Article Per Year (5 Year)
p-Index From 2020 - 2025
0.702
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK) Technology and Informatics Insight Journal Jurnal Informatika: Jurnal Pengembangan IT
Ikhsanuddin, Rohmatulloh Muhamad
Unknown Affiliation
Computer Science & IT Electrical & Electronics Engineering

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Penerapan Data Mining Untuk Prediksi Jumlah Kunjungan Wisatawan di Kebumen Menggunakan Metode Regresi Linier Sederhana Ikhsanuddin, Rohmatulloh Muhamad; Bahar Alim, Helmi; Shona Chayy Bilqisth, Shona Chayy Bilqisth
Technology and Informatics Insight Journal Vol. 4 No. 1 (2025): TIIJ
Publisher : LP3M Universitas Putra Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32639/6ace8h37

Abstract

Kebumen memiliki potensi wisata alam di pantai selatan Jawa Tengah sebagai alternatif berwisata dengan unggulan destinasi pantai seperti Pantai Menganti, Pantai Karang Bolong, Goa Jatijajar dan Waduk Sempor. Pariwisata memiliki peranan dalam peningkatan pendapatan daerah sehingga perlu didukung pemerintah melalui investasi penunjang pariwisata. Prediksi jumlah wisatawan di Kebumen sebagai faktor yang mempengaruhi investor dalam membuka usaha tentunya diperlukan dalam pengambilan keputusan. Berdasarkan data BPS jumlah kunjungan di Kebumen pada Oktober 2024 sebanyak 257.745 sehingga diharapkan prediksi jumlah kunjungan wisatawan tahun berikutnya dapat menjadikan minat investor di Kebumen. Hasil perhitungan menunjukan bahwa metode regresi linier menghasilkan akurasi sebesar 94,60% dapat membantu pemerintah untuk meyakinkan investor pendukung pariwisata di Kebumen.
Analisis Pengaruh Luas Area Pertanian Terhadap Prediksi Hasil Pertanian di Kebumen Menggunakan Metode Regresi Linier Ikhsanuddin, Rohmatulloh Muhamad; Rusvinasari, Dian
Jurnal Informatika: Jurnal Pengembangan IT Vol 10, No 2 (2025)
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v10i2.8471

Abstract

Kebumen as an agricultural area whose people mostly play a role in agriculture has an important role in the southern part of Java. The size of the agricultural area will affect agricultural results, especially rice yields. Large agricultural areas will be beneficial for the community in their role as well as food self-sufficiency programs so that dependence on foreign agricultural production is reduced. However, agricultural conditions have not been managed maximally. It is hoped that agricultural yield predictions can help the government in making decisions on the management of agricultural areas in Kebumen. The linear regression method is one of the methods in data mining for data forecasting that relies on historical data so it requires agricultural yield data for the period from 2013 to 2019. The prediction process uses data on the area of the harvest which will influence the harvest in tons. Previous research shows that the linear regression method produces very small error values so it is very suitable for use in prediction cases. The aim of this research is to determine the predicted influence of harvested land area on the amount of harvest in Kebumen as analysis material. The stages in the linear regression method are determining the intercept and coefficient values with the a value of -317.231 and the b value of 6.0123, determining the regression equation to determine predictions, calculating the difference in predicted data, calculating the error value using MAPE with a result of 5,60%.
Analisis Hasil Produksi Perikanan Budidaya Air Tawar di Kebumen Menggunakan Metode Clustering K-means ikhsanuddin, rohmatulloh muhamad
Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK) 2025: SNESTIK V
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/p.snestik.2025.7237

Abstract

Kebumen, as one of the districts in the south of Central Java Province with an area coverage of 26 sub-districts, has the potential for freshwater aquaculture production to reach 3,316,378 kg in 2022. This production can be optimized by creating clusters in sub-districts in Kebumen to utilize this area. Data mining using the k-means clustering method helps to group sub-district areas so that it can assist in decision making. Tests in data mining using Davies Bouldin with values k=2 to 10 show that the best value results, namely at value k=3, is 0.487. The K-means method with a value of k=3 produces 3 clusters with the result that cluster 1 consists of 19 sub-districts, namely the areas of Petanahan, Bulus Pesantren, Ambal, Mirit, Bonorowo, Prembun, Padureso, Alian, Poncowarno, Kebumen, Pejagoan, Sruweng, Rowokele, Sempor , Gombong, Karanganyar, Karanggayam, Sadang and Karangsambung. Cluster 2 consists of 1 sub-district, namely the Kuwarasan area, while cluster 3 consists of 6 sub-districts, namely the Ayah, Buayan, Puring, Klirong, Kutowinangun and Adimulyo areas.
ALGORITMA COUNTING SORT VS ALGORITMA PENGURUTAN MODERN: ANALISIS EFISIENSI MEMORI DAN WAKTU KOMPUTASI Pujiono, Imam Prayogo; Kamal, Muhammad Rikzam; Prayogi, Arditya; Sari, Christy Atika; Ikhsanuddin, Rohmatulloh Muhamad
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3.6657

Abstract

Penelitian ini bertujuan untuk menganalisis efisiensi memori dan waktu komputasi algoritma Counting Sort dibandingkan dengan algoritma pengurutan modern seperti Heap Sort, Quick Sort, Merge Sort, dan Shell Sort. Fokus penelitian adalah pada dataset numerik acak dengan rentang terbatas, yang relevan untuk aplikasi praktis di bidang informatika. Penelitian ini menggunakan pendekatan eksperimental, dengan dataset berukuran 100, 1.000, dan 10.000 elemen yang dihasilkan dalam rentang 1 hingga 99, dan diimplementasikan dalam bahasa pemrograman Java untuk pengujian performa. Berdasarkan hasil eksperimen, Counting Sort mencatat waktu komputasi yang jauh lebih rendah, terutama pada dataset besar (10.000 elemen), di mana performanya hampir 6-10 kali lebih cepat dibandingkan algoritma lainnya. Namun, dalam hal efisiensi memori, Counting Sort memerlukan penggunaan memori yang lebih tinggi pada dataset kecil (100 elemen) dan sedang (1.000 elemen) dibandingkan algoritma in-place seperti Heap Sort dan Quick Sort. Pada dataset besar, penggunaan memorinya tetap kompetitif, bahkan lebih hemat dibandingkan Merge Sort. Penelitian ini menyimpulkan bahwa Counting Sort merupakan pilihan optimal untuk mengurutkan dataset numerik dengan rentang terbatas, terutama dalam aplikasi yang menuntut pengolahan data cepat dan hemat sumber daya, seperti sistem tertanam atau IoT. Temuan ini memberikan kontribusi pada pemilihan algoritma pengurutan yang lebih tepat berdasarkan karakteristik dataset.
Co-Authors Bahar Alim, Helmi Christy Atika Sari Imam Prayogo Pujiono Muhammad Rikzam Kamal Prayogi, Arditya Rusvinasari, Dian Shona Chayy Bilqisth, Shona Chayy Bilqisth