Articles
<![CDATA[Konflik Perkebunan Kelapa Sawit Antara PT Roempoen Enam Bersaudara dengan Masyarakat Dalam Mendukung Keamanan Wilayah ]]>
<![CDATA[NUGRAHA, WAHYU]]>
<![CDATA[ Indonesian Journal of Social Development Vol. 1 No. 1 (2023): July ]]>
Publisher : <![CDATA[Indonesian Journal Publisher ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.47134/jsd.v1i1.1874
<![CDATA[The growing palm oil plantations sector is both given positive and negative impacts. In Addition to being a large contributor to national income and local government revenues, the existence Of palm oil plantation is also being trigger of conflict in community. The root of conflict of palm oil Plantations is mostly related to ownership or control over land and social responsibility that is not Properly implemented by the company. This study aims to analyze the conflict between PT Roempoen Enam Bersaudara with the Community in Sungai Rotan and conflict resolution by stakeholders to solve Problems. Formulation of all arguments, facts and theoretical framework on this research is guided by Descriptive qualitative approach. For data collection techniques, researcher conducts interview, Observation and literature studies. The results show that conflict occurred due to the company Neglected social obligation of the distribution of plasma plantation. Besides there is take over of Company to new management is being trigger conflict rising. Then new management has built big Boundry without socialization to local society first so that the land is displaced. Conflict resolution Have been doing by government of Muara Enim regency through negotiation and mediation between PT Roempoen Enam Bersaudara and local society. Local Government has also formed an integrated Team and land inventory team but the problems of the two parties have not yet resolved. In the end Local government needs to provide the best alternative is more solutive and cooperative so it will Create good relationship between PT Roempoen Enam Bersaudara and society in Sungai Rotan District. With peaceful relations achieved, it will give impact in supporting regional security particulary in Sungai Rotan district.]]>
<![CDATA[PEMANFAATAN RESAMPLING UNTUK PENANGANAN KETIDAKSEIMBANGAN KELAS PADA PREDIKSI CACAT SOFTWARE BERBASIS C5.0 ]]>
<![CDATA[Sabaruddin, Raja]]>;
<![CDATA[Murni, Sri]]>;
<![CDATA[Nugraha, Wahyu]]>
<![CDATA[ Jurnal Teknologi Informasi Mura Vol 15 No 1 (2023): Jurnal Teknologi Informasi Mura Juni ]]>
Publisher : <![CDATA[LPPM UNIVERSITAS BINA INSAN ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.32767/jti.v15i1.1956
<![CDATA[Software yang tidak ditemukan cacat selama pemeriksaan dan pengujian merupakan software berkualitas tinggi yang mampu membantu proses bisnis perusahaan secara efektif dan efesien. Penurunan kualitas software dan biaya perbaikan yang tinggi dapat diakibatkan kesalahan atau cacat pada software. Saat ini belum ada model prediksi cacat software yang berlaku umum pada saat digunakan. C5.0 merupakan model klasifikasi yang cocok untuk data dengan attribut yang bersifat numerik ataupun attribut yang bernilai nominal yaitu bersifat kategorik dimana tiap nilai tidak bisa dijumlahakan atau dikurangkan, tetapi belum dapat mengklasifikasikan dataset berbasis matrix dengan kinerja terbaik secara umum dan selalu konsisten dalam semua penelitian. Dataset yang besar pada umumnya mengandung ketidakseimbangan kelas (class imbalance), yaitu adanya perbedaan yang signifikan antar jumlah kelas, yang mana kelas negatif lebih besar daripada kelas positif. Untuk menangani masalah ketidakseimbangan kelas pada dataset cacat software pada penelitian ini diusulkan metode resampling yaitu Random Under Sampling (RUS), Random Over Sampling (ROS) dan Synthetic Minority Over-sampling Technique (SMOTE). Penelitian dilakukan untuk membandingkan hasil kinerja C5.0 sebelum dan sesudah diterapkan metode resampling. Hasil penelitian menunjukkan bahwa metode resampling yaitu RUS terbukti mampu dalam menyelesaikan prediksi cacat software dengan algoritma C5.0.]]>
<![CDATA[Aplikasi menghitung estimasi biaya pembuatan kolam dan jumlah benih ikan dalam pembudidayaan lele Berbasis mobile ]]>
<![CDATA[Nugraha, Wahyu]]>
<![CDATA[ Jurnal Sistem Informasi Kaputama (JSIK) Vol. 5 No. 2 (2021): Volume 5, Nomor 2, Juli 2021 ]]>
Publisher : <![CDATA[STMIK KAPUTAMA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.59697/jsik.v5i2.709
<![CDATA[Budidaya ikan lele sebagai bisnis UMKM saat ini semakin diminati oleh masyarakat karena pasarnya yang terus berkembang serta dukungan pemerintah melalui riset benih unggul dan kampanye gerakan makan ikan membuat sentra-sentra budidaya ikan lele di sejumlah daerah kian bermunculan. Namun menentukan perkiraan modal yang diperlukan untuk memulai usaha ini tidaklah mudah. Untuk menentukan modal awal khususnya pada pembuatan kolam dan jumlah benih ikan lele serta harga benih ikan keseluruhan masih menjadi kendala bagi sebagian besar masyarakat yang ingin memulai bisnis ini. Maka dalam penelitian ini penulis merancang sebuah aplikasi yang dapat membantu para peternak ikan lele agar dapat menentukan estimasi biaya pembuatan kolam dan benih ikan. Aplikasi yang dirancang haruslah efisien dalam penggunaannya dan dapat diakses dimana saja dan kapanpun ketika dibutuhkan sehingga aplikasi berbasis mobile android menjadi pilihan dalam pembuatan aplikasi ini. Diharapkan Dengan mengetahui estimasi modal awal yang dikeluarkan maka nantinya akan lebih mudah mengetahui perkiraan keuntungan yang diperoleh pada saat panen.]]>
<![CDATA[RANCANG BANGUN APLIKASI REKAM MEDIS MENGGUNAKAN METODE WATERFALL UNTUK MENINGKATKAN PELAYANAN KESEHATAN PADA POSKESDES SUNGAI TERUS ]]>
<![CDATA[Nugraha, Wahyu]]>;
<![CDATA[Nurjanatin Mubina]]>
<![CDATA[ Jurnal Sistem Informasi Kaputama (JSIK) Vol. 8 No. 2 (2024): Volume 8, Nomor 2, Juli 2024 ]]>
Publisher : <![CDATA[STMIK KAPUTAMA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.59697/jsik.v8i2.807
<![CDATA[Pos Kesehatan Desa (POSKESDES) adalah salah satu lembaga kesehatan dari Desa yang memberikan pelayanan kesehatan bermutu kepada masyarakat desa dengan biaya yang relatif terjangkau. Sistem pengolahan data rekam medis pasien yang diterapkan saat ini masih tersimpan dalam bentuk dokumen fisik dan tidak tersusun rapi sehingga dalam proses manipulasi data kurang maksimal dan keamanan data tidak terjaga. Tidak terdapat salinan data rekam medis pasien sehingga petugas kesehatan yang merawat pasien (rawat jalan) akan kesulitan mewawancarai ulang pasien kembali untuk mendapatkan informasi dari pasien mengenai data rekam medisnya. Kurang optimalnya penanganan lebih lanjut untuk pasien rujukan rumah sakit lebih besar. Tugas Akhir pada penelitian ini untuk memecahkan permasalahan yang dihadapi POSKESDES Desa Sungai Terus dengan membuat program sistem informasi rekam medis berbasis website menggunakan metode waterfall yang terdiri dari analisa kebutuhan perangkat lunak, desain, pembuatan kode program dan pengujian. Sistem ini menyediakan fasilitas kepada dua pengguna yaitu admin dan petugas kesehatan. Sistem informasi rekam medis berbasis website pada POSKESDES Desa Sungai Terus ini diharapkan dapat meningkatkan efisiensi pelayanan kesehatan dengan sistem yang dapat digunakan untuk mengelola dan menyajikan informasi dalam bentuk yang lebih cepat, tepat dan akurat.]]>
<![CDATA[RANCANG BANGUN SISTEM INFORMASI PENJUALAN DAN SERVICE MOTOR BERBASIS WEB DENGAN METODE PROTOTYPE PADA BENGKEL MAJU JAYA MOTOR ]]>
<![CDATA[Linawati, Safitri]]>;
<![CDATA[Nurdiani, Siti]]>;
<![CDATA[Nugraha, Wahyu]]>;
<![CDATA[Rezki, Muhammad]]>;
<![CDATA[Saputra, Dicky]]>
<![CDATA[ Jurnal Sistem Informasi Akuntansi Vol 4 No 2 (2023): Periode September 2023 ]]>
Publisher : <![CDATA[LPPM Universitas Bina Sarana Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31294/justian.v4i2.2957
<![CDATA[Maju Jaya Motor Workshop still uses physical structures such as for sales and service. Therefore making sales reports and motorbike service reports takes time to make these reports. Sometimes insufficient stock makes selling difficult because reports have to be checked manually. After that, they buy the product. So it's not real-time because it's still being checked and then bought. Therefore the author created a web-based system design to facilitate sales and display inventory at the Maju Jaya Motor workshop. The steps of the system development method used in this study are Communication, Planning, Modeling, Construction and Delivery. The proposed solution to this problem was expected with an app I built because it removes the need to manually check inventory, making buying parts there more reasonable. There is no need to do physical records when selling and servicing motorbikes because if the system already exists, it can be printed on the system and there is no need to summarize sales and service reports anymore.]]>
<![CDATA[Automatic Wound Image Segmentation with U-Net Model for Smartphone Application ]]>
<![CDATA[Sasongko, Agung]]>;
<![CDATA[Maulana, Muhammad Sony]]>;
<![CDATA[Mustopa, Ali]]>;
<![CDATA[Nugraha, Wahyu]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 10, No 2 (2024): Volume 10 No 2 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v10i2.78548
<![CDATA[Pengenalan citra luka memiliki potensi yang sangat penting dalam analisis luka, termasuk klasifikasi jenis luka, identifikasi infeksi, estimasi penyembuhan, dan penentuan perawatan yang tepat. Salah satu perkembangan terbaru dalam bidang ini adalah segmentasi otomatis pada citra, yang memanfaatkan kemajuan dalam deep learning untuk melakukan ekstraksi citra luka dengan menghilangkan piksel yang tidak relevan dengan luka. Dalam penelitian ini, kami melakukan evaluasi terhadap kinerja arsitektur U-Net dasar dan membandingkannya dengan tiga model pre-trained yang terkenal, termasuk MobileNet, MobileNetV2, EfficientNetB0, dan NasNet mobile sebagai backbone untuk meningkatkan kualitas segmentasi citra luka]]>
<![CDATA[Teknik Weighting untuk Mengatasi Ketidakseimbangan Kelas Pada Prediksi Churn Menggunakan XGBoost, LightGBM, dan CatBoost ]]>
<![CDATA[Nugraha, Wahyu]]>;
<![CDATA[Syarif, Muhamad]]>
<![CDATA[ Techno.Com Vol. 22 No. 1 (2023): Februari 2023 ]]>
Publisher : <![CDATA[LPPM Universitas Dian Nuswantoro ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33633/tc.v22i1.7191
<![CDATA[Churn merupakan kondisi dimana seseorang berpindah dari satu layanan ke layanan yang lain. Churn pelanggan menjadi masalah yang meningkat cukup signifikan dan menjadi tantangan utama yang harus dihadapi banyak perusahaan perbankan karena memiki peran penting terhadap laba perusahaan. Oleh sebab itu, diperlukan cara untuk memprediksi perilaku churn tepat waktu agar bisa menerapkan retensi pelanggan. Namun, Permasalahan yang dihadapi oleh model prediksi churn adalah ketidakseimbangan kelas sehingga membuat model klasifikasi menghasilkan kinerja yang buruk. Solusi yang paling sering digunakan untuk mengatasi masalah ketidakseimbangan kelas terbagi menjadi tiga pendekatan yaitu pendekatan level data, level algoritma dan ensemble. Setiap pendekatan mengalami beberapa masalah yang sulit diprediksi ketika digunakan untuk menangani masalah ketidakseimbangan kelas. Pada penelitian ini, peneliti melakukan eksperimen menggunakan metode ensemble berbasis boosting untuk melakukan prediksi churn pelanggan dan mencoba meningkatkan kinerjanya pada dataset yang tidak seimbang dengan parameter tuning menggunakan scale pos weight. Algoritma klasifikasi yang digunakan yaitu XGBoost (extreme gradient boosting), LightGBM (light gradient boosting machine) dan CatBoost. Hasil eksperimen akan membandingkan kinerja dari ketiga algoritma berbasis boosting tersebut dengan menyesuaikan bobot parameternya sebanyak tiga kali. Dari hasil pengujian, model CatBoost memperoleh nilai recall tertinggi sebesar 0.79. Sedangkan untuk nilai recall terendah adalah model CatBoost default dengan nilai 0.47. Bedasarkan hasil ekperimen dapat disimpulan bahwa model bekerja dengan cukup baik pada data yang tidak seimbang dengan memberikan mekanisme hyperparameter scale pos weightsehingga model dapat lebih fokus pada kelas minoritas yang sulit dideteksi. ]]>
<![CDATA[Teknik Scaling Menggunakan Robust Scaler Untuk Mengatasi Outlier Data Pada Model Prediksi Serangan Jantung ]]>
<![CDATA[Nugraha, Wahyu]]>;
<![CDATA[Sabaruddin, Raja]]>;
<![CDATA[Murni, Sri]]>
<![CDATA[ Techno.Com Vol. 23 No. 2 (2024): Mei 2024 ]]>
Publisher : <![CDATA[LPPM Universitas Dian Nuswantoro ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.62411/tc.v23i2.10463
<![CDATA[Serangan jantung adalah salah satu faktor utama dalam tingginya tingkat angkat penyebab kematian di seluruh dunia dan memerlukan prosedur diagnosa yang canggih sehingga dapat mengakibatkan peningkatan biaya yang signifikan. Memprediksi penyakit jantung merupakan tantangan utama dalam bidang kesehatan karena keterbatasan peralatan diagnosis penyakit ini. Prediksi penyakit jantung yang akurat sangat penting untuk mengobati pasien sebelum serangan jantung terjadi. Prediksi ini dapat dicapai dengan menggunakan model pembelajaran mesin (machine learning) yang optimal dengan data layanan kesehatan yang kaya (datasets) mengenai penyakit jantung. Namun, Permasalahan yang umumnya dihadapi oleh model prediksi penyakit jantung seperti data yang menyimpang secara ekstrim (outliers), data yang hilang, data yang tidak konsisten, dan data yang tercampur baik secara numerik maupun kategorikal. Data yang tidak konsisten menyebabkan kemungkinan kesalahan prediksi dan akan mempengaruhi hasil dari prediksi. Pada penelitian ini kami mencoba mengatasi masalah outlier pada dataset penyakit jantung menggunakan salah satu metode feature scaling yaitu robust scaler. Hasil Eksperimen dengan model klasifikasi algoritma K-Nearest Neighbors menggunakan metode scaling robust scaler memperoleh nilai lebih baik dibandingkan dengan tanpa robust scaler dengan nilai F1 score sebesar 0.86.]]>
<![CDATA[MWMOTE DALAM MENGATASI KETIDAKSEIMBANGAN KELAS PADA PREDIKSI CHURN MENGGUNAKAN KLASIFIKASI C4.5 ]]>
<![CDATA[Syarif, Muhamad]]>;
<![CDATA[Nugraha, Wahyu]]>
<![CDATA[ JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 1 (2023): JATI Vol. 7 No. 1 ]]>
Publisher : <![CDATA[Institut Teknologi Nasional Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36040/jati.v7i1.6070
<![CDATA[Churn prediction merupakan salah satu cara untuk memprediksi pelanggan yang berpotensi untuk churn. Metode klasifikasi dapat menjadi salah satu alternatif solusi untuk membuat model churn prediction yang akurat. Karakteristik dari data churn adalah tingkat imbalance yang besar, karena pelanggan yang melakukan churn jauh lebih sedikit dibandingkan pelanggan yang loyal. Perlu melakukan pendekatan pada level data untuk mengatasi imbalance yaitu dengan teknik resampling. Penerapan resampling pada data yang imbalance, maka tingkat imbalance akan semakin kecil dan klasifikasi dapat dilakukan dengan menggunakan metode Oversampling. Metode ini dilakukan dengan menyeimbangkan jumlah distribusi data dengan meningkatkan jumlah data kelas minoritas. MWMOTE (Majority Weighted Minority Oversampling Technique for Imbalanced Data Set Learning) adalah salah satu metode oversampling. MWMOTE terbukti lebih baik dan sebanding dari hasil pengujian menggunakan 24 dataset. Hasil penelitian ini yaitu menghasilkan perbandingan nilai antara penggunaan MWMOTE dan tanpa MWMOTE, hasil perbandingan dapat dilihat pada hasil grafik perbandingan nilai sensitivity, specificity dan AUC. Hasilnya menunjukan peningkatan yang signifikan pada nilai sensitifity dan nilai AUC. Sehingga metode MWMOTE membuktikan menghasilkan nilai yang lebih baik pada penggujian yang menerapkan algoritma klasifikasi C4.5 dataset churn prediction.]]>
<![CDATA[Evaluasi Performa Algoritma Klasifikasi dalam Prediksi Gagal Jantung: Studi Kasus Dataset Heart Failure Prediction ]]>
<![CDATA[Nugraha, Wahyu]]>;
<![CDATA[Syarif , Muhamad]]>
<![CDATA[ Techno.Com Vol. 23 No. 4 (2024): November 2024 ]]>
Publisher : <![CDATA[LPPM Universitas Dian Nuswantoro ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.62411/tc.v23i4.11685
<![CDATA[Kegagalan jantung (Heart Failure) merupakan salah satu penyebab utama kematian dan morbiditas secara global, dengan lebih dari 26 juta orang terdampak di seluruh dunia. Deteksi dini kegagalan jantung sangat penting untuk mencegah komplikasi yang lebih serius, namun diagnosis sering kali sulit dilakukan karena gejala yang tidak spesifik. Pembelajaran mesin (machine learning) telah banyak digunakan untuk membantu prediksi risiko kegagalan jantung melalui analisis data medis. Berbagai algoritma klasifikasi telah diimplementasikan dalam berbagai penelitian sebalumnya, namun belum ada konsensus mengenai algoritma terbaik. Penelitian ini bertujuan untuk melakukan komparasi performa beberapa algoritma klasifikasi dalam memprediksi gagal jantung, menggunakan dataset Heart Failure Prediction dari Kaggle. Algoritma yang diuji termasuk Logistic Regression, K-Nearest Neighbors (KNN), Decision Tree, Random Forest, GaussianNB, dan LightGBM. Hasil menunjukkan bahwa algoritma Random Forest memberikan performa terbaik dengan akurasi 95 persen, sedangkan algoritma KNN menunjukkan akurasi terendah sebesar 76 persen. Penelitian ini diharapkan dapat berkontribusi dalam pengembangan sistem pendukung keputusan klinis yang lebih baik untuk prediksi kegagalan jantung. Kata Kunci: Heart Failure, mesin pembelajaran algoritma klasifikasi]]>
