This Author published in this journals
All Journal Jurnal Ilmu Komputer
Hasyim, Wahyudin
Unknown Affiliation

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

Analisis Tingkat Kepuasan Pengguna Sistem Informasi Elektronik Kinerja Asn (SI – EKA) Di Kementerian Agama Menggunakan Metode Webqual Sulistyawati, Ni Kadek; Hasyim, Wahyudin; Maku, Rubiyanto; Abas, Mohamad Ilyas
Jurnal Ilmu Komputer (JUIK) Vol 4, No 1 (2024): FEBRUARY 2024
Publisher : Universitas Muhammadiyah Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31314/juik.v4i1.2804

Abstract

Penelitian ini bertujuan untuk mengetahui kepuasan pengguna terhadap kualitas sistem informasi SI – EKA di kementerian agama menggunakan metode webqual . Teknik analisis yang digunakan analisis adalah kuantitatif, Metode yang digunakan adalah webqual .Teknik yang digunakan dalam menentukan ukuran sampel dari suatu populasi yaitu teknik slovin .Sampel pada penelitian ini sebanyak 155 sampel penelitian ini adalah Pada hasil analisis deskriptif memperoleh nilai persentase untuk kategori setuju dengan persentase Sebesar 42,58% yang dapat disimpulkan berarti sebagian besar pegawai setuju dengan peryataan mengenai kepuasan pegawai terhadap sistem informasi SI – EKA. Dari hasil yang diperoleh dapat dilihat bahwa pengguna merasa sistem informasi SI – EKA mudah untuk digunakan dan sistem informasi SI – EKA mempunyai kualitas yang sangat baik.
PENERAPAN DATA MINING DALA MENGKLASIFIKASI RESIKO PENYAKIT STROKE MENGGUNAKAN METODE MACHINE LEARNING Bakari, Sitti Nurfatimah; Lasarudin, Alter; Hasyim, Wahyudin
Jurnal Ilmu Komputer (JUIK) Vol 5, No 2 (2025): JUNE 2025
Publisher : Universitas Muhammadiyah Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31314/juik.v5i2.4186

Abstract

Stroke adalah kondisi saraf yang ditandai dengan tanda klinis yang berkembang pesat, termasuk gangguan saraf lokal dan global yang parah, bertahan selama 24 jam atau lebih, dan berakibat fatal ketika tidak ada penyebab yang jelas selain vaskular. Penelitian ini bertujuan untuk menerapkan algoritma Support Vector Machine (SVM) dan Artiticial Neural Network (ANN) untuk mengklasifikasi risiko penyakit stroke dan mengukur tingkat akurasi dari masing-masing algoritma. Hasil penelitian menggunakan algoritma Support Vector Machine dan Artiticial Neural Network dengan jumlah record data 200 maka akan diperoleh nilai akurasi Support Vector Machine sebesar 97.46%, dan tingkat akurasi Artiticial Neural Network sebesar 98.75%. Paling algoritma Artificial Neural Network mendapatkan nilai akurasi yang tertinggi dibandingkan algoritma Support Vector Machine dalam pengklasifikasian data risiko penyakit stroke.
PENERAPAN DATA MINING UNTUK PREDIKSI PENJUALAN PRODUK TERLARIS MENGGUNAKAN METODE ANN DAN LSTM Hasanah, Ika Nur; Lasarudin, Alter; Hasyim, Wahyudin
Jurnal Ilmu Komputer (JUIK) Vol 5, No 2 (2025): JUNE 2025
Publisher : Universitas Muhammadiyah Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31314/juik.v5i2.4180

Abstract

Toko Setia Keramik yang menjual berbagai jenis keramik sedang menghadapi tantangan dalam menentukan produk keramik terlaris akibat data penjualan yang belum diolah secara optimal. Penelitian ini bertujuan untuk menerapkan algoritma Artificial Neural Network (ANN) dan Long Short-Term Memory (LSTM) untuk memprediksi penjualan produk keramik terlaris serta mengukur tingkat akurasi prediksi masing-masing algoritma. Data yang digunakan mencakup penjualan lima jenis keramik selama tiga tahun (2021–2023). Hasil penelitian menunjukkan bahwa algoritma ANN memberikan prediksi terbaik untuk pola jangka pendek dengan tingkat kesalahan Mean Square Error (MSE) yang rendah, sementara algoritma LSTM unggul dalam memprediksi pola jangka panjang. Penerapan kedua algoritma ini mampu membantu Toko Setia Keramik dalam menentukan jenis keramik terlaris sehingga pengelola toko dapat mengelola stok barang secara lebih efisien dan meminimalisir kekurangan maupun kelebihan stok, serta mengantisipasi tren penjualan di masa depan. Dengan demikian, penelitian ini memberikan kontribusi penting dalam optimalisasi manajemen penjualan menggunakan metode prediksi berbasis data mining.