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 3 Documents
Search
Journal : Petir

 1 
Implementasi Algoritma Neural Network untuk Mendukung Keputusan di Desa Tamanmekar Amril Mutoi Siregar; Hanny Hikmayanti H
PETIR Vol 13 No 1 (2020): PETIR (Jurnal Pengkajian Dan Penerapan Teknik Informatika)
Publisher : Sekolah Tinggi Teknik - PLN

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (579.527 KB) | DOI: 10.33322/petir.v13i1.768

Abstract

Tingkat kesejahteraan masyarakat pedesaan yang terutama jauh dari perkotaan, masih banyak ditemukan dibawah garis kemiskinan. Mengingat akar permasalahannya adalah hampir semua desa tidak mempunyai data yang benar, akurat dan tepat tentang kondisi permasalahan dan potensi desa yang dimiliki. Padahal pemerintah pusat menyalurkan anggaran tiap tahun untuk setiap desa, hampir mencapai 1 milyar pertahun. Dengan tidak memiliki data yang akurat dan benar, sehingga pembangunan tidak tepat sasaran termasuk penyaluran beras rakyat miskin (Raskin), Bantuan langsung tunai (BLT). Masih ditemukan penyaluran yang tidak tepat sasaran, sesuai dengan yang rencanakan oleh pemerintah. Dengan penelitian ini diharapkan salah cara untuk menganalisa data penduduk, baik permasalahan dan potensi yang dimiliki. Sehingga penyaluran bantuan lainya tepat sasaran. Metode pengolahan data, untuk diimplementasikan agar desa memiliki data yang benar dan akurat. Untuk seleksi fitur dalam penelitian ini menggunakan algoritma Neural Network (Jaringan syaraf tiruan), hasil accuracy algoritma penelitian ini adalah 94.96 %. Sehingga dapat digunakan sebagai referensi untuk mengolah data untuk Bantuan dari pemerintah.
Klasifikasi Untuk Prediksi Cuaca Menggunakan Esemble Learning Amril Mutoi Siregar
PETIR Vol 13 No 2 (2020): PETIR (Jurnal Pengkajian Dan Penerapan Teknik Informatika)
Publisher : Sekolah Tinggi Teknik - PLN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33322/petir.v13i2.998

Abstract

Mengetahui cuaca hal yang sangat penting untuk kehidupan manusia, yang dinyatakan dengan parameter seperti suhu, kecepatan angin, tekanan udara, curah hujan, yang menjadi komponen utama untuk cuaca. Tujuan mengetahui cuaca adalah terutama bagi masyarakat pedesaan yang bergerak dibidang pertanian, perkebunan dan lain lain. Karena itu untuk penentuan cuaca, mendapatkan informasi cuaca perlu dibuat sehingga dapat dimanfaatkan oleh masyarakat. Permasalahan yang muncul bagaimana membuat prediksi cuaca akurat dan otomatis sehingga dapat dilakukan oleh setiap orang. Dalam penelitian ini mengajukan esemble learning untuk menghitung peluang dari masing-masing atribut kelompok yang ada dan menentukan pedekatan mana yang paling optimal, artinya pengelompokan dapat dilakukan berdasarkan kategori yang pengguna masukkan pada aplikasi. Esemble learning melibatkan beberapa algoritme untuk mencari nilai rata rata akurasi. Hasil yang diharapkan bisa menjadi rujukan untuk membangun aplikasi perakiraan cuaca.hasil akurasi adalah 81.21% dan MSE 18.79%.
Model Analisis Kasus Covid-19 Di Indonesia Menggunakan Algoritma Regresi Linier Dan Random Forest Alma Hidayanti; Amril Mutoi Siregar; Santi Arum Puspita Lestari; Yana Cahyana Cahyana
PETIR Vol 15 No 1 (2022): PETIR (Jurnal Pengkajian Dan Penerapan Teknik Informatika)
Publisher : Sekolah Tinggi Teknik - PLN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33322/petir.v15i1.1487

Abstract

Kenaikan kasus covid-19 di Indonesia tidak bisa diperkirakan perkembangannya, sehingga menyebabkan buruknya berbagai aspek kehidupan di Indonesia. Analisis data sangat penting untuk dilakukan, dengan menganalisis maka akan dihasilkan informasi baru yang bisa digunakan untuk menunjang penelitian lebih dalam terhadap permasalahan yang sama. Penelitian ini bertujuan untuk menganalisis data covid-19 di Indonesia dengan cara mengetahui nilai akurasi yang diperoleh dalam data. Dalam penelitian ini metode yang digunakan yaitu metode regresi linier dan random forest. Hasil penelitian dapat diketahui bahwa dalam penelitian ini cara analisis yang dilakukan yaitu menggunakan perhitungan manual dengan tools microsoft excel, pemrograman bahasa python menggunakan tools google colaboratory dan perangkat lunak pengolahan data menggunakan tools rapidminer. Nilai akurasi dalam setiap metode dapat berbeda sesuai dengan tools yang digunakan. Pada metode regresi linier nilai akurasi tertinggi adalah 99,7% dengan nilai RMSE (root mean squared error) yaitu 26,19, data tersebut dianalisis menggunakan perhitungan manual dengan tools microsoft excel. Sedangkan untuk metode random forest nilai akurasi tertinggi adalah 98,4% dan dianalisis menggunakan tools rapidminer
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