Hudori Hudori
Universitas Binaniaga Indonesia

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

Found 3 Documents
Search

Penerapan Algoritma Regresi Logistik untuk Deteksi DiniGejala Serangan Jantung Jethro Jonathan Atritus; Hudori Hudori
Jurnal SAINTEKOM (Sains dan Teknologi Komputasi) Vol 1 No 1 (2025): Juni 2025
Publisher : Lembaga Penelitian, Pengembangan, dan Pengabdian Kepada Masyarakat (LP3M) – Universitas Binaniaga Indonesia (UNBIN)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36350/jskom.v1i1.17

Abstract

Serangan jantung tetap menjadi penyebab utama kematian secara global dan di Indonesia. Deteksi dini dan langkah preventif sangat penting untuk mengurangi angka kematian. Penelitian ini menerapkan algoritma Regresi Logistik untuk mengembangkan sistem prediktif yang dapat mengidentifikasi gejala awal serangan jantung. Dengan menggunakan dataset yang berisi indikator kesehatan pasien seperti tekanan darah, usia, kadar kolesterol, dan kebiasaan hidup, algoritma ini mengklasifikasikan individu yang berisiko. Hasil penelitian menunjukkan bahwa sistem mencapai akurasi hingga 92%. Implementasi ini menyoroti efektivitas integrasi kecerdasan buatan dalam diagnostik medis, memungkinkan penilaian awal yang cepat dan hemat biaya.
Penerapan Metode Forward Chaining Untuk Rekomendasi Pekerjaan Pada Bimbingan Karir Mohamad Ihsansyah; Hudori Hudori
Jurnal SAINTEKOM (Sains dan Teknologi Komputasi) Vol 1 No 3 (2025): Desember 2025
Publisher : Lembaga Penelitian, Pengembangan, dan Pengabdian Kepada Masyarakat (LP3M) – Universitas Binaniaga Indonesia (UNBIN)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36350/jskom.v1i3.62

Abstract

Bimbingan karir di SMK memegang peranan krusial dalam membantu siswa menemukan jalur karir yang sesuai dengan potensi, minat, dan bakat mereka. Namun, sistem bimbingan karir yang masih mengandalkan metode wawancara tradisional menghadapi berbagai kendala signifikan. Banyak siswa mengalami keterbatasan waktu konsultasi karena jumlah siswa yang harus ditangani jauh melebihi kapasitas yang ada. Hal ini mengakibatkan proses bimbingan menjadi kurang mendalam, sehingga rekomendasi pekerjaan yang diberikan tidak selalu tepat dan efektif. Selain itu, proses pemberian rekomendasi pekerjaan sering kali memakan waktu yang lama, membuat siswa harus menunggu giliran dan terkadang kehilangan momentum dalam mencari informasi yang mereka butuhkan. Kendala lainnya muncul pada aksesibilitas informasi; setelah sesi bimbingan selesai, informasi yang telah disampaikan sulit untuk diakses kembali, sehingga siswa merasa tidak mendapatkan dukungan yang optimal dalam menentukan langkah karir mereka ke depan.. Metode yang digunakan adalah metode penelitian dan pengembangan (R&D) dengan pendekatan deskriptif. Hasil penelitian menunjukkan bahwa metode forward chainining untuk rekomendasi pekerjaan karir dapat meningkatkan efisiensi dalam proses pemberian rekomendasi. Berdasarkan uji kelayakan oleh ahli sistem, aplikasi ini dinyatakan “Sangat Layak” dengan tingkat kelayakan 100%. Selanjutnya aplikasi ini juga telah dilakukan uji pengguna dengan menggunakan kuesioner PSSUQ yang dibagi menjadi empat kategori, di antaranya Secara Keseluruhan (Overall) sebesar 87%, Kegunaan Sistem (System Usefullness) sebesar 87,5 Kualitas Informasi (Information Quality) sebesar 89,1%, dan Kualitas Antarmuka (Interface Quality) sebesar 83,1% yang artinya aplikasi ini “Sangat Layak” digunakan. Selain itu, uji hasil menggunakan confusion matrix dari metode menunjukan bahwa sistem ini memiliki tingkat accuracy mencapai 88%, precision 88%, recall 88%, dan F1-score 88%. Hasil penelitian ini menunjukkan bahwa sistem yang dibangun mampu meningkatkan efektivitas dan ketepatan yang baik dalam proses pemberian rekomendasi pekerjaan pada siswa. Implementasi sistem ini diharapkan dapat menjadi solusi inovatif dalam proses rekomendasi pekerjaan pada bimbingan karir.
Identifikasi Penyakit Virus Kuning pada Tanaman Cabai dengan Pendekatan CNN Muhamad Rizki Ridhwan; Hudori Hudori
Jurnal SAINTEKOM (Sains dan Teknologi Komputasi) Vol 2 No 1 (2026): Maret 2026
Publisher : Lembaga Penelitian, Pengembangan, dan Pengabdian Kepada Masyarakat (LP3M) – Universitas Binaniaga Indonesia (UNBIN)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36350/jskom.v2i1.81

Abstract

Penyakit virus kuning merupakan salah satu gangguan utama yang sering menyerang tanaman cabai. Penelitian ini bertujuan untuk menerapkan pendekatan machine learning berbasis Convolutional Neural Network (CNN) dalam mengidentifikasi penyakit virus kuning secara lebih cepat dan akurat. Data citra diperoleh dari dataset penelitian, kemudian diproses melalui tahapan pre-processing dan pelatihan model CNN dengan evaluasi menggunakan Confusion Matrix. Hasil pengujian menunjukkan nilai akurasi 83,33%, presisi 83,33%, recall 83,33%, dan F1-Score 83,33%. Selain itu, uji kelayakan melalui kuesioner PSSUQ memperoleh skor kepuasan keseluruhan sebesar 97,92%. Dengan demikian, penelitian ini membuktikan bahwa penerapan algoritma CNN pada sistem berbasis web mampu memberikan prediksi yang cukup akurat dan efektif dalam mengidentifikasi penyakit virus kuning pada tanaman cabai.