Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Prosiding Semnastek JURNAL INSTEK (Informatika Sains dan Teknologi) JATI (Jurnal Mahasiswa Teknik Informatika)
Achmad Yasid
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering

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

Found 5 Documents
Search

 1 
ANALISIS CLUSTER OTOMATIS MENGGUNAKAN ALGORITMA NOVEL MODIFIED DIFFERENTIAL EVOLUTION Achmad Yasid; Budi Dwi Satoto
Prosiding Semnastek PROSIDING SEMNASTEK 2014
Publisher : Universitas Muhammadiyah Jakarta

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

Abstract

Analisis cluster merupakan salah satu permasalahan pembelajaran tidak terbimbing dan teknik datamining yang penting. Akan tetapi, untuk menentukan jumlah cluster akhir merupakan suatu tugasyang menantang. Oleh karena itu, penelitian ini bermaksud mengusulkan algoritma novel modifieddifferential evolution (NMDE)  dan  algoritma k-means  (NMDE-k-means)  pada  analisis clusterotomatis.  Algoritma  ini  dapat  menentukan  jumlah cluster akhir  dan  melakukan  pengelompokandata secara otomatis. Pada prinsipnya Algoritma NMDE akan melakukan pencarian global untukmenemukan  jumlah cluster dan  partisi  data,  sedangkan  algoritma k-means  akan  memperbaikikinerja algoritma NMDE dalam menentukan centroid cluster. Empat data set yang sudah dikenalyaitu  Iris,  Wine,  Glass  dan  Vowel  digunakan  untuk  memvalidasi  algoritma  ini.  Hasil  komputasimenunjukkan  bahwa  algoritma  ini lebih  baik  dibandingkan dengan  empat  algoritma  clusterotomatis  lainnya  yaitu improved automatic clustering  based differential evolution (ACDE),automatic  clustering  using  differential  evolutionandk-means (ACDE-k-means)  dan  algoritmacluster otomatis yang berbasis particle swarm optimization (PSO) serta genetic algorithm (GA)
ANALISIS KUALITAS WEBSITE UPT BAHASA UNIVERSITAS TRUNOJOYO MADURA MENGGUNAKAN WEBQUAL 4.0 Zulkarnain, Faried; Yasid, Achmad; Yusuf, Muhammad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12356

Abstract

Website pusat Bahasa merupakan situs akademik yang mewakili lembaga atau unit intitusi pendidikan yang berfokus pada pengembangan dan pembimbingan bahasa. Website UPT Bahasa UTM merupakan salah satu website yang dikelola oleh universitas Trunojoyo Madura yang bertanggung jawab untuk mengembangkan Pelajaran dan layanan kebahasaan. Hingga saat ini, masih belum ada yang melakukan pengukuran untuk mengetahui kualitas website UPT Bahasa UTM. Penelitian ini bertujuan untuk mengetahui kualitas website UPT Bahasa UTM menggunakan metode WebQual 4.0, pada penelitian ini berfokus pada 3 variabel yang digunakan yaitu, kualitas kegunaan, kualitas informasi, dan kualitas visual. Secara keseluruah hasil dari penelitian ini yaitu baik, dengan memperoleh rata-rata skor 72,3%. Variabel kualitas kegunaan, mendapatkan rata-rata skor yang terendah dengan memperolrh skor 69,60%(Baik). Selanjutnya variabel kuaitas informasi, yang mendapatkan skor 73,60%(Baik). Serta variabel yang mendapatkan skor rata-rata tertinggi yaitu variabel kualitas visual dengan skor 73,70% (Baik).
PENERAPAN ALGORITMA K-NEAREST NEIGHBOR PADA MINAT BELI MOBIL BEKAS MENGGUNAKAN PENDEKATAN CRISP-DM Hidayatullah, Ridho; Abdul Fatah, Doni; Yasid, Achmad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13024

Abstract

Saat ini, perkembangan dunia usaha semakin berfokus pada pemenuhan kebutuhan konsumen, termasuk dalam sektor bisnis jual-beli mobil bekas. Fenomena ini menunjukkan bahwa banyak konsumen cenderung memilih mobil bekas karena menawarkan kualitas yang memadai dengan harga yang lebih murah dibandingkan mobil yang baru. Beragam kebutuhan masyarakat Indonesia, seperti generasi muda yang menginginkan mobil bergaya, keluarga yang membutuhkan kendaraan luas, hingga pengusaha yang memprioritaskan kapasitas angkut dan kenyamanan, dapat terpenuhi melalui ketersediaan mobil bekas yang mudah diakses di pasar. Penelitian ini bertujuan untuk menganalisis pola pembelian mobil bekas dengan menggunakan algoritma K-Nearest Neighbor (K-NN) pada nilai K=7. Hasil penelitian menunjukkan bahwa model yang dikembangkan memiliki tingkat akurasi yang cukup tinggi sebesar 93%. Nilai precision tercatat sebesar 96% untuk kelas 0 dan 88% untuk kelas 1, sedangkan nilai recall mencapai 94% pada kelas 0 dan 91% pada kelas 1. Selain itu, nilai f1-score tercatat sebesar 95% pada kelas 0 dan 89% pada kelas 1. Temuan ini membuktikan bahwa algoritma K-Nearest Neighbor memiliki performa yang sangat baik dalam mengklasifikasikan dataset terkait pembelian mobil bekas.
RANCANG BANGUN SISTEM COMPUTER SECURITY INCIDENT RESPONSE TEAM (CSIRT) DISKOMINFO KABUPATEN BANGKALAN MENGGUNAKAN METODE WATERFALL Amin Abdillah; Yasid, Achmad; Soesilo, Budi; Satoto, Budi Dwi
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 10 No 1 (2025): APRIL
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v10i1.54532

Abstract

Pesatnya perkembangan teknologi informasi membawa tantangan baru dalam menjaga keamanan siber, khususnya di sektor pemerintahan. Pemerintah Kabupaten Bangkalan melalui Dinas Komunikasi dan Informatika menghadapi kebutuhan mendesak dalam membentuk tim Computer Security Incident Response Team (CSIRT) sebagai langkah strategis menangani ancaman siber. Sistem CSIRT berbasis website dirancang menggunakan metode Waterfall yang terdiri dari lima tahapan: analisis kebutuhan, desain sistem, implementasi, pengujian, dan pemeliharaan. Pada tahap analisis kebutuhan, dikumpulkan informasi mengenai kebutuhan fungsional dan non-fungsional sistem. Desain dilakukan menggunakan Unified Modeling Language (UML) untuk merancang arsitektur sistem. Implementasi memanfaatkan Framework Laravel untuk aplikasi web dan MySQL sebagai basis data guna mengelola informasi insiden secara efisien. Pengujian dilakukan melalui User Acceptance Testing (UAT) yang mengacu pada standar ISO/IEC 9126 untuk mengukur kualitas sistem, pengujian yang dilakukan mencakup aspek functionality, reliability, efficiency, usability, maintainability, dan portability. Hasil UAT menunjukkan aplikasi mendapatkan penilaian sangat baik pada seluruh aspek. Functionality memperoleh nilai sebesar 91,3%, reliability 90,3%, usability 93,0%, efficiency 91,4%, maintainability 89,1%, dan portability 90,9%. Seluruh aspek masuk ke dalam rentang 80% sampai 100% sehingga termasuk dalam kategori 'Sangat Baik', menunjukkan aplikasi mampu memenuhi kebutuhan pengguna dengan tingkat kepuasan tinggi.
Deteksi Penyakit Pada Daun Tanaman Padi Berbasis Yolov8 Yasid, Achmad; Ni’mah, Ana Tsalitsatun; Ramadhaningtias, Risma; Wahyuningrum, Rima Tri
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 13 No 2: April 2026
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.132

Abstract

Padi (Oryza sativa) merupakan sumber pangan utama di Indonesia yang rentan terhadap serangan penyakit daun seperti Brown Spot, Hispa, dan Leaf Blast. Penyakit ini menghambat fotosintesis dan berdampak pada produktivitas, sehingga deteksi dini sangat penting. Penelitian ini menerapkan metode deteksi objek berbasis YOLOv8n untuk mengidentifikasi tiga penyakit daun padi. Dataset yang digunakan terdiri dari 1.999 citra, yang mencakup 1.867 citra dari Kaggle Repository dan 132 citra hasil pengambilan data lokal di Bangkalan, Jawa Timur. Dataset dibagi menjadi 70% untuk pelatihan, 20% validasi, dan 10% pengujian. Evaluasi model menggunakan metrik mean Average Precision (mAP) dengan delapan skenario pelatihan, yakni kombinasi batch size (16, 32), epoch (100, 300), serta penggunaan augmentasi dan tanpa augmentasi. Hasil menunjukkan bahwa konfigurasi batch size 32 dengan 100 epoch, tanpa augmentasi menghasilkan performa terbaik dengan mAP sebesar 76,5%. Temuan ini menunjukkan bahwa YOLOv8n merupakan metode yang akurat, efisien, dan potensial untuk diimplementasikan pada perangkat mobile sebagai sistem peringatan dini penyakit daun padi.   Abstract Rice (Oryza sativa) is a major food source in Indonesia that is susceptible to leaf diseases such as Brown Spot, Hispa, and Leaf Blast. These diseases inhibit photosynthesis and impact productivity, so early detection is very important. This study applies the YOLOv8n-based object detection method to identify three rice leaf diseases. The dataset used consists of 1,999 images, which includes 1,867 images from the Kaggle Repository and 132 images from local data collection in Bangkalan, East Java. The dataset is divided into 70% for training, 20% validation, and 10% testing. The evaluation model uses the mean Average Precision (mAP) metric with eight training scenarios, namely a combination of batch size (16, 32), epochs (100, 300), and the use of augmentation and without augmentation. The results show that the configuration of batch size 32 with 100 epochs, without augmentation produces the best performance with an mAP of 76.5%. These findings indicate that YOLOv8n is an accurate, efficient, and potential method to be implemented on mobile devices as an early warning system for rice leaf diseases.
Co-Authors Amin Abdillah Ana Tsalitsatun Ni'mah Budi Dwi Satoto Budi Dwi Satoto Doni Abdul Fatah Hidayatullah, Ridho Muhammad Yusuf Ramadhaningtias, Risma Rima Tri Wahyuningrum Soesilo, Budi Zulkarnain, Faried