Garuda - Garba Rujukan Digital

Workshop Literasi Digital Penggunaan Aplikasi Bagi Guru SMKS Pangeran Antasari Deli Serdang Sumatera Utara: Digital Literacy Workshop on Application Usage for Prince Antasari Vocational High School Teachers, Deli Serdang, North Sumatra Heri Kusnadi; Amrullah; Agus Fahmi Limas Ptr; Trinanda Syahputra; Egi Affandi
ABDI SABHA (Jurnal Pengabdian kepada Masyarakat) Vol. 3 No. 2 (2022): Juni
Publisher : CERED Indonesia Publishing

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

Pandemi Covid-19 menjadi salah satu pendorong transformasi dunia pendidikan. Hal ini mendorong pentingnya pemahaman literasi digital guru dalam menyikapi transformasi pendidikan di masa pandemi Covid-19. Sebagian besar guru memiliki keterampilan digital yang tidak berbanding lurus dengan perkembangan teknologi digital yang dapat digunakan untuk pembelajaran. Kondisi ini menunjukkan bahwa keterampilan digital yang dimiliki guru masih belum memuaskan, untuk itu guru perlu memahami literasi digital. Pengabdian kepada Masyarakat ini bertujuan untuk memberikan informasi dan menambah pengetahuan guru tentang literasi digital selama pembelajaran di masa pandemi Covid-19. Sasaran adalah guru SMKS Pangeran Antasari Deli serdang Sumatera Utara. Hasil kegiatan PKM menunjukkan peningkatan pemahaman literasi digital yang signifikan, yaitu sebesar 37.43%. Dengan kata lain, terjadi peningkatan pemahaman literasi digital guru terhadap permasalahan yang muncul akibat transformasi digital pendidikan.

IOT Network Automation Implementation in Router Configuration Handling: Implementasi IOT Network Automation Pada Penanganan Konfigurasi Router A F Limas Ptr; B H Hayadi
Jurnal MESIL (Mesin Elektro Sipil) Vol. 3 No. 1 (2022): Jurnal MESIL (Mesin Elektro Sipil)
Publisher : Cered Indonesia Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53695/jm.v3i1.639

Network Automation or network automation in terms is the process of automating the configuration, management, testing, deployment, and operation of physical and virtual devices in a network. Thus, in this study, we will discuss the design of an IoT-based system for handling router configurations. This IoT-based router handling system uses the Python programming language which will be used as a command source on the server as a router configuration control. This system can also remotely use a smartphone so that it can be seen whether the configuration is running or system error. With this IoT-based router handling system, it will be easier for engineers to remotely and configure routers and save time in the router configuration process.

Analysis of Gradient Boosting, XGBoost, and CatBoost on Mobile Phone Classification Agus Fahmi Limas Ptr; Muhammad Mizan Siregar; Irwan Daniel
Journal of Computer Networks, Architecture and High Performance Computing Vol. 6 No. 2 (2024): Articles Research Volume 6 Issue 2, April 2024
Publisher : Information Technology and Science (ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/cnahpc.v6i2.3790

In the ever-evolving landscape of mobile phone technology, accurately classifying device specifications is paramount for market analysis and consumer decision-making. This research conducts a comprehensive analysis of mobile phone specification classification using three prominent machine learning algorithms: Gradient Boosting, XGBoost, and CatBoost. Through meticulous dataset acquisition and preprocessing steps, including resolution normalization and price categorization, features essential for classification analysis were standardized. Robust cross-validation techniques were employed to assess model performance effectively. The study demonstrates the significant impact of normalization techniques on improving model performance across all algorithms and fold variations. CatBoost consistently emerges as the top-performing algorithm, followed closely by XGBoost, with Gradient Boosting displaying respectable performance. Notably, CatBoost consistently achieves the highest AUC values and accuracy scores, demonstrating superior performance in accurately classifying mobile phone specifications. These findings underscore the importance of preprocessing methods and algorithm selection in achieving optimal classification results. For mobile phone manufacturers, leveraging machine learning algorithms for effective classification can inform product development strategies, optimizing offerings based on consumer preferences. Similarly, for data analysts, employing appropriate preprocessing techniques and algorithmic approaches can lead to more accurate predictions and informed decision-making. Future research avenues include exploring advanced preprocessing methods, investigating alternative algorithms, and incorporating additional features or datasets to enrich the classification process. Overall, this research contributes to understanding mobile phone specification classification through machine learning methodologies, offering actionable insights for industry practitioners and researchers to address evolving market dynamics and consumer preferences.

Klasifikasi Risiko Penyakit Jantung Dengan Multilayer Perceptron Irwan Daniel; Limas Ptr, Agus Fahmi; Ichsan, Aulia
Data Sciences Indonesia (DSI) Vol. 4 No. 1 (2024): Article Research Volume 4 Issue 1, June 2024
Publisher : ITScience (Information Technology and Science)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v4i1.4667

Penyakit jantung merupakan salah satu penyebab utama kematian di seluruh dunia, dengan deteksi dini yang seringkali menjadi tantangan karena gejala awalnya yang tidak spesifik. Penelitian ini bertujuan untuk mengevaluasi efektivitas model Multilayer Perceptron (MLP) dalam klasifikasi risiko penyakit jantung dengan membandingkan dua fungsi aktivasi, yaitu ReLU dan Tanh. Dataset yang digunakan terdiri dari 1190 entri dengan 11 fitur kesehatan, yang dibagi dalam rasio 80:20 untuk pelatihan dan pengujian. Model MLP dikembangkan dengan tiga lapisan tersembunyi, dan setiap model diterapkan dengan fungsi aktivasi ReLU dan Tanh untuk mengevaluasi performa masing-masing fungsi dalam mengklasifikasikan risiko penyakit jantung. Evaluasi model dilakukan menggunakan metrik akurasi, presisi, dan recall. Hasil penelitian menunjukkan bahwa model MLP dengan fungsi aktivasi ReLU memperoleh akurasi sebesar 81,51%, presisi 81,77%, dan recall 81,51%, sedangkan model dengan fungsi aktivasi Tanh mencapai akurasi 80,25%, presisi 80,32%, dan recall 80,25%. Perbedaan ini mengindikasikan bahwa ReLU unggul dalam hal akurasi dan metrik evaluasi lainnya, menjadikannya pilihan yang lebih efektif untuk deteksi dini penyakit jantung. Temuan ini memberikan insight berharga tentang bagaimana pemilihan fungsi aktivasi dapat mempengaruhi kinerja model dalam klasifikasi risiko penyakit, serta menggarisbawahi pentingnya pemilihan teknik yang tepat untuk meningkatkan akurasi deteksi dalam aplikasi medis

Modeling Digital Image Segmentation with Canny Method Ptr, Agus Fahmi Limas; Rosnelly, Rika; Junaidi, Junaidi; Amrullah, Amrullah
Sinkron : jurnal dan penelitian teknik informatika Vol. 7 No. 2 (2023): Research Article, Volume 7 Issue 2 April, 2023
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v8i2.12263

In general, the segmentation process is divided into three parts. classification, by edge, and by area. The digital image segmentation process divides an object whose surface or background maintains the RGB value of all pixels of a digital image so that the object can be processed for other purposes. This system aims to execute drawing objects using intelligent methods. In the Canny method, the process begins with taking digital images and continues with the grayscale process. In addition, technique selection starts with performing a complex operator or Laplacian edge detection and finally unlocks it. Successful segmentation results using edge detection with intelligent operators to separate objects. This system uses the Matlab 2017 application.

Klasifikasi Risiko Penyakit Jantung Dengan Multilayer Perceptron Irwan Daniel; Limas Ptr, Agus Fahmi; Ichsan, Aulia
Data Sciences Indonesia (DSI) Vol. 4 No. 1 (2024): Article Research Volume 4 Issue 1, June 2024
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v4i1.4667

Penyakit jantung merupakan salah satu penyebab utama kematian di seluruh dunia, dengan deteksi dini yang seringkali menjadi tantangan karena gejala awalnya yang tidak spesifik. Penelitian ini bertujuan untuk mengevaluasi efektivitas model Multilayer Perceptron (MLP) dalam klasifikasi risiko penyakit jantung dengan membandingkan dua fungsi aktivasi, yaitu ReLU dan Tanh. Dataset yang digunakan terdiri dari 1190 entri dengan 11 fitur kesehatan, yang dibagi dalam rasio 80:20 untuk pelatihan dan pengujian. Model MLP dikembangkan dengan tiga lapisan tersembunyi, dan setiap model diterapkan dengan fungsi aktivasi ReLU dan Tanh untuk mengevaluasi performa masing-masing fungsi dalam mengklasifikasikan risiko penyakit jantung. Evaluasi model dilakukan menggunakan metrik akurasi, presisi, dan recall. Hasil penelitian menunjukkan bahwa model MLP dengan fungsi aktivasi ReLU memperoleh akurasi sebesar 81,51%, presisi 81,77%, dan recall 81,51%, sedangkan model dengan fungsi aktivasi Tanh mencapai akurasi 80,25%, presisi 80,32%, dan recall 80,25%. Perbedaan ini mengindikasikan bahwa ReLU unggul dalam hal akurasi dan metrik evaluasi lainnya, menjadikannya pilihan yang lebih efektif untuk deteksi dini penyakit jantung. Temuan ini memberikan insight berharga tentang bagaimana pemilihan fungsi aktivasi dapat mempengaruhi kinerja model dalam klasifikasi risiko penyakit, serta menggarisbawahi pentingnya pemilihan teknik yang tepat untuk meningkatkan akurasi deteksi dalam aplikasi medis

Penggunaan Metode Analytical Hierarchy Process dalam Penentuan Periode Optimal Performa Layanan Perpustakaan Kota Medan Junaidi, Junaidi; Lubis, Muhammad Zulkarnain; Limas Ptr, Agus Fahmi
JURNAL UNITEK Vol. 18 No. 1 (2025): Januari - Juni 2025
Publisher : Sekolah Tinggi Teknologi Dumai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52072/unitek.v18i1.1237

Perpustakaan Kota Medan memiliki peran penting dalam menyediakan layanan informasi kepada masyarakat. Untuk memastikan layanan yang optimal, evaluasi berkala terhadap performa layanan perpustakaan sangat diperlukan. Penelitian ini bertujuan untuk menentukan periode optimal evaluasi performa layanan menggunakan metode Analytical Hierarchy Process (AHP). Dengan melibatkan kriteria seperti kepuasan pengguna, efisiensi operasional, dan pemanfaatan sumber daya, AHP digunakan untuk menganalisis dan menentukan interval waktu evaluasi yang paling efektif. Hasil penelitian menunjukkan bahwa periode triwulanan, khususnya bulan Juli, memiliki skor preferensi tertinggi (0.772), diikuti oleh Desember (0.675) dan Agustus (0.650). Penerapan AHP memberikan dasar yang kuat untuk pengambilan keputusan dan dapat membantu manajemen perpustakaan dalam meningkatkan kualitas layanan secara berkelanjutan. Data kuantitatif mendukung temuan ini, menunjukkan bahwa evaluasi yang tepat dapat meningkatkan kepuasan pengguna dan efisiensi operasional

Analysis of Gradient Boosting, XGBoost, and CatBoost on Mobile Phone Classification Agus Fahmi Limas Ptr; Siregar, Muhammad Mizan; Daniel, Irwan
Journal of Computer Networks, Architecture and High Performance Computing Vol. 6 No. 2 (2024): Articles Research Volume 6 Issue 2, April 2024
Publisher : Information Technology and Science (ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/cnahpc.v6i2.3790

In the ever-evolving landscape of mobile phone technology, accurately classifying device specifications is paramount for market analysis and consumer decision-making. This research conducts a comprehensive analysis of mobile phone specification classification using three prominent machine learning algorithms: Gradient Boosting, XGBoost, and CatBoost. Through meticulous dataset acquisition and preprocessing steps, including resolution normalization and price categorization, features essential for classification analysis were standardized. Robust cross-validation techniques were employed to assess model performance effectively. The study demonstrates the significant impact of normalization techniques on improving model performance across all algorithms and fold variations. CatBoost consistently emerges as the top-performing algorithm, followed closely by XGBoost, with Gradient Boosting displaying respectable performance. Notably, CatBoost consistently achieves the highest AUC values and accuracy scores, demonstrating superior performance in accurately classifying mobile phone specifications. These findings underscore the importance of preprocessing methods and algorithm selection in achieving optimal classification results. For mobile phone manufacturers, leveraging machine learning algorithms for effective classification can inform product development strategies, optimizing offerings based on consumer preferences. Similarly, for data analysts, employing appropriate preprocessing techniques and algorithmic approaches can lead to more accurate predictions and informed decision-making. Future research avenues include exploring advanced preprocessing methods, investigating alternative algorithms, and incorporating additional features or datasets to enrich the classification process. Overall, this research contributes to understanding mobile phone specification classification through machine learning methodologies, offering actionable insights for industry practitioners and researchers to address evolving market dynamics and consumer preferences.

Title

Found 8 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 8 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 8 Documents
Search