Garuda - Garba Rujukan Digital

p-Index From 2019 - 2024

4.879

P-Index

This Author published in this journals

All Journal Techno.Com: Jurnal Teknologi Informasi Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik Jurnal Teknik Elektro Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Sistem dan Informatika InfoTekJar (Jurnal Nasional Informatika dan Teknologi Jaringan) Sistemasi: Jurnal Sistem Informasi Jurnal Teknologi dan Sistem Komputer JOIV : International Journal on Informatics Visualization Matrik : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Jurnal Tekno Kompak Jurnal Abdidas Jurnal SASAK : Desain Visual dan Komunikasi Jurnal Bumigora Information Technology (BITe) ADMA: Jurnal Pengabdian dan Pemberdayaan Masyarakat International Journal of Engineering and Computer Science Applications (IJECSA) International Journal of Engineering Continuity Valid Jurnal Pengabdian

Hairani Hairani

Universitas Bumigora, Mataram, Indonesia

Author-ID : 2377224

Arts Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Languange, Linguistic, Communication & Media Materials Science & Nanotechnology Mathematics Mechanical Engineering Nursing Public Health Social Sciences Other

Published : 35 Documents Claim Missing Document

Claim Missing Document

Articles

Title

Aplikasi Pemetaan Kualitas Pendidikan di Indonesia Menggunakan Metode K-Means Gibran Satya Nugraha; Hairani Hairani
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol 17 No 2 (2018)
Publisher : LPPM Universitas Bumigora

Aplikasi Pemetaan Kualitas Pendidikan Di Indonesia Menggunakan Metode K-Means adalah sebuah aplikasi yang dirancang untuk memudahkan pemetaan kualitas pendidikan di Indonesia. Aplikasi ini dapat membuat sebuah cluster dari kualitas pendidikan di Indonesia berdasarkan sejumlah parameter yaitu Angka Partisipasi Kasar, Angka Partisipasi Murni, Angka Putus Sekolah, Angka Kelulusan, Angka Melanjutkan, Jumlah Sekolah, Rasio Siswa/Sekolah, Rasio Siswa/Kelas, Rasio Kelas/Guru, Rasio Kelas/Sekolah, Rombongan Belajar/Ruang Kelas, dan Jarak Sekolah. Keluaran atau output dari sistem berupa peta yang mengelompokkan daerah-daerah sesuai dengan kualitas pendidikan yang dimilikinya. Analisis perancangan yang digunakan dalam pembuatan sistem ini menggunakan UML (Unified Modeling Language) dimana setiap aktivitas pada sistem akan dikelompokkan secara sendiri-sendiri di dalam sebuah use case diagram dan alur dari sistem digambarkan dalam bentuk flowchart. Perancangan sistem yang dilakukan antara lain perancangan basis data. Perancangan berdasarkan spesifikasi kebutuhan, dan perancangan antarmuka. Secara umum aplikasi ini dapat menghitung data parameter kualitas pendidikan dengan menggunakan metode K-Means Clustering, dan menampilkan hasilnya dalam bentuk peta, sehingga dinas pendidikan atau lembaga-lembaga yang menangani pendidikan di Indonesia dapat membandingkan kualitas pendidikan setiap provinsi di Indonesia Key word : Clustering, k-means, pemetaan

Graduation Prediction System on Students Using C4.5 Algorithm Donny Kurniawan; Anthony Anggrawan; Hairani Hairani
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol 19 No 2 (2020)
Publisher : LPPM Universitas Bumigora

Bumigora University College there are several things that are not balanced between the entry and exit of students who have completed their studies. Students who enter in large numbers, but students who graduate on time below the specified standards. As result, there was a huge accumulation of students in each graduation period. One solution to overcome the problem above needs a data mining based system in monitoring or utilizing student development in predicting graduation using the C4.5 algorithm. The stages of this research began with problem analysis, data collection, data requirement analysis, data design, coding, and testing. The results of this study are the implementation of the C4.5 algorithm for predicting student graduation on time or not. The data used is the data of students who have graduated from 2010 to 2012. The level of acceptance generated using the confusion matrix is 93,103% accuracy using 163 training data and 29 testing data or 85% training data and 15% testing data. The results of research and testing that has been done, C4.5 algorithm is very suitable to be used in student graduation prediction.

Segmentasi Lokasi Promosi Penerimaan Mahasiswa Baru Menggunakan Metode RFM dan K-Means Clustering Dyah Susilowati; Hairani Hairani; Indah Puji Lestari; Khairan Marzuki; Lalu Zazuli Azhar Mardedi
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol 21 No 2 (2022)
Publisher : LPPM Universitas Bumigora

Persaingan penerimaan mahasiswa baru antar kampus swasta sangat ketat untuk menarik calon mahasiswa sehingga membutuhkan strategi. Strategi Universitas Bumigora adalah mengirimkan tim promosi ke sekolah-sekolah di pulau Lombok maupun pulau sumbawa. Permasalahan pihak panitia Penerimaan Mahasiswa Baru selama ini adalah tidak melakukan segmentasi sekolah yang menjadi skala prioritas untuk dikunjungi agar efektif dan efisien. Tujuan penelitian ini adalah melakukan segmentasi tingkat potensial sekolah sebagai strategi untuk memilih lokasi promosi penerimaan mahasiswa baru Universitas Bumigora menggunakan analisis model RFM dan metode K-means. Tahapan penelitian terdiri dari persiapan data penerimaan mahasiswa baru tahun 2019 dan 2020, pra-pengolahan data, penerapan model Recency (R), Frequency (F), dan Monetary (M)implementasi metode K-means, dan analisa hasil. Hasil penelitian ini adalah terbentuk 3 klaster tingkat potensial sekolah yang dapat dijadikan skala prioritas untuk lokasi promosi penerimaan mahasiswa baru Universitas Bumigora yaitu kurang potensial, potensial, dan sangat potensial. Klaster sangat potensial (C2) terdapat 28 sekolah, klaster potensial (C3) terdapat 90 sekolah, dan klaster kurang potensial (C1) terdapat 152 sekolah.

Penanganan Ketidak Seimbangan Kelas Menggunakan Pendekatan Level Data Abdurraghib Segaf Suweleh; Dyah Susilowaty; Hairani Hairani; Khairan Marzuki
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol 20 No 1 (2020)
Publisher : LPPM Universitas Bumigora

Setiap tahun bagian kemahasiswaan Universitas Bumigora melakukan seleksi mahasiswa yang berhak mendapatkan Beasiswa Peningkatan Prestasi Akademik (Beasiswa PPA). Dalam proses seleksi pemilihan penerima Beasiswa PPA terdapat permasalahan seperti kesulitan dalam menentukan mahasiswa yang berhak menerima beasiswa, dikarenakan jumlah kuota beasiswa lebih sedikit dibandingkan jumlah mahasiswa yang mendaftar beasiswa. Kumpulan data hasil seleksi Beasiswa PPA sebanyak 150 instance. Terdapat ketidak seimbangan kelas pada data yang digunakan yaitu 85 instance kelas tidak layak dan 65 instance kelas layak. Solusi yag ditawarkan adalah menggunakan pendekatan level data untuk menyeimbangkan kelasnya seperti metode SMOTE dan k-means-SMOTE. Adapun tujuan penelitian ini adalah menangani permasalahan ketidak seimbangan kelas pada data beasiswa PPA Universitas Bumigora menggunakan pendekatan level data untuk meningkatkan kinerja metode C4.5. Tahapan-tahapan penelitian ini terdiri dari pengumpulan data Beasiswa PPA, data preprocesing, klasifikasi, dan pengujian kinerja. Berdasarkan hasil pengujiannya, pendekatan level data menggunakan metode k-means-SMOTE dan metode C4.5 memiliki kinerja terbaik untuk klasifikasi penerima Beasiswa PPA dengan akurasi 81.3%, sensitivitas 84.9%, dan spesifisitas 77.6%. Dengan demikian, metode k-mean-SMOTE dan metode C4.5 memiliki kinerja terbaik berdasarkan akurasi, sensitivitas, dan spesifisitas.

Comparison of Machine Learning Methods for Classifying User Satisfaction Opinions of the PeduliLindungi Application Putu Tisna Putra; Anthony Anggrawan; Hairani Hairani
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol 22 No 3 (2023)
Publisher : LPPM Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/matrik.v22i3.2860

Since the emergence of the Covid-19 virus, the Indonesian government urged people to study, work, and worship or work from home. The social restriction policy has changed people's behavior which requires physical distance in social interaction. The government developed an application to minimize the spread of Covid-19, namely the PeduliLindungi application. The PeduliLindungi application is a tracking application to prevent the spread of Covid-19. The government's policy of implementing the PeduliLindungi application during Covid-19 aroused pros and cons from the public. The volume of PeduliLindungi application review data on Google Play was increasing, so manual analysis could not be done. New analytical approaches needed to be carried out, such as sentiment analysis. This research aimed to analyze user reviews of the PeduilLindungi application using classification methods, namely Support Vector Machine (SVM), Random Forest, and Naïve Bayes. The methods used were Synthetic Minority Oversampling Technique (SMOTE), Random Forest, SVM, and Naïve Bayes. SMOTE was used to balance user review data on the PeduliLindungi application. After the data had been balanced, classification was carried out. The results of this study showed that the Random Forest method with SMOTE got better accuracy than the SVM and Naive Bayes methods, which was 96.3% based on the division of training and testing data using 10-fold cross-validation. Thus, using the SMOTE method could improve the accuracy of classification methods in classifying opinions of user satisfaction with the PeduliLindungi application.

Data Mining Earthquake Prediction with Multivariate Adaptive Regression Splines and Peak Ground Acceleration Dadang Priyanto; Bambang Krismono Triwijoyo; Deny Jollyta; Hairani Hairani; Ni Gusti Ayu Dasriani
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol 22 No 3 (2023)
Publisher : LPPM Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/matrik.v22i3.3061

Earthquake research has not yielded promising results because earthquakes have uncertain data parameters, and one of the methods to overcome the problem of uncertain parameters is the nonparametric method, namely Multivariate Adaptive Regression Splines (MARS). Sumbawa Island is part of the territory of Indonesia and is in the position of three active earth plates, so Sumbawa is prone to earthquake hazards. Therefore, this research is important to do. This study aimed to analyze earthquake hazard prediction on the island of Sumbawa by using the nonparametric MARS and Peak Ground Acceleration (PGA) methods to determine the risk of earthquake hazards. The method used in this study was MARS, which has two completed stages: Forward Stepwise and Backward Stepwise. The results of this study were based on testing and parameter analysis obtained a Mathematical model with 11 basis functions (BF) that contribute to the response variable, namely (BF) 1,2,3,4,5,7,9,11, and the basis functions do not contribute 6, 8, and 10. The predictor variables with the greatest influence were 100% Epicenter Distance and 73.8% Magnitude. The conclusion of this study is based on the highest PGA values in the areas most prone to earthquake hazards in Sumbawa, namely Mapin Kebak, Mapin Rea, Pulau Panjang, and Pulau Saringi.

Co-Authors Abdurraghib Segaf Suweleh Abdurraghib Segaf Suweleh Afrig Aminuddin Ahmad Ahmad Ahmad Fathoni Ahmad Zuli Amrullah Andi Sofyan Anas Anggrawan, Anthony Bhintang Dirgantara Christopher Michael Lauw Dadang Priyanto Dedy Febry Rachman Dedy Febry Rahman Deny Jollyta Diki Ashadi Donny Kurniawan Dyah Susilowati Dyah Susilowati Dyah Susilowaty Fatimatuzzahra Fatimatuzzahra Gibran Satya Nugraha Gibran Satya Nugraha Hammad, Rifqi Haryono Haryono Hasbullah Hasbullah Herawati, Baiq Candra I Nyoman Switrayana Ilham Saifuddin Indah Puji Lestari Juvinal Ximenes Guterres Khairan Marzuki Khairan marzuki Khurniawan Eko Saputro Kurniawan Kurniawan Latif, Kurniadin Abd Lilik Nurhayati M. Ade Candra M. Rasyid Ridho Mardedi, Lalu Zazuli Azhar Mayadi Mayadi Miftahul Madani Mokhammad Nurkholis Abdillah Mokhammad Nurkholis Abdillah Muhammad Arfa Muhammad Innuddin Muhammad lnnuddin Muhammad Maariful Huda Muhammad Ridho Hansyah Muhammad Zulfikri Muhammad Zulkarnaen Haris Mujahid Mujahid Ni Gusti Ayu Dasriani Noor Akhmad Setiawan Nurul Azmi Pahrul Irfan Putu Tisna Putra Ramadhanti Ramadhanti Rifqi Hammad Samsul Hadi Sofiansyah Fadli Syahrir, Moch. Teguh Bharata Adji Triwijoyo, Bambang Krismono Zilullah Nazir Hadi

Title Search

Found 6 Documents Search Journal : Matrik : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 6 Documents
Search
Journal : Matrik : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer