanjuruhan bernilai 73% dengan rasio terbaik ialah 80% data latih dan 20% data uji, sedangkan akurasi tertinggi sesudah Tragedi Kanjuruhan bernilai 68% dengan rasio terbaik ialah 90% data latih dan 10% data uji
SISTEM DETEKSI KEBAKARAN MENGGUNAKAN MIKROKONTROLLER NODEMCU PADA TOKO CUCI SEPATU KICKS KEMON JAKARTA SELATAN Akbar, Kafi Kurnia; Chandra, Joko Christian; Solichin, Achmad; Santika, Reva Ragam
Telematika MKOM Vol 15, No 1 (2023): Jurnal Telematika MKOM Vol. 15 No. 1 Maret 2023
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/telematikamkom.2296

Abstract

Kebakaran didefinisikan sebagai satu dari berbagai bencana alam yang semua orang takuti. Kejadian ini acapkali berlangsung, yang disebabkan oleh kelalaian masyarakat dan ataupun faktor lingkungan. Bencana ini sudah menyebabkan jatuhnya korban puluhan dan bahkan ratusan jiwa. Untuk mengurangi kemungkinan terjadinya kebakaran, maka diperlukan sebuah alat pendeteksi dan pemadam sekaligus monitoring yang mudah digunakan. penelitian ini membuat sistem pendeteksi dan pemadam kebakaran menggunakan mikrokontroller NodeMCU ESP8266, sensor MQ-2, flame sensor berbasis aplikasi android yang mendukung mekanisme yang bertujuan untuk mencegah terjadinya kebakaran pada Toko Cuci Sepatu Kicks Kemon Jakarta Selatan. Dengan menggunakan komponen yang mudah ditemukan dan dirangkai seperti NodeMCU dan Aplikasi menggunakan PC biasa. Metode yang digunakan yaitu metode prototipe, metode ini dipilih agarsetiap tahap pengerjaannya berjalan dengan baik. Alat ini terdiri dari komponen fisik yang diletakan pada panel kontrol listrik. Alat pendeteksi kebakaran ini dapatmengirimkan data secara realtime, dan terdapat notifikasi melalui aplikasi secara langsung. Jika terjadi adanya kebakaran, alat pendeteksi kebakaran ini akan memberikan tanda berupa alarm dan LED sekaligus Waterpump akan menyala sebagai pertolongan pertama jika terdeteksi adanya kebakaran dan data akan tersimpan di database catatan kebakaran.
PENERAPAN METODE CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFKASI KUALITAS DAGING SAPI PADA APLIKASI BERBASIS ANDROID Asmoro, Phaksi Bangun; Solichin, Achmad
Faktor Exacta Vol 16, No 4 (2023)
Publisher : LPPM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/faktorexacta.v16i4.19564

Abstract

The surging demand for beef in Indonesia poses a significant challenge for the food industry, leading to fraudulent practices among meat traders. To meet the high consumer demand and gain higher profits, fresh beef is mixed with spoiled meat. Unfortunately, many consumers are unable to distinguish between fresh and spoiled beef, relying solely on the meat's aroma to determine its quality. However, recognizing spoiled beef requires considering other indicators of spoilage. To address this issue, researchers focused on developing a beef quality classification system using the Convolutional Neural Network (CNN) method. The study involved implementing TensorflowLite on Android devices and training the CNN model with deep learning algorithms to recognize visual patterns in beef images. The Android application provides clear and user-friendly classification results. The developed beef quality classification system achieved remarkable accuracy, with a precision of 97%, a recall of 96%, and an f1 score of 97%. With 100 beef images as test data, the system demonstrated an accuracy rate of 95.69%. This advancement is expected to improve the efficiency and quality of beef processing in Indonesia, ensuring consumers receive genuine and safe products
ANALISIS KEBERHASILAN STUDI AWAL MAHASISWA MENGGUNAKAN KLASTERISASI K-MEANS Painem, Painem; Soetanto, Hari; Solichin, Achmad
Faktor Exacta Vol 16, No 3 (2023)
Publisher : LPPM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/faktorexacta.v16i3.19539

Abstract

Mahasiswa merupakan salah satu elemen penting dalam perkuliahan di perguruan tinggi. Setiap mahasiswa yang menempuh kuliah di suatu perguruan tinggi tentunya menginginkan dapat lulus tepat waktu dengan memenuhi kualifikasi akademik yang optimal. Demikian juga bagi pihak program studi dan universitas, keberhasilan studi mahasiswa merupakan salah satu indikator penting dalam keberhasilan penyelenggaraan pendidikan di perguruan tinggi. Analisis keberhasilan studi mahasiswa seharusnya dilakukan secara berkala mulai dari awal studi hingga akhir studi. Hasil analisis keberhasilan studi dapat dijadikan dasar dalam pengambilan keputusan dan evaluasi program pembelajaran bagi program studi maupun universitas. Namun demikian, melakukan analisis keberhasilan studi mahasiswa pada sebuah perguruan tinggi dengan jumlah mahasiswa yang cukup banyak terkadang sulit dilakukan dan cukup rumit Pengelola universitas dan/atau program studi seringkali kesulitan dalam menyusun program pembelajaran yang tepat sasaran bagi mahasiswa dalam rangka menghasilkan lulusan yang memiliki kemampuan akademik yang optimal dan lulus tepat waktu. Untuk membantu ketua program studi dalam melakukan analisis keberhasilan studi awal mahasiswa adalah dengan metode klusterisasi k-means. Berdasarkan analisa keberhasilan studi awal mahasiswa menggunakan kalsterisasi K- means maka mahasiswa yang masuk ke klaster 0 adalah  22,6 % atau sebanyak 3055 mahasiswa, sedangkan yang masuk ke klaster 1 adalah 69,5 % atau sebanyak 9405 mahasiswa dan yang masuk ke dalam klaster 2 adalah 7,9 % atau 1066 mahasiswa
Rekomendasi Pemilihan Mata Kuliah Dalam Pengisian Rencana Studi Mahasiswa dengan Penerapan Algoritma Apriori Syahrul, Ahmad; Solichin, Achmad
Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer Vol. 6 No. 1 (2022)
Publisher : P3M Politeknik Negeri Banjarmasin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31961/eltikom.v6i1.549

Abstract

During the time of filling out the study plan, many Budi Luhur University students find it difficult to choose the courses to be taken in the next semester. Errors in the selection of courses can have an impact on the achievement of achievement that is not optimal, and can inhibit student graduation. The role of academic supervisors in helping students determine the taking of courses in the coming semester is very important, but in some cases, there are academic supervisors who do not have time to discuss directly with students. Therefore, in this study a system is proposed that can provide recommendations for students in taking courses when filling out study plans for the next semester. This course of recommendation making system uses the association rule mining method with a priori algorithm. The student's course history data is evaluated using an a priori algorithm to produce recommendations for choosing courses in the next semester. The trial results of this system show an average percentage of successful recommendations of 80.16% with a minimum confidence of 80%, and a minimum support of 7. With these results, this system can be used as a means of students to help make decisions in making courses at the coming semester.
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 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