Article Per Year (5 Year)
p-Index From 2019 - 2024
5.336
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Bianglala Informatika : Jurnal Komputer dan Informatika Akademi Bina Sarana Informatika Yogyakarta Faktor Exacta Conference on Innovation and Application of Science and Technology (CIASTECH) Petir Jurnal Telematika Progresif: Jurnal Ilmiah Komputer Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Jurnal Accounting Information System (AIMS) INTERNAL (Information System Journal) Computer Science and Information Technologies Scientific Student Journal for Information, Technology and Science Jurnal Buana Pengabdian Jurnal Accounting Information System (AIMS) INTERNAL (Information System Journal)
Siregar, Amril Mutoi
Teknik Informatika, Universitas Buana Perjuangan Karawang
Religion Agriculture, Biological Sciences & Forestry Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Public Health Social Sciences Other

Published : 45 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 45 Documents
Search

 1   2   3   4   5 
PERBANDINGAN HASIL PREDIKSI KREDIT MACET PADA KOPERASI MENGGUNAKAN ALGORITMA KNN DAN C5.0 Permana, Tedi; Siregar, Amril Mutoi; Nur Masruriyah, Anis Fitri; Juwita, Ayu Ratna
Conference on Innovation and Application of Science and Technology (CIASTECH) CIASTECH 2020 "Peranan Strategis Teknologi Dalam Kehidupan di Era New Normal"
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Koperasi memberikan jasa simpan pinjam dana untuk meningkatkan ekonomi masyarakat, seperti mengembangkan usaha, dan memenuhi kebutuhan hidup sehari-hari. Dalam proses simpan pinjam dana pasti ada permasalahan-permasalahan yang sering terjadi, seperti nasabah terlambat membayar cicilan dana, dan nasabah gagal dalam mengembangkan usahanya, sehingga menyebabkan kredit macet. Pada penelitian ini akan dilakukan prediksi kredit macet untuk meminimalisir terjadinya kredit macet dengan cara memperhatikan data yang dimasukan nasabah untuk proses peminjaman dana. Metode yang digunakan dalam penelitian ini yaitu dengan menerapkan algortima K-Nearest Neighbor dan algoritma C5.0. Hasil akurasi dari algoritma C5.0 mendapatkan nilai yang lebih baik dari algoritma K-Nearest Neighbor yaitu 86,67%. Sehingga algoritma C5.0 lebih efektif untuk memprediksi kredit macet.
PERBANDINGAN PEMBOBOTAN KATA DALAM SISTEM TEMU BALIK INFORMASI Amril Mutoi Siregar
Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Vol 2 No 2 (2017): TechnoXplore : Jurnal Ilmu Komputer dan Teknologi Informasi
Publisher : Teknik Informatika, Fakultas Teknik dan Ilmu Komputer, Universitas Buana Perjuangan Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36805/technoxplore.v2i2.302

Abstract

ABSTRAK Information retrieval (IR) system adalah sistem yang secara otomatis melakukan pencarian informasi yang relevan terhadap kebutuhan pengguna, yang diekspresikan dalam query, menjadi input bagi IR system dan selanjutnya diproses oleh system kemudian ditampilkan dokumen yang relevan dengan query tersebut. Salah satu metode pencarian informasi yang relevan dengan query adalah dengan pembobotan kata baik query maupun dokumen. Metode yang sering digunakan adalah pembobotan kata lokal dan pembobotan global, adapun pembobotan kata lokal yang digunakan tf, logaritmic tf, binary tf dan augmented tf dan pembobotan globalnya adalah idf, idfp, idfb. Dalam penelitian ini selain membandingkan algoritma pembobotan kata. Tingkat keberhasilan algoritma di ukur berdasarkan precision, recall dan niap. Penelitian ini setelah dilakukan perbandingan dan analisis hasil algoritma pembobotan, hasil algortima yang baru lebih baik daripada yang lama. Kedepan perlu dilakukan dikombinasikan pembobotan dengan algoritma semantic sehingga mendapatkan hasil yang lebih baik. Kata kunci : Sistem temu balik informasi, pembobotan, pembobotan kata lokal, pembobotan global, similarity ( kemiripan), vector space model.
Implementasi Algoritma K-Means terhadap Pengelompokan Nilai Ujian Nasional Tingkat SMP di Provinsi Jawa Barat Tria Pratiwi Sutriyani; Amril Mutoi Siregar; Dwi Sulistya Kusumaningrum
Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Vol 3 No 1 (2018): Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi
Publisher : Teknik Informatika, Fakultas Teknik dan Ilmu Komputer, Universitas Buana Perjuangan Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36805/technoxplore.v3i1.797

Abstract

Peraturan Pemerintah Republik Indonesia Nomor 13 Tahun 2015 Pasal 66 menjelaskan bahwa Ujian Nasional (UN) sangatlah penting karena menjadi suatu pencapaian kompetensi lulusan secara nasional pada mata pelajaran tertentu pada Sekolah Dasar (SD), Sekolah Menengah Pertama (SMP) dan Sekolah Menengah Atas (SMA). Berdasarkan data yang ditemukan pada website Kementrian Pendidikan dan Kebudayaan yaitu nilai rata-rata UN SMP, SMA dan SMK data yang disajikan tidak berdasarkan peringkat atau kategori tertentu sehingga informasi yang didapatkan menjadi kurang jelas. Dari permasalahan tersebut dilakukan sebuah penelitian untuk menambang data menjadi informasi, pada penelitian ini data yang digunakan adalah nilai rata-rata UN tingkat SMP di Provinsi Jawa Barat menggunakan teknik data mining . Penelitian dilakukan dengan cara perhitungan manual menggunakan Microsoft Excel Kemudian dievaluasi menggunakan tools Rapidminer 9.2.0. Penelitian ini menghasilkan Cluster Baik 10 Kabupaten/Kota, Cluster Cukup Baik 15 Kabupaten/Kota dan Cluster Kurang Baik 2 Kabupaten/Kota 2. Mata Pelajaran Matematika dan IPA saat ini tidak menentukan kategori, karena nilai yang didapat rata-rata lebih kecil dari Bahasa Inggris dan Bahasa Indonesia sehingga bagi Pemerintah Dinas Pendidikan untuk perlu meningkatkan lagi dalam proses pembelajaran di Provinsi Jawa Barat.
Aplikasi Linier Regresi dengan Algoritma Jaringan Syaraf Tiruan untuk Sentimen Analisis Amril Mutoi Siregar; Tia Astiyah Hasan
Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Vol 3 No 2 (2018): Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi
Publisher : Teknik Informatika, Fakultas Teknik dan Ilmu Komputer, Universitas Buana Perjuangan Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36805/technoxplore.v3i2.800

Abstract

Penggunaan media sosial seperti twitter adalah salah satu yang popular di masyarakat Indonesia dengan kemudahan dapat diakses oleh siapapun selama ia mempunyai alat pendukung dan koneksi internet, sekarang ini orang bisa ngetweet dari mana dan kapan saja melalui gadgetnya, Karena begitu mudahnya diakses semua orang dari berbagai kalangan dan latar belakang bisa berkomentar atau membuat status untuk mengomentari suatu produk, kejadian, ataupun tokoh. Dengan banyaknya isi kicauan atau tweet yang berhubungan dengan seorang tokoh, khususnya Pemilihan calon pemimpin Presiden, Pilkada yang ada di Indonesia. Isi tweet atau kicauan setiap orang pastinya berbeda – beda tetapi muatannya hanya dibatasi oleh tiga sentiment Posistif, Negatif dan Netral. Dengan adanya keputusan sentiment analisis dapat mencari isi kampanye yang sehat, mana yang negatif dan kampanye hitam. karakter untuk seleksi fitur menggunakan algoritma Neural Network (Jaringan syaraf tiruan) untuk mengklasifikasi sentimen secara otomatis, performance hasil yang didapatkan 53.33%.
Implementasi Algoritme K-Nearest Neighboar (KNN) untuk Prediksi Hasil Produksi Farkhina Dwi Utari; Amril Mutoi Siregar; Deden Wahiddin
Scientific Student Journal for Information, Technology and Science Vol. 1 No. 1 (2020): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (627.594 KB)

Abstract

Penjadwalan sebuah produksi merupakan proses penting dalam produksi. Penjadwalan produksi bertujuan untukmenghasilkan produk yang akan dijual dan memperoleh keuntungan bagi perusahaan. Agar produksi berjalanlancar diperlukan sebuah departemen perencanaan produksi dan kontrol persediaan. Permasalahan yang adasaat ini yaitu metode yang digunakan dalam penjadwalan produksi tidak tentu, karena metode tersebut tidak cocokdigunakan, sehingga menyebabkan kendala yang mempengaruhi perencanaan produksi. Salah satu faktor yangmempengaruhi adalah besarnya permintaan pelanggan per harinya (cycle time urgent). Maka solusi untukmengolah data hasil produksi perusahaan adalah dengan teknik klasifikasi-prediksi menggunakan algoritme KNearest Neighbor (KNN). Sehingga mampu membantu memberikan prediksi bagi departemen perencanaan dankontrol persediaan dalam penjadwalan produksi. Berdasarkan hasil perhitungan klasifikasi prediksi data hasilproduksi pada PT. SKI dengan algoritme K-Nearest Neighbor (KNN) dengan data latih sebanyak 130 dan satudata uji diperoleh nilai akurasi sebanyak 100% dengan menentukan K=5.
K-Means Clustering untuk Mengelompokan Tingkat Putus Sekolah Jenjang SMP di Indonesia Sekar Wuni; Amril Mutoi Siregar; Dwi Sulistya Kusumaningrum
Scientific Student Journal for Information, Technology and Science Vol. 1 No. 1 (2020): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (487.75 KB)

Abstract

Mendapatkan pendidikan adalah hak setiap warga Negara Indonesia, dari tingkat Sekolah Dasar (SD), SekolahMenengah Pertama (SMP), hingga Sekolah Menengah Atas (SMA) maupun yang sederajat. Namun, ternyatamasih ada siswa yang tidak dapat menyelesaikan pendidikannya pada tingkat tertentu maupun melanjutkan kejenjang selanjutnya. Siswa yang tidak dapat menyelesaikan pendidikannya diberikan sebutan putus sekolah. Padasitus Kementrian Pendidikan dan Kebudayaan (Kemendikbud) terdapat banyak data yang disajikan, salah satunyaadalah data angka putus sekolah dari berbagai jenjang pendidikan dan tahun ajar. Data-data tersebut belum jelasdikarenakan belum dapat dikategorikan maupun dikelompokan berdasarkan besar kecilnya angka putus sekolah.Berdasarkan permasalahan tersebut, maka penelitian ini mengolah data angka putus sekolah jenjang SMP diIndonesia dengan menggunakan terknik pada data mining yaitu clustering (pengelompokan) dengan menggunakanalgoritma K-Means. Pengelompokan pada data tersebut dibagi menjadi tiga kelompok yaitu kelompok tingkatputus sekolah jenjang SMP rendah, sedang, dan tinggi. Penelitian ini dilakukan menggunakan dua cara yaitu:perhitungan manual dengan menggunakan Microsoft Excel 2013 dan pengujian menggunakan tools Rapid Minerversi 5.3.000. Hasil dari penelitian ini yaitu provinsi yang masuk pada kelompok tingkat putus sekolah jenjangSMP rendah sebanyak 21 provinsi, kelompok sedang sebanyak 12 provinsi dan yang masuk pada kelompok tinggisebanyak 1 provinsi.
Penerapan Algoritma K-Means Dalam Mengurangi Tingkat Buta Aksara Di Indonesia Sebagai Penunjang Keputusan Murniasih; Amril Mutoi Siregar; Deden Wahiddin
Scientific Student Journal for Information, Technology and Science Vol. 1 No. 1 (2020): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (745.409 KB)

Abstract

Buta aksara adalah saat seseorang tidak mampu untuk membaca dan menulis sebuah kalimat sederhana dalamberbagai bahasa. Data terakhir Badan Pusat Statistika (BPS) pada tahun 2017 jumlah penderita sebanyak 3,387,038pada usia 15-59 tahun. Dari banyaknya jumlah penderita buta aksara tersebut, maka perlu adanya penelitianmengenai penyebaran buta aksara di Indonesia. Penelitian ini bertujuan untuk melakukan pengelompokan provinsibuta aksara dengan metode algoritma k-means dengan teknik clustering pada data mining. Metode algoritma kmeans merupakan pengelompokan data yang sama pada suatu kelompok tertentu dan pengelompokan data yangberbeda pada kelompok lain. Pada penelitian ini mengelompokan provinsi ke dalam beberapa cluster berdasarkankemiripan data, maka data provinsi dengan karakteristik yang sama dikelompokan menjadi satu cluster dan dataprovinsi dengan karakteristik yang berbeda akan dikelompokan kedalam cluster yang lain. Jumlah data yangdigunakan sebanyak 34 data, menggunakan atribut provinsi, umur 15+, umur 15-45 dan umur 45+. Perhitunganpada penelitian ini dilakukan dengan cara manual menggunakan Microsoft Excel kemudian dievaluasi denganmenggunakan tools Rapidminer 9.2.0. Penelitian ini menghasilkan pengelompokan provinsi penderita butaaksaran tertinggi dengan jumlah dua provinsi, sepuluh provinsi penderita buta aksara kategori sedang dan 22provinsi penderita buta aksara kategori rendah
Penerapan Algoritme K-Means untuk Pengelompokan Buku Berdasarkan Tingkat Minat Pembaca Andri Juliyanto; Amril Mutoi Siregar; Dwi Sulistya Kusumaningrum
Scientific Student Journal for Information, Technology and Science Vol. 1 No. 2 (2020): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (507.628 KB)

Abstract

Perpustakaan menyediakan layanan baca dan peminjaman buku untuk menunjang sarana proses belajar mengajar.Dinas Perpustakaan Kabupaten Karawang mencatat setiap transaksi peminjaman buku yang dipinjam oleh anggotaperpustakaan. Selama ini anggota perpustakaan kesulitan menemukan rak-rak buku yang sesuai dengan tingkatminat pembaca. Maka dalam mengatasi permasalahan penelitian ini dilakukan dengan menerapkan algoritme KMeans. Penerapan algoritme K-Means dalam penelitian ini dilakukan untuk menentukan pengelompokan buku,sehingga hasil yang didapat mampu membantu petugas perpustakaan menyusun rak-rak buku. Berdasarkan hasilperhitungan dalam penelitian ini yang menggunakan data latih jenis buku sebanyak 38 jenis buku dan 13 atributdata menghasilkan tiga klaster. Klaster 1 adalah klaster paling diminati yang menghasilkan 31 buku, klaster 2 yaituklaster cukup diminati menghasilkan tiga buku dan klaster 3 merupakan klaster kurang diminati menghasilkanempat buku.
PENERAPAN ALGORITMA K – NEAREST NEIGHBOR (KNN) UNTUK KLASIFIKASI PENCEMARAN UDARA DI KOTA JAKARTA Siti Nurjanah; Amril Mutoi Siregar; Dwi Sulistya Kusumaningrum
Scientific Student Journal for Information, Technology and Science Vol. 1 No. 2 (2020): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (548.947 KB)

Abstract

Pencemaran Udara adalah masuknya atau dimasuknanya zat,energy atau komponen lain ke dalam udara ambienoleh kegiatan manusia. Sehingga mutu udara ambien turun sampai ketingkat tertentu yang menyebabkan udaraambien tidak dapat memenuhi fungsinya. Kondisi udara yang buruk juga dapat mengganggu aktifitas manusia.Dampak pencemaran udara dapat menyebabkan gangguan pernapasan dan bahkan kematian. Sumber pencemaranudara dapat disebabkan dari semakin banyaknya kendaraan bermotor dan pembangunan gedung yang tidakmemperhatikan keseimbangan alam. Di Kota Jakarta Indeks Standar Pencemaran Udara (ISPU) yang dilakukanoleh Dinas Lingkungan Hidup melalui stasiun pemantau setiap hari selalu mengalami perubahan kategoripencemaran udara. Data yang ada belum mampu memberikan informasi yang memadai kepada masyarakat Jakarta.Sehingga kesadaran masyarakatterhadap bahaya polusiudara belum maksimal.Salah satu cara untukmengolah dataISPU harian dikota Jakarta adalah dengan teknik klasifikasi data mining menggunakan algoritma K-NearestNeighbor (KNN). Sehingga diharapkan dapat membantu memberikan informasi yang bermanfaat bagi masyarakatdan bagi Dinas Lingkungan Hidup. Berdasarkan hasil perhitungan klasifikasi kategori pencemaran udara denganalgoritma K-Nearest Neighbor (KNN) di Kota Jakarta dengan data training sebanyak 304 dan satu data uji(testing)diperoleh nilai akurasi sebanyak 95.78% dengan menentukan K=7.
Pengelompokan Jumlah Sumber Daya Manusia Kesehatan Puskesmas untuk Menunjang Pemerataan pada Provinsi Jawa Tengah Menggunakan Algoritma K-Means Sinta Candra Dewi; Amril Mutoi Siregar; Dwi Sulistya Kusumaningrum
Scientific Student Journal for Information, Technology and Science Vol. 1 No. 2 (2020): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (740.237 KB)

Abstract

Puskesmas merupakan salah satu dari fasilitas pelayanan kesehatan masyarakat secara terpadu, menyeluruh danberkesinambungan dalam suatu wilayah yang berada dalam pengawasan langsung dari Dinas Kabupaten. Saranadan prasarana serta Sumber Daya Manusia Kesehatan (SDMK) yang memadai sangat dibutuhkan agar fasilitaspelayanan kesehatan dapat berfungsi dengan baik. Agar mencapai tingkat kesehatan yang setinggi-tingginyapemerintah bertanggungjawab atas ketersediaan Sumber Daya Manusia Kesehatan (SDMK) yang adil dan meratabagi seluruh masyarakat. Data kementrian kesehatan menunjukan terdapat 938 puskesmas atau 9.8% dari 9,599puskesmas masih kekurangan tenaga kesehatan hal itu disebabkan oleh distribusi tenaga kesehatan yang belummerata, terdapat beberapa daerah yang kelebihan tenaga kesehatan sedangkan beberapa daerah lainnya kekurangantenaga kesehatan. Penelitian ini membahas tentang pengelompokan jumlah SDMK Puskesmas untuk menunjangpemerataan jumlah SDMK Puskesmas di Provinsi Jawa Tengah dengan menggunakan Algoritma K-Means.Pengelompokan dalam Algoritma K-Means dibagi menjadi tiga cluster yaitu cluster satu, cluster dua dan clustertiga dengan nilai Tinggi (Kelebihan SDMK), Sedang (Kecukupan SDMK) dan Rendah (Kekurangan SDMK).Hasil dari pengelompokan data dengan menggunakan Algoritma K-Means yaitu cluster satu dengan nilai Tinggi(Kelebihan SDMK) terdapat empat Kabupaten/Kota, cluster dua dengan nilai sedang (Kecukupan SDMK) terdapat25 Kabupaten/Kota dan cluster tiga dengan nilai rendah (Kekurangan SDMK) terdapat enam Kabupaten/Kota.
Co-Authors Abdul Mufti Ahmad Fauzi Ahmad Fauzi Alma Hidayanti Andri Juliyanto Anton Romadoni Junior Deden Wahiddin Dwi Sulistya Kusumaningrum Dwi Sulistya Kusumaningrum Dwi Vina Wijaya Farkhina Dwi Utari Fitri Nur Masruriyah, Anis Hanny Hikmayanti Hanny Hikmayanti H Hanny Hikmayanti Handayani Indi Nurul Hassanah Indra, Jamaludin Jaman, Jajam Haerul Juwita, Ayu Ratna Lestari, Santi Arum Puspita Lutfiah Adeliana Maulana Abdur Rofik Mulya Cahya Ramadanty Murniasih Nahrowi Nahrowi Nahrowi Nofita Sari Nursela Basuni Permana, Tedi Priyatna, Bayu Rahmad Nahar Siregar Rizqi Fahrozi Santi Arum Puspita Lestari Sekar Wuni Sinta Candra Dewi Sinung Suakanto SITI NURJANAH Siti Silvia Arifin Sony Hartono Wijaya Sony Hartono Wijaya Sutan Faisal Sutan Faisal Sutan Faisal Tia Astiyah Hasan Tjong Wan Sen Tjong Wan Sen Tohirin Al Mudzakir Tohirin Al Mudzakir Tria Pratiwi Sutriyani Tukino Tukino Wilda Amalia Y Aris Purwanto Yana Cahyana Yana Cahyana Cahyana Yholanda Maldini Yogi Firman Alfiansyah Yusuf Khoiruddin