Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Progresif: Jurnal Ilmiah Komputer
Abdullah, Dedy
Universitas Muhammadiyah Bengkulu
Computer Science & IT Control & Systems Engineering

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

Found 3 Documents
Search

 1 
Prediksi Persediaan Obat Menggunakan Algoritma Decision Tree (C4.5) Pada Apotek Az-Zikra Bengkulu Aziz, Feby Estivania; Abdullah, Dedy
Progresif: Jurnal Ilmiah Komputer Vol 20, No 2: Agustus 2024
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v20i2.2099

Abstract

Az-Zikra Pharmacy is currently facing difficulties in managing drug inventory in the warehouse. Due to the frequent movement of drugs to branches without an organized system, this results in frequent stockouts in the warehouse. Using the Decision Tree (C4.5) algorithm, this study aims to predict drug inventory at Az-Zikra Pharmacy in Bengkulu. Transaction data from the last three months was collected and analyzed using the C4.5 algorithm. The results show that this algorithm works well in categorizing data on drug stock and the most needed drug demand. This system has a high accuracy rate of 0.7190, which helps the pharmacy manage drug inventory more efficiently, reduce the risk of expired drugs, and ensure that the necessary drugs are always available. It is hoped that this system will improve the services provided by the pharmacy to customers by providing drugs in a timely and appropriate manner.Keywords: C4.5 algorithm; Decision tree; Drug inventory prediction; Pharmacy AbstrakApotek Az-Zikra saat ini sedang mengalami permasalahan untuk mengatur persediaan obat-obatan di gudang. Karena terlalu banyak obat yang sering keluar masuk ke cabang tanpa adanya sebuah sistem yang teratur, hal ini mengakibatkan sering kehabisan stok obat di gudang. Dengan menggunakan algoritma Decision Tree (C4.5), penelitian ini bertujuan untuk memprediksi persediaan obat di Apotek Az-Zikra Bengkulu. Data transaksi selama tiga bulan terakhir dikumpulkan dan dianalisis menggunakan algoritma C4.5. Hasil penelitian menunjukkan bahwa algoritma ini bekerja dengan baik dalam mengkategorikan data tentang stok obat dan permintaan obat yang paling dibutuhkan. Sistem ini memiliki tingkat akurasi yang tinggi yaitu 0.7190 , yang membantu apotek mengelola persediaan obat lebih efisien, mengurangi risiko obat kadaluarsa, dan memastikan bahwa obat yang diperlukan selalu tersedia. Diharapkan bahwa sistem ini akan meningkatkan layanan yang diberikan apotek kepada pelanggan dengan menyediakan obat secara tepat waktu dan sesuai kebutuhan.Kata kunci: Algoritma C4.5; Pohon keputusan; Prediksi persediaan obat; Apotek
Analisis Sentimen terhadap Dedy Mulyadi Berdasarkan Komentar Youtube Menggunakan Metode Naïve Bayes Loca, Nhadya Vita; Abdullah, Dedy
Progresif: Jurnal Ilmiah Komputer Vol 21, No 2 (2025): Agustus
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v21i2.3102

Abstract

The increasing spread of public opinion on social media, particularly YouTube, highlights the need for automated sentiment analysis to understand public perception toward political figures. This study analyzes public sentiment toward Dedy Mulyadi, a prominent political figure in Indonesia, using the Naïve Bayes method on 600 YouTube comments collected via web crawling. Data were processed in RapidMiner through text cleaning, manual labeling of 100 comments as training data, and automatic classification. Results show a model accuracy of 66.67%, with perfect recall (100%) for negative sentiment but 0% precision and recall for positive sentiment, indicating training data imbalance. Despite this limitation, the study demonstrates the applicability of Naïve Bayes for small-scale sentiment analysis in political communication contexts. Findings suggest the method’s potential when data distribution is balanced, supporting data-driven political strategies.Keywords: Sentiment analysis; Naïve Bayes; YouTube; Public opinion AbstrakPermasalahan sentimen negatif dan positif terhadap figur publik di media sosial, khususnya YouTube, semakin kompleks seiring meningkatnya partisipasi masyarakat dalam menyampaikan opini. Analisis sentimen diperlukan untuk memahami dinamika opini publik secara otomatis dan mendukung strategi komunikasi politik berbasis data. Penelitian ini menganalisis sentimen terhadap Dedy Mulyadi menggunakan metode Naïve Bayes pada 600 komentar YouTube yang dikumpulkan melalui crawling. Data diproses dengan RapidMiner melalui tahapan pembersihan teks, pelabelan manual (100 komentar), dan klasifikasi otomatis. Hasil menunjukkan akurasi model 66,67%, dengan recall 100% untuk sentimen negatif namun precision dan recall 0% untuk positif, mengindikasikan bias data latih akibat ketidakseimbangan kelas. Meskipun demikian, studi ini menegaskan potensi Naïve Bayes dalam analisis sentimen skala kecil, terutama untuk deteksi sentimen dominan, dengan rekomendasi perbaikan keseimbangan data dan validasi lebih lanjut.Kata kunci: Analisis sentimen; Naïve Bayes; YouTube; Opini publik
Deteksi Keaslian Uang Rupiah Menggunakan Metode Canny Edge Detection dan K-Mean Clustering Fadila, Selvana; Abdullah, Dedy
Progresif: Jurnal Ilmiah Komputer Vol 21, No 2 (2025): Agustus
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v21i2.2922

Abstract

The escalating problem of counterfeit currency in various countries, primarily due to easy access to information on manufacturing methods and advancements in color printing technology, renders traditional '3D' identification methods less effective. This research aims to design an authenticity detection system for Rupiah banknotes using a digital image processing approach. This study utilized a total of 40 Rupiah banknote images as test objects, comprising 10 genuine and 10 counterfeit images for each of the Rp 50,000 and Rp 100,000 denominations. The methodology applied included image acquisition, conversion to grayscale, followed by image segmentation. This system integrates Canny Edge Detection to extract edge details and K-Means Clustering for image grouping. Key features analyzed were Aspect Ratio and Edge Density, which assist in differentiating between genuine and counterfeit banknotes. Test results indicate that the developed system could identify the authenticity of Rupiah banknotes with an average accuracy of 87.50%. This combined approach offers an effective solution for Rupiah banknote authentication.Keyword: Authenticity Rupiah Banknotes; Canny Edge Detection; K-Means Clustering; Aspect Ratio, Edge Density. AbstrakPermasalahan uang palsu yang terus meningkat di berbagai negara, terutama dengan kemudahan akses informasi dan teknologi pencetak warna, menjadikan metode identifikasi tradisional '3D' kurang efektif. Penelitian ini bertujuan untuk merancang sebuah sistem deteksi keaslian uang kertas Rupiah menggunakan pendekatan pengolahan citra digital. Penelitian ini menggunakan total 40 citra uang kertas Rupiah sebagai objek uji, terdiri dari 10 gambar uang asli dan 10 gambar uang palsu untuk masing-masing nominal Rp 50.000 dan Rp 100.000. Metodologi yang diterapkan meliputi akuisisi citra, konversi citra menjadi skala abu-abu, diikuti dengan segmentasi citra. Sistem ini mengintegrasikan Canny Edge Detection untuk mengekstraksi detail tepi dan K-Means Clustering untuk pengelompokan citra. Fitur-fitur kunci yang dianalisis adalah Aspect Ratio dan Edge Density, yang membantu dalam hal membedakan uang asli dan palsu. Hasil pengujian menunjukkan bahwa sistem yang dibangun mampu mengidentifikasi keaslian uang Rupiah dengan akurasi rata-rata sebesar 87.50%. Pendekatan gabungan ini memberikan solusi efektif untuk autentikasi uang kertas Rupiah.Kata kunci: Keaslian Uang Rupiah; Canny Edge Detection; K-Means Clustering; Aspect Ratio; Edge Density.
Co-Authors Aziz, Feby Estivania Fadila, Selvana Loca, Nhadya Vita