Claim Missing Document
Check
Articles

Found 6 Documents
Search

Penerapan K-Means Clustering pada Penentuan Jenis Pembelajaran di Universitas Pasir Pengaraian Luth Fimawahib; Erni Rouza
Jurnal Inovtek Polbeng Seri Informatika Vol 6, No 2 (2021)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v6i2.2096

Abstract

Pandemi Covid-19 yang melanda dunia, merubah pola kehidupan manusia termasuk dalam proses kegiatan belajar mengajar di perguruan tinggi. Salah satu perguruan tinggi yang terdampak pandemi ini adalah Universitas Pasir Pengaraian. Perkuliahan yang dilaksanakan oleh Universitas Pasir Pengaraian dimasa pandemi Covid-19 setidaknya terdiri dari tiga bentuk, yaitu offline, online dan blended learning. Upaya untuk menilai metode pembelajaran mana yang paling efektif menjadi penting untuk mengukur tingkat keberhasilan proses belajar mengajar, sehingga penelitian ini bertujuan untuk menentukan strategi perkuliahan di Universitas Pasir Pengaraian dengan menggunakan metode K-Means Clustering. Algortima K-Means Clustering  merupakan suatu metode dalam  data mining yang dapat dimanfaatkan untuk pengelompokan data. CRISP-DM merupakan metodologi data mining yang dipakai dalam penelitian ini. Dataset penelitian diperoleh dari laporan pembelajaran dosen semester Genap 2020. RapidMiner digunakan sebagai tool untuk memproses data tersebut. Cluster yang dibentuk sebanyak 3 (tiga) dengan hasil Cluster 1 (49 dosen), Cluster 2 (17 dosen), dan Cluster 3 (54 dosen). Berdasarkan hasil ini, strategi perkuliahan dengan jenis pembelajaran Blended Learning menjadi pilihan yang paling tepat untuk digunakan di Universitas Pasir Pengaraian, karena selain Cluster 3 ini memiliki jumlah keanggotaan yang terbanyak, pada Cluster ini persentase tertinggi tempat belajar adalah Ruang Kelas/Labor dan Aplikasi Meeting, yaitu perpaduan antara kuliah secara offline dan online. Startegi perkuliahan blended learning terbukti representatif digunakan dimasa pandemi. Evaluasi menggunakan DBI atau Davies-Bouldin Index. Nilai DBI yang didapatkan sebesar -1.163. Evaluasi Cluster kurang baik jika dilihat pada nilai ini, karena bernilai negatif dan tidak mendekati nol.Kata Kunci - K-Means, Pembelajaran, Universitas Pasir Pengaraian
PENERAPAN JARINGAN SYARAF TIRUAN UNTUK PENENTUAN SALAK UNGGUL DENGAN MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION Fimawahib, Luth; Lidya, Leony; Nurcahyo, Gunadi Widi
Riau Journal Of Computer Science Vol. 5 No. 2 (2019): Riau Journal of Computer Science
Publisher : Riau Journal Of Computer Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (328.882 KB)

Abstract

Rokan Hulu is one of district in Riau Province that cultivated Snake Fruit plant. Recently, the cultivation of this plant doesn’t conducted maximally because of the lack of farmer’s knowledge. The varieties of high quality Snake Fruit takes effect toward the productivity of Snake Fruit. Because of that, it needs evaluation in determining high quality Snake Fruit. Artificial Neural Network with Learning Vector Quantization in this research is used to train high quality Snake Fruit plant based on it’s class, namely High Quality I and High Quality II. The testing of this method is conducted by using Matlab in order to obtain classification accuracy level. This research uses 60 training dataset and 40 testing dataset of Snake Fruit plant. These data are obtained by using observation at Snake Fruit Plantation located in Desa Rambah Muda Kecamatan Rambah Hilir Kabupaten Rokan Hulu. The result of this research shows that the highest accuracy percentage of training and testing data are respectively 91.66% and 92.50%.
Implementasi Fuzzy C-Means Clustering dalam Pengelompokan UKM Di Kabupaten Rokan Hulu Erni Rouza; Luth Fimawahib
Techno.Com Vol 19, No 4 (2020): November 2020
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v19i4.4101

Abstract

Dalam upaya meningkatkan Usaha Kecil dan Menengah (UKM) di Kabupaten Rokan Hulu yang menjadi industri kreatif dan inovatif tentunya pendataan pesebaran UKM harus up to date dan valid sehingga pemerintah dapat memberikan kebijakan ataupun bantuan kepelaku usaha untuk mengembangkan usahanya apalagi dalam situasi pandemic ini. Penelitian ini bertujuan untuk mengelompokkan jenis UKM yang ada di Rokan Hulu menggunakan metode Fuzzy C-Means Clustering  dan membuat aplikasi baru berbasis Web untuk mendata persebaran UKM yang dilengkapi dengan peta pesebaran UKM . Fuzzy C-Mean Clustering (FCM) adalah suatu teknik pengclusteran data yang mana keberadaan tiap-tiap titik data dalam suatu cluster ditentukan oleh derajat keanggotaannya. Variabel yang digunakan berdasarkan omset, asset dan jumlah tenaga kerja. Sedangkan untuk pengelompokan jenis UKM dicluster menjadi 3 jenis, yaitu usaha menengah, usaha kecil dan usaha mikro. Berdasarkan hasil pengujian metode Fuzzy C-Mean Clustering dapat mengelompokkan jenis Usaha Kecil Menengah berdasarkan 3 cluster yaitu usaha menengah, usaha kecil dan usaha mikro, serta nilai validasinya rata-rata hampir mendekati angka 1, hal tersebut menunjukkan bahwa Fuzzy C-Means Clustering memiliki tingkat akurasi yang tinggi sebesar 80-90 %.  
Implementasi Metode Perceptron Untuk Pengenalan Pola Jenis-Jenis Cacing Nematoda Usus Erni Rouza; Jufri; Luth Fimawahib
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 4 No 1 (2020): Februari 2020
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (750.028 KB) | DOI: 10.29207/resti.v4i1.1662

Abstract

The purpose of pattern recognition is do the process of classifying an object into one particular class based on the pattern it has, so it can be used to recognize patterns of intestinal nematode worm types. One of the methods used in pattern recognition is by utilizing the artificial neural network method, the artificial neural network is able to represent a complex Input-Output relationship. For that the algorithm used is the perceptron algorithm. Perceptron is one method of Artificial Neural Networks. In the introduction of types of intestinal nematode worms, a computer must be trained in advance using training data and test data, this study discusses how a computer can recognize a pattern of types of intestinal nematode worms using the perceptron method. Based on the results of testing trials with input in the form of worm image scan results, based on the results of the perceptron method testing is able to recognize the pattern recognition of the types of intestinal nematode worms and be able to analyze with the right results of 100% for pinworms patterns, hookworm patterns, and 40- 50% for roundworms, by comparing the output value and the target value entered first.
PENDAMPINGAN PEMANFAATAN FACEBOOK BUSINESS SUITE SEBAGAI UPAYA PENINGKATAN PENJUALAN PADA USAHA BAKERY Muhammad Wali; Aris Sudaryanto; Urfi Utami; Luth Fimawahib; Munawir; Syamsul Rizal
at-tamkin: Jurnal Pengabdian kepada Masyarakat Vol. 4 No. 2 (2021): At-Tamkin - Jurnal Pengabdian Kepada Masyarakat
Publisher : Universitas Islam Raden Rahmat Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33379/attamkin.v4i2.1002

Abstract

Tujuan dari pengabdian ini adalah untuk memberikan pemahaman dan serta pemanfaatan sosial media dengan pendekatan baru untuk penjualan yang memungkinkan dapat menargetkan calon pembeli menjalin komunkasi baik melalui koneksi yang ada melalui Facebook Business Suite. Tahapan pelaksanaan kegiatan terdiri dari; pertukaran informasi, tanya jawab, diskusi, dan peragaan. Kegiatan Pengabdian Masyarakat dilaksanakan pada tanggal 2 Maret 2021 sampai dengan 3 Mei 2021, setelah sebelumnya dilakukan observasi dan diskusi dengan pihak terkait seperti Kepala Desa, Perangkat Desa, dan pemilik Toko Bakery. Hasil yang telah dicapai dalam kegiatan yang dilaksanakan adalah; 1) Peserta dapat mengenal dengan baik Facebook Business Suite, 2) Peserta mampu menguasai penggunaan Home Page, Activity, Inbox, membuat Posts, menggunakan Commerce Manager, membuat Ads dan menggunakan Insights, 3) Peserta mampu memanfaatkan waktunya, dan 4) Peserta juga mampu menguasai ilmu yg didapatkan sebagai skill tambahan dan menciptakan peluang promosi produk yang efektif.
Klasifikasi Tekstur Kematangan Buah Jeruk Manis Berdasarkan Tingkat Kecerahan Warna dengan Metode Deep Learning Convolutional Neural Network Budi Yanto; Luth Fimawahib; Asep Supriyanto; B.Herawan Hayadi; Rinanda Rizki Pratama
Jurnal Inovtek Polbeng Seri Informatika Vol 6, No 2 (2021)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v6i2.2104

Abstract

Sweet orange is very much consumed by humans because oranges are rich in vitamin C, sweet oranges can be consumed directly to drink. The classification carried out to determine proper (good) and unfit (rotten) oranges still uses manual methods, This classification has several weaknesses, namely the existence of human visual limitations, is influenced by the psychological condition of the observations and takes a long time. One of the classification methods for sweet orange fruit with a computerized system the Convolutional Neural Network (CNN) is algorithm deep learning to the development of the Multilayer Perceptron (MLP) with 100 datasets of sweet orange images, the classification accuracy rate was 97.5184%. the classification was carried out, the result was 67.8221%. Testing of 10 citrus fruit images divided into 5 good citrus images and 5 rotten citrus images at 96% for training 92% for testing which were considered to have been able to classify the appropriateness of sweet orange fruit very well. The graph of the results of the accuracy testing is 0.92 or 92%. This result is quite good, for the RGB histogram display the orange image is good