Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Bulletin of Computer Science Research Cahaya bagaskara
Dede Fadillah
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
SISTEM PENGENDALIAN KECEPATAN PUTARAN MOTOR DC DENGAN PWM BERBASIS KOMPUTER Dede Fadillah; M Indrasahputra; muammad kadafi
Cahaya Bagaskara : Jurnal Ilmiah Teknik Elektronika Vol. 6 No. 2 (2021): Vol. 6. No. 2 - Agustus 2021
Publisher : Universitas Muhammadiyah Pekajangan Pekalongan

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

Abstract

Perkembangan dunia industri membutuhkan otomasi instrumentasi yang mendukung proses produksi. Untuk sistem manufaktur otomatis yang cerdas dan fleksibel, sistem harus dapat merespons kondisi yang berubah dengan mengubah proses manufaktur dengan sendirinya. Komputer dapat diprogram untuk "membaca" kondisi eksternal dan menjalankan berbagai bagian programnya tergantung pada kondisi yang dirasakan. Komputer akan membutuhkan kartu antarmuka tambahan seperti PPI 8255 dan pemrograman seperti Delphi. Berbagai kelebihan dan kemudahan bahasa pemrograman tingkat tinggi berbasis GUI (Graphical User Interface) dan berjalan di Sistem Operasi Windows seperti Delphi membuat pembuatan aplikasi lebih cepat dan efisien. Motor DC yang biasa digunakan sebagai aktuator otomasi dapat mengontrol pergerakan oleh komputer
Aplikasi Teknologi Internet of Things Pada Pengelasan Logam Sesuai Perkembangan Revolusi Industri 4.0 untuk meningkatkan Hard Skill subowo edy; Dede Fadillah
Cahaya Bagaskara : Jurnal Ilmiah Teknik Elektronika Vol. 6 No. 1 (2021): Vol. 6. No. 1 - Februari 2021
Publisher : Universitas Muhammadiyah Pekajangan Pekalongan

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

Abstract

SMK Diponegoro adalah SMK dibawah Yayasan LP Ma”arif NU Karanganyar.dan Salah Satu Smk yang berada di Kabupaten Pekalongan Yg Berdiri sejak 2008 Serta memiliki peserta Didik Sebanyak 360 Siswa Dengan Progam Kejuruan,Agribisnis Tanaman Pangan dan Holticultura, Teknik Komputer Jaringan, dan Teknik Bisnis Sepeda Motor, Peningkatan ketrampilan Berupa hard skill Di bidang Pengelasan tentunya sangatlah penting Mengingat Jurusan Di SMK diponegoro ini Di Bidang Teknik,Untuk itu Menurut kami Perlu Diadakan Pelatihan Dasar Pengelasan Di SMK tersebut guna Meningkatkan dan Menambah Pengetahuan Di bidang Pengelasan sesuai dengan perkambangan teknologi Revolusi Industri 4.0 dalam bentuk penjelasan aplikasi IoT di Teknik Pengelasan. Pelatihan Pengelasan adalah sebuah pelatihan keterampilan praktis yang komprehensif,dan dapat diimplementasikan serta menghasilkan pendapatan yang dapat dijadikan bekal untuk kelangsungan hidup. Diera seperti saat ini, kemampuan hard skill (ketrampilan) yang sudah tentu harus dimiliki oleh setiap Siswa .Salah satu ketrampilan yang dibutuhkan dimasyarakat khususnya ketrampilan dalam bidang Pengelasan. Ilmu pengelasan bisa dikatakan sebagai ilmu terapan, artinya kemampuan dan ketrampilan seseorang dalam bidang pengelasan tergantung dari latihan yang continue
Klasifikasi Kondisi Janin Menggunakan Algoritma K-Nearest Neighbors dan Teknik SMOTE Berdasarkan Data Kardiotogram Dede Fadillah; Haerani, Elin; Wulandari, Fitri; Syafria, Fadhilah
Bulletin of Computer Science Research Vol. 5 No. 4 (2025): June 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bulletincsr.v5i4.585

Abstract

Fetal health is a crucial aspect in reducing infant mortality rates, where cardiotocography (CTG) is used to monitor fetal condition through recordings of fetal heart rate and uterine contractions. However, manual interpretation of CTG data still faces challenges, particularly due to imbalanced class distribution. This study aims to develop a classification model for fetal conditions using the K-Nearest Neighbors (K-NN) algorithm combined with the Synthetic Minority Over-sampling Technique (SMOTE). The dataset used, sourced from Kaggle, consists of 2,126 CTG examinations categorized into three classes: Normal, Suspect, and Pathological. The data processing follows the Knowledge Discovery in Databases (KDD) process, including data selection, cleaning, normalization, splitting, balancing with SMOTE, and classification using K-NN. The model was evaluated using four training-testing split ratios (70:30, 80:20, 85:15, and 90:10) with accuracy and macro F1-score as metrics. The results indicate that the 85:15 split ratio achieved the highest accuracy of 89.7%, while the 90:10 ratio yielded the highest macro F1-score of 0.83. These findings suggest that the 85:15 ratio offers an optimal balance between model training and evaluation, whereas the highest F1-score at 90:10 reflects greater model sensitivity to minority classes. The combination of K-NN and SMOTE proved effective in addressing data imbalance and supports model stability in the overall classification process of fetal conditions.
Co-Authors Elin Haerani Fadhilah Syafria Fitri Wulandari M Indrasahputra muammad kadafi subowo edy