Articles
<![CDATA[Diagnosa Gastroenteritis dengan Metode Certainty Factor ]]>
<![CDATA[Irpan Sulaeman]]>;
<![CDATA[Ahmad Fauzi]]>;
<![CDATA[Deden Wahiddin]]>
<![CDATA[ Scientific Student Journal for Information, Technology and Science Vol. 1 No. 1 (2020): Scientific Student Journal for Information, Technology and Science ]]>
Publisher : <![CDATA[Scientific Student Journal for Information, Technology and Science ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (297.896 KB)
<![CDATA[Gastroenteritis merupakan salah satu penyakit yang berbahaya dan memiliki dampak buruk untuk manusia.Kurangnya kesadaran dan pemahaman terhadap gejala-gejala dan pola hidup yang selalu ingin praktis merupakanfaktor utama terjadinya Gastroenteritis. Oleh karena itu dibutuhkan suatu pengetahuan untuk memindahkanpengetahuan seorang pakar. penelitian ini menggunakan certainty factor sebagai penalarannya dan metode ESDLC(Expert System Development Life Cycle) sebagai metode pengembangan yang dapat membantu masyarakat untukmencari nilai kepastian penyakit yang di deritannya. Tahapan yang dilakukan untuk meneliti penyakitgastroenteritis adalah dengan pengumpulan data, penilaian keadaan, dan evaluasi. Pada penelitian ini, penulismendiagnosa penyakit pada pencernaan dengan mengimplementasikan menggunakan metode certainty factoruntuk mengetahui tingkat kenyakinan terhadap suatu penyakit yang di derita. Implementasi gastroenteritis yangdikembangkan mendapatkan akurasi sebesar 95% dari jumlah gejala sebanyak 16 gejala dan dari 3 jenis penyakitgastroenteritis. Hasil penelitian yang akan diimplementasikan adalah gejala, penyakit dan solusi penangan yangdapat memberikan perhitungan yang sesuai dengan analisa dan tujuan dari penulisan.]]>
<![CDATA[Diagnosa Penyakit Gangguan Jiwa Menggunakan Metode Certainty Factor ]]>
<![CDATA[Efendi]]>;
<![CDATA[Ahmad Fauzi]]>;
<![CDATA[Dwi Sulistya Kusumaningrum]]>
<![CDATA[ Scientific Student Journal for Information, Technology and Science Vol. 1 No. 1 (2020): Scientific Student Journal for Information, Technology and Science ]]>
Publisher : <![CDATA[Scientific Student Journal for Information, Technology and Science ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (267.621 KB)
<![CDATA[Kesehatan jiwa adalah salah satu penyakit yang signifikan di dunia, termasuk Indonesia. Namun masyarakat masihkurang memahami dalam mendiagnosa penyakit gangguan jiwa. Terkadang, seseorang tidak menyadari bahwadirinya mengidap suatu gejala gangguan jiwa. Jika masalah kesehatan jiwa terlambat ditangani atau bahkan tidakditangani, akan berdampak negatif seperti melukai diri sendiri, orang lain, bahkan menjadi penyebab untukmelakukan bunuh diri. Tujuan dari komputasi ini adalah untuk mendiagnosa penyakit gangguan jiwa sesuai gejalayang ada pada basis pengetahuan. Penelitian ini menggunakan metode certainty factor yaitu metode yangmangakomodasi ketidakpastian seorang pakar yang seringkali menganalisis informasi yang ada dengan ungkapanketidakpastian. Komputasi diagnosa penyakit gangguan jiwa dapat membantu masyarakat dalam memahami kondisikejiwaannya sendiri tanpa bertemu seorang psikiater terlebih dahulu yang didalamnya terdapat 63 gejala dan 16penyakit. Berdasarkan pengujian oleh pakar, diagnosa penyakit gangguan jiwa menggunakan metode certaintyfactor ini memilikitingkat akurasi diagnosa penyakit gangguan jiwa dengan presentase 100% dari 30 data uji.]]>
<![CDATA[Implementasi Metode Case Based Reasoning Pada Penyakit Kucing Himalaya ]]>
<![CDATA[Aldi Balkar]]>;
<![CDATA[Ahmad Fauzi]]>;
<![CDATA[Deden Wahiddin]]>
<![CDATA[ Scientific Student Journal for Information, Technology and Science Vol. 1 No. 1 (2020): Scientific Student Journal for Information, Technology and Science ]]>
Publisher : <![CDATA[Scientific Student Journal for Information, Technology and Science ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (696.262 KB)
<![CDATA[Penyakit kucing merupakan penyakit paling sering terdapat di kehidupan masyarakat sehari – hari karena kucingsudah menjadi salah satu jenis hewan yang dipelihara masyarakat. Salah satu jenis kucing yang dipeliharamasyarakat adalah Kucing Himalaya. Ras kucing Himalaya merupakan kucing ras yang sudah banyak masyarakatpelihara, dalam satu bulan pemilik yang membawa hewan peliharaannya itu untuk berkonsultasi dan berobat bisamencapai 10 kucing jenis Himalaya di klinik hewan Alaska Karawang. Oleh sebab itu, akan sangat beresiko jikamembiarkan penyakit kucing Himalaya karena akan berdampak buruk terhadap kesehatan manusia danmenimbulkan kematian kepada hewan peliharaan jika tidak diatasi. Kurangnya pakar hewan maupun klinikmenjadi masalah masyarakat yang memiliki hewan peliharaan. Maka dibutuhkan imlementasi yang dapatmembantu memindahkan pengetahuan dari seorang pakar ke dalam basis pengetahuan. Penelitian ini penulismenggunakan metode Case Based Reasoning digunakan untuk pendekatan kecerdasan tiruan yang mentitikberatkan suatu masalah yang berdasarkan pengetahuan dari kasus sebelumnya. ini memiliki 30 gejala dan 8penyakit serta dapat mendiagnosa penyakit kucing Himalaya berdasarkan pengujian pakar dengan tingkatkeakurasian sistem 83% dari 12 data uji.]]>
<![CDATA[IMPLEMENTASI PAKAR TENTANG HAMA PADI MENGGUNAKAN METODE NAÏVE BAYES ]]>
<![CDATA[Riki Fauzi Anansyah]]>;
<![CDATA[Ahmad Fauzi]]>;
<![CDATA[Tatang Rohana]]>
<![CDATA[ Scientific Student Journal for Information, Technology and Science Vol. 1 No. 1 (2020): Scientific Student Journal for Information, Technology and Science ]]>
Publisher : <![CDATA[Scientific Student Journal for Information, Technology and Science ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (433.703 KB)
<![CDATA[Penanganan hama dan penyakit pada tanaman padi secara berkala sering kurang diperhatikan. Hal tersebutmembuat tanaman padi sering gagal panen, dan petani sulit untuk menanganinya. Bantuan seorang pakar untukpenanganan hama dan penyakit tanaman padi diperlukan agar dapat memberikan bantuan kepada petani. Penelitiantugas akhir ini bertujuan untuk membuat sistem pakar dengan metode Naïve Bayes. Tujuan implementasi yangakan di rancang bangun ini adalah untuk mendiagnosa hama tanaman padi sesuai gejala. Metode ini dapatmemudahkan dalam melakukan diagnosa penyakit dan mendapatkan informasi, dan digunakan untukmenyelesaikan masalah ketidakpastian dalam mendiagnosis hama dan penyakit pada tanaman padi. Implementasiyang di buat dapat memberikan solusi atau penanganan sementara berupa panduan untuk mengantisipasi terjadinyagagal panen sebelum ditanyakan langsung ke pada seorang pakar untuk penanganan lebih lanjut. Diagnose hamatanaman padi ini memiliki 21 gejala dan 10 penyakit pada hama tanaman padi, serta dapat mendiagnosa hama padiberdasarkan pengujian pakar dengan tingkat keakurasian sistem 90% dari 30 sampel data pengujian.]]>
<![CDATA[Penerapan Algoritma K-Means untuk Mengelompokan Penjualan Mebel ]]>
<![CDATA[Mutiara Rita Avivah]]>;
<![CDATA[Ahmad Fauzi]]>;
<![CDATA[Yana Suryana]]>
<![CDATA[ Scientific Student Journal for Information, Technology and Science Vol. 1 No. 2 (2020): Scientific Student Journal for Information, Technology and Science ]]>
Publisher : <![CDATA[Scientific Student Journal for Information, Technology and Science ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (727.106 KB)
<![CDATA[Toko mebel menjual barang furniture untuk keperluan rumah tangga, kantor atau pun instansi. Dalam transaksijual beli selama ini toko mebel masih menggunakan laporan transaksi secara manual pada buku laporan. Caratersebut memiliki kelemahan diantaranya buku laporan tersimpan secara acak dan mudah hilang. Sehingga,pemilik toko mebel sulit unuk mengetahui transaksi penjualan. Maka dalam mengatasi permasalahan tersebutdilakukam penelitan untuk pencatatan tertata rapih dan mengelompokkan barang dengan menggunakan AlgoritmaK-Means. Penelitian dilakukan dengan cara perhitungan manual menggunakan Microsoft Excel kemudiandievaluasi menggunakan tools Rapidminer 9.2. Penelitian ini menghasilkan tiga clustering. Clustering 1 yaitucluster sedang yang mendapatkan hasil 14 kode barang, clustering 2 yaitu cluster tinggi yang mendapatkan hasilempat kode barang, dan cluster 3 yaitu clustering rendah yang mendapatkan hasil 98 kode barang.]]>
<![CDATA[Implementasi Data Mining Untuk Clustering Asal Daerah Pengunjung Pada Wisata Alam Puncak Sempur Kabupaten Karawang ]]>
<![CDATA[Adinda Ryanda]]>;
<![CDATA[Ahmad Fauzi]]>;
<![CDATA[Elsa Awal]]>
<![CDATA[ Scientific Student Journal for Information, Technology and Science Vol. 4 No. 2 (2023): Scientific Student Journal for Information, Technology and Science ]]>
Publisher : <![CDATA[Scientific Student Journal for Information, Technology and Science ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Setiap pengelola objek wisata melakukan pendataan kunjungan wisatawan, pendataan ini sangat diperlukan dalam menentukan target promosi. Puncak sempur merupakan salah satu objek wisata alam di Karawang yang melakukan pendataan kunjungan wisatawan melalui buku pengunjung, namun tidak mudah dalam menentukan daerah kurang peminat jika dilihat dari buku daftar pengunjung. Teknik yang tepat dalam permasalahan tersebut berdasarkan penelitian sebelumnya adalah teknik Data Mining clustering, yang dimana prosesnya melalui pengelompokan dengan proses algoritma K-means dan K-medoids. Variabel yang dibutuhkan dalam data mining ini berupa asal daerah pengunjung dan jumlah pengunjung, yang di mana data tersebut dapat ditemui pada buku daftar pengunjung. Data yang didapat terdiri dari 1.797 wisatawan dan 32 daerah akan dihitung manual dan bahasa phyton menggunakan algoritma k–means dan dibandingkan dengan perhitungan algoritma k-medoid, hasil perhitungan algoritma k-means dan k-medoid berbeda sehingga dilakukan evaluasi untuk mengetahui tingkat akurasi dengan menggunakan metode Silhouette coefficient. Hasil evaluasi menunjukan algoritma k-means lebih baik akurasinya yaitu dengan nilai 0,8% sedangkan algoritma k-medoid memiliki nilai akurasi di bawah algoritma k-means yaitu 0,7%. Jadi hasil perhitungan algoritma k-means yang lebih baik untuk hasil penelitianini yaitu 1 daerah asal wisatawan yang tergolong ramai (C0), 1 daerah asal wisatawan yang tergolong sedang (C1), dan 28 daerah asal wisatawan yang tergolong sepi (C2).]]>
<![CDATA[ANALISIS SENTIMEN TERHADAP PEMBERIAN VAKSINASI MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR ]]>
<![CDATA[Fajar Aryanto]]>;
<![CDATA[Ahmad Fauzi]]>;
<![CDATA[Anis Masruriyah]]>
<![CDATA[ Scientific Student Journal for Information, Technology and Science Vol. 4 No. 2 (2023): Scientific Student Journal for Information, Technology and Science ]]>
Publisher : <![CDATA[Scientific Student Journal for Information, Technology and Science ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Wabah virus COVID-19 yang menyerang negara Indonesia membuat pemerintah menerapkan kebijakan yaitu pemberian vaksinasi. Sejak diumumkan kebijakan pemerintah terhadap pemberian vaksin COVID-19 bulan Januari 2021 mulai banyak perbincangan terutama pada media sosial. Salah satu media sosial yang banyak dimanfaatkan masyarakat untuk beropini yaitu twitter. hal ini mengakibatkan twitter menjadi media menuangkan pemikiran masyarakat terhadap pemberian vaksin COVID19. Opini yang ditimbulkan dapat bersifat positif, negatif, maupun netral terhadap pemberian vaksin. Berdasarkan uraian masalah tersebut, penelitian bertujuan untuk menganalisis sentimen dari warganet terkait kebijakan pemerintah dalam pemberian vaksinasi. Metode yang digunakan yaitu Algoritma KNN untuk melakukan analisis sentimen melalui opini masyarakat pada media sosial twitter. Hasil dari sentimen yang mempunyai nilai paling tinggi yaitu positive yang memiliki 150 kalimat lebih. Lalu menghasilkan akurasi 86.6% Precission 85% dan Recall 81%.]]>
<![CDATA[IMPLEMENTASI ALGORITMA NAIVE BAYES DAN C.45 UNTUK KLASIFIKASI PENERIMA BANTUAN SOSIAL DI DESA MINANGA SARI KABUPATEN LAMPUNG TIMUR ]]>
<![CDATA[M Arep Huda]]>;
<![CDATA[Ahmad Fauzi]]>
<![CDATA[ Scientific Student Journal for Information, Technology and Science Vol. 5 No. 1 (2024): Scientific Student Journal for Information, Technology and Science ]]>
Publisher : <![CDATA[Scientific Student Journal for Information, Technology and Science ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Kemiskinan merupakan masalah lama yang belum terpecahkan dan sulit dipecahkan. Pemerintah sendiri telah melakukan beberapa upaya untuk mengentaskan kemiskinan melalui program kesejahteraan sosial serta dampak Covid-19 yang merusak perekonomian Pemkot khususnya Pemkot Marga Tiga yang tumbuh eksponensial di tahun 2021. Masih ada dukungan pemerintah untuk warga yang tidak tercukupi kebutuhannya Sosialisasi ketimpangan sosial dan undertargeting disebabkan validasi data yang salah. Penambangan data adalah metode komputasi untuk memecahkan masalah klasifikasi dan menggunakan algoritma Naive Bayes dan C4.5 untuk mengukur faktor kelayakan penerima manfaat yang berkorelasi dengan aturan produksi. Oleh karena itu, penulis mengimplementasikan dua algoritma, yang tujuannya adalah untuk memprediksi/mengklasifikasikan bantuan masyarakat desa dan mengetahui akurasi antara algoritma Naive Bayes dan C.45. Selain akurasi, penulis membandingkan dua algoritma, algoritma mana yang lebih cocok untuk menentukan bantuan masyarakat desa. Setelah dilakukan penelitian dengan kedua algoritma tersebut dan algoritma C.45 dengan akurasi 98%, hasil tersebut lebih besar dari algoritma naive Bayesian dengan akurasi 95%, sehingga algoritma C.45 lebih akurat untuk penentuannya. Para dermawan di Desa Margatiga.]]>
<![CDATA[PENERAPAN METODE FUZZY LOGIC UNTUK SISTEM PENDINGIN BERBASIS NODEMCU ]]>
<![CDATA[Madi Naashir]]>;
<![CDATA[Ahmad Fauzi]]>;
<![CDATA[Sutan Faisal]]>
<![CDATA[ Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science ]]>
Publisher : <![CDATA[Scientific Student Journal for Information, Technology and Science ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Sistem kendali suhu udara dengan menggunakan termoelektrik TEC1-12706 dan logika fuzzy dikembangkan untuk menjaga suhu ruangan atau perangkat tetap nyaman dan mencegah kerusakan. Termoelektrik TEC1-12706 adalah komponen yang dapat mengubah energi listrik menjadi energi termal atau sebaliknya. Logika fuzzy adalah metode kontrol yang dapat menangani ketidakpastian dan kompleksitas sistem. Sistem ini dirancang untuk menjaga suhu udara tetap stabil pada tingkat yang diinginkan dengan cara mendeteksi suhu ruangan prototipe dan suhu pendingin. Data suhu ruangan prototipe dan suhu pendingin kemudian dibandingkan menggunakan logika fuzzy untuk menentukan apakah termoelektrik TEC1-12706 akan diaktifkan atau tidak. Jika suhu udara berbeda dengan suhu yang diatur, maka mesin akan dihidupkan. Namun, jika suhu udara sudah sesuai, mesin akan dimatikan. Sistem ini lebih efisien dan ramah lingkungan daripada sistem pendingin tradisional yang sering menggunakan teknologi yang tidak efisien dan ramah lingkungan. Hasil penelitian menunjukkan bahwa sistem berhasil menjaga suhu tetap normal dengan 93% keberhasilan dan error sebesar 7%. Persentase keberhasilan yang tinggi ini menunjukkan kemampuan sistem dalam menerima perintah bagus, dan hasil ini memberikan kontribusi positif dalam bidang kontrol suhu dan penerapan metode fuzzy logic untuk sistem kompleks.]]>
<![CDATA[Klasifikasi Sampah Logam dan Plastik Berbasis Raspberry Pi dengan Metode Convolutional Neural Network ]]>
<![CDATA[Ahmad Afifur Rahman]]>;
<![CDATA[Ahmad Fauzi]]>;
<![CDATA[Jamaludin Indra]]>
<![CDATA[ Scientific Student Journal for Information, Technology and Science Vol. 6 No. 1 (2025): Scientific Student Journal for Information, Technology and Science ]]>
Publisher : <![CDATA[Scientific Student Journal for Information, Technology and Science ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Hasil Susenas menunjukkan hanya 1,2 persen rumah tangga melakukan daur ulang sampah. Permasalahan tersebut dapat diatasi dengan peran teknologi, yaitu dengan membuat alat yang dapat mengklasifikasikan jenis sampah. Raspberry Pi mengklasifikasikan sampah bekas minuman kemasan logam, plastik, dan other. Gambar dari Pi Camera diproses pada Raspberry Pi untuk mengetahui jenis sampah logam, plastik, dan other. Pada proses klasifikasi terdapat 2 tahapan, yaitu train model dan predict. Proses klasifikasi menggunakan metode CNN. Train model adalah proses pelatihan model untuk mengenal sampah. Hasil proses training dengan 20 kali epoch diperoleh nilai akurasi training sebesar 0.9866. Dari model yang sudah dilatih, dilakukan proses prediksi untuk melakukan klasifikasi sampah. Dari 20 kali percobaan, diperoleh rata-rata akurasi pengujian model sebesar 81,387%.]]>
