Article Per Year (5 Year)
p-Index From 2021 - 2026
2.083
P-Index
This Author published in this journals
All Journal Jurnal Online Mahasiswa (JOM) Bidang Keguruan dan Ilmu Pendidikan Psikopedagogia JURNAL PENDIDIKAN TAMBUSAI TANJAK: Journal of Education and Teaching KERNEL: Jurnal Riset Inovasi Bidang Informatika dan Pendidikan Informatika RJOCS (Riau Journal of Computer Science) Management Studies and Business Journal Sinergi : Jurnal Ilmiah Multidisiplin BIMBINGAN DAN KONSELING BANYUWANGI
Asmen, Faisal
Universitas Pasir Pengaraian
Aerospace Engineering Humanities Biochemistry, Genetics & Molecular Biology Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Environmental Science Health Professions Immunology & microbiology Languange, Linguistic, Communication & Media Mathematics Physics Public Health Social Sciences Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : RJOCS (Riau Journal of Computer Science)

 1 
SISTEM PENDUKUNG KEPUTUSAN PENERIMA BANTUAN HUKUM DI LEMBAGA BANTUAN HUKUM KABUPATEN ROKAN HULU MENGGUNAKAN METODE WEIGHT PRODUCT Sabri, Khairul; Kurniawansyah, Dani; Afrijal; Dona; Yasdomi, Kiki; Asmen, Faisal
RJOCS (Riau Journal of Computer Science) Vol. 10 No. 1 (2024): RJOCS (Riau Journal of Computer Science)
Publisher : Fakultas Ilmu Komputer, Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/rjocs.v10i1.2412

Abstract

Lembaga Bantuan Hukum (LBH) Kabupaten Rokan Hulu memberikan pelayanan hukum gratis kepada masyarakat yang tidak mampu dalam menyelesaikan berbagai perkara kasus. Lembaga ini menjunjung tinggi prinsip keadilan, persamaan kedudukan, keterbukaan, efisiensi, efektivitas, dan akuntabilitas. Kendala yang dihadapi oleh LBH Rokan hulu adalah sulit menentukan penerima bantuan hukum yang layak dan sering salah memutuskan hak penerima bantuan hukum. Hal ini tidak sesuai dengan asas dan tujuan lembaga ini. Oleh karena itu, perlu adanya sistem agar penerima bantuan hukum di LBH kabupaten Rokan hulu sesuai kriteria undang-undang bantuan hukum. Sistem yang peneliti terapkan dalam menyelesaikan permasalahan ini yakni sistem pendukung keputusan (SPK) atau Decision Support Systems (DSS). Kriteria yang peneliti gunakan dalam memutuskan penerima bantuan hukum yakni surat miskin, domisili, riwayat kriminal dan surat permohonan bantuan hukum. Hasil yang peneliti peroleh menunjukkan alternatif (A1) memiliki nilai tertinggi diantara beberapa alternatif yang lainnya dengan nilai akhir 0,2349. Dari hasil tersebut maka alternatif(A1) jadi prioritas penerima bantuan hukum. Diharapkan dengan adanya sistem pendukung keputusan dengan metode Weight Product ini dapat membantu LBH Kabupaten Rokan Hulu dalam memutuskan penerima bantuan hukum yang sesuai dengan undang-undang bantuan hukum republik indonesia.
Akurasi 12 Layer Convolutional Neural Network (CNN) Untuk Jenis Tumor Otak Dari Hasil Citra MRI Dengan Google Colab Dan Dataset Kaggle Arif Mukti, Muhammad; Arif Kurniawan; Samsul Bahri; Cut Nayla Husin; Yanto, Budi; Asmen, Faisal
RJOCS (Riau Journal of Computer Science) Vol. 10 No. 2 (2024): RJOCS (Riau Journal of Computer Science)
Publisher : Fakultas Ilmu Komputer, Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/rjocs.v10i2.2857

Abstract

Tumor otak merupakan salah satu penyakit mematikan di dunia. Menurut data Global Cancer Observatory, kasus tumor otak di Indonesia pada tahun 2021 mencapai 5.964 kasus serta tingkat kematian berada pada posisi 12 dengan 5298 kasus. Diagnosa cepat dan lebih dini tentu akan mampu menekan tingkat kematian tumor otak. sehingga dilakukan Penelitian ini mengusulkan penggunaan Convolutional Neural Network (CNN) dengan model 12 layer untuk mengklasifikasikan jenis tumor otak berdasarkan gambar MRI. Dataset terdiri dari empat kelas: Glioma, pituitary, Meningioma, dan Notumor. Metode penelitian melibatkan pengumpulan data, preprocessing, desain arsitektur CNN, pelatihan model, dan evaluasi. Hasil pengujian menunjukkan bahwa model mampu mengklasifikasikan jenis tumor otak dengan akurasi yang memuaskan. Penerapan 12 layer meningkatkan kinerja dengan mengatasi masalah hilangnya gradien. Berdasarkan penelitian tersebut, klasifikasi tumor otak menggunakan CNN dengan arsitektur 12 layer dapat mendukung deteksi dini tumor otak untuk meningkatkan akurasi diagnostik. Pada penelitian ini akurasi terbaik diperoleh sebesar 79% pada percobaan epoch ke-5
Co-Authors Adi, Yosua Drita Prasetya Afrijal Aluwis ARIF KURNIAWAN Arif Mukti, Muhammad Budi Yanto, Budi Crisdianto, Ahlul Cut Nayla Husin Defriansyah, Defriansyah Dona Inal, Inal Indri Reskiana Kiki Yasdomi Kurniawansyah, Dani Ladyna, Ladyna Lestari, Via Mahadi Nurjannah Pramesti, Dian Rhadiana Rahmawati, Ilham Rara, Jelita Reskiana, Indri Romika Rahayu Romika Rahayu Rahayu Sabri, Khairul Samsul Bahri Saputra, Erlangga Awaludin Sastra, Amner Siti Helmyati Sri Hartono Suwarjo Suwarjo Suwarjo Suwarjo Suwarjo, Suwarjo Syahroni Tri Umari Yosua Drita Prasetya Adi