Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Prosiding SAKTI (Seminar Ilmu Komputer dan Teknologi Informasi) International Journal of Applied Mathematics and Computing.
Addy Suyatno, Addy
Unknown Affiliation
Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Decision Sciences, Operations Research & Management Mathematics

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

Found 5 Documents
Search

 1 
DIAGNOSIS PENYAKIT KEJIWAAN MENGGUNAKAN METODE CERTAINTY FACTOR Suyatno, Addy; Maharani, Septya
Prosiding SAKTI (Seminar Ilmu Komputer dan Teknologi Informasi) Vol 2, No 1 (2017): Vol 2, No 1 (2017): Prosiding Seminar Nasional Ilmu Komputer dan Teknologi Infor
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1075.903 KB)

Abstract

Penyakit kejiwaan adalah salah satu penyakit yang marak di kalangan masyarakat untuk berbagai tingkatan di negara Indonesia. Namun masih banyak masyarakat yang belum mengenali dan mengindikasi adanya penyakit kejiwaan. Hal ini disebabkan oleh penyakit kejiwaan adalah penyakit yang tidak dapat dilihat namun dapat diketahui dari gejala-gejala perilaku yang dialami pasien. Seringkali masyarakat mengabaikan gejala-gejala yang dialami pasien karena sifatnya yang samar. Untuk membantu masyarakat lebih mengenali gejala awal penyakit kejiwaan yang dialami pasien agar mendorong keinginan masyarakat untuk melakukan pemeriksaan medis kepada dokter jiwa maupun psikolog maka dibangun sistem pakar diagnosis penyakit kejiwaan berbasis website. Sistem pakar yang disajikan dengan metode Certainty Factor. Input dari sistem adalah biodata pasien dan gejala yang dialami pasien. Output dari sistem adalah hasil diagnosis dan saran penanganan penyakit kejiwaan.
WEB SERVICE PENGELOLAAN NILAI SISTEM INFORMASI AKADEMIK (STUDI KASUS : FMIPA UNIVERSITAS MULAWARMAN) Suyatno, Addy; Astuti, Indah Fitri
Prosiding SAKTI (Seminar Ilmu Komputer dan Teknologi Informasi) Vol 1, No 1 (2016): Vol 1, No 1 (2016): Prosiding Seminar Nasional Ilmu Komputer dan Teknologi Infor
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (190.398 KB)

Abstract

Sistem pengelolaan nilai akademik mahasiswa merupakan salah satu alat bantu dalam kegiatan akademik di setiap kampus. Untuk meng-input nilai yang cepat dan fleksibel, dosen membutuhkan sistem yang tidak terhalang masalah waktu dan platform. Oleh karena itu, dibangun web service pengelolaan nilai mahasiswa yang dapat mengatasi masalah tersebut. Web service merupakan aplikasi yang tersusun atas sekumpulan method-method yang dapat diakses melalui jaringan internet kapan dan dimana saja dengan menggunakan perangkat apa saja yang tidak terkait sistem operasi atau bahasa pemrograman dalam bentuk pesan XML. Penelitian ini menghasilkan web service yang diakses oleh aplikasi client, yaitu aplikasi website, dimana dosen dapat mendownload nama mahasiswa yang diajarnya, kemudian meng-upload nilai sesuai dengan daftar nama mahasiwa yang telah di download sebelumnya.
SISTEM PENCARI ANJUNGAN TUNAI MANDIRI TERDEKAT DENGAN METODE KARTESIUS DAN RUTE TERPENDEK DENGAN ALGORITMA DIJKSTRA BERBASIS GEOGRAPHIC INFORMATION SYSTEM Suyatno, Addy; Astuti, Indah Fitri
Prosiding SAKTI (Seminar Ilmu Komputer dan Teknologi Informasi) Vol 1, No 1 (2016): Vol 1, No 1 (2016): Prosiding Seminar Nasional Ilmu Komputer dan Teknologi Infor
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1799.522 KB)

Abstract

Automatic Teller Machine (ATM) atau dalam bahasa Indonesia disebut Anjungan Tunai Mandiri diciptakan untuk mempermudah transaksi perbankan. ATM biasanya diletakkan di tempat-tempat yang strategis dan banyak terjadi transaksi uang seperti pusat perkantoran, pusat hiburan, pusat bisnis dan mall. Luas kota Samarinda yang mencapai 717,4 km² membuat letak ATM tersebar di banyak tempat, sedangkan informasi tentang lokasi ATM di samarinda masih terbatas. Pemanfaatan sistem pencari Lokasi ATM yang berbasis Geographic Information System (GIS) digunakan dapat untuk mempermudah dalam pencarian lokasi ATM. Sistem dikembangkan dengan metode Kartesius untuk pencarian lokasi terdekat dan Algoritma Dijkstra untuk pencarian rute terpendek. Input pada sistem ini berupa koordinat lokasi user yang kemudian diproses dengan metode Kartesius untuk menentukan tiga rekomendasi ATM terdekat. Rekomendasi yang dipilih kemudian diproses dengan algoritma Dijkstra untuk mencari rute terpendek menuju ke ATM tersebut. Penelitian ini menghasilkan suatu sistem pencarian yang berbasis GIS yang dapat menentukan lokasi ATM terdekat menggunakan metode Kartesius dan rute terpendek menggunakan algoritma Dijkstra.
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN SUPPLIER BAHAN BAKU KATERING CV. RIYANISA SEKARSARI MANDIRI MENGGUNAKAN METODE FUZZY TSUKAMOTO Astuti, Indah Fitri; Suyatno, Addy
Prosiding SAKTI (Seminar Ilmu Komputer dan Teknologi Informasi) Vol 2, No 2 (2017): Vol 2, No 2 (2017): Prosiding Seminar Nasional Ilmu Komputer dan Teknologi Infor
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (242.126 KB)

Abstract

Mengambil keputusan adalah salah satu dari kegiatan manusia yang paling mendasar dalam kehidupansehari-hari.Proses pengambilan keputusan dalam dunia bisnis menjadi salah satu kunci yang mendasar danpenting seperti dalam inventory control, pengembangan produk baru, investasi, sampai pada pemilihansupplier.Salah satu upaya untuk mendapatkan supplier bahan baku terbaik adalah dengan melakukan pemilihansupplier. Metode yang dapat digunakan dalam memecahkan permasalahan tersebut salah satunya denganmenggunakan metode tsukamoto. Sistem pendukung keputusan pemilihan supplier bahan baku dengan metodetsukamoto menghasilkan suatu sistem yang dapat menentukan nilai rekomendasi supplier. Dalam sistempendukung keputusan ini terdapat 4 variabel yang digunakan, yaitu: kebersihan, harga, pengalaman dansertifikat. Variabel harga dibagi menjadi tiga kategori, yaitu murah, sedang, mahal. Variabel kebersiham dibagimenjadi tiga kategori, yaitu kurang, sedang, baik. Variabel pengalaman dibagi menjadi tiga kategori, yaitukurang, sedang, baik. Variabel sertifikat dibagi menjadi tiga kategori, yaitu kurang, cukup, baik. Hasilperhitungan sistem pendukung keputusan tidak berbeda dengan hasil perhitungan yang dilakukan secara manual.Pada hasil perhitungan dari data uji coba sistem nilai rekomendasi dari supplier adalah 33.555, 35.76923 dan38.256.
A Comparison of SVM and ELM Algorithms Based on SMOTE for Anemia Classification Using Hematology Data Dharmaesa, Dio; Hamdani, Hamdani; Suyatno, Addy
International Journal of Applied Mathematics and Computing Vol. 3 No. 3 (2026): July: International Journal of Applied Mathematics and Computing
Publisher : Asosiasi Riset Ilmu Matematika dan Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62951/ijamc.v3i3.376

Abstract

Anemia remains a significant global health concern, and its diagnosis through manual interpretation of Complete Blood Count (CBC) results is susceptible to bias and misinterpretation. Machine learning techniques offer a promising solution for identifying complex patterns in medical data; however, their performance is often hindered by class imbalance issues commonly found in healthcare datasets. Therefore, this study aims to evaluate and compare the classification performance of Support Vector Machine (SVM) and Extreme Learning Machine (ELM) algorithms enhanced with the Synthetic Minority Over-sampling Technique (SMOTE) for anemia detection. The proposed approach employs SVM with an RBF kernel and ELM with a sigmoid activation function, both optimized through a 5-Fold Cross-Validation inner loop to determine the best regularization parameter C and the optimal number of hidden neurons, respectively. SMOTE is applied exclusively to the training data to address class imbalance without data leakage. To ensure robust and unbiased performance estimation, experiments were conducted over 10 independent runs using stratified 80:20 train-test splits on a secondary CBC dataset consisting of 200 patient records. Experimental results show that the SMOTE-based SVM model achieved a mean accuracy of 87.75% ± 0.75%, precision of 98.08% ± 1.92%, recall of 84.83% ± 1.69%, and F1-score of 90.94% ± 0.57%, with an average computation time of 1.430 seconds per run. In comparison, the SMOTE-based ELM model attained a mean accuracy of 85.25% ± 5.86%, precision of 95.81% ± 3.11%, recall of 83.45% ± 8.56%, and F1-score of 88.91% ± 4.89%, while requiring only 0.460 seconds per run. The findings suggest that SVM delivers more stable performance with higher precision, making it effective in minimizing false positive predictions. In contrast, ELM offers greater computational efficiency, making it suitable when rapid processing is prioritized over predictive accuracy.
Co-Authors Dharmaesa, Dio Hamdani Hamdani Indah Fitri Astuti, Indah Fitri Septya Maharani, Septya