Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal MATICS : Jurnal Ilmu Komputer dan Teknologi Informasi (Journal of Computer Science and Information Technology) Jurnal Edukasi dan Penelitian Informatika (JEPIN)
Faisal, Anas
Unknown Affiliation
Computer Science & IT Education

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Desain Vending Machine Rokok Dengan Mengimplementasikan Finite State Automata Terintegrasi Dengan E-KTP Saragih, Gabriel Vangeran; Faisal, Anas; Gata, Windu
MATICS Vol 12, No 1 (2020): MATICS
Publisher : Department of Informatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (635.655 KB) | DOI: 10.18860/mat.v12i1.8693

Abstract

Penelitian tentang Vending Machine (VM) untuk penjualan rokok secara otomatis guna mengurangi jumlah konsumen di bawah umur telah dilakukan sebelumnya. Penelitian sebelumnya memberikan solusi alternatif Cicard. Cicard merupakan cigarette card yang didesain sebagai cara pembayaran untuk pembelian rokok. Namun, hal ini dirasa belum efektif untuk membatasi perokok aktif untuk usia di bawah umur. Oleh karena itu, untuk mengurangi jumlah perokok aktif pada usia dibawah umur diperlukan mekanisme kontrol yang efektif. Pada penelitian ini didesain mesin penjualan rokok otomatis atau vending machine dengan mengintegrasikan database e-KTP untuk mengambil data usia pembeli. Hal ini bertujuan agar pembeli yang berusia di bawah umur tidak dapat melakukan pembelian secara bebas. Sehingga peredaran rokok pada usia di bawah umur dapat dikurangi dan dikendalikan.
Deep Neural Network untuk Prediksi Stroke Faisal, Anas; Subekti, Agus
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 7, No 3 (2021): Volume 7 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v7i3.50094

Abstract

Pada Tahun 2019 Organisasi Kesehatan Dunia (WHO) mendudukkan stroke sebagai tujuh dari sepuluh penyebab utama kematian. Kementerian Kesehatan menggolongkan stroke sebagai penyakit katastropik karena dampaknya luas secara ekonomi dan sosial. Oleh karena itu, diperlukan peran dari teknologi informasi untuk memprediksi stroke guna pencegahan dan perawatan dini. Analisis data yang memiliki kelas tidak seimbang mengakibatkan ketidakakuratan dalam memprediksi stroke. Penelitian ini membandingkan tiga teknik oversampling untuk mendapatkan model prediksi yang lebih baik. Data kelas yang sudah diseimbangkan diuji menggunakan tiga model Arsitektur Deep Neural Network (DNN) dengan melakukan optimasi pada beberapa parameter yaitu optimizer, learning rate dan epoch. Hasil paling baik didapatkan teknik oversampling SMOTETomek dan Arsitektur DNN dengan lima hidden layer, optimasi Adam, learning rate 0.001 dan jumlah epoch 500. Skor akurasi, presisi, recall, dan f1-score masing-masing mendapatkan 0.96, 0.9614, 0.9608 dan 0.9611.
Co-Authors Agus Subekti Gata, Windu Saragih, Gabriel Vangeran