Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Digital Business AI dan SPK : Jurnal Artificial Intelligent dan Sistem Penunjang Keputusan
Hakim, Ilham Abdul
Unknown Affiliation
Aerospace Engineering Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Sistem Pakar Untuk Diagnosa Gaya Belajar Mahasiswa Dengan Metode Backward Chaining Setiyadi, Yusnar; Hakim, Ilham Abdul; Syahdan , Muhammad; Riska Amalia, Asha; Saifudin, Aries
AI dan SPK : Jurnal Artificial Intelligent dan Sistem Penunjang Keputusan Vol. 1 No. 4 (2024): Jurnal AI dan SPK : Jurnal Artificial Inteligent dan Sistem Penunjang Keputusan
Publisher : CV. Shofanah Media Berkah

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

Abstract

Dalam dunia pendidikan, pemahaman terkait gaya belajar individu adalah sebuah aspek penting dalam merancang strategi pembelajaran yang efektif. Tujuan dari penelitian ini adalah untuk implementasi sebuah sistem pakar yang mampu mendiagnosis gaya belajar mahasiswa menggunakan metode backward chaining. Metode ini dipilih karena mampu mencapai kesimpulan dengan mengidentifikasi gejala terkait gaya belajar tertentu dan kemudian menelusuri kembali ke penyebab yang mungkin. Selama tahap pengembangan, kuesioner disebarkan kepada mahasiswa guna pengumpulan data penelitian. Data tersebut kemudian dianalisis menggunakan teknik pengolahan data dan analisis statistik untuk mengidentifikasi pola dan hubungan antara gejala dengan gaya belajar. Berdasarkan data ini, sistem pakar dikembangkan dengan menggunakan aturan-aturan yang dipetakan dari pengetahuan para ahli dalam bidang gaya belajar. Hasil evaluasi menunjukkan bahwa sistem pakar yang dikembangkan memiliki tingkat akurasi yang tinggi dalam mendiagnosis cara belajar mahasiswa. Implementasi sistem ini diharapkan dapat membantu pendidik dan mahasiswa dalam memahami preferensi belajar masingmasing individu, sehingga memungkinkan perancangan strategi pembelajaran yang lebih sesuai dan efektif dalam meningkatkan hasil pembelajaran mahasiswa.
Peran Keamanan Basis Data Relasional dalam Menjamin Kualitas Data untuk Proses Data Mining: Studi Kasus Klasifikasi Aktivitas Akses Berisiko Syahdan , Muhammad; Zaelani , Ahmad; Fikriansyah , Muhamad; sidiq , Rizal jafar; Hakim, Ilham Abdul; Zakaria, Hadi
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 2 (2025): Mei - Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i2.1418

Abstract

Pertumbuhan data digital yang sangat cepat di era modern menuntut sistem pengelolaan data yang aman, andal, dan terstruktur. Basis data relasional menjadi tulang punggung dari berbagai sistem informasi, menyimpan data yang sensitif dan penting untuk operasional organisasi. Di sisi lain, data mining menjadi alat penting untuk mengekstrak pola dan informasi strategis dari volume data yang besar. Namun, keandalan hasil data mining sangat dipengaruhi oleh kualitas dan keamanan data yang digunakan. Artikel ini mengkaji integrasi antara sistem keamanan basis data relasional dan penerapan algoritma klasifikasi untuk mendeteksi aktivitas pengguna yang berisiko. Penelitian ini menggunakan pendekatan supervised learning dengan algoritma Decision Tree (C4.5) dan Naive Bayes, yang diuji pada dataset simulasi log aktivitas database dengan kondisi data tidak seimbang. Teknik pra-pemrosesan data, penanganan outlier, dan metode oversampling seperti SMOTE digunakan untuk meningkatkan kualitas model. Hasil menunjukkan bahwa Decision Tree lebih unggul dalam mendeteksi aktivitas mencurigakan dengan nilai F1-Score yang lebih tinggi dibandingkan Naive Bayes, khususnya setelah dilakukan penyesuaian terhadap distribusi kelas. Selain itu, analisis ketahanan terhadap noise memperlihatkan bahwa Naive Bayes memiliki stabilitas yang lebih baik, namun kurang presisi pada deteksi risiko. Temuan ini menegaskan bahwa keamanan data dan pemilihan algoritma yang sesuai sangat berpengaruh terhadap hasil analisis data mining yang akurat dan etis.
Co-Authors Aries Saifudin Fikriansyah , Muhamad Riska Amalia, Asha Setiyadi, Yusnar sidiq , Rizal jafar Syahdan , Muhammad Zaelani , Ahmad Zakaria, Hadi