Article Per Year (5 Year)
p-Index From 2021 - 2026
0.817
P-Index
This Author published in this journals
All Journal Jurnal Sistem Informasi dan Sistem Komputer Jurnal Agroteknologi Pertanian dan Publikasi Riset Ilmiah (JAPPRI) SULIWA: Jurnal Multidisiplin Teknik, Sains, Pendidikan dan Teknologi
Mohamad Iqbal Ulumando
Institut Teknologi Alberth Foenay Kupang
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Other

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
PREDIKSI HASIL PRODUKSI TANAMAN KOPI DI WILAYAH NTT DENGAN MENGGUNAKAN BACKPROPAGATION Iqbal Ulumando, Mohamad
Cangkok Vol 4 No 2 (2022): September : Jurnal Agroteknologi  Pertanian dan Publikasi Riset Ilmiah
Publisher : Universitas Gajah Putih

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55542/jappri.v4i2.391

Abstract

Tanaman Kopi merupakan salah satu hasil komoditas unggulan perkebunan di Indonesia. Hasil produksi kopi Indonesia mampu bersaing di pasar Internasional sebagai sumber Devisa bagi Negara. Salah satu Daerah di Indonesia penghasil kopi berkualitas terbaik adalah NTT, dimana hasil produksi kopi asal NTT sangat diminati di pasar dunia. Tujuan dari penelitian ini adalah untuk Memprediksi Hasil Produksi Kopi NTT setiap tahunnya dengan menggunakan Backpropagation. Penelitian ini menggunakan data dari Badan Pusat Statistik Provinsi Nusa Tenggara Timur (NTT) dengan mengambil data hasil produksi kopi dari tahun 2017 sampai tahun 2021 untuk memprediksi hasil produksi kopi dari tahun 2022 sampai tahun 2026. Dari hasil olah data diketahui bahwa nilai Mean Square Error (MSE) yaitu : 0,091556 dengan eppoch 1000. Maka hasilnya dapat diprediksi bahwa terjadi tingkat produksi kopi dari tahun 2022 sampai dengan tahun 2026 dengan rata-rata hasil produksi adalah sebesar 27.612,80 Ton. Penelitian ini hanya menggunakan data hasil produksi tahun sebelumnya dan belum memperhitungkan faktor lainnya yang dapat mempengaruhi hasil produksi kopi.
Prediksi Hasil Produksi Jambu Mete di Wilayah Provinsi Nusa Tenggara Timur Dengan Menggunakan Algoritma Backpropagation Mohamad Iqbal Ulumando
Jurnal Sistem Informasi dan Sistem Komputer Vol 10 No 1 (2025): Vol 10 No 1 - 2025
Publisher : STIMIK Bina Bangsa Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51717/simkom.v10i1.781

Abstract

Dengan melihat penurunan hasil produksi jambu mete dalam 2 tahun terakhir di wilayah Provinsi Nusa Tenggara Timur, maka penelitian ini dilakukan untuk memprediksi tingkat produksi di masa yang akan datang menggunakan algoritma backpropagation sehingga dapat menekan jumlah penurunan produksi jambu mete dan melibatkan berbagai pendekatan yang bisa diterapkan untuk meningkatkan hasil panen dan mengatasi faktor yang menyebabkan turunnya produksi jambu mete. Metote yang digunakan untuk memprediksi adalah algoritma backpropagation, dimana data hasil produksi jambu mete diambil tahun 2013 sampai 2023 sebagai variabel dalam prediksi untuk tahun 2024 sampai 2035. Setelah dilakukan olah data, terjadi peningkatan produksi jambu mete di tahun 2030 dan 2031 dengan jumlah produksi sebesar 59695,58 Ton, sedangkan jumlah produksi terendah terjadi di tahun 2035 sebesar 31822,00 Ton dengan tingkat produksi rata-rata sebesar 48673,41 Ton. Prediksi ini menghasilkan Mean Square Error (MSE) sebesar 0,00727. Penelitian prediksi ini berupa data hasil produksi tahun sebelumnya dan belum memperhitungkan atau menggunakan faktor lainnya dalam memprediksi hasil produksi jambu mete.
Klasifikasi Resiko Drop Out Mahasiswa ITAF Kupang Menggunakan Random Forest Sebagai Sistem Peringatan Dini Ulumando, Mohamad Iqbal
Jurnal Sistem Informasi dan Sistem Komputer Vol 11 No 1 (2026): Vol 11 No 1 - 2026
Publisher : STIMIK Bina Bangsa Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51717/simkom.v11i1.1255

Abstract

Penelitian ini bertujuan untuk mengembangkan model klasifikasi resiko drop out mahasiswa pada Institut Teknologi Alberth Foenay (ITAF) Kupang menggunakan algoritma Random Forest. Dataset yang digunakan terdiri dari 200 mahasiswa dengan beberapa variabel akademik seperti IPK, jumlah SKS, rata-rata nilai, kehadiran, mata kuliah ulang, durasi studi, dan jumlah mata kuliah tidak lulus. Tahap preprocessing dilakukan melalui pembersihan data, imputasi nilai hilang, standarisasi tipe data, serta penanganan ketidakseimbangan kelas. Model Random Forest kemudian dilatih menggunakan data training dan dievaluasi menggunakan data testing. Hasil evaluasi menunjukkan bahwa model mampu melakukan klasifikasi risiko drop out dengan performa sangat baik, dengan akurasi 91%, precision 83%, recall 78%, F1-Score 0.80, dan ROC-AUC 0.94. Analisis feature importance menunjukkan bahwa IPK, kehadiran, dan jumlah mata kuliah tidak lulus merupakan variabel yang paling berpengaruh dalam penentuan risiko. Secara keseluruhan, penelitian ini menunjukkan bahwa Random Forest efektif digunakan sebagai sistem peringatan dini untuk mengklasifikasikan mahasiswa berpotensi drop out sehingga dapat membantu institusi dalam melakukan intervensi akademik secara lebih tepat sasaran.
PREDIKSI HARGA MOTOR BEKAS DI KOTA KUPANG MENGGUNAKAN METODE RANDOM FOREST Ulumando, Mohamad Iqbal
SULIWA: Jurnal Multidisiplin Teknik, Sains, Pendidikan dan Teknologi Vol. 3 No. 2 (2026): SULIWA: Jurnal Multidisiplin Teknik, Sains, Pendidikan dan Teknologi, Juli 2026
Publisher : LEMBAGA KAJIAN PEMBANGUNAN PERTANIAN DAN LINGKUNGAN (LKPPL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62671/suliwa.v3i2.258

Abstract

Used motorcycle prices in the market often fluctuate and are influenced by various factors such as brand, type, year of manufacture, engine capacity, mileage, vehicle condition, and tax status. In Kupang City, the determination of used motorcycle prices is generally still performed manually based on seller estimates or market conditions, which can lead to significant price differences. Therefore, a method is needed to estimate used motorcycle prices more objectively and accurately. This research seeks to develop a model for predicting used motorcycle prices employing the Random Forest algorithm. The dataset used consists of 200 used motorcycle records collected from used motorcycle sales data in Kupang City. The data undergoes a preprocessing stage before being used for model development. Furthermore, the dataset is partitioned into training data and testing to build evaluate prediction. The evaluation results show a Mean Absolute Error (MAE) of Rp.4,418,477, a Mean Squared Error (MSE) of 26,617,157,710,315, and a Root Mean SquSquared Error (RMSE) of Rp.5,159,181. The findings suggest that the Random Forest predict motorcycle prices with reasonably acceptable error rate, making it a useful approach for estimating used motorcycle prices based on vehicle attributes.
Co-Authors