Article Per Year (5 Year)
p-Index From 2021 - 2026
2.59
P-Index
This Author published in this journals
All Journal Jurnal Nasional Komputasi dan Teknologi Informasi Specta Journal of Technology Jurnal Repositor KLIK: Kajian Ilmiah Informatika dan Komputer Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Teknologi Informasi Cyberku Jurnal Ilmu Komputer Jurnal Penelitian Pendidikan Indonesia
Alter Lasarudin
Universitas Muhammadiyah Gorontalo, Gorontalo
Aerospace Engineering Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Neuroscience Transportation Other

Published : 17 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 17 Documents
Search

 1   2 
SISTEM INFORMASI PENCARIAN JASA TUKANG BANGUNAN Polapa, Risman; Abas, Mohamad Ilyas; Handayani, Tri Pratiwi; Lasarudin, Alter
Jurnal Ilmu Komputer (JUIK) Vol 4, No 3 (2024): October 2024
Publisher : Universitas Muhammadiyah Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31314/juik.v4i3.3477

Abstract

This research aims to design a Web-based Building Services Search Information System and implement a Web-Based Building Builder Services Search Information System. This research was developed using the Rapid Application Development (RAD) method. In RAD, users and analysts participate in three stages. The three stages are implementation, RAD design and requirements planning. With these stages, the application of the RAD method is very appropriate and suitable for developing website-based systems. The results of this research were that the researcher had previously conducted an interview with one of the head builders. Craftsmen in their profession as builders are to get work that suits their skills, only certain people know and understand the workman's performance, what field the craftsman is skilled in, so if there is a special job that must be done by a craftsman that suits his skills. So the employer must meet the craftsman directly and ask about the craftsman's skills. Conclusion: We have succeeded in designing a web-based information system for searching for construction services, able to make it easier for customers (employers) to search for construction services according to the skills required by customers (employers), as well as making it easier for builders to find work that suits the craftsman's skills. With this information system, it can help builders and customers (employers) in the process of searching for builders according to their expertise in the form of the Web or other web browsers.
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.
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. 
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;
Descriptive writing skills in the influencer era: sentiment effects of digital content Lamusu, Agus Salim; Hasna Nurain Mukhsin; Alter Lasarudin
JPPI (Jurnal Penelitian Pendidikan Indonesia) Vol. 11 No. 4 (2025): JPPI (Jurnal Penelitian Pendidikan Indonesia)
Publisher : Indonesian Institute for Counseling, Education and Theraphy (IICET)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29210/020256601

Abstract

This study investigates the influence of influencer-generated digital content on university students’ descriptive writing skills, with a focus on the role of sentiment and digital literacy. Employing a quantitative cross-sectional design, data were collected from 63 students at Universitas Muhammadiyah Gorontalo and IAIN Sultan Amai Gorontalo using questionnaires and semi-structured interviews. Students’ perceptions of writing quality were analyzed in relation to their exposure to digital content with positive, neutral, and negative sentiment. The findings reveal a significant correlation between exposure to positive-sentiment content and perceived improvements in creativity, vocabulary use, and idea organization, while neutral and negative content is associated with more formal but less expressive writing. The study also indicates that digital literacy mediates how students adapt informal digital language to academic writing demands. These results suggest that integrating digital literacy into writing instruction is essential to help students navigate the influence of digital media on academic writing.
Co-Authors Bagus Setio Raharjo Bakari, Sitti Nurfatimah Citra Ayu, Citra Djainab Humolungo Fatiya Ointu Gani, Hilmansyah Handayani, Tri Pratiwi Hasanah, Ika Nur Hasna Nurain Mukhsin Ibrahim, Irawan Lamusu, Agus Salim Misran Tomayahu Mohamad Ilyas Abas Polapa, Risman Purwanto Purwanto Roy Dumako Rubiyanto Maku Simon, Natalia R Sitnasanti Yane Tri Pratiwi Handayani Wahyudin Hasyim Yulanda Yunus