Article Per Year (5 Year)
p-Index From 2020 - 2025
1.006
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi INTEGER: Journal of Information Technology Jurnal Mnemonic JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Sistem Komputer & Kecerdasan Buatan Journal Of Artificial Intelligence And Software Engineering
Udin, Muhammad
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
PENERAPAN METODE NAÏVE BAYES CLASSIFIER UNTUK KERUSAKAN PERANGKAT EDC YANG ADA DI SPBU Safaatulloh, Safaatulloh; Hariyanto, Rudi; Udin, Muhammad
Jurnal Mnemonic Vol 7 No 2 (2024): Mnemonic Vol. 7 No. 2
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v7i2.10687

Abstract

Delivery perangkat EDC (Electronic Data Capture) pada program Digitalisasi SPBU (stasiun pengisian bahan bakar umum) adalah kegiatan pengiriman perangkat EDC dari Telkom ke SPBU Pertamina yang bertujuan untuk pemunuhan kebutuhan perangkat yang ada di SPBU dengan cara mengganti atau memperbaiki perangkat EDC agar operasional yang ada di SPBU tidak terganggu. Fungsi mesin EDC digunakan sebagai alat pembayaran non tunai dan scan barcode untuk bbm subsidi. Kendala logistik dan manajemen rantai pasok menjadi masalah serius dalam pendistribusian perangkat EDC, terutama ketika melibatkan jumlah yang besar. Kurangnya kordinasi di antara pemangku kepentingan, seperti Penulisan laporan yang di laporkan oleh teknisi yang masih manual dan juga data yang di repotkan kurang valid dan tidak terstruktur sehingga membutuhkan waktu yang lama.Tujuan dari penelitian ini adalah membuat aplikasi berbasis web yang mengklasifikasi kerusakan perangkat EDC di SPBU wilayah pasuruan dan probolinggo mengunakan metode naïve bayes yang bertujuan untuk mengetahui kondisi EDC dan juga membuat skala prioritas gangguan SPBU yang perlu penggantian edc dan mempercepat pergantian EDC. Berdasarkan penelitian yang dilakukan penulis dengan menerapkan metode klasifikasi naïve bayes menggunakan 100 data latih dan 20 data uji pada aplikasi klasifikasi naive bayes, diperoleh hasil akurasi sebesar 90%, precision sebesar 88,33%, dan recall sebesar 91,67%.
Prediksi Hasil Tangkapan Ikan di Kota Pasuruan Dengan Metode Support Vector Machine (SVM) Chanafi, Imam; Sarwani, Mohammad Zoqi; Udin, Muhammad
INTEGER: Journal of Information Technology Vol 10, No 1: April 2025
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.integer.2024.v10i1.7163

Abstract

 Kota Pasuruan yang terletak di Provinsi Jawa Timur merupakan kota yang kaya akan potensi dan beragam sumber daya serta mempunyai peran penting dalam sektor industri dan perdagangan. Untuk mengelola dan mengembangkan potensi ini, Dinas Perairan Kota Pasuruan memiliki tugas menjaga keseimbangan ekosistem perikanan sekaligus memberdayakan para nelayan dan pembudidaya ikan. Tujuan dari penelitian ini adalah untuk mengetahui prediksi hasil tangkapan ikan di Kota Pasuruan menggunakan Metode Support Vector Machine (SVM). Data yang diperoleh dari Dinas Perikanan Kota Pasuruan dalam waktu 5 tahun mulai tahun 2019 sampai 2023. Dari hasil penelitian ini, maka dapat disimpulkan hasil nilai MAPE Train Linear 18.07%, MAPE Test Linear 22.92%. Sedangkan untuk MAPE Train Polynominal 16.95%, MAPE Test Polynominal 18.46%.
Optimization of the Naïve Bayes Classifier Algorithm Using Cost-Sensitive Learning to Detect Lung Diseases with an Imbalanced Dataset sarwani, mohammad zoqi; Khoiron, Mohamad; Udin, Muhammad
Journal of Artificial Intelligence and Software Engineering Vol 5, No 1 (2025): March
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v5i1.6474

Abstract

Lung diseases are one of the global public health issues that continue to be a primary concern in the medical field. According to data from the World Health Organization (WHO), 91% of the world’s population lives in areas with poor air quality. Continuous exposure to dust, cigarette smoke, air pollutants, and toxic chemicals can increase the risk of developing lung diseases. In efforts to reduce the health impacts on the lungs and assist doctors in classifying lung diseases, a method is needed to predict lung diseases. Naïve Bayes is a classification technique that uses probability and statistics. This research uses a dataset of 30,000, which is divided into training data and testing data, with 80% allocated for training and 20% for testing. The results of this study show that optimization performed on the Naïve Bayes algorithm using cost-sensitive learning achieved an accuracy of 79.6%, which represents a 12% improvement in accuracy compared to the previous result without optimization.
Implementasi Raspberry Pi Sebagai Private Cloud Printer Server Menggunakan OpenWrt Udin, Muhammad; Zoqi Sarwani, Mohammad
Jurnal SISKOM-KB (Sistem Komputer dan Kecerdasan Buatan) Vol. 8 No. 3 (2025): Volume VIII - Nomor 3 - Mei 2025
Publisher : Teknik Informatika, Sistem Informasi dan Teknik Elektro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47970/siskom-kb.v8i3.817

Abstract

Perkembangan teknologi informasi dan komunikasi telah membuka peluang baru dalam sistem pencetakan berbasis cloud. Penelitian ini bertujuan untuk mengimplementasikan Raspberry Pi sebagai private cloud printer server menggunakan OpenWrt. Dengan sistem ini, pengguna dapat mencetak dokumen dari berbagai perangkat tanpa memerlukan koneksi fisik langsung ke printer. Metode yang digunakan dalam penelitian ini meliputi analisis kebutuhan sistem, perancangan, implementasi, serta pengujian kinerja perangkat keras dan perangkat lunak. Hasil penelitian menunjukkan bahwa sistem yang dibangun mampu beroperasi dengan stabil dan memberikan efisiensi dalam pencetakan dokumen, khususnya dalam lingkungan pendidikan. Implementasi private cloud printer ini berpotensi mengurangi biaya operasional dan meningkatkan fleksibilitas akses pencetakan bagi pengguna. Kata Kunci — Raspberry Pi, OpenWrt, Cloud Printing, Printer Server, Jaringan
IMPLEMENTASI DECISION TREE UNTUK KLASIKASI OBESITAS Khikam, Ahlul; Martyan Anggadimas, Nanda; Udin, Muhammad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13397

Abstract

Angka obesitas telah meningkat secara signifikan dalam beberapa dekade terakhir di seluruh dunia. Aspek seperti pola makan buruk, kurangnya olahraga, faktor genetik, lingkungan, dan masalah psikologis bisa mempengaruhi berkembangnya obesitas. Obesitas dapat menyebabkan berbagai masalah kesehatan seperti penyakit jantung, diabetes, dan gangguan pernapasan, serta bisa berdampak buruk pada kualitas hidup seseorang. Tujuan penelitian untuk mengimplementasi metode Decision Tree untuk klasifikasi obesitas. Decision Tree merupakan metode yang sangat efektif dalam melakukan klasifikasi. Dataset dalam penelitian ini, dilakukan dengan mengambil data Obesity Levels dari website Arcihive.ics.uci.edu. Dataset yang digunakan terdapat 2111 data dan 17 kolom. Hasil dari prediksi menggunakan metode Decision Tree mendapatkan nilai accuracy sebesar 94%, pecision sebesar 94%, recall sebesar 94%, Dan F1-score sebesar 94%. Meskipun hasil ini cukup memuaskan, penelitian ini juga menunjukkan adanya peluang untuk pengembangan lebih lanjut, seperti mempertimbangkan aspek – aspek lain seperti menambahkan jumlah dan variasi data, teknik preprocessing one-hot encoding, dan menggunakan metode klasifikasi lain untuk membandingkan kinerja model guna mendapatkan hasil yang lebih optimal dalam klasifikasi obesitas.
Mendeteksi Emosi Berdasarkan Postingan Sosial Media X Menggunakan Algoritma Long Short-Term Memory Nadhiroh, Irni Irana Ainin; Sarwani, Mohammad Zoqi; Udin, Muhammad
Techno.Com Vol. 24 No. 3 (2025): Agustus 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i3.13509

Abstract

Emosi merupakan aspek penting dalam komunikasi manusia yang sering muncul melalui unggahan di media sosial. Emosi tersebut diekspresikan dalam teks berbahasa Indonesia di platform media sosial X. Penelitian ini bertujuan untuk mendeteksi lima kategori emosi, yaitu marah, takut, senang, cinta, dan sedih. Model yang digunakan adalah algoritma Long Short-Term Memory (LSTM) dengan representasi kata dari FastText. Model dilatih menggunakan metode EarlyStopping dan dievaluasi dengan metrik akurasi, presisi, recall, dan F1-score. Hasil  menunjukkan bahwa model mencapai akurasi sebesar 79% pada data testing dengan performa yang relatif seimbang untuk setiap kategori emosi. Penelitian ini menunjukkan bahwa FastText dan LSTM efektif untuk mendeteksi emosi dalam teks media sosial berbahasa Indonesia. Penelitian ini diharapkan bermanfaat  dalam pengembangan penelitian berbasis emosi, seperti analisis sentimen, pemantauan opini publik, dan sistem pendukung kesehatan mental.   Kata Kunci – Deteksi Emosi, Sosial Media, Long Short-Term Memory, FastText
Co-Authors Chanafi, Imam Khikam, Ahlul Martyan Anggadimas, Nanda Mohamad Khoiron Mohammad Zoqi Sarwani, Mohammad Zoqi Nadhiroh, Irni Irana Ainin Rudi Hariyanto Safaatulloh, Safaatulloh Zoqi Sarwani, Mohammad