Article Per Year (5 Year)
p-Index From 2020 - 2025
0.92
P-Index
This Author published in this journals
All Journal Scientific Student Journal for Information, Technology and Science
Adi Pratama
Universitas Buana Perjuangan Karawang
Computer Science & IT

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Sistem Pakar Diagnosa Dini Kecanduan Narkoba Menggunakan Algoritma Naive Bayes Berbasis Web Muhammad Yusuf; Deden Wahiddin; Adi Pratama
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

Narkoba merupakan obat-obatan terlarang yang memberikan dampak negative terhadap kesehatan, nama lain dari narkoba adalah NAPZA yang merupakan singkatan dari Narkotika, Psikotropika, dan Zat Adiktif lainnya. Obat-obatan ini mengandung zat-zat berbahaya yang akan memberikan dampak negatif tertentu bagi yang menggunakannya. Narkoba merupakan salah satu masalah yang menjadi fokus utama bagi pemerintah pada masa sekarang, setiap tahunnya pengguna narkoba mengalami peningkatan yang cukup signifikan dikarenakan masih kurangnya pengetahuan dan peran masyarakat dalam mendukung program pemerintah dalam menekan tingkat pengguna narkoba. Untuk itu diperlukan inovasi yang memanfaatkan pengembangan teknologi khususnya teknologi informasi yang dapat diakses oleh setiap masyarakat. Jadi dengan adanya teknologi informasi mengenai diagnosa dini kecanduan narkoba, akan memudahkan masyarakat mengetahui apakah keluarganya kecanduan narkoba atau tidak. Berdasarkan permasalah ini peneliti membuat aplikasi sistem pakar. Sistem pakar dianggap mampu menyelesaikan masalah yang biasanya diselesaikan oleh pakar. Pembuatan sistem pakar ini menggunakan metode naìˆve bayes dengan mencari nilai probabilitas gejala dini kecanduan dengan hasil outpot diagnosa dini kecanduan narkoba. Dari hasil pengujian yang dilakukan pada 15 data percobaan akurasi diagnosa sesuai pakar sebesar 20% dan tidak sesuai diagnosa pakar sebesar 80%.
Sistem Pendukung Keputusan Pemilihan Program Studi Menggunakan Algoritme Dempster Shafer Studi Kasus Universitas Buana Perjuangan Karawang Moh. Alifudin; Deden Wahiddin; Adi Pratama
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

Perguruan tinggi merupakan tahap dari sekolah menengah keatas yang diselenggarakan untuk mempersiapkan calon peserta didik baru yang diharapkan supaya menjadi generasi penerus negeri yang mempunyai kemampuan akademis dan professional untuk dapat diterapkan dikehidupan masyarakat. Memilih program studi di perguruan tinggi sering kali membuat calon mahasiswa baru kebingungan dan kesulitan lantaran mereka tidak tahu dengan tipe kecerdasan mereka. Sehingga yang terjadi yaitu mereka salah mengambil program studi, mereka hanya mengikuti teman atau permintaan orang tua dalam memilih program studi. Dampakm buruk dari salah memilih program studi sangatlah signifikan terhadap kehidupan di masa mendatang,, diantaranya yaitu kehilangan motivasi belajar dan otak sulit mencerna pelajaran, kemudian muncul keinginan untuk pindah jurusan atau program studi dan yang paling fatal bisa berhenti kuliah. Solusi dari permasalahan ini yaitu dibuatkan sebuah sistem pendukung keputusan pemilihan program studi di perguruan tinggi menggunakan algoritme dempster shafer. Fungsi dari algoritme dempster shafer ini untuk menentukan jenis tipe kecerdasan calon mahasiswa baru. Berdasarkan pengujian kesesuaian dengan diagnose pakar menghasilkan bahwa diagnose sistem yang sesuai dengan diagnose pakar sebesar 74% dari 15 kali pengujian.
Sistem Pakar Monitoring pada Pertumbuhan Tanaman Mint Berbasis Web Menggunakan Algoritma Certainty Factor Dian Andriyana; Yana Cahyana; Adi Pratama
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

Mint merupakan tanaman yang sering digunakan dalam bahan baku industri makanan. Karena tingginya penggunaan tanaman mint faktor-faktor yang menyebabkan gagalnya panen harus diminimalisir sehingga mendapatkan hasil panen yang banyak. Oleh karena itu untuk mengoptimalkan hasil panen, perlu dilakukan pengendalian hama, pengontrolan nutrisi tanaman dan cara perawatan. Kurangnya seorang pakar juga merupakan kendala dalam pembudidayaan. Perlu adanya sebuah aplikasi penghubung antara petani dengan seorang pakar untuk menggantikan kekurangan tenaga seorang pakar. Aplikasi sistem pakar yang dibuat, menerapkan metode Certainty Factor dalam mendiagnosa penyakit tanaman mint . tools pendukung yang digunakan dalam aplikasi ini yaitu PHP sebagai bahasa pemrograman, XAMPP sebagai server lokal dan MySQL sebagai database. Hasil pengujian fungsional dari aplikasi ini berjalan 100% serta tingkat kevalidan aplikasi sesuai dengan seorang pakar. uji pakar keakuratan sistem mendapatkan nilai 86,67%. Berdasarkan hasil dari semua pengujian yang dilakukan terhadap aplikasi sistem pakar monitoring pertumbuhan tanaman mint ini sudah dapat diterima dengan baik.
Klasifikasi Jenis Ikan Hias African Cichlid Menggunakan Algoritma Support Vector Machines Deni Yusup; Sutan Faisal; Adi Pratama
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

African Cichlid merupakan ikan hias yang memiliki banyak jenis dan ragam warna dari ikan African Cichlid bervariasi sehingga bisa menjadi salah satu ikan hias yang populer. Semenjak masa pandemi African Cichlid banyak dicari oleh penghobi ikan hias. Karena keberagaman jenis ikan African Cichlid, banyak penghobi yang masih belum mengetahui jenis-jenis ikan African Cichlid. Berdasarkan kondisi tersebut, diperlukan sebuah perangkat lunak yang dapat memudahkan penghobi ikan hias mencari tahu jenis ikan African Cichlid berdasarkan gambar atau foto. Dalam penelitian ini peneliti menerapkan algoritma Support Vector Machines untuk mengklasifikasikan jenis ikan hias African Cichlid. Hasil dari penelitian ini adalah aplikasi yang dapat memprediksi gambar atau foto dari ikan hias African Cichlid. Kemudian nilai akurasi dari algoritma Support Vector Machines dalam mengklasifikasikan jenis ikan hias African cichlid sebesar 71.4 %.
Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Terhadap Produk Motor Matic Honda Beat dan Scoopy Alwi Syihabudin; Ayu Juwita; Adi Pratama
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

Transportasi merupakan suatu kebutuhan pokok pada zaman modern ini. Karena transportasi sendiri dapat membantu masyarakat dalam bepergian. Transportasi juga merupakan suatu kegiatan pemindahan penumpang dan barang dari suatu tempat ke tempat lain, dimana didalamnya terdapat unsur pergerakan (Movement). Salah satu transportasi yang sering digunakan oleh masyarakat adalah motor. Motor sendiri memiliki beberapa perusahaan, salah satunya merk motor yang banyak digunakan masyarakat Indonesia dan mendominasi pasar adalah Honda. Dengan banyaknya penggunaan produk motor matic honda beat dan scoopy yang ada di indonesia, pasti muncul berbagai sentimen masyarakat terhadapa produk tersebut. Berdasarkan hal tersebut diusulkan solusi untuk mengetahui sentimen masyarakat terhadap produk motor Matic Honda Beat dan Scoopy menggunakan algoritma naive bayes yang dapat membatu melihat sentiment masyarakat terhadap produk tersebut. Perhitungan Naive Bayes memiliki tingkat presisi dan kecepatan yang benar-benar meningkat menuju awal informasi fundamental. Hasil nilai akurasi Honda Beat sebesar 61% dan Honda Scoopy sebesar 54% dengan nilai precision sebesar 72% untuk Honda Beat dan 66% untuk Honda Scoopy, dan nilai recall untuk Honda Beat sebesar 81% dan untuk Honda Scoopy sebesar 60%, dan untuk nilai f1 score pada Honda Beat sebesar 91% dan pada honda Scoopy sebesar 93%.
Co-Authors Alwi Syihabudin Ayu Juwita Deden Wahiddin Deni Yusup Dian Andriyana Moh. Alifudin Muhammad Yusuf Sutan Faisal