Article Per Year (5 Year)
p-Index From 2020 - 2025
4.661
P-Index
This Author published in this journals
All Journal SISFOTENIKA Jurnal CoreIT Jurnal Sains dan Informatika Jurnal Eksplora Informatika Elsains : Jurnal Elektro Jurnal ULTIMATICS Jurnal Elemen ScientiCO : Computer Science and Informatics Journal Jurnal Pengabdian Kepada Masyarakat (Mediteg) Jurnal Manajemen Informatika dan Sistem Informasi Jurnal Informatika dan Rekayasa Elektronik Jurnal Humaniora Teknologi Jatilima : Jurnal Multimedia Dan Teknologi Informasi Infotek : Jurnal Informatika dan Teknologi Jurnal Humaniora Teknologi Instal : Jurnal Komputer International Journal of Research in Vocational Studies (IJRVOCAS) Joutica : Journal of Informatic Unisla Jurnal WIDYA LAKSMI (Jurnal Pengabdian Kepada Masyarakat) Jurnal Sains dan Teknologi Jurnal Informatika Polinema (JIP) CSRID
Noor, Agustian
Politeknik Negeri Tanah Laut
Religion Aerospace Engineering Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Social Sciences Other

Published : 57 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search
Journal : Jurnal Humaniora Teknologi

 1 
PREDIKSI SISWA LULUS TIDAK TEPAT WAKTU MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Agustian Noor Noor
Jurnal Humaniora Teknologi Vol. 3 No. 1 (2017)
Publisher : P3M Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (380.21 KB) | DOI: 10.34128/jht.v3i1.28

Abstract

Banyak terjadi kasus siswa terlambat lulus sampai bertahun-tahun, ini sebuah masalah bagi suatu civitas perguruan tinggi dalam memajukan mutu dari kampus, penelitian ini dilakukan untuk menciptakan suatu sistem prediksi yang akurat yang mana nantinya akan membantu civitas yang mempunyai masalah seperti diatas. Data mining dapat membantu dalam memprediksi suatu sistem, sehingga dapat dilakukan pada penelitian ini agar prediksi lebih tepat dan akurat. Ada berbagai macam teknik dalam data mining, untuk penelitian ini teknik yang dipakai ialah Neural Network Backpropagation, terdapat beberapa tahap dalam peneilitian ini yaitu tahap pengumpulan data, pengolahan data, model atau metode yang diusulkan, eksperimen pada model tersebut, evaluasi dan validasi hasil. Disimpulkan bahwa teknik data mining menggunakan neural network backpropagation dapat menghasilkan suatu prediksi yang tepat dan akurat dari penelitian sebelumnya untuk menentukan siswa lulus tidak tepat waktu pada Sekolah Menengah Kejuruan Negeri 1 Kertak Hanyar.Kata Kunci: Prediksi Siswa Lulus Tidak tepat waktu, data mining, neural network backpropagation, MSE.
Perbandingan Algoritma Support Vector Machine Biasa dan Support Vector Machine berbasis Particle Swarm Optimization untuk Prediksi Gempa Bumi Agustian Noor
Jurnal Humaniora Teknologi Vol. 4 No. 1 (2018): Jurnal Humaniora Teknologi
Publisher : P3M Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (737.784 KB) | DOI: 10.34128/jht.v4i1.37

Abstract

Gempa merupakan fenomena alam secara periodik yang terjadi di seluruh belahan bumi akibat adanya gaya pembangkit pasang surut yang utamanya berasal dari matahari dan bulan. Tujuan penelitian ini adalah untuk menganalisa hasil gempa bumi di Sumara Utara. Metode yang diusulkan adalahmembandingkan SVM dan SVM-PSO yang menggunakan data dari instansi terkait khususnya di daerah Sumatra Utara, Masing-masing algoritma akan implementasikan dengan menggunakan RapidMiner 5.1 Pengukuran kinerja dilakukan dengan menghitung rata-rata error yang terjadi melalui besaran Root Mean Square Error (RMSE). Semakin kecil nilai dari masing-masing parameter kinerja ini menyatakan semakin dekat nilai prediksi dengan nilai sebenarnya. Dengan demikian dapat diketahui algoritma yang lebih akurat.
Sistem Pakar Diagnosa Gangguan Kepribadian Agustian Noor
Jurnal Humaniora Teknologi Vol. 5 No. 2 (2019): Jurnal Humaniora Teknologi
Publisher : P3M Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (810.084 KB) | DOI: 10.34128/jht.v5i2.61

Abstract

Abstrak Sistem pakar ini dibangun sebagai alat bantu dengan didasarkan pada kebutuhan seorang psikolog, psikiater maupun orang-orang yang berkerja di area psikologi abnormal dalam mendiagnosa klien yang menderita gangguan kepribadian secara lebih cepat dan efisien. Arsitektur dari sistem ini terdiri dari Knowledge Base, Inference Engine, User Interface, Knowledge Acquisition Facility. Knowledge Base memuat jenis gangguan kepribadian, simptom, dan kriteria tiap jenis gangguan kepribadian tersebut. Sedangkan inference engine diimplementasikan dengan metode forward chaining. Proses diagnosis sistem pakar ini adalah melalui penginputan simptom (gejala) yang diderita klien oleh seorang psikolog ke dalam sistem, dan selanjutnya hasil diagnosa didapatkan melalui penelusuran aturan yang ada antara lain dengan perhitungan jumlah simptom yang memenuhi syarat minimal sebuah jenis gangguan kepribadian. Kata kunci : Sistem Pakar, Simptom, Gangguan Kepribadian.
PREDIKSI SISWA LULUS TIDAK TEPAT WAKTU MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Noor, Agustian Noor
Jurnal Humaniora Teknologi Vol. 3 No. 1 (2017)
Publisher : P3M Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jht.v3i1.28

Abstract

Banyak terjadi kasus siswa terlambat lulus sampai bertahun-tahun, ini sebuah masalah bagi suatu civitas perguruan tinggi dalam memajukan mutu dari kampus, penelitian ini dilakukan untuk menciptakan suatu sistem prediksi yang akurat yang mana nantinya akan membantu civitas yang mempunyai masalah seperti diatas. Data mining dapat membantu dalam memprediksi suatu sistem, sehingga dapat dilakukan pada penelitian ini agar prediksi lebih tepat dan akurat. Ada berbagai macam teknik dalam data mining, untuk penelitian ini teknik yang dipakai ialah Neural Network Backpropagation, terdapat beberapa tahap dalam peneilitian ini yaitu tahap pengumpulan data, pengolahan data, model atau metode yang diusulkan, eksperimen pada model tersebut, evaluasi dan validasi hasil. Disimpulkan bahwa teknik data mining menggunakan neural network backpropagation dapat menghasilkan suatu prediksi yang tepat dan akurat dari penelitian sebelumnya untuk menentukan siswa lulus tidak tepat waktu pada Sekolah Menengah Kejuruan Negeri 1 Kertak Hanyar.Kata Kunci: Prediksi Siswa Lulus Tidak tepat waktu, data mining, neural network backpropagation, MSE.
Perbandingan Algoritma Support Vector Machine Biasa dan Support Vector Machine berbasis Particle Swarm Optimization untuk Prediksi Gempa Bumi Noor, Agustian
Jurnal Humaniora Teknologi Vol. 4 No. 1 (2018): Jurnal Humaniora Teknologi
Publisher : P3M Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jht.v4i1.37

Abstract

Gempa merupakan fenomena alam secara periodik yang terjadi di seluruh belahan bumi akibat adanya gaya pembangkit pasang surut yang utamanya berasal dari matahari dan bulan. Tujuan penelitian ini adalah untuk menganalisa hasil gempa bumi di Sumara Utara. Metode yang diusulkan adalahmembandingkan SVM dan SVM-PSO yang menggunakan data dari instansi terkait khususnya di daerah Sumatra Utara, Masing-masing algoritma akan implementasikan dengan menggunakan RapidMiner 5.1 Pengukuran kinerja dilakukan dengan menghitung rata-rata error yang terjadi melalui besaran Root Mean Square Error (RMSE). Semakin kecil nilai dari masing-masing parameter kinerja ini menyatakan semakin dekat nilai prediksi dengan nilai sebenarnya. Dengan demikian dapat diketahui algoritma yang lebih akurat.
Sistem Pakar Diagnosa Gangguan Kepribadian Noor, Agustian
Jurnal Humaniora Teknologi Vol. 5 No. 2 (2019): Jurnal Humaniora Teknologi
Publisher : P3M Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jht.v5i2.61

Abstract

Abstrak Sistem pakar ini dibangun sebagai alat bantu dengan didasarkan pada kebutuhan seorang psikolog, psikiater maupun orang-orang yang berkerja di area psikologi abnormal dalam mendiagnosa klien yang menderita gangguan kepribadian secara lebih cepat dan efisien. Arsitektur dari sistem ini terdiri dari Knowledge Base, Inference Engine, User Interface, Knowledge Acquisition Facility. Knowledge Base memuat jenis gangguan kepribadian, simptom, dan kriteria tiap jenis gangguan kepribadian tersebut. Sedangkan inference engine diimplementasikan dengan metode forward chaining. Proses diagnosis sistem pakar ini adalah melalui penginputan simptom (gejala) yang diderita klien oleh seorang psikolog ke dalam sistem, dan selanjutnya hasil diagnosa didapatkan melalui penelusuran aturan yang ada antara lain dengan perhitungan jumlah simptom yang memenuhi syarat minimal sebuah jenis gangguan kepribadian. Kata kunci : Sistem Pakar, Simptom, Gangguan Kepribadian.
Co-Authors Ahmad Rusadi Arrahimi - Universitas Lambung Mangkurat) Ahmad Rusadi Arrahimi - Universitas Lambung Mangkurat) Aidil Fajar Zulfahri Alal Lestari Alal Lestari Andrean Noor Abdul Muhid Arif Supriyanto Aristi, Nina Mia Eka Wahyu Sholeha Fathurrahmani Fathurrahmani Fathurrahmani Fathurrahmani Fathurrahmani Fathurrahmani Fathurrahmani, Fathurrahmani Fathurrahmani, Fathurrahmani Ferdiyansyah Achmad Ferdiyansyah Achmad Habibi, Afrizal Herfia Rhomadhona Herfia Rhomadhona herpendi, herpendi Khairul Anwar Hafizd, Khairul Anwar Khuzairin, Rusma Kurniasari - - Maireza, Muhammad Maya Gian Sister Muhammad Mei Hanafi Muhammad Noor Muhammad Noor Muhammad Rezki Fitri Putra Muhammad Yahya Murad Maulana Ningsih, Tri Mulya Bakti Nurmalina, Radna Oky Rahmanto Rabini Sayyidati Ridha Rahma Tina Ridha Rahma Tina Rohmatin, Yuni Rusuminto Syahyuniar Sabella, Billy Seman, Muhammad Supriyanto, Arif Syaiful Hadi Wahyu Sholeha, Eka Wibowo, Dwi Agung Winda Aprianti Wiwik Kusrini Yuli Fitriyani Yuni Rohmatin Yunita Prastyaningsih