Article Per Year (5 Year)
p-Index From 2020 - 2025
2.647
P-Index
This Author published in this journals
All Journal TEKNIK INFORMATIKA Techno.Com: Jurnal Teknologi Informasi CESS (Journal of Computer Engineering, System and Science) Seminar Nasional Teknologi Informasi Komunikasi dan Industri J I M P - Jurnal Informatika Merdeka Pasuruan Jurnal Nasional Komputasi dan Teknologi Informasi Jurnal Informasi dan Komputer Journal of Applied Engineering and Technological Science (JAETS) Indonesian Journal of Electrical Engineering and Computer Science KLIK: Kajian Ilmiah Informatika dan Komputer JUSTIN (Jurnal Sistem dan Teknologi Informasi) Journal of Information Technology and Cyber Security
Rahmad Kurniawan
Universitas Riau
Aerospace Engineering Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mathematics Neuroscience Transportation Other

Published : 19 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 19 Documents
Search

 1   2 
Klasifikasi Kebakaran Hutan dan Lahan Menggunakan Algoritma Naïve Bayes (Studi Kasus: Provinsi Riau) Pratiwi, Trya Ayu; Irsyad, Muhammad; Kurniawan, Rahmad
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 9, No 2 (2021)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (999.35 KB) | DOI: 10.26418/justin.v9i2.42823

Abstract

Kebakaran hutan dan lahan yang terjadi di Indonesia telah menimbulkan banyak kerugian bagi masyarakat. Kebakaran hutan umumnya terjadi pada bulan Agustus dan September, bertepatan dengan musim kemarau pada sebagian besar wilayah Indonesia. Salah satu indikator terjadinya kebakaran hutan adalah titik panas. Penelitian ini menggunakan salah satu teknik data mining yaitu mengklasifikasi titik panas yang ada di Provinsi Riau. Penelitian ini menggunakan dataset kebakaran hutan Kabupaten Pelalawan pada tahun 2015 sampai 2019 dengan menggunakan algoritma Naïve Bayes. Titik panas yang akan dianalisis terdiri dari suhu, kelembaban, curah hujan, kecepatangan angin, dan kelas. Akurasi tertinggi dari dataset kebakaran hutan dan lahan pada tahun 2019 adalah sebesar 96.95%. Metode klasifikasi menggunakan algoritma Naïve Bayes dapat digunakan untuk memprediksi kemunculan titik panas di masa yang akan datang sehingga dapat melakukan tindakan pencegahan sebelum terjadinya kebakaran hutan dan lahan.
SISTEM PENENTUAN PENCERAMAH MASJID PARIPURNA KOTA PEKANBARU MENGGUNAKAN ALGORITMA PENGKLASTERAN K-MEANS Silfia Silfia; Rahmad Kurniawan; Nazruddin Safaat Harahap; Elvia Budianita; Fadhilah Syafria; Iwan Iskandar
JURNAL TEKNIK INFORMATIKA Vol 14, No 2 (2021): JURNAL TEKNIK INFORMATIKA
Publisher : Department of Informatics, Universitas Islam Negeri Syarif Hidayatullah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15408/jti.v14i2.23750

Abstract

There are 903 mosques in Pekanbaru City, Riau Province. In 2016, the Pekanbaru City Government formed a Paripurna Mosque program which the Pekanbaru Paripurna Mosque Management Agency manages. Each mosque holds religious activities which a preacher fills. The mosque has a regular schedule of lectures with a short transition period for each type of religious activity held. Based on observations, the mosque management did not get complete information regarding the profile of the preacher. Furthermore, many preachers have canceled lecture schedules due to distance issues and the suitability of the lecturer's profile with the congregations. Therefore, a recommendation system using the K-means algorithm is necessary based on coordinate points, location access, and appropriate types of religious activities for the Pekanbaru Paripurna Mosque. This study also employed one hot encoding technique for non-numeric data. Based on the experimental testing results on the five clusters, the silhouette coefficient value is 0.945. Based on the results, it can be concluded that the system for determining the preachers of the Pekanbaru City Paripurna Mosque has the potential to be used.
Klasifikasi Kebakaran Hutan Dan Lahan Menggunakan Algoritma Naïve Bayes Di Kabupaten Pelalawan Trya Ayu Pratiwi; Muhammad Irsyad; Rahmad Kurniawan; Surya Agustian; Benny Sukma Negara
CESS (Journal of Computer Engineering, System and Science) Vol 6, No 1 (2021): Januari 2021
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (558.293 KB) | DOI: 10.24114/cess.v6i1.22555

Abstract

Kebakaran hutan dan lahan merupakan salah satu masalah lingkungan dalam hal ekonomis dan ekologis yang merugikan. Jumlah hotspot kebakaran hutan di Provinsi Riau telah meningkat secara dramatis menyebabkan kabut asap yang berbahaya. Penelitian ini bertujuan untuk mengklasifikasi kebakaran hutan dan lahan di Kabupaten Pelalawan, Riau. Penelitian ini telah menggunakan 792 data dalam lima tahun (2015-2019). Model klasifikasi kebakaran hutan menggunakan algoritma Naïve Bayes. Atribut yang digunakan untuk klasifikasi terdiri dari suhu, kelembaban, curah hujan, kecepatan angin, dan kelas dari keempat faktor tersebut didapatkan hasil probabilitas tertinggi yaitu suhu dengan nilai 0.978260870 dan nilai akurasi tertinggi adalah dataset tahun 2017 dengan nilai akurasi adalah 81.03% sehingga nilai akurasi tertinggi tersebut dapat diterapkan pada dataset baru yaitu pada tahun 2019 dengan nilai akurasinya adalah 82%. Dengan demikian, dapat disimpulkan bahwa model klasifikasi menggunakan Naïve Bayes memiliki potensi untuk digunakan secara efektif sehingga dapat membantu pihak berwenang dalam mencegah kebakaran hutan dan lahan.
Sistem Pakar untuk Mendiagnosis Gangguan Tidur Menggunakan Metode Dempster Shafer Ivo Dwi Ananda; Rahmad Kurniawan; Novi Yanti; Fitri Insani
J I M P - Jurnal Informatika Merdeka Pasuruan Vol 6, No 3 (2021): DESEMBER
Publisher : Fakultas Teknologi Informasi Universitas Merdeka Pasuruan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37438/jimp.v6i3.354

Abstract

Poor quality of sleep can cause psychological and physiological health problems. Estimated from 238,452 million people in Indonesia every year, about 67% elderly people reported having trouble sleeping. With a prevalence of 10% or about 28 million people suffering from sleep disorders. This makes Indonesia has the highest number of sleep disorders in Asia. The cases of sleep disorders increased during the Covid-19 pandemic by 23.87% in general public and by 36.53%  in medical personnel. This study aims to build a system that can diagnose sleep disorders like an expert. This study employed the Dempster Shafer method with 25 symptoms and four types of sleep disorders. The Dempster Shafer method is a commonly applied technique which is combining evidence in uncertainty cases. The experimental testing based on the validation of the results of the system diagnosis with expert diagnosis, the percentage of test accuracy is 90%. It can be concluded that the system potentially be used for early sleep disorder diagnosis.Keywords—expert system, dempster shafer, sleep disorders, sleep quality, uncertainty.
Penerapan Algoritma K-Means Clustering dan Correlation Matrix Untuk Menganalisis Risiko Penyebaran Demam Berdarah di Kota Pekanbaru m azwan; Rahmad Kurniawan; Pizaini Pizaini; Fitri Insani
J I M P - Jurnal Informatika Merdeka Pasuruan Vol 6, No 3 (2021): DESEMBER
Publisher : Fakultas Teknologi Informasi Universitas Merdeka Pasuruan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37438/jimp.v6i3.353

Abstract

Dengue cases in Pekanbaru in November 2020 reached 2,788 cases and 33 deaths. The government has carried out socialization to eradicate mosquito nests and provided vector control tools and materials. However, the government's efforts were not practical because the applied method has not been able to refer to vector data and information. Machine learning can be used to analyze specific problems such as Dengue. Therefore this study employed a Machine Learning algorithm, i.e., k-means clustering and correlation matrix for dengue risk analysis in Pekanbaru. This study obtained 12 sub-districts and 50 dengue attributes and weather data in 2020. K-means automatically searches for unknown clusters from dengue cases data quickly, which cluster results C1 (Sukajadi, Senapelan), C2 (Tenayan Raya, Tampan), and C3 (Rumbai Pesisir, Rumbai). Based on experimental testing, this study produced a silhouette score is 0.6. Meanwhile, the correlation matrix looks for relevant relationships hidden in the data. The correlation matrix obtained a strong linear relationship between the population (JP) and sufferers (P) of 0.73 for January and 0.93 for February 2020.Keywords— Dengue Fever, K-means, Correlation matrix, Machine learning.
Analisis Perbandingan Metode Bayesian Network dan Dempster-Shafer Pada Sistem Pakar Diagnosis Penyakit Mata Luh Kesuma Wardhani; Rahmad Kurniawan
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2012: SNTIKI 4
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (649.554 KB)

Abstract

There are many methods that have been used in researches of expert system for diagnosing diseases, such as Bayesian Network and Dempster-Shafer. In this research, the main aim is to compare and to analyze the expert system for diagnosing eye disesases by using Bayesian Network with the expert system for diagnosing eye disesases by using Demspter-Shafer. From testing phase, it can be concluded that there is no significant difference in accuracy value from those two methods. The diagnosis resulting from expert system using Bayesian Network obtained accuracy of 85.7%. Similar results were also obtained from expert system using Dempster-Shafer method. Nevertheless, the inference process of Dempster-Shafer method is more complicated, where there are some combination of rules that are used to combine the evidence. While using the Bayesian inference network is easier because of the structure of the Bayesian network.Keyword : Bayesian Network, Dempster-Shafer, Expert System, Eye Disease
Sistem Pakar Untuk Mendiagnosa Penyakit Mata Dengan Metode Bayesian Network Rahmad Kurniawan; Luh Kesuma Wardhani
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2011: SNTIKI 3
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (306.975 KB)

Abstract

Tidak semua penderita penyakit mata dapat mengetahui penyakit mata. Keterbatasan pengetahuan di bidang medis, masalah finansial serta kesulitan transportasi untuk ke dokter spesialis mata membuat penderita penyakit mata tidak mendapat penanganan yang tepat. Untuk itu dibutuhkan suatu aplikasi yang dapat melakukan aksi seperti dokter spesialis mata. Pada penelitian ini dibuat suatu aplikasi sistem pakar penyakit mata menggunakan metode bayesian network. Bayesian network digunakan karena dapat menghitung probabilitas penyakit mata dari berbagai gejala yang ada.Aplikasi ini dibangun untuk mendiagnosa 6 penyakit mata. Berdasarkan hasil pengujian dapat disimpulkan bahwa metode bayesian network dapat memberikan hasil berupa nilai probabilitas jenis penyakit mata berdasakan gejala yang dipilih. Perbandingan hasil diagnosa sistem terhadap diagnosa dokter spesialis mata pada 7 orang pasien memberikan nilai akurasi 85,7%. Dari sisi aplikasi yang dibangun, pengguna sistem pakar menilai bahwa sistem ini cukup mudah digunakan, informasi yang diberikan cukup lengkap dan sangat berguna bagi pengguna.Kata kunci : Bayesian Network, Penyakit Mata, Sistem Pakar
A Web-Based Bitcoin Currency Price Forecasting System Using Multiple Linear Regression Algorithm Ismar Puadi; Rahmad Kurniawan; Benny Sukma Negara; Fadhilah Syafria; Fitra Lestari
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2021: SNTIKI 13
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Keberadaan cryptocurrency memberikan kemajuan transaksi dalam bidang ekonomi. Salah satu jenis cryptocurrency adalah Bitcoin (BTC), BTC saat ini banyak digunakan oleh para pebisnis dan investor. BTC dapat diperjualbelikan setiap saat tanpa ada Batasan waktu, namun harga BTC berfluktuasi. Peramalan harga BTC yang cepat diperlukan oleh para investor untuk mencegah kerugian dalam jumlah besar. Peramalan secara manual sulit dilakukan karena harga BTC yang berfluktuasi BTC secara cepat. Oleh karena itu, diperlukan  Teknik yang cepat dan jitu menggunakan Machine Learning. Salah satu algoritma yang sederhana, cepat dan tepat dalam komputasi  untuk memprediksi harga BTC adalah Regresi Linear Berganda. Penelitian ini menggunakan data enam tahun yaitu tahun 2014-2021 sebagai data latih. Berdasarkan hasil eksperimen, diperoleh formula Y=-0,16780543+((-0,41658744)X1 )+((0,84132834)X2) + ((0,57040201)X3). Selanjutnya dari persamaan linear tersebut digunakan untuk pengujian. Berdasarkan hasil eksperimen, didapat bahwa sistem peramalan harga BTC menghasilkan tingkat kesalahan RMSE 405,23 dan MAPE sebesar 1,22. Sistem peramalan berbasis web ini berpotensi digunakan sebagai pertimbangan oleh pengguna dalam meramalkan harga BTC.
Text Classification System Based on Islamic Jurisprudence Using Multinomial Naïve Bayes Classifier Riyan Wibowo Saputra; Benny Sukma Negara; Rahmad Kurniawan; Muhammad Irsyad; Iis Afrianty; Fitra Lestari
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2021: SNTIKI 13
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Indonesia merupakan negara dengan populasi umat muslim terbesar di dunia. Islam tidak hanya mengajarkan tentang ibadah tetapi juga masalah kehidupan seorang muslim yang diatur dalam hukum Islam (Fiqih). Ilmu hukum Islam dapat diketahui dengan cara belajar kepada seorang ulama bidang Fiqih atau membaca buku dari ulama tersebut. Namun, tidak semua orang dapat bertemu ulama dan dapat memahami isi buku dari ulama tersebut. Oleh karena itu, diperlukan sebuah sistem klasifikasi teks yang dapat digunakan umat untuk pertimbangan jawaban dari hukum Islam yang ditanyakan. Algoritme Multinomial Naïve Bayes dipilih sebagai metode untuk menyimpulkan jawaban hukum Islam karena ketepatannya sebagai mesin inferensi. Buku yang ditulis oleh pakar Fiqih Asia Tenggara yaitu Ustaz Abdul Somad yang berjudul “37 Masalah Popular, 77 Tanya Jawab Tentang Shalat dan 33 Tanya Jawab Seputar Kurban” telah digunakan sebagai basis pengetahuan dalam aplikasi berbasis web ini. Berdasarkan hasil pengujian  yang dilakukan, didapatkan sistem klasifikasi teks hukum Islam ini menghasilkan akurasi sebesar 75%. Berdasarkan eksperimen dan pengujian tersebut, dapat disimpulkan bahwa sistem klasifikasi teks berdasarkan hukum Islam ini berpotensi digunakan sebagai pertimbangan dalam memahami ilmu Fiqih.
Analisis Sentimen Komentar Di YouTube Tentang Ceramah Ustadz Abdul Somad Menggunakan Algoritma Naïve Bayes Habibi Al Rasyid Harpizon; Rahmad Kurniawan; Iwan Iskandar; Roni Salambue; Elvia Budianita; Fadhilah Syafria
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 1 (2022): Februari 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i1.4008

Abstract

Abstrak - Sosial media tidak hanya digunakan oleh masyarakat Indonesia untuk hiburan, tetapi juga sebagai media edukasi. Youtube merupakan salah satu media sosial yang terkenal di Indonesia dengan 93,8% pengguna. Youtube juga dimanfaatkan sebagai media Dakwah seperti yang dilakukan oleh Ustadz Abdul Somad. Ustadz Abdul Somad merupakan ulama yang berpengaruh di Indonesia. Beliau sering mengunggah video yang membahas berbagai jenis persoalan agama khususnya pada bidang hadist dan fiqih. Pengguna Youtube dapat memberikan feedback berupa like, dislike dan komentar terhadap video yang ditayangkan. Feedback diperlukan oleh pembuat konten di Youtube untuk melihat tanggapan pengguna. Analisa secara manual sulit dilakukan karena jumlah data yang besar. Oleh karena itu, penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap Ustadz Abdul Somad melalui  komentar youtube menggunakan algoritma Naïve Bayes. Penelitian ini menggunakan 1000 komentar dari 10 video yang ada di Youtube mengenai Ustad Abdul Somad. Naïve Bayes merupakan algoritma yang sederhana, namun memiliki akurasi yang tinggi dan dapat digunakan pada data yang sedikit. Berdasarkan hasil penelitian, didapatkan sebanyak 67% berkomentar positif, 27% berkomentar netral  dan 6% berkomentar negatif. Berdasarkan pengujian didapatkan akurasi sebesar 87%, presisi 91% dan recall 97%. Berdasarkan pengujian tersebut dapat disimpulkan bahwa penelitian ini dapat digunakan untuk hasil sentimen dengan cepat di Youtube.Kata kunci: Analisis Sentimen, Naïve Bayes, Ustadz Abdul Somad, Youtube Abstract - Indonesian people have been used Youtube for entertainment and as an education. As Indonesia's most popular social media, Youtube has 93.8% users. YouTube is also used as a medium of Da'wah, like Ustadz Abdul Somad. Ustadz Abdul Somad is an influential Preacher in Indonesia. He often uploads videos that lecture various types of religious issues, especially in the fields of hadith and fiqh. YouTube users can provide feedback in the form of likes, dislikes, and comments on videos that are shown. Creators need feedback on YouTube to see user feedback. Manual analysis is complicated because of the large amount of data. Therefore, this study aimed to analyze public sentiment towards Ustadz Abdul Somad through YouTube comments using the Naïve Bayes algorithm. This study obtained 1000 comments from 10 videos about Ustad Abdul Somad. Naïve Bayes is a simple algorithm with high accuracy and can be used on small data. Based on the results, it was found that 67% commented positively, 27% commented neutrally, and 6% commented negatively. Based on the experimental testing, the accuracy is 87%, precision is 91%, and recall is 97%. Based on these tests, it can be concluded that this research can be used for quick sentiment results on YouTube.Keywords: Sentiment Analysis, Naïve Bayes, Ustadz Abdul Somad, Youtube
Co-Authors Abdul Somad Batubara Ahmad Efendi Alwis Nazir Arisman Adnan Avisha Delinda Jukris Benny Sukma Negara Daqiqil Id, Ibnu Elvia Budianita Elvia Budianita Elvia Budianita Fadhilah Syafria Fadhilah Syafria Fadhilah Syafria Fatayat Febyana, Lidya Fitra Lestari Fitra Lestari Fitri Insani Fitriansyah, Aidil Habibi Al Rasyid Harpizon Ibnu Afdhal Ibnu Daqiqil ID Iis Afrianty Ilyas Husti Ismar Puadi Ivo Dwi Ananda Iwan Iskandar Iwan Iskandar Iwan Iskandar Iwan Iskandar Luh Kesuma Wardhani m azwan Muhammad Affandes Muhammad Irsyad Muhammad Irsyad Nazruddin Safaat H Novi Yanti Pizaini Pizaini Pratiwi, Trya Ayu Riyan Wibowo Saputra Roni Salambue Saputra, Hendy Silfia Silfia Silvi Ana Sonya Meitarice Sukamto, Sukamto Surya Agustian Syamsudhuha Syamsudhuha Trya Ayu Pratiwi Yanti Andriyani