Article Per Year (5 Year)
p-Index From 2021 - 2026
3.453
P-Index
This Author published in this journals
All Journal International Journal of Advances in Applied Sciences Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I) CogITo Smart Journal CSRID (Computer Science Research and Its Development Journal) Jurnal Fokus Elektroda : Energi Listrik, Telekomunikasi, Komputer, Elektronika dan Kendali ScientiCO : Computer Science and Informatics Journal Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) Jurnal Tekinkom (Teknik Informasi dan Komputer) Community Development Journal: Jurnal Pengabdian Masyarakat IJGIE (International Journal of Graduate of Islamic Education) Jurnal Pengabdian kepada Masyarakat Nusantara ABSYARA: Jurnal Pengabdian Pada Masyarakat Fokus Elektroda: Energi Listrik, Telekomunikasi, Komputer, Elektronika dan Kendali) INTERNATIONAL JOURNAL OF HUMANITIES, SOCIAL SCIENCES AND BUSINESS (INJOSS) CSRID DIPANEGARA KOMPUTER TEKNOLOGI INFORMATIKA (DIPAKOMTI) DIPANEGARA KOMPUTER SISTEM INFORMASI (DIPAKOMSI)
Erfan Hasmin
Universitas Dipa Makassar
Religion Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Public Health Social Sciences Other

Published : 26 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 26 Documents
Search

 1   2   3 
Komparasi Algoritma Decision Tree, Naive Bayes dan KNN dalam Klasifikasi Kanker Payudara Muhammad Abdul Jabbar; Erfan Hasmin; Sunardi; Cucut Susanto; Wilem Musu
Computer Science Research and Its Development Journal Vol. 14 No. 3: October 2022
Publisher : LPPM Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/csrid.14.3.2022.258-270

Abstract

Breast cancer is a type of cancer that is commonly formed in breast cells and the cancer cells grow out of control. Cancer can occur in all genders. In 2020, the Global Cancer Observatory recorded a death rate of 684,996,000 and new cases of 2,261,419[1]. From the mortality rate, both men and women should be aware of their health by taking actions such as early detection and avoiding the risk of causing cancer. The source of data in this study came from the UCI Machine Learning Repository. This study aims to compare three data mining algorithms for classifying breast cancer. In this study, the algorithms used in making comparisons are the Decision Tree Algorithm, Naive Bayes, and KNN using 2 cross-validation methods, Hold-Out and K-Fold. The results of the test showed that the KNN algorithm always produced excellent accuracy performance compared to the Naive Bayes and Decision Tree algorithms, namely 98% in the Hold-Out method and 96% in the K-Fold method, while Naive Bayes is 95% on the Hold-Out method and 95% on the K-Fold method, Decision Tree is 94% on the Hold-Out method and 93% on the K-Fold method. Keywords—Breast Cancer, Decision Tree, Naive Bayes, KNN
Perbandingan Logistic Regression, Random Forest, dan Perceptron pada Klasifikasi Pasien Gagal Jantung Taufik Zulhaq Jasman; Erfan Hasmin; Sunardi; Cucut Susanto; Wilem Musu
Computer Science Research and Its Development Journal Vol. 14 No. 3: October 2022
Publisher : LPPM Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/csrid.14.3.2022.271-286

Abstract

According to WHO (World Health Organization) data, heart disease accounts for one-third of all fatalities worldwide. Heart failure causes the death of approximately 17.9 million people worldwide and is more prevalent in Asia. With the use of technology, biostatistical analysis data may be processed using data mining techniques to uncover correlation patterns for each data from previous data that can then be used to forecast diseases based on these patterns. Algorithms with high accuracy can at least help medical experts prevent heart failure deaths. The ultimate goal of this research is to compare the algorithms and methods of Standard Scalers and robust scalers on datasets that have implemented the SMOTE method and without SMOTE to find algorithms and techniques with the highest accuracy and performance from the best algorithms using ROC curve values ​​and AUC values. In this study, researchers will use Logistic Regression, Random Forest, and Perceptron. Comparing the Standard Scaler and Robust Scaler methods as data standardization. And using the SMOTE technique and not using SMOTE to overcome unbalanced classes. As a result, the Random Forest algorithm with SMOTE technique and Standard Scaler is suitable for classifying and predicting heart failure.
Perancangan Aplikasi IT Helpdesk pada PT. Fajar Techno & System Berbasis Web (Studi Kasus : Gedung Graha Pena Makassar) Andika Bumi Anugrah; A.Amin Rais.M; Erfan Hasmin; Risnayanti Andi Djamro
Dipanegara Komputer Teknologi Informatika Vol 15 No 1 (2022): Jurnal Dipanegara Komputer Teknik Informatika (DIPAKOMTI)
Publisher : Dipanegara Komputer Teknologi Informatika

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

Abstract

PT. Fajar Techno & System merupakan perusahaan penyedia jasa internet dan berperan sebagai pusat memperbaiki segala kerusakan peripheral komputer yang ada di Gedung Graha Pena Makassar. Setiap instansi atau perusahaan yang berada di Gedung Graha Pena Makassar yang mengalami masalah pada komputer atau internet, mereka akan meminta pertolongan dari perusahaan ini. Namun kendala yang dialami selama ini, yaitu proses pengaduan masalah masih dilakukan secara manual melalui telepon dan aplikasi WhatssApp, sehingga memakan waktu yang lama. User juga tidak mengetahui apakah permasalahannya sudah selesai dikerjakan atau belum.Pihak Technos juga masih melakukan pencatatan secara manual atau tidak memiliki catatan untuk setiap keluhan yang diberikan. Data – data keluhan tersebut sering hilang bahkan sampai rusak. Sehingga penulis memiliki ide untuk melakukan perancangan aplikasi IT Helpdesk berbasis Web guna mengelola dan mencatat setiap keluhan masalah yang diberikan.Rancangan aplikasi ini dibuat menggunakan bahasa pemrograman PHP dengan MySQL sebagai databasenya serta menggunakan framework Laravel.Pengujian yang digunakan adalah pengujian dasar Black Box Texting.Hasil dari penelitian ini adalah terancangnya aplikasi IT Helpdesk untuk mempermudah user dalam melakukan pengaduan masalah dan memudahkan pihak Technos dalam mengelola dan menindaklanjuti laporan yang masuk.
Analisis Sentimen Cyberbullying pada “Tiktok” Menggunakan Metode Long Short Term Memory Nur Awalia. S. Z. Abidin; Ayu Andira Adrianti Sofyan; Erfan Hasmin; Arham Arifin
Dipanegara Komputer Teknologi Informatika Vol 16 No 1 (2023): Jurnal Dipanegara Komputer Teknik Informatika (DIPAKOMTI)
Publisher : Dipanegara Komputer Teknologi Informatika

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

Abstract

Penggunaan media sosial saat ini berkembang dengan sangat pesat, salah satunya ialah media sosial Tiktok. Seiring dengan perkembangan tersebut semakin banyak pula kasus cyberbullying yang terjadi dan memakan banyak korban. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap cyberbullying pada Tiktok dengan menggunakan metode Long Short Term Memory. Data akan dilatih agar model dapat memiliki kinerja yang optimal serta dapat melakukan prediksi sentimen. Adapun data yang diolah pada penelitian ini merupakan dataset cyberbullying pada Tiktok selama bulan Desember 2022 hingga Januari 2023, yang terdiri dari empat lokasi yang berbeda yakni Banten, Jakarta, Makassar, dan Lombok. Data tersebut divalidasi dengan confusion matrix. Berdasarkan hasil penelitian ini, diperoleh bahwa pada data cyberbullying Banten Desember 2022 tingkat akurasi model sebesar 80%, lalu pada data cyberbullying Jakarta Desember 2022 tingkat akurasi model sebesar 87%, pada data cyberbullying Makassar Januari 2023 diperoleh tingkat akurasi sebesar 87%, dan pada data cyberbullying Lombok Januari 2023 tingkat akurasi model sebesar 88%.
Perancangan Sistem Pemagangan Mahasiswa Terintegrasi Siaka Berbasis Web Service Isa Nirmawati; Heri Saputra; Erfan Hasmin; Wilem Musu
Dipanegara Komputer Sistem Informasi Vol 16 No 1 (2022): Jurnal Dipanegara Komputer Sistem Informasi (DIPAKOMSI)
Publisher : Dipanegara Komputer Sistem Informasi

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

Abstract

Univeristas Dipa Makassar telah lama melakukan distribusi Mahasiswa yang akan melakukan Magang ke kantor-kantor swasta dan pemerintahan. Proses distiribusi mahasiswa Magang saat ini ditentukan sendiri oleh mahasiswa sehingga tempat pelaksaan Magang ada yang tidak sesuai dengan tujuan yang diterapkan bahkan dibeberapa kasus ada tempat Magang yang Fiktif. idealnya proses penempatan mahasiswa yang sedang memprogramkan Magang didistribusikan oleh bagian terkait ke kantor/institusi yang telah bekerjasama dengan Universitas Dipa Makassar sehingga semua proses pelaksanaan Magang terintegrasi dengan semua sistem yang ada di Universitas Dipa Makassar seperti Siaka dan Bagian Akademik. Dengan menghubungkan antara sistem yang akan dibangun dengan SIAKA UNDIPA dimungkinkan dengan adanya teknologi web service data akademik di Universitas Dipa Makassar, data dari SIAKA UNDIPA dimodelkan ke bentuk web service agar dapat dimanfaatkan untuk verifikasi mahasiswa tersebut telah membayar biaya Magang dan telah memprogramkan KKL pada KRS aktif. penelitian ini menghasilkan sebuh sistem untuk memverifikasi proses pengajuan lokasi KKL terverifikasi dengan websiervice siaka.
Pengembangan Sistem Pemberitahuan Dan Peringatan Mahasiswa Akan Di Drop Out Pada Universitas Dipa Makassar Andi Achmad Tamimi; Ferent Jessicha Tari; Erfan Hasmin; Sitti Aisa
Dipanegara Komputer Sistem Informasi Vol 17 No 1 (2023): Jurnal Dipanegara Komputer Sistem Informasi (DIPAKOMSI)
Publisher : Dipanegara Komputer Sistem Informasi

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

Abstract

Drop Out di Universitas Dipa Makassar dapat di golongkan dalam 2 hal yaitu Drop out evaluasi 3 semester, yaitu apabila mahasiswa tidak dapat mencapai nilai minimum 25 sks dan IPK di bawah 1,25 dan yang kedua ialah Drop Out masa studi yaitu Drop Out ke mahasiswa yang melebihi masa studi yaitu 14 semester (7 tahun) yang seringkali mengalami permasalahan terkait pemberitahuan dan peringatan kepada mahasiswa yang di Drop Out. Berdasarkan permasalahan tersebut kami merancang aplikasi pemberitahuan dan peringatan,yang dapat membantu dan mengefisiensikan waktu ketua program studi dalam penyebaran pemberitahuan mahasiswa yang di Drop Out, karena telah melewati ketentuan masa studi dan nilai/IPK yang tidak memenuhi standar. Dalam pengujian ini, pemberitahuan dan peringatan Drop Out berhasil dikirim dengan baik kepada mahasiswa melalui WhatsApp .
Sistem Informasi Klasifikasi Repository Skripsi Mahasiswa Berbasis Web Dengan Metode Naïve Bayes Niluh Lestari; Ayu Srianti; Dr. Y. Johny W. Soetikno, S.E., M.M.; Erfan Hasmin
Dipanegara Komputer Sistem Informasi Vol 17 No 1 (2023): Jurnal Dipanegara Komputer Sistem Informasi (DIPAKOMSI)
Publisher : Dipanegara Komputer Sistem Informasi

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

Abstract

Setiap tahun Universitas Dipa Makassar menghasilkan cukup banyak lulusan, sehingga jumlah aplikasi dan dokumen skripsi yang diserahkan harus didata juga semakin banyak. Ruangan Perpustakaan kampus yang terbatas mengakibatkan dokumen-dokumen yang terus menumpuk, serta pencarian dokumen yang tidak dilabel berdasarkan jenis penelitian membuat mahasiswa harus lebih jeli dalam mencari referensi yang tepat. Aplikasi Repository berbasis web yang dirancang akan membantu mahasiswa yang sedang menyusun atau sedang mencari referensi terkait topik tertentu. Sistem pencarian data akan memanfaatkan metode Naïve Bayes dalam menemukan pencarian yang paling tepat sesuai pilihan kata kunci. Mahasiswa yang telah menyelesaikan ujian akhir akan mengupload data terkait penelitian seperti informasi Judul, nama mahasiswa, NIM, nama pembimbing, nama penguji, tahun, abstrak, source code dan link youtube demo aplikasi. Data tersebut kemudian akan diverifikasi oleh bagian akademik sebelum dipublish, sehingga membantu mahasiswa lainnya yang sedang mencari referensi. Pencarian dokumen skripsi telah diklasifikasikan dengan baik menggunakan metode Naïve Bayes. Berdasarkan hasil pengujian perangkat lunak yang telah dilakukan maka menggunakan Black Box Testing, sistem dianggap sudah bebas dari kesalahan karena bekerja sesuai fungsionalnya.
Penerapan Konsep Koin Digital Pada Sistem Informasi Bank Sampah Berbasis Web Georgius Gerry Renwarin; Irpan Latih Pamean; Andi Irmayana; Erfan Hasmin
Dipanegara Komputer Sistem Informasi Vol 17 No 2 (2023): Jurnal Dipanegara Komputer Sistem Informasi (DIPAKOMSI)
Publisher : Dipanegara Komputer Sistem Informasi

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

Abstract

Lingkungan sekolah merupakan salah satu tempat yang setiap harinya memproduksi sampah. Hal ini disebabkan karena ratusan bahkan ribuan siswa ketika berada dilingkungan sekolah akan makan dan minum baik di kantin, tempat terbuka bahkan di dalam ruang kelas. Hal tersebut akan memproduksi sampah dalam jumlah besar dari kemasan makanan dan minuman para siswa tersebut. Hal tersebut menjadi sebuah masalah pada rantai penanggulangan masalah sampah. Disisi lain sampah-sampah yang diproduksi dari kemasan makanan pada umumnya terbuat dari bahan plastik yang masih memiliki nilai ekonomis ketika didaur ulang. Salah satu solusi yang dilakukan oleh pemerintah melalui program bank sampah. Program ini bertujuan untuk mengurangi sampah tiba di TPA dan memberikan nilai ekonomis terhadap sampah yang dapat didaur ulang atau digunakan kembali. hasil penelitian ini berhasil mengembangkan sistem pengelolaan sampah dengan membeirkan coin digital kepada murid yang dapat ditukarkan pad abagian koperasi maupun kantin sekolah, sistem yang dihasilkan terintegrasi antara unit unit yang terlibat dalam pengelolaan sampah di sekolah yaitu unit pengumpul, koperasi dan kantin sekolah maupun siswa.
Analisis Perbandingan Metode Convolutional Neural Network (CNN) dan MobileNet dalam Klasifikasi Penyakit Daun Padi Turahman, Tazkira; Hasmin, Erfan; Aryasa, Komang
Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) Vol 9 No 1 (2025): JANUARI-MARET 2025
Publisher : Lembaga Otonom Lembaga Informasi dan Riset Indonesia (KITA INFO dan RISET)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35870/jtik.v9i1.3218

Abstract

This study aims to compare the effectiveness of Convolutional Neural Networks (CNN) and MobileNet in classifying rice leaf diseases (Oryza sativa), such as bacterial blight, brown spot, and leaf smut. The use of a dataset from Kaggle facilitates the performance evaluation of both models. The results show that MobileNet achieved a higher accuracy of 94.79% in just 10 epochs, while CNN reached 90.24% after 150 epochs. MobileNet’s efficiency in terms of training time and performance is superior to CNN. This study recommends using MobileNet for similar applications and further research with an expanded dataset and other deep learning methods.
DETEKSI PENYAKIT RUMPUT LAUT DENGAN RESIDUAL NEURAL NETWORK Nurlinda, Nurlinda; Hasmin, Erfan; Jufri, Jufri
Jurnal Tekinkom (Teknik Informasi dan Komputer) Vol 7 No 2 (2024)
Publisher : Politeknik Bisnis Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37600/tekinkom.v7i2.1621

Abstract

This research aims to detect seaweed diseases using the Residual Neural Network (ResNet) deep learning model. Seaweed, or Thallus, is a crucial fishery commodity in Indonesia, but it is often threatened by diseases such as Ice-ice and Bulu Kucing, which are challenging to distinguish visually. The dataset used in this study consists of images of healthy and diseased seaweed, which undergo preprocessing steps like resizing, augmentation, and data splitting. The ResNet model is trained on this processed data and evaluated using a Confusion Matrix, achieving an accuracy of 96.78% and a validation accuracy of 99.68%. These results demonstrate that ResNet has significant potential in detecting seaweed diseases, which can contribute to increasing productivity and improving the welfare of seaweed farmers.
Co-Authors A.Amin Rais.M Ahyuna Ahyuna, Ahyuna Aini Nurul Aini, Nurul Akhriana, Asmah Andi Achmad Tamimi Andi Asvin Mahersatillah Suradi Andi Irmayana Andi Saenong Andika Bumi Anugrah Arham Arifin Arwansyah Arwansyah Arwansyah Ayu Andira Adrianti Sofyan Ayu Srianti Baktiar Nasution Caroline Caroline Cucut Susanto Cucut Susanto Faizal Faizal, Faizal Ferent Jessicha Tari Gayatri Gadji Georgius Gerry Renwarin Hanapi, Khaerunnisa Hardi Hardi Harlina, Sitti Hasyrif SY Heri Saputra Heriadi Heriadi Heriadi Heriadi, Heriadi Heriadi, Herman Imelda Imelda Irpan Latih Pamean Isa Nirmawati Jufri Jufri Khaddafi, Muh Komang Aryasa Komang Aryasa Manu, Charisal B.S. Muhammad Abdul Jabbar Muhammad Dahlan Muhammad Furqan Rasyid Niluh Lestari Novianty Djafri Novita Sambo Layuk Nur Awalia. S. Z. Abidin Nurdiansah, Nurdiansah Nurul Aini Nurul Aini Pamean, Irpan Latih Piu, Sri Wahyuningsih Piu, Sriwahyuningsih Rahman, Aedah Abd Renwarin, Georgius Gerry Rima Ruktiari Risnayanti Andi Djamro Salmiati Salmiati Samsie, Indra Santi Santi Sitti Aisa Sitti Aisa Sitti Aisa, Sitti Sitti Nur Alam Sriwahyuningsi Piu Sriwahyuningsih Piu Sunardi Sunardi Suryani Suryani Syamsudddin, Sadly Taufik Zulhaq Jasman Taufiq Taufiq Tazkira Turahman Turahman, Tazkira Wilem Musu Yohannes Johny Soetikno Zulkifly, Zulkifly Zulvia Trinova