Claim Missing Document
Check
Articles

Found 7 Documents
Search

PKM Pendampingan dan Pelatihan JIBAS untuk Meningkatkan Digitalisasi Akademik Madrasah Aliyah Nurul Jadid Probolinggo Moh. Sukron; Maulana Afnani Dzulqarnain; Miftahul Huda; Miftahul Jannah; Moh. Arif Syahroni; Moh. Riski Maulana Ishak; Moh. Syaiful Andi; Moh. Affandi Zamahsyari Dhofir
GUYUB: Journal of Community Engagement Vol 3, No 3 (2022): Hilirisasi Pembelajaran Berbasis Pengabdian kepada Masyarakat
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/guyub.v3i3.4861

Abstract

MA Nurul Jadid merupakan sekolah tingkat SLTA yang berada dibawah naungan pondok pesantren Nurul Jadid Paiton Probolinggo. Lembaga pendidikan ini memiliki sekitar 1.200 siswa dan 87 guru serta 60 staf karyawan. Dalam penggunaan dan penyimpanan data tentu sistem terkomputerisasi dirasa tepat dalam pengolahan data. JIBAS merupakan layanan akademik yang diharapkan dapat membantu proses pengolahan data di lingkukangan akademik MANJ Paiton Probolinggo. Pemanfaatan layanan JIBAS ditekankan pada pengolahan data siswa, karyawan, guru serta absensi. Namun pelaksaanannya masih terkendala cara menggunakan layanan ini secara maksimal. Penambahan fitur baru serta minimnya pelatihan dan pendampingan cara penggunaan JIBAS menjadi faktor utamanya. Sehingga sering kali proses rekap absensi setiap bulanya terlambat dan menghambat rekapitulasi karyawan MANJ. Program pelatihan ini bertujuan untuk memenuhi kebutuhan pengetahuan dan keterampilan guru dan karyawan MANJ dalam bidang layanan JIBAS sehingga ke depannya guru dan karyawan MANJ dapat memannfaatkan layanan JIBAS sesuai dengan harapan dan kebutuhan pihak MANJ yang lebih baik lagi. Kegiatan dimulai dengan pengenalan dan pengarahan mengenai definisi dan penggunaan layana JIBAS dalam bidang pendataan dan proses absensi kemudian praktik langsung menggunakan aplikasi JIBAS yang telah di publik oleh guru dan kayawan MANJ. Di bagian akhir dilakukan evaluasi untuk mengukur tingkat pemahaman dan kemudahan dalam implementasi layanan JIBAS.
IMPLEMENTASI DATA MINING C4.5, LINEAR REGRESI DAN KMEANS DENGAN MENGGUNAKAN FRAMEWORK DJANGO PYTHON Mochammad Faid; Ahmad Supri; Moh Sukron
JUSTIFY : Jurnal Sistem Informasi Ibrahimy Vol. 2 No. 1 (2023): JUSTIFY : Jurnal Sistem Informasi Ibrahimy
Publisher : Fakultas Sains dan Teknologi, Universitas Ibrahimy

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35316/justify.v2i1.3309

Abstract

Penggunaan data dalam pengambilan keputusan bisnis telah berkembang menjadi kunci sukses di banyak bisnis di era digital yang berkembang. Data mining dapat memberi kan pemahaman yang menyeluruh tentang data dan mendorong pengambilan keputusan yang lebih bijak dengan memeriksa pola-pola yang tersembunyi dan menemukan hubungan yang relevan, namun bagaimana cara menimplementasikan sebuah algoritma data mining kedalam sebuah website diperlukan 2 keahlian dasar yaitu keahlian webdeveloper dan keahlian dalam sebuah datascient, Pada penelitian ini akan membahas bagaimana mengabung dua keahlian tersebut menjadi satu yaitu Webdeveloper dan datascient dengan menggunakan 3 algoritma klasifikasi, regresi dan algoritma cluster
Clustering Loyalitas Pelanggan dengan Model RFM (Refency Frequency Monetary) dan Metode K-Means Berbasis Median Supriadi, Ahmad; Sukron, Moh.; Faid, Mochammad
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 2, No 2 (2021): Metaverse dan Masa Depan Interaksi Digital: Perspektif Teknologi dan Sosial
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (263.948 KB) | DOI: 10.33650/coreai.v2i2.3305

Abstract

Data loyalitas pelanggan dalam dunia jual beli selalu bertambah seiring dengan berjalannya waktu. Perkembangan teknologi yang sangat pesat dalam dunia bisnis perdagangan menjadi arah perubahan yang sangat signifikan dalam proses transaksi jual beli dengan pemanfaatan tekonologi proses transaksi penjualan dapat dijadikan sebuah sekumpulan data besar dan melimpah, Hal ini berpeluang untuk dapat dilakukan proses pengolahan data sehingga akan didapat sebuah informasi yang bermanfaat. Informasi tersebut seperti mengenai pengelompokan data pelanggan yang memiliki loyalitas tinggi sehingga pihak unit usaha terkait dapat memberikan reward pada pelanggan yang memiliki tingkat loyalitas tinggi. Untuk mengetahui hal tersebut, dilakukan  pengujian  model  dengan  menggunakan  metode k-means dengan pemilihan  pusat  klaster  awal  berbasis  median, hasil eksperimen dengan model tersebut dapat menghasilkan kualitas klaster yang lebih baik karena dengan pemilihan pusat klaster awal berbasis median tidak terjadi klaster kosong. Klaster yang dihasilan yaitu pada cluster pertama 133 cluster Kedua 30 dan cluster ketiga 208 sedangkan cluster keempat 129 dengan nilai DBI 0,694. Sedangkan metode k-mmeans dengan pemilihan pusat klaster standart didalam experimen ini menggunakan tool rapidminer didapat cluster pertama 310 cluster Kedua 19 dan cluster ketiga 37 sedangkan cluster keempat 134 dengan nilai DBI 0,807.
Optimasi Metode Naïve Bayes Menggunkanan Algoritma Particle Swarm Optimization (PSO) untuk Prediksi Penyakit Diabetes Mellitus Sukron, Moh.; Supriadi, Ahmad; Sulton, Rizal
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 2, No 2 (2021): Metaverse dan Masa Depan Interaksi Digital: Perspektif Teknologi dan Sosial
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (311.597 KB) | DOI: 10.33650/coreai.v2i2.3304

Abstract

Deabetes Mellitus merupakan salah satu penyakit dimana terdapat tingkat kadar gula (glukosa) yang tinggi didalam darah dalam kontek defisiensi insulin relatif dan resistensi insulin. Diabetes Mellitus sulit untuk diprediksikan. Dengan pemannfaatan database pasien, peneliti mencoba mengolah variabel pasien Deabetes Mellitus dalam medapatkan akurasi prediksi penyakit Diabetes Mellitus dengan memanfaatkan data mining. Metode yang digunakan adalah Naive Bayes, namun metode Naïve Bayes memiliki kelemahan yaitu hasil probabilitas kurang berjalan seara optimal dan sering salah pada atribut. Guna mengatasi kelemahan Naïve Bayes, salah satu cara yaitu dengan metode pembobotan atribut menggunakan algotima Prticle Swarm Optimization (PSO). Hasil penelitain menunjukkan akurasi metode naïve bayes menghasilkan akurasi sebesar 86,80% dan Naïve Bayes dengan Particle Swarm Optimization (PSO)  menghasilkan akurasi 89,84%. Dari hasil tersebut dapat disimpulkan metode naive bayes yang di optimasi dengan pembobotan atribut di dapatkan nilai akurasi yang lebih baik dengan peningkatan akurasi 3,04%.
Design of a Quick Response Code-Based Infrastructure Management Information System Sukron, Moh.; Ramadhan, M. Raihan; Sihabillah, Ahmad
International Journal of Engineering and Computer Science Applications (IJECSA) Vol 3 No 2 (2024): September 2024
Publisher : Universitas Bumigora Mataram-Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/ijecsa.v3i2.4653

Abstract

The management of infrastructure and facilities at MTs Mambaul Hasan Sumberrejo Paiton Probolinggo is currently conducted manually, resulting in significant issues such as data inaccuracies, misplacement of items, and difficulties in tracking asset movements. These challenges reduce efficiency and hinder effective inventory management. The aim of this research is to design and develop a Quick Response (QR) Code-based management information system to enhance the efficiency and effectiveness of infrastructure and facilities management at MTs Mambaul Hasan. This research method is based on Research and Development (R&D) with a quantitative approach and a case study framework. The process includes system requirements analysis through direct observation and interviews with school staff, followed by system design using the Object-Oriented Analysis and Design (OOAD) approach. A prototype is then developed and tested to gather user feedback, and system evaluation is conducted to refine the system before full implementation. The results of this research are a QR Code-based infrastructure and facilities management information system that simplifies asset registration, enhances tracking accuracy, and reduces manual workload. Usability testing with school staff revealed an 82,67% satisfaction rate, indicating a significant improvement in efficiency and traceability of assets. The implementation of this system provides a practical and effective solution for managing infrastructure and facilities at MTs Mambaul Hasan. This study concludes that the QR Code-based system improves efficiency, accuracy, and traceability in inventory management. The implications of these findings suggest that other educational institutions can adopt similar technological solutions to modernize their management processes, with potential future integration of mobile and cloud technologies for enhanced usability and scalability.
Perancangan Custom Akademik dan Info Guru JIBAS MA Nurul Jadid Paiton Probolinggo Sukron, Moh.
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 3, No 2 (2022): Keberlanjutan Teknologi Informasi: Green IT sebagai Solusi Ramah Lingkungan
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1846.761 KB) | DOI: 10.33650/coreai.v3i2.4860

Abstract

JIBAS adalah Jaringan Informasi Bersama Antar Sekolah. JIBAS lahir dari visi "Kebersamaan untuk Kemajuan Pendidikan Indonesia". Jaringan ini bersifat terbuka dan tumbuh mandiri. Salah satu wujud JIBAS yaitu sistem informasi manajemen sekolah yang membantu operasional sekolah. Penggunaan JIBAS di lingkungan MA Nurul Jadid sebatas pada fitur akademik dan interaksi guru-siswa. Awamnya penggunaan JIBAS dan ditemukannya beberapa kesulitan dalam proses absensi JIBAS menjadi kendala tersendiri bagi guru dan pegawai MA Nurul Jadid, serta penggunaanya bersifat lokal area sehingga diharuskan untuk melakukan proses absensi di area MA Nurul jadid. Berdasarkan latar belakang masalah tersebut, maka dirancang fitur custom pada akademik dan info guru JIBAS serta proses upload publik JIBAS sehingga memudahkan dalam proses absensi siswa MA Nurul Jadid. Proses custom tanpa mengubah rancangan database yang ada serta tetap menggunakan bahasa pemrograman Web seperti yang digunakan JIBAS sebelumya. Perancangan custom JIBAS menggunakan Visual Studio Code, MySQL dan metode Waterfall sebagai metode analisis kebutuhan pihak MA Nurul Jadid. Hasil custom JIBAS yang dibuat antara lain dapat melakukan proses absensi secara public area dan fitur menu custom akademik dan mempermudah proses rekap data JIBAS serta custom info guru JIBAS dapat mempermudah proses absensi siswa oleh guru MA Nurul Jadid.
K-Means Clustering dengan Optimasi Algoritma Genetika untuk mengelompokkan daerah budidaya Cabai Jawa Wahyudi, Imam; Sarifah, Luluk; Sukron, Moh
Journal of Electrical Engineering and Computer (JEECOM) Vol 6, No 2 (2024)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v6i2.9603

Abstract

Ada beberapa tanaman obat yang popular, salah satunya yaitu Cabai Jawa yang juga merupakan salah satu komuditas ekspor yang cukup tinggi dengan nilai jual yang fantastis, namun di Indonesia terutama di wilayah Madura pengetahuan masyarakat tentang hal tersebut masih minim karena memang tidak adanya pembudidayaan dari pemerintah sekitar. Oleh karena itu penelitian bertujuan untuk melakukan Clustering daerah yang membudidayakan tanaman ini sehingga ditemukan daerah yang masuk kategori rendah, sedang dan tinggi dipamekasan. Metode K-Means Clustering adalah metode yang cocok untuk penelitian ini dan alur kerjanya ialah mengelompokkan data n ke dalam cluster yang serupa dan berbeda dengan data cluster yang lainnya. Metode ini dikombinasikan dengan metode Algoritma Genetika sebagai optimasi pada centroid awal sehingga hasil dari clustering ini bisa optimal. Berdasarkan hasil evaluasi menggunakan Silhouette Coefficience didapatkan nilai sebesar 0. 52156 menggunakan GA dan K-Means