Article Per Year (5 Year)
p-Index From 2021 - 2026
2.994
P-Index
This Author published in this journals
All Journal Jurnal Nasional Komputasi dan Teknologi Informasi Specta Journal of Technology Jurnal Repositor JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) International Journal of Engineering, Science and Information Technology Journal La Multiapp Bulletin of Computer Science Research Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Ilmu Komputer Jurnal Teknologi Informasi Indonesia Journal of International Multidisciplinary Research
Wahyudin Hasyim
Universitas Muhammadiyah Gorontalo
Aerospace Engineering Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Neuroscience Physics Social Sciences Transportation Other

Published : 20 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 20 Documents
Search

 1   2 
Penerapan Technology Acceptance Model (TAM) Pada Sistem Informasi Akademik (SIA) Universitas Muhammadiyah Gorontalo Hasyim, Wahyudin; Biya, Indrawati
SPECTA Journal of Technology Vol. 8 No. 3 (2024): SPECTA Journal of Technology
Publisher : LPPM ITK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35718/specta.v8i3.790

Abstract

This study aims to examine user satisfaction through the application of technology acceptance models in academic information systems. The population of this study is active students who use academic information systems as many as 2,282. The technique used in determining the sample size of a population is using the slovin technique. The sample in this study was 500 samples. The analysis technique used is quantitative analysis. The results of this study indicate  The perceived usefulness variable has a significant value of 0.054 > 0.05, so it can be concluded that the hypothesis is rejected. 2) Variable Perceived Ease of use (ease of use) obtained a significant value of 0.000 <0.05, it can be concluded that the hypothesis is accepted. 3) Variable Attitude Toward Using Technology (attitude) obtained a significant value of 0.000 <0.05, it can be concluded that the hypothesis is accepted. 4) Behavioral Intention to Use (intention) variable obtained a significant value of 0.220 > 0.05, so it can be concluded that the hypothesis is rejected.
PENERAPAN DATA MINING DALA MENGKLASIFIKASI RESIKO PENYAKIT STROKE MENGGUNAKAN METODE MACHINE LEARNING Bakari, Sitti Nurfatimah; Lasarudin, Alter; Hasyim, Wahyudin
Jurnal Ilmu Komputer (JUIK) Vol 5, No 2 (2025): JUNE 2025
Publisher : Universitas Muhammadiyah Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31314/juik.v5i2.4186

Abstract

Stroke adalah kondisi saraf yang ditandai dengan tanda klinis yang berkembang pesat, termasuk gangguan saraf lokal dan global yang parah, bertahan selama 24 jam atau lebih, dan berakibat fatal ketika tidak ada penyebab yang jelas selain vaskular. Penelitian ini bertujuan untuk menerapkan algoritma Support Vector Machine (SVM) dan Artiticial Neural Network (ANN) untuk mengklasifikasi risiko penyakit stroke dan mengukur tingkat akurasi dari masing-masing algoritma. Hasil penelitian menggunakan algoritma Support Vector Machine dan Artiticial Neural Network dengan jumlah record data 200 maka akan diperoleh nilai akurasi Support Vector Machine sebesar 97.46%, dan tingkat akurasi Artiticial Neural Network sebesar 98.75%. Paling algoritma Artificial Neural Network mendapatkan nilai akurasi yang tertinggi dibandingkan algoritma Support Vector Machine dalam pengklasifikasian data risiko penyakit stroke.
PENERAPAN DATA MINING UNTUK PREDIKSI PENJUALAN PRODUK TERLARIS MENGGUNAKAN METODE ANN DAN LSTM Hasanah, Ika Nur; Lasarudin, Alter; Hasyim, Wahyudin
Jurnal Ilmu Komputer (JUIK) Vol 5, No 2 (2025): JUNE 2025
Publisher : Universitas Muhammadiyah Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31314/juik.v5i2.4180

Abstract

Toko Setia Keramik yang menjual berbagai jenis keramik sedang menghadapi tantangan dalam menentukan produk keramik terlaris akibat data penjualan yang belum diolah secara optimal. Penelitian ini bertujuan untuk menerapkan algoritma Artificial Neural Network (ANN) dan Long Short-Term Memory (LSTM) untuk memprediksi penjualan produk keramik terlaris serta mengukur tingkat akurasi prediksi masing-masing algoritma. Data yang digunakan mencakup penjualan lima jenis keramik selama tiga tahun (2021–2023). Hasil penelitian menunjukkan bahwa algoritma ANN memberikan prediksi terbaik untuk pola jangka pendek dengan tingkat kesalahan Mean Square Error (MSE) yang rendah, sementara algoritma LSTM unggul dalam memprediksi pola jangka panjang. Penerapan kedua algoritma ini mampu membantu Toko Setia Keramik dalam menentukan jenis keramik terlaris sehingga pengelola toko dapat mengelola stok barang secara lebih efisien dan meminimalisir kekurangan maupun kelebihan stok, serta mengantisipasi tren penjualan di masa depan. Dengan demikian, penelitian ini memberikan kontribusi penting dalam optimalisasi manajemen penjualan menggunakan metode prediksi berbasis data mining.
PREDIKSI TINGKAT KEKERASAN PADA PEREMPUAN DAN ANAK DI KABUPATEN GORONTALO MENGGUNAKAN MACHINE LEARNING Ayu, Citra; Lasarudin, Alter; Hasyim, Wahyudin
Jurnal Ilmu Komputer (JUIK) Vol 5, No 3 (2025): OCTOBER 2025
Publisher : Universitas Muhammadiyah Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31314/juik.v5i3.4182

Abstract

Kekerasan terhadap perempuan dan anak merupakan isu sosial yang masih perlu mendapatkan perhatian khusus, terutama di Kabupaten Gorontalo yang memiliki angka kasus tertinggi di Provinsi Gorontalo. Penelitian ini bertujuan untuk memprediksi tingkat kekerasan terhadap perempuan dan anak menggunakan metode Machine Learning dengan algoritma Naïve Bayes dan Regresi Linier Berganda. Hasil penelitian menunjukkan bahwa Naïve Bayes menghasilkan RMSE sebesar 0.174 untuk kasus perempuan dan 0.254 untuk kasus anak. Sementara itu, Regresi Linier Berganda menghasilkan RMSE yang sangat kecil yaitu 0.000, baik untuk kasus perempuan maupun kasus anak. Dari hasil tersebut, dapat disimpulkan bahwa algoritma Regresi Linier Berganda lebih akurat dalam memprediksi tingkat kekerasan. Dengan hasil penelitian ini, diharapkan dapat membantu pemerintah dan lembaga terkait dalam mengambil langkah pencegahan serta tindakan yang lebih cepat, sehingga kasus kekerasan terhadap perempuan dan anak di Kabupaten Gorontalo dapat dicegah.
ANALISIS KEPUASAN PENGGUNA SISTEM E-PUSKESMAS KABUPATEN GORONTALO MENGGUNAKAN MODEL END-USER COMPUTING SATISFACTION (EUCS) Bouti, Novi; Hasyim, Wahyudin; Maku, Rubiyanto
Jurnal Ilmu Komputer (JUIK) Vol 5, No 3 (2025): OCTOBER 2025
Publisher : Universitas Muhammadiyah Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31314/juik.v5i3.4183

Abstract

E-Puskesmas adalah aplikasi manajemen yang dirancang untuk mengelola data pasien mulai dari pendaftaran hingga pembuatan laporan, yang memungkinkan pengisian rekam medis secara elektronik dan memudahkan pencatatan serta penyimpanan data medis. Metode yang digunakan dalam penelitian ini adalah End User Computing Satisfaction (EUCS). Metode ini mengukur kepuasan pengguna berdasarkan lima variabel: konten, akurasi, format, kemudahan penggunaan, dan ketepatan waktu. Penelitian ini melibatkan 104 responden, di mana hasil menunjukkan bahwa 65.7% responden merasa puas dengan sistem ini, sementara hanya 2.2% yang tidak puas. Hasil penelitian menunjukkan bahwa sistem informasi E-Puskesmas tidak hanya meningkatkan efisiensi dalam pengelolaan data pasien, tetapi juga mempercepat proses pengelolaan hasil tes medis dan meningkatkan koordinasi antara puskesmas dan laboratorium. Dengan demikian, penelitian ini memberikan wawasan penting bagi pengembang dan pengelola sistem informasi kesehatan untuk terus meningkatkan kualitas layanan dan memenuhi kebutuhan pengguna.
PERBANDINGAN ALGORITMA NAIVE BAYES, LOGISTIC REGRESSION DAN ARTIFICIAL NEURAL NETWORK UNTUK KLASIFIKASI TINGKAT KESEJAHTERAAN KELUARGA Simon, Natalia R; Lasarudin, Alter; Hasyim, Wahyudin
Jurnal Ilmu Komputer (JUIK) Vol 5, No 3 (2025): OCTOBER 2025
Publisher : Universitas Muhammadiyah Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31314/juik.v5i3.4931

Abstract

Desa Batu Hijau adalah salah satu desa di pesisir pantai yang ada diKecamatan Bonepantai Kabupaten Bone Bolango. Saat ini klasifikasi tingkat kesejahteraan keluarga di wilayah tersebut belum sepenuhnya tepat, yang mengakibatkan distribusi subsidi yang tidak tepat sasaran. Oleh karena itu, sangat penting untuk memahami tingkat kesejahteraan keluarga di Desa tersebut. Dalam penelitian ini, penulis menggunakan algoritma Naive Bayes, Logistic Regression, dan Artificial Neural Network. Berdasarkan hasil percobaan menggunakan tool rapidminer dan google colab algoritma naive bayes, logistic regression, dan artificial neural network memiliki nilai akurasi yang sama yaitu 100%, precision 100%, serta recall 100%. Berdasarkan Hasil pengujian menggunakantoolrapidminerdangooglecolabalgoritmaNaiveBayes,LogisticRegression,danArtificialNeural Network mampu mengklasifikasikan data tingkat kesejahteraan keluarga dengan sempurna yang menunjukkan bahwa model mampu mengklasifikasikan data tanpa kesalahan. 
O OPTIMALISASI NEURAL NETWORK BERBASIS PARTICLE SWARM OPTIMIZATION UNTUK MEMPREDIKSI LAMA PENYINARAN MATAHARI DALAM MEMENUHI KEBUTUHAN ENERGI Hasyim, Wahyudin; Lasarudin, Alter
Jurnal Teknologi Informasi Indonesia (JTII) Vol 4 No 2 (2019): Jurnal Teknologi Informasi Indonesia (November)
Publisher : JURNAL TEKNIK INFORMATIKA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30869/jtii.v4i2.391

Abstract

Tingginya beban listrik yang mencapai 325 MegaWatt, hal ini merupakan perhatian penting bagi pemerintah Provinsi Gorontalo dalam kebutuhan energi listrik, maka perlu memprediksi lama penyinaran matarahari pada suatu daerah, Energi sel surya salah satunya bergantung pada lamanya penyinaran cahaya matahari. Diantaranya dengan melakukan perancangan model prediksi. Metode prediksi yang mimiliki nilai error terkecil adalah Neural Network, akan tetapi masih adanya kelemahan pada waktu pelatihan untuk mencapai konvergen dan overfitting. Maka perlu dilakukan optimalisasi pada bobot jaringan dengan menggunakan Particle Swarm Optimazition, yang merupakan salah satu metode terbaik dalam optimasi. Dengan penggunaan optimasi yang diukur melalui hasil peroleha Root Mean Square Error (RMSE). Hasil pengujian terhadap algoritma menunjukkan bahwa nilai RMSE mengunakan Neural Network 0,131, sedangkan dengan penerapan optimasi dengan particle swarm optimization hasil RMSE 0,127. Dengan penerapan metode optimasi terserbut dapat mengurangi nilai error
Penerapan Algoritma Naive Bayes Untuk Sistem Klasifikasi Status Gizi Bayi Balita Abas, Mohamad Ilyas; Lamusu, Rizal; Pranata, Widya Eka; Syahrial, Syahrial; Ibrahim, Irawan; Hasyim, Wahyudin; Kiayi, Verliana
Bulletin of Computer Science Research Vol. 5 No. 5 (2025): August 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bulletincsr.v5i5.508

Abstract

Infants and toddlers are in a critical period of rapid growth and development, often referred to as the "golden age." During this stage, regular nutritional assessments are essential to monitor health status and detect potential nutritional problems early. This study aims to classify the nutritional status of infants and toddlers using the Naïve Bayes algorithm, a probabilistic classification method based on Bayes' theorem with a strong assumption of attribute independence. The main attributes used in the classification system include age, weight, and height. The dataset consists of 700 records of infants and toddlers collected from previous observations. The results show that the Naïve Bayes algorithm can be effectively implemented for nutritional status classification, achieving a system accuracy of 88.14%. This indicates that the method performs well and has the potential to be utilized in decision support systems for child health monitoring.
Analisis Forensik Digital pada Kasus Penyebaran Konten Ilegal Menggunakan Metode National Intitute of Justice (NIJ) Rapia Yakob Ingahu; Wahyudin Hasyim; Hilmansyah Gani
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 6 (2025): Desember 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i6.10129

Abstract

Abstrak - Perkembangan media sosial meningkatkan risiko penyebaran konten ilegal, seperti kasus cyberbullying di Facebook Messenger. Penelitian ini bertujuan untuk menganalisis bukti digital pada kasus penyebaran konten ilegal menggunakan metode National Institute of Justice (NIJ). Penelitian dilakukan melalui pendekatan kualitatif deskriptif berbasis skenario simulatif dan mengikuti lima tahapan metode NIJ, yaitu identifikasi, pengumpulan, pemeriksaan, analisis, dan pelaporan. Proses investigasi dilakukan menggunakan perangkat lunak FTK Imager, Autopsy, dan DB Browser for SQLite. Hasil penelitian menunjukkan bahwa pesan yang telah dihapus dapat direkonstruksi, metadata dikembalikan, serta identitas pelaku berhasil ditelusuri. Metode NIJ terbukti efektif dalam menyusun proses investigasi digital yang sistematis dan dapat dipertanggungjawabkan. Penelitian ini memberikan kontribusi terhadap praktik forensik digital dalam menanggapi kasus penyebaran konten ilegal melalui media sosial.Kata kunci : Forensik Digital; Konten Ilegal; Metode NIJ; Cyberbullying; Facebook Messenger; Abstract - The development of social media increases the risk of the distribution of illegal content, such as cases of cyberbullying on Facebook Messenger. This study aims to analyze digital evidence in cases of illegal content distribution using the National Institute of Justice (NIJ) method. The study was conducted using a descriptive qualitative approach based on simulated scenarios and followed the five stages of the NIJ method: identification, collection, examination, analysis, and reporting. The investigation process was conducted using FTK Imager, Autopsy, and DB Browser for SQLite software. The results showed that deleted messages could be reconstructed, metadata recovered, and the perpetrator's identity successfully traced. The NIJ method has proven effective in establishing a systematic and accountable digital investigation process. This research contributes to digital forensic practice in responding to cases of illegal content distribution via social media.Keywords: Digital Forensics; Illegal Content; NIJ Method; Cyberbullying; Facebook Messenger;
Optimasi Data Rekam Medis Pasien Rawat Inap BPJS RSUD Tombulilato dengan Algoritma K-Means dan FP-Growth Fatiya Ointu; Alter Lasarudin; Wahyudin Hasyim
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 4 (2025): Agustus 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i4.9348

Abstract

Abstrak - Pengelolaan data rekam medis, terutama dalam meningkatkan kualitas layanan rumah sakit di era digital, menjadi komponen yang semakin penting. Penelitian ini bertujuan untuk mengoptimalkan pengelolaan data rekam medis pasien rawat inap BPJS di Rumah Sakit Umum Daerah Tombulilato dengan menerapkan algoritma K-Means untuk clustering dan analisis pola asosiasi menggunakan algoritma FP-Growth. Hasil penelitian menunjukkan bahwa Cluster 0 terdiri dari pasien perempuan di Kelas Rawat 3, berusia dewasa (18-64 tahun), yang mengalami penyakit infeksi (dukungan 16,4% dengan kepercayaan 100%), penyakit pernapasan (dukungan 7,1% dengan kepercayaan 100%), dan komplikasi kehamilan (dukungan 11,6% dengan kepercayaan 100%). Sementara itu, Cluster 1 terdiri dari pasien laki-laki di Kelas Rawat 3, berusia dewasa (18-64 tahun), yang mengalami penyakit infeksi (dukungan 13,6% dengan kepercayaan 100%), penyakit pernapasan (dukungan 16,2% dengan kepercayaan 100%), dan penyakit mental (dukungan 10,3% dengan kepercayaan 100%).Kata kunci: FP-Growth; K-Means; Rekam Medis; Abstract - It is becoming increasingly crucial to manage medical record data in order to enhance the quality of hospital services in the digital era. This study aims to optimize the management of medical record data for BPJS inpatients at Tombulilato Regional General Hospital by applying the K-Means algorithm for clustering and association pattern analysis using the FP-Growth algorithm. The results showed that Cluster 0 consisted of female patients in Class 3, adults (18-64 years), who experienced infectious diseases (16.4% support with 100% confidence), respiratory diseases (7.1% support with 100% confidence), and pregnancy complications (11.6% support with 100% confidence). Cluster 1 was composed of male patients in Class 3, adults aged 18-64 years, who had been diagnosed with infectious diseases (13.6% support with 100% confidence), respiratory diseases (16.2% support with 100% confidence), and mental illness (10.3% support with 100% confidence).Keywords: FP-Growth; Medical Records; K-Means;
Co-Authors Alter Lasarudin Bagus Setio Raharjo Bakari, Sitti Nurfatimah Biya, Indrawati Bouti, Novi Citra Ayu, Citra Djainab Humolungo Fatiya Ointu Gani, Hilmansyah Hanapi, Aan Handayani, Tri Pratiwi Hasanah, Ika Nur Ibrahim, Irawan Irawan Ibrahim Kiayi, Verliana Lamusu, Rizal Lasarudin, Alter Maku, Rubiyanto Masri, Muhamad Mohamad Ilyas Abas Nursetiawati Nursetiawati Parman, Rahmawaty Pranata, Widya Eka Rahmatia Mohi Rapia Yakob Ingahu Roy Dumako Sabiku, Sri Ariyanti Salahuddin Liputo, Salahuddin Simon, Natalia R SYAHRIAL SYAHRIAL Tupamahu, Franky