Garuda - Garba Rujukan Digital

Optimization of Deep Neural Networks with Particle Swarm Optimization Algorithm for Liver Disease Classification Muhammad Nejatullah Sidqi; Dian Palupi Rini; Samsuryadi Samsuryadi
Computer Engineering and Applications Journal Vol 12 No 1 (2023)
Publisher : Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18495/comengapp.v12i1.432

Liver disease has affected more than one million new patients in the world. which is where the liver organ has an important role function for the body's metabolism in channeling several vital functions. Liver disease has symptoms including jaundice, abdominal pain, fatigue, nausea, vomiting, back pain, abdominal swelling, weight loss, enlarged spleen and gallbladder and has abnormalities that are very difficult to detect because the liver works as usual even though some liver functions have been damaged. Diagnosis of liver disease through Deep Neural Network classification, optimizing the weight value of neural networks with the Particle Swarm Optimization algorithm. The results of optimizing the PSO weight value get the best accuracy of 92.97% of the Hepatitis dataset, 79.21%, Hepatitis 91.89%, and Hepatocellular 92.97% which is greater than just using a Deep Neural Network.

PENGGUNAAN APLIKASI CANVA SEBAGAI MEDIA PEMBELAJARAN PADA GURU DISMP NEGERI 4 KOTA LUBUKLINGGAU M. Nejatullah Sidqi; Shinta Aprilisa; Rani Oktafelani; M. Rusni Eka Putra
PKM Linggau: Jurnal Pengabdian dan Pemberdayaan Masyarakat Vol. 3 No. 2 (2023): Jurnal PKM Linggau (Jurnal Pengabdian dan Pemberdayaan Masyarakat)
Publisher : LP3MKIL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55526/pkml.v3i2.549

Perkembangan teknologi yang sangat pesat memberikan manfaat pada bidang pendidikan. Saat ini pengembangan media pembelajaran pada suatu pendidikan semakin pesat mulai dari pemanfaatan aplikasi canva. Aplikasi canva merupakan suatu platform desain berbasis online dengan memberikan suatu fitur-fitur yang sangat baik, berupa template, gambar serta kategori-kategori desain yang menarik sesuai dengan harapan, sehingga membuat sebuah proses pembelajaran yang tidak membosankan. Penggunaan aplikasi canva sebagai media pembelajaran, guru dapat memberikan dan menyampaikan materi serta mengajarkan ilmu pengetahuan, keterampilan yang akan diperloleh peserta didik atau siswa. Aplikasi canva dapat meningkatkan suatu motivasi dan literasi sains, sebagai media penunjang yang baik serta layak saat aktivitas belajar. Penggunaan aplikasi canva dilakukan saat kegiatan pengabdian kepada masyarakat terhadap guru SMP Negeri 4 kota lubuklinggau. Sedangkan metode pelaksanan kegiatan tersebut dilakukan mulai dari presentasi dan diskusi, mengenai apa saja yang akan dilakukan pada pelatihan tersebut. Kemudian melakukan pelatihan dan demostrasi secara langsung kepada guru SMP Negeri 4 Lubuklinggau. Selain itu juga mempersiapkan sarana dan prasana penunjang kelancaran kegiatan pengabdian. Hasil yang diperoleh dalam kegiatan ini adalah peningkatan kompetensi guru melalui canva. Hal ini telihat dari keaktifan peserta dalam mengikutin kegiatan, sehingga menghasilkan suatu kreativitas saat pembuatan bahan ajar serta meningkatkan kompetensi guru dalam penggunaan teknologi, pada aplikasi canva untuk media pembelajaran

PENDAMPINGAN PEMANFAATAN PLATFORM SISTEM INFORMASI CLOUD COMPUTING SEBAGAI MEDIA PENYIMPANAN DATA M. Nejatullah Sidqi; Rio; Ahmad Marsehan
PKM Linggau: Jurnal Pengabdian dan Pemberdayaan Masyarakat Vol. 4 No. 1 (2024): Jurnal PKM Linggau (Jurnal Pengabdian dan Pemberdayaan Masyarakat)
Publisher : LP3MKIL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55526/pkml.v4i1.629

Pengetahuan tentang teknologi sistem informasi cloud computing dapat memberikan informasi ketahui lebih lanjut tentang cloud computing dapat membantu Anda memahami definisi, arsitektur, dan model pengiriman layanan yang dimilikinya. Cloud computing saat ini menghadapi masalah dengan efisiensi dan kelincahan sistem. Oleh karena itu, penggunaan komputasi awan sangat penting, terutama untuk menyimpan informasi yang sangat penting dengan kemananan yang tinggi. Tujuan dari kegiatan ini adalah untuk mengajar guru tentang manfaat dasar teknologi cloud computing dan tentang pentingnya teknologi ini dalam pekerjaan sehari-hari mereka. Hasil penelitian menunjukkan bahwa guru telah berhasil menggunakan cloud computing dalam pembelajaran kelas dengan melihat dan terus memantau. Hingga saat ini, guru telah terbiasa dengan penggunaan cloud dan tidak menghadapi masalah.

PELATIHAN GURU DALAM MENGOPTIMALKAN PENGGUNAAN PLATFORM MERDEKA MENGAJAR (PMM) DI SMP NEGERI 4 KOTA LUBUKLINGGAU Shinta Aprilisa; Rani Okta Felani; M. Nejatullah Sidqi
PKM Linggau: Jurnal Pengabdian dan Pemberdayaan Masyarakat Vol. 4 No. 1 (2024): Jurnal PKM Linggau (Jurnal Pengabdian dan Pemberdayaan Masyarakat)
Publisher : LP3MKIL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55526/pkml.v4i1.630

Platform Merdeka Mengajar (PMM) merupakan platform yang mengakomodasi guru dalam mendapatkan acuan, inspirasi dan pemahaman tentang kurikulum merdeka. Platform Merdeka Mengajar membantu guru dalam mengembangkan kreativitas dikarenakan platform ini memberikan fasilitas pelatihan mandiri dengan akses yang tidak terbatas. Tujuan yang diharapkan dalam kegiatan pengabdian ini adalah untuk meningkatkan kompetensi guru di SMP Negeri 4 Lubuklinggau dalam melaksanakan pembelajaran dengan media berbasis IT dengan mamanfaatkan Platform Merdeka Mengajar yang sesuai kebutuhan dalam peningkatan kualitas pembelajaran siswa. Metode penelitian yang digunakan adalah penelitian deskriptif kualitatif dengan teknik pengumpulan data yaitu wawancara, observasi dan pengisian angket. Kegiatan pelatihan ini dilakukan di SMP Negeri 4 Lubuklinggau dengan metode pelaksanaan kegiatan dimulai dari penyampaian materi dengan metode ceramah, diskusi dan praktik langsung. Pelaksanaan kegiatan pengabdian dilakukan melalui tiga tahapan yaitu persiapan, pelatihan dalam penggunaan aplikasi PMM, dan tahap evaluasi. Hasil dari pelaksanaan kegiatan PKM menunjukkan bahwa guru mendapatkan pemahaman tentang kurikulum merdeka serta pelatihan Pemanfaatan Platform Merdeka Mengajar ini memiliki manfaat besar dalam pembelajaran yang dirasakan oleh guru sebesar 94%.

Sistem Informasi Tracer Study Berbasis Website Pada Prodi Teknologi Informasi Universitas PGRI Silampari Sidqi, M. Nejatullah; Marsehan, Ahmad
INTECOMS: Journal of Information Technology and Computer Science Vol 8 No 1 (2025): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/intecoms.v8i1.13578

Kemajuan teknologi informasi mendukung berbagai aktivitas, terutama pengelolaan data dan informasi di bidang pendidikan. Perguruan tinggi membutuhkan informasi alumni untuk akreditasi dan evaluasi kurikulum. Program Studi Teknologi Informasi Universitas PGRI Silampari mempersiapkan lulusan yang kompeten dan siap kerja sesuai kebutuhan industri. Alumni berperan penting dalam memberikan masukan konstruktif untuk meningkatkan kualitas pendidikan dan relevansi kurikulum dengan dunia kerja. Tracer Study menjadi aktivitas penting untuk mendapatkan umpan balik terkait relevansi pendidikan, daya saing lulusan, dan kepuasan pengguna. Penelitian ini bertujuan merancang sistem Tracer Study berbasis web guna meningkatkan efisiensi pengelolaan data alumni, mendukung akreditasi, dan memetakan kebutuhan dunia kerja. Sistem ini diharapkan mempermudah alumni dalam pengisian data dan memenuhi kebutuhan institusi untuk akreditasi serta evaluasi. Target penelitian adalah publikasi di jurnal nasional terakreditasi. Kata Kunci: Tracer Study, Sistem Informasi Berbasis Web, Alumni, Kompetensi Lulusan, Evaluasi Kurikulum.

Optimization of Deep Neural Networks with Particle Swarm Optimization Algorithm for Liver Disease Classification Sidqi, Muhammad Nejatullah; Rini, Dian Palupi; Samsuryadi
Computer Engineering and Applications Journal (ComEngApp) Vol. 12 No. 1 (2023)
Publisher : Universitas Sriwijaya

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

Liver disease has affected more than one million new patients in the world. which is where the liver organ has an important role function for the body's metabolism in channeling several vital functions. Liver disease has symptoms including jaundice, abdominal pain, fatigue, nausea, vomiting, back pain, abdominal swelling, weight loss, enlarged spleen and gallbladder and has abnormalities that are very difficult to detect because the liver works as usual even though some liver functions have been damaged. Diagnosis of liver disease through Deep Neural Network classification, optimizing the weight value of neural networks with the Particle Swarm Optimization algorithm. The results of optimizing the PSO weight value get the best accuracy of 92.97% of the Hepatitis dataset, 79.21%, Hepatitis 91.89%, and Hepatocellular 92.97% which is greater than just using a Deep Neural Network.

Hyperparameter Tuning Model Artificial Neural Network untuk Klasfikasi Penyakit Breast Cancer Sidqi, M Nejatullah; Marsehan, Ahmad; Rio, Rio; Felani, Rani Okta
Jurnal Teknik Industri Terintegrasi (JUTIN) Vol. 7 No. 3 (2024): July
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jutin.v7i3.31469

Cancer is a deadly disease that is often experienced unexpectedly. Cancer does not only attack adults and the elderly, even newborn babies can get cancer. Breast cancer is the number one cancer disease in Indonesia and is one of the main causes of death due to cancer. According to Globocan 2020, the number of new cases of breast cancer in Indonesia increased from 396,914 new cancer cases to 68,858 cases (16.6%). There was a trial for early diagnosis of breast cancer carried out on the Breast Cancer dataset, totaling 569 patients with target categories namely Malignant (malignant cancer) and Benign (benign cancer). This diagnosis aims to carry out classification using data mining to extract new information and knowledge. The method applied uses the Artificial Neural Network (ANN) algorithm, using parameters, 1 layer and 250 to 500 epochs. Meanwhile, the activation functions used are ReLU and Sigmoid activation. Then the best classification results were produced by 250 epochs with an accuracy of 98.24%.

Analisis Sentimen Komentar Pengguna Aplikasi Astro Shop Di Google Playstrore Menggunakan Metode Support Vector Machine (SVM) Rio; Sidqi, M. Nejatullah; Aprilisa, Shinta; Aulia, Rizka; Lea, Al Ilham
Jurnal Multimedia dan Teknologi Informasi (Jatilima) Vol. 7 No. 04 (2025): Jatilima : Jurnal Multimedia Dan Teknologi Informasi
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jatilima.v7i04.1826

Transformasi digital dalam satu dekade terakhir telah mendorong meningkatnya penggunaan aplikasi seluler untuk berbagai aktivitas, termasuk belanja daring. Salah satu aplikasi yang tengah berkembang di Indonesia adalah Astro Shop, yang memanfaatkan layanan pengiriman instan sebagai nilai unggulannya. Melimpahnya ulasan pengguna di Google Play Store menjadikan data tersebut sebagai sumber informasi berharga untuk mengevaluasi kualitas layanan. Namun, tingginya volume komentar yang bersifat tidak terstruktur memerlukan pendekatan analisis otomatis agar dapat diolah secara efektif. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan pengguna aplikasi Astro Shop dengan memanfaatkan algoritma Support Vector Machine (SVM). Data yang digunakan berjumlah 1.729 komentar dari Google Play Store yang dikumpulkan melalui teknik web crawling menggunakan Python. Selanjutnya, data diproses melalui tahapan pra-pemrosesan yang meliputi case folding, pembersihan teks, tokenisasi, penghapusan stopword, normalisasi, dan stemming. Fitur kata kemudian direpresentasikan dengan metode Term Frequency-Inverse Document Frequency (TF-IDF) sebelum digunakan pada tahap pelatihan dan pengujian model klasifikasi. Hasil evaluasi menunjukkan bahwa model SVM mampu mencapai akurasi keseluruhan sebesar 98%. Kelas negatif memiliki performa terbaik dengan precision 0,98, recall 1,00, dan f1-score 0,99, sementara kelas positif mencatat f1-score 0,69 dengan recall relatif rendah (0,54). Model tidak dapat memprediksi kelas netral karena jumlah data yang terlalu sedikit. Validasi silang 10-fold menunjukkan akurasi konsisten pada rentang 96,8% hingga 98,4%, yang menandakan model memiliki kemampuan generalisasi yang baik.

Komparasi Kinerja Algoritma Random Forest dan Decision Tree dalam Klasifikasi Penyakit Jantung M. Nejatullah Sidqi; Rio
LogicLink Vol. 3 No. 1, June 2026
Publisher : Universitas Islam Negeri K.H. Abdurrahman Wahid Pekalongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28918/logiclink.v3i1.01

Penyakit jantung masih menjadi penyakit yang merenggut banyak nyawa, sehingga sangat penting untuk menemukan cara yang lebih cepat dan akurat dalam mendiagnosisnya. Perkembangan pesat dalam pembelajaran mesin kini membuka peluang untuk memanfaatkan berbagai algoritma klasifikasi guna memprediksi penyakit jantung berbekal data medis pasien. Studi ini berupaya membandingkan efektivitas algoritma Decision Tree dan Random Forest dalam mengklasifikasikan penyakit jantung dengan memanfaatkan kumpulan data Penyakit Jantung. Tahapan penelitian mencakup pengumpulan data, pembersihan dan penataan data awal, penjelajahan data (EDA), pembagian data menjadi set pelatihan dan pengujian, pelatihan model, serta penilaian kinerja melalui Confusion Matrix dan perhitungan tingkat akurasi. Berdasarkan evaluasi, algoritma Decision Tree mencapai tingkat akurasi 93,44% pada data pelatihan dan 87,34% pada data pengujian. Analisis Confusion Matrix untuk model ini mencatat 123 kasus True Negative, 146 True Positive, 27 False Positive, dan 12 False Negative. Sementara itu, algoritma Random Forest tampil lebih superior dengan akurasi pelatihan 99,02% dan akurasi pengujian 97,73%. Confusion Matrix untuk Random Forest mencatat 147 True Negative, 154 True Positive, 3 False Positive, dan 4 False Negative. Temuan ini menunjukkan bahwa Random Forest menawarkan akurasi yang lebih baik dan mengurangi kesalahan prediksi dibandingkan dengan Decision Tree. Hal ini mengindikasikan bahwa Random Forest lebih handal dalam mengidentifikasi pola data yang berkaitan dengan penyakit jantung dan lebih baik dalam menggeneralisasi hasilnya. Dengan demikian, algoritma Random Forest direkomendasikan sebagai pendekatan yang lebih efektif untuk klasifikasi penyakit jantung karena kemampuannya memberikan prediksi yang lebih akurat dan stabil.

Perbandingan Optimizer dan RMSPROP Menggunakan Arsitektur ANN untuk Klasifikasi Pengenalan Tulisan Tangan M. Nejatullah Sidqi; Rio
Infotek: Jurnal Informatika dan Teknologi Vol. 9 No. 2 (2026): Infotek : Jurnal Informatika dan Teknologi
Publisher : Fakultas Teknik Universitas Hamzanwadi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29408/jit.v9i2.34653

This study discusses the performance comparison of two optimization algorithms, Adam and RMS Prop, in training an Artificial Neural Network (ANN) for handwriting recognition classification tasks using the MOIST dataset. The MOIST dataset contains 70,000 handwritten digit images (0–9) measuring 28×28 pixels. The research stages include dataset input, preprocessing (pixel normalization, training and testing data division, and label conversion to one-hot encoding), weight initialization, and ANN model training with variations of Adam and RMS Prop optimizers. Model performance was tested using accuracy, precision, recall, and F1-score. The test results were carried out using the Google Cola application; the testing scheme was carried out in a structured manner with epoch iterations of 50, 100, 150, 200 and 250 on the Adam and RMS Prop optimizers. The test shows that the Adam optimizer generally provides higher accuracy and faster convergence than RMS Prop on the MOIST dataset, thanks to a combination of momentum and a more stable learning rate adaptation. However, RMS Prop still excels in weight update stability in some cases and tends to be more consistent on datasets with fluctuating gradient distributions.

Title

Found 11 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 11 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 11 Documents
Search