Article Per Year (5 Year)
p-Index From 2020 - 2025
1.475
P-Index
This Author published in this journals
All Journal Scientific Student Journal for Information, Technology and Science
Amril Siregar
Universitas Buana Perjuangan Karawang
Computer Science & IT

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 10 Documents
Search

 1 
Penerapan Algoritma K-Means dan Fuzzy C-Means untuk Pengelompokan Kabupaten Kota Berdasarkan Produksi Padi di Provinsi Jawa Barat Abdul Aziz; Amril Siregar; Candra Zonyfar
Scientific Student Journal for Information, Technology and Science Vol. 3 No. 1 (2022): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Tanaman padi menjadi sumber bahan pangan utama hampir dari setengah penduduk dunia. Tidak terkecuali Indonesia memenuhi kebutuhan bahan pangannya dari tanaman padi. Dalam dunia komputer, data mining dikenal luas sebagai teknik penggalian data untuk mencari sebuah pola tersembunyi demi menghasilkan sebuah pengetahuan baru di dalam sekumpulan data. Secara khusus data mining memiliki metode tersendiri berdasarkan tujuan dari pemanfaatan himpunan data yaitu estimasi, prediksi, klasifikasi, klasterisasi dan asosiasi. Salah satu teknik yang bisa digunakan untuk tujuan pemetaan sebuah data adalah teknik klasterisai. Klastering“merupakan sebuah teknik dalam data mining yang berfungsi untuk mengelompokan data berdasarkan”kemiripannya ke dalam klaster. Oleh karena itu penelitian ini menggunakan metode K-Means dan Fuzzy C-Means.
Klasifikasi Permasalahan Kredit Macet Pada Bank Menggunakan Algoritma Decision Tree C4.5 Anida Nirwana; Amril Siregar; Rahmat Rahmat
Scientific Student Journal for Information, Technology and Science Vol. 3 No. 1 (2022): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Dalam pemberian kredit tentunya lembaga keuangan harus merencanakan sedemikian rupa dan berusaha mengurangi risiko permasalahan adanya kredit macet. Faktor yang sering terjadi dalam permasalahan kredit macet ini utamanya dari pihak nasabah, karena kegagalan bisnis ditambah lagi dengan adanya pandemi covid-19 dan juga faktor yang sering terjadi karena ketidaktelitiannya pihak bank dalam menganalisis data calon nasabah yang memiliki karakter yang tidak baik serta saat melakukan analisis kelayakan usaha nasabah pengetahuan pihak bank terbatas, sehingga analisis kredit tidak tepat. Data penelitian ini diambil dari web kaggle pada bulan November tahun 2020 sebanyak 10.127 data dan 10 variabel. Penelitian ini bertujuan untuk mengurangi risiko permasalahan kredit macet dengan cara mengkalasifikasikan permasalahan kredit macet pada bank dengan menerapkan algoritma decision tree c4.5. Dalam mengkalasifikasikan kredit macet agar menghasilkan pohon keputusan yang akan menjadi penunjang dalam proses perhitungan tingkat keakurasian data. Dataset dibagi menjadi dua yakni data training dan data testing dengan pembagian data 60 : 40. Pengujian ini menggunakan excel untuk perhitungan manual dengan model data training, python dengan model data testing dan menggunakan tool weka 3.8.5 dengan model data testing dengan pembagian data 60 : 40, untuk 60% yaitu data training dan 40% data testing. Didalam pembagian data untuk data training yaitu berjumlah 6076 data dan untuk data testing berjumlah 4051 data dengan memiliki nilai accuracy sebesar 99,9753%, precision sebesar 100%, recall sebesar 99,8%, dan f-measure sebesar 99,9%.
Klasifikasi Kelayakan Siswa dalam Menentukan Kelas Unggulan Menggunakan Algoritma K-Nearest Neighbor Diah Chasanah; Amril Siregar; Rahmat Rahmat
Scientific Student Journal for Information, Technology and Science Vol. 3 No. 1 (2022): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Kegiatan belajar mengajar menjadi sebuah upaya timbal balik yang dilakukan antara tenaga pendidik dengan peserta didik. Dinamika kelas menjadi salah satu yang mempengaruhi kegiatan belajar mengajar. Banyak peserta yang memiliki kecerdasan rendah mendapat kelas unggulan, hal ini menyebabkan kesulitan dalam mengikuti proses pembelajaran dikarenakan pembentukan kelas yang dilakukan pihak sekolah belum objektif. Data yang digunakan dalam penelitian ini sebanyak 505 data nilai siswa. Penelitian ini bertujuan untuk mengklasifikasi kelayakan siswa dalam menentukan kelas unggulan, menggunakan metode algoritma K-Nearest Neighbor. Pembagian data yang digunakan sebesar 80% data training dan 20% data testing. Hasil penelitian dilakukan dengan beberapa cara perhitungan, pada perhitungan manual dengan tools Microsoft excel untuk nilai K=25 hasilnya yaitu “Layak”. Sedangkan pada perhitungan RapidMiner dan bahasa python digunakan untuk menghitung nilai akurasi dengan confusion matrix. Hasil akurasi yang diperoleh dengan perhitungan RapidMiner pada K=25 nilai akurasi sebesar 95,05%, dan hasil perhitungan bahasa python dengan tools google colaboratory pada K=25 nilai akurasi yang diperoleh sebesar 97,00%.
Penentuan Strategi Marketing Universitas Buana Perjuangan Karawang Menggunakan Association Rules Mining dengan Algoritma Apriori Ryan Krisna; Amril Siregar; Euis Nurlaelasari
Scientific Student Journal for Information, Technology and Science Vol. 3 No. 1 (2022): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Strategi marketing untuk mendapatkan mahasiswa baru bagi universitas sangat diperlukan. Menargetkan promosi di wilayah paling potensial merupakan salah satu strategi yang efisien dalam mempromosikan kampus. Sehingga mampu memperkecil kerugian-kerugian yang akan terjadi. Salah satu cara untuk mendukung strategi marketing yaitu dengan mengenali pola pendaftar mahasiswa baru dengan data mining. Tujuan dari penelitian ini adalah mengimplementasikan data mining dengan algoritma apriori dalam mencari pola pendaftar mahasiswa baru untuk mendukung strategi marketing UBP Karawang. Data yang digunakan adalah data mahasiswa UBP Karawang tahun 2019 dan pengujian menggunakan bahasa pemrograman R. Hasil yang didapat ternyata mahasiswa dari karawang barat yang berjenis sekolah SMK banyak memilih program studi teknik industri dengan support 0,0280% dan confidence 0,9047%. Atau memilih program studi Manajemen dengan support 0,0374% dan confidence 0,6333%. Kemudian sekolah yang paling dominan di wilayah Karawang Barat adalah SMKN 2 Karawang yang banyak memilih program studi manajemen dengan support 0,0128% dan confidence 0,4815%. Peringkat kedua yaitu sekolah SMKN 1 Karawang yang banyak memilih program studi teknik industri dengan support 0,0177 dan confidence 0,3214%. Rules ini bisa dijadikan rekomendasi bagi marketing Universitas Buana Perjuangan Karawang untuk melakukan promosi kampus. Promosi dengan cara menonjolkan program studi teknik industri di sekolah SMKN 1 Karawang dan program studi manajemen di SMKN 2 Karawang.
Klasifikasi Penderita Penyakit Diabetes Menggunakan Algoritma C4.5 Alif Robbani; Amril Siregar; Dwi Kusumaningrum
Scientific Student Journal for Information, Technology and Science Vol. 3 No. 1 (2022): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Diabetes merupakan suatu kondisi kronis bisa berlangsung seumur hidup dan akan mempengaruhi kemampuan tubuh dalam menggunakan energi makanan yang telah dicerna. Berdasarkan WHO atau organisasi kesehatan dunia memprediksi pengidap penyakit diabetes miletus di Republik Indonesia dari 8,4 juta jiwa di tahun 2020, dan pada tahun 2030 naik sampai 21,3 juta jiwa. Sedangakan menurut International Diabetes Federation (IDF) juga pada tahun 2009 pengidap penyakit diabetes 7,0 juta jiwa sampai 12,0 juta jiwa tahun 2030. Pada tahun 2030 menurut prediksi WHO dan IDF penderita penyakit diabetes miletus di Indonesia naik 2-3 kali lipat. Pendekatan data mining menjadi sangat penting dalam bidang kesehatan untuk mengambil keputusan berdasarakan data klinis yang besar. Teknik klasifikasi termasuk kedalam bagian metode supervised learning yaitu diperlukannya data latihan dalam membangun pola untuk model klasifikasinya. Algoritma C4.5 termasuk dalam algoritma klasifiksasi yang menghasilkan pohon keputusan dan bisa diolah dengan data diskrit dan numerik, selain itu algoritma C4.5 dapat mengasilkan cara yang mudah untuk diinterpretasikan pada penelitian akurasi dari algoritma C4.5 sebesar 74.08%.
Implementasi C4.5 dan Algoritma K Nearest Neighbor untuk Prediksi Kelayakan Pemberian Kredit Menggunakan RapidMiner Studio Edi Junaedi; Amril Siregar; Euis Nurlaelasari
Scientific Student Journal for Information, Technology and Science Vol. 3 No. 1 (2022): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Perusahaan multifinance hadir untuk mengakomodir keanekaragaman kebutuhan masyarakat mulai dari pembiayaan modal kerja, pembiayaan investasi, hingga pembiayaan multiguna sesuai persetujuan otoritas jasa keuangan (OJK). Selama memiliki persyaratan dan jaminan tertentu, pengajuan kredit dapat dengan mudah dilakukan. Namun, pemberian kredit memiliki resiko yang dpat merugikan perusahaan, sehingga perusahaan harus lebih selektif dalam memberikan pemerian kredit. Untuk meminimalisasi resiko kerugian, dilakukan suatu perhitungan yang dapat memprediksi untuk kelayakan pemberian kredit dengan memperhatikan data-data dari calon nasabah. Salah satu metode yang dapat digunakan untuk prediksi kelayakan pemberian kredit adalah algoritma K-Nearest Neigbor dan algoritma C4.5. Pada penelitian yang telah dilakukan, algoritma K-Nearest Neigbor mendapatkan akurasi sebesar 80% dan algoritma C4.5 mendapatkan akurasi sebesar 87% sehingga metode ini dapat digunakan untuk membantu perusahaan dalam meminimalisasi kerugian yang disebabkan karena kredit macet.
Penerapan Algoritma K-Nearest Neighbord untuk Prediksi Kematian Akibat Penyakit Gagal Jantung Dede Reza; Amril Siregar; Rahmat Rahmat
Scientific Student Journal for Information, Technology and Science Vol. 3 No. 1 (2022): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Penyakit kardiovaskular (PKV) menurut definisi dari World Health Organization (WHO) dalam pusdatin Kemenkes RI 2014 yaitu penyakit yang disebabkan oleh gangguan fungsi jantung dan pembuluh darah, seperti penyakit jantung koroner, hipertensi, stroke dan penyakit gagal jantung. Data WHO mengatakan, lebih dari 17 juta manusia di dunia meninggal disebabkan penyakit jantung dan pembuluh darah. Gagal jantung merupakan suatu keadaan dimana jantung tidak dapat memompa darah yang mencukupi untuk kebutuhan tubuh. Mengingat berharganya organ vital seperti jantung, memprediksi gagal jantung telah menjadi prioritas bagi dokter dan tenaga medis, tetapi hingga saat ini prediksi kejadian terkait gagal jantung dalam praktik klinis biasanya gagal mencapai akurasi yang tinggi. Dengan diterapkannya data mining diharapkan dapat menjadi suatu informasi untuk meminimalisir penyakit gagal jantung di Indonesia ataupun dunia. Penelitian ini menggunakan algoritma K-Nearest Neighbord yaitu merupakan algoritma klasifikasi berdasarkan kedekatan jarak suatu data dengan data yang lain. Hasil yang didapat pada peneltian ini yaitu menghitung manual menggunakan Microsoft excelI dengan menggunakan nilsi k=7 yang menghasilkan kategori peristiwa kematian data testing adalah Tidak. Pengujian pada rapidminer dilakukan dengan menggunakan pergantian nilai k, akurasi tertinggi didapat pada nilai k=7 dengan nlai akurasi 94,92%. Kemudian pengujian pada bahasa pemrograman python menghasilkan nilai akurasi 68%.
Penerapan Algoritma K-Nearest Neighbors untuk Analisis Sentimen pada Buletin APTIKOM Yogi Alfiansah; Amril Siregar; Anis Masruriyah
Scientific Student Journal for Information, Technology and Science Vol. 3 No. 1 (2022): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Membaca menjadi salah satu hal mendasar yang cukup penting dalam pembelajaran dan untuk menambah pengetahuan. Berbagai ilmu pengetahuan bisa didapatkan dengan membaca dan membaca juga dapat mengantarkan pada kesuksesan. Permasalahan yang pada saat ini yaitu masih kurangnya minat daya tarik dalam membaca, maka dari itu APTIKOM membuat sebuah media cetak dan daring yang dapat menarik minat baca yaitu Buletin. Namun, belum dapat dipastikan sentimen penulisan dari buletin apakah banyak mengandung kalimat positif atau negatif. Maka dari itu, dibutuhkan sebuah metode khusus untuk mengkategorikan secara otomatis isi dari Buletin tersebut banyak mengandung kalimat positif atau negatif. Data yang diperoleh dari Buletin merupakan sebuah data berbentuk teks atau kalimat yang akan diklasifikasi menggunakan algoritma K-Nearest Neighbors. Untuk mendapat hasil analisis sentimen, dokumen Buletin APTIKOM di filtering terlebih dahulu melalui tahapan text preprocessing. Setelah melalui tahapan text preprocessing, data tersebut diolah analisis sentimennya dan mendapatkan sebanyak lebih dari 150 kalimat yang mengandung sentimen positif dan tidak lebih dari 50 kalimat yang mengandung sentimen negatif dan netral. Hasil pengklasifikasian dengan algoritma K-Nearest Neighbors yaitu mendapatkan nilai K yang optimal berdasarkan nilai akurasi yaitu K=5 dan di evaluasi dengan Confusion Matrix sehingga mendapatkan nilai Accuracy 86.2%.
Penerapan Algoritme C4.5 untuk Klasifikasi Kasus COVID-19 Sirojul Alam; Amril Siregar; Ayu Juwita
Scientific Student Journal for Information, Technology and Science Vol. 3 No. 2 (2022): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Wabah virus corona versi SARS-nCov2 telah terjadi di akhir tahun 2019 di Wuhan, Tiongkok. Karena kemampuan penularan yang supercepat, virus ini sudah bertransmisi lintas negara. Hampir semua negara terkena wabah virus ini, hingga PBB melalui WHO menjadikan wabah virus ini sebagai pandemi global. Penelitian ini menggunakan teknik klasifikasi data mining dengan algoritme C4.5 dengan alat bantu Orange data mining. Juga dilakukan pengolahan dengan bahasa pemrograman Python menggunakan library standar yang sudah disediakan seperti matplotlib, seaborn, numpy, pandas, dan decisionTree Classification. Klasifikasi dilakukan untuk mengelompokkan data kasus terkonfirmasi, meninggal, dan sembuh dari covid 19 menjadi tinggi dan rendah. Hasil klasifikasi didapatkan nilai AUC 0.871, yang menunjukkan klasifikasi kategori baik, nilai accuracy sebesar 93%, nilai precision sebesar 95%, dan nilai recall 96%. Pada pemodelan menggunakan Python, nilai akurasi yang didapatkan adalah 94%, nilai presisi adalah 98%, dan nilai recall yang didapatkan adalah 95%. Penelitian juga berhasil memprediksi tren kasus di Indonesia dengan menggunakan model fungsi logistic, model standar yang digunakan untuk memprediksi laju pertumbuhan populasi. Hasil prediksi yang didapatkan adalah rata-rata laju pertumbuhan virus adalah 0.0255, puncak pandemi terjadi pada hari ke-196 sampai 200 atau tanggal 14 sampai 18 September 2020, akhir pandemi diprediksi pada hari ke-717 atau tanggal 17 Februari 2022 mendatang.
Penerapan Algoritma K-Means dan Fuzzy C- Means Dalam Mengelompokan Prestasi Siswa Berdasarkan Nilai Akademik Salim Kurniawan; Amril Siregar; Hilda Novita
Scientific Student Journal for Information, Technology and Science Vol. 4 No. 1 (2023): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

SMK PGRI 2 Karawang setiap tahun akan memberikan beasiswa pendidikan dan merekomendasikan siswa- siswinya kepada perusahaan berdasarkan prestasi dalam capaian Ujian Nasional namun mengalami kesulitan dalam pengelompokan siswa yang berprestasi setelah Ujian Nasional ditiadakan dari tahun 2020 karena covid-19 untuk itu tujuan penelitian ini yaitu mengelompokan prestasi siswa berdasarkan nilai akademik menggunakan data mining dengan menerapkan algoritma K-Means dan Fuzzy C-Means serta membandingkan hasilnya untuk mengetahui algoritma terbaik, penelitian ini bertempat di SMK PGRI 2 Karawang dan data yang digunakan merupakan nilai raport siswa dari semester 1 sampai 6. Hasil perhitungan manual dan program python algoritma K-Means sebanyak 52 siswa berprestasi, 25 siswa dengan prestasi sedang dan 28 siswa tidak berprestasi sedangkan pada algoritma Fuzzy C-Means sebanyak 48 siswa berprestasi, 29 siswa dengan prestasi sedang, dan 28 siswa tidak berprestasi. Pada perhitungan rapidminer studio hanya bisa menggunakan algortima K-Means saja karena Fuzzy C-Means tidak tersedia dan berhasil mendapatkan 49 siswa berprestasi, 27 siswa dengan prestasi sedang dan 29 siswa tidak berprestasi serta berdasarkan nilai evaluasi dengan metode metode Davies Bouldien Index (DBI) dari setiap jenis perhitungan menunjukan algoritma K-Means merupakan algoritma terbaik karena memiliki nilai DBI yang mendekati 0 dan tidak negatif.
Co-Authors Abdul Aziz Alif Robbani Anida Nirwana Ayu Juwita Candra Zonyfar Dede Reza Diah Chasanah Dwi Kusumaningrum Edi Junaedi Euis Nurlaelasari Fitri Nur Masruriyah, Anis Hilda Novita Rahmat Rahmat Ryan Krisna Salim Kurniawan Sirojul Alam Yogi Alfiansah