Articles
<![CDATA[Komparasi Kinerja Algoritma C4.5, Random Forest, dan Gradient Boosting untuk Klasifikasi Komoditas ]]>
<![CDATA[Edi Ismanto]]>;
<![CDATA[Melly Novalia]]>
<![CDATA[ Techno.Com Vol 20, No 3 (2021): Agustus 2021 ]]>
Publisher : <![CDATA[LPPM Universitas Dian Nuswantoro ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33633/tc.v20i3.4576
<![CDATA[Penentuan komoditas unggulan pada suatu daerah merupakan hal yang sangat penting untuk dilakukan, salah satunya di Provinsi Riau. Memahami mengenai prioritas perencanaan pengembangan wilayah yang diarahkan pada pengembangan komoditas unggulan. Sejauh ini Provinsi Riau memiliki potensi komoditas disektor perkebunan yang sangat menjajikan, data yang ada sebelumnya banyak digunakan sebagai laporan, dalam bentuk data excel. Data komoditas bisa digali dengan teknik data mining untuk mendapatkan pola klasifikasi, sehingga lebih memudahkan Pemerintah Provinsi Riau dalam mendapatkan informasi komoditas unggulannya. Pada penelitian ini, dilakukan pengujian kinerja algoritma klasifikasi yang banyak digunakan dalam data mining, agar mendapatkan algoritma yang memiliki kinerja paling baik untuk klasifikasi data komoditas. Beberapa penelitian mengatakan algoritma klasifikasi C4.5 memiliki kinerja kurang baik dibandingkan dengan algoritma yang lain seperti random forest, dan gradient boosting. Dalam penelitian ini dilakukan perbandingan antara algoritma C4.5, random forest, dan gradient boosting, untuk mengukur kinerja terbaik dalam melakukan klasifikasi data komoditas. Data yang digunakan dalam penelitian ini yaitu data komoditas perkebunan Provinsi Riau pada tahun 2019. Hasil dari penelitian ini, algoritma yang memiliki kinerja terbaik untuk klasifikasi adalah algoritma random forest dengan syarat menggunakan shuffle sampling. Dan mayoritas linear sampling menghasilkan kinerja kurang baik. Sedangkan shuffle sampling memiliki kinerja sangat baik untuk algoritma berbasis tree.]]>
<![CDATA[Recent systematic review on student performance prediction using backpropagation algorithms ]]>
<![CDATA[Edi Ismanto]]>;
<![CDATA[Hadhrami Ab Ghani]]>;
<![CDATA[Nurul Izrin Md Saleh]]>;
<![CDATA[Januar Al Amien]]>;
<![CDATA[Rahmad Gunawan]]>
<![CDATA[ TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 20, No 3: June 2022 ]]>
Publisher : <![CDATA[Universitas Ahmad Dahlan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12928/telkomnika.v20i3.21963
<![CDATA[A comprehensive systematic study was carried out in order to identify various deep learning methods developed and used for predicting student academic performance. Predicting academic performance allows for the implementation of various preventive and supportive measures earlier in order to improve academic performance and reduce failure and dropout rates. Although machine learning schemes were once popular, deep learning algorithms are now being investigated to solve difficult predictions of student performance in larger datasets with more data attributes. Deep neural network prediction methods with clear modelling and parameter measurements formulated on publicly available and recognised datasets are the focus of the research. Widely used for academic performance prediction, backpropagation algorithms have been trained and tested with various datasets, especially those related to learning management systems (LMS) and massive open online courses (MOOC). The most widely used prediction method appears to be the standard artificial neural network approach. The long-short-term memory (LSTM) approach has been reported to achieve an accuracy of around 87 percent for temporal student performance data. The number of papers that study and improve this method shows that there is a clear rise in deep learning-based academic performance prediction over the last few years]]>
<![CDATA[PENGENALAN MEDIA PROMOSI ONLINE UNTUK MENGGALI POTENSI DESA OKURA KELURAHAN TEBING TINGGI-RUMBAI PESISIR ]]>
<![CDATA[Edi Ismanto]]>;
<![CDATA[melly Novalia]]>;
<![CDATA[Rahmad Al Rian]]>
<![CDATA[ Jurnal Pengabdian UntukMu NegeRI Vol 1 No 2 (2017): Pengabdian Untuk Mu negeRI ]]>
Publisher : <![CDATA[LPPM UMRI ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (550.924 KB)
|
DOI: 10.37859/jpumri.v1i2.229
<![CDATA[Desa Okura memiliki potensi yang layak dikembangkan salah satu potensi yang saat ini, dikembangkan oleh Pemerintah Kota Pekanbaru, menetapkan bahwa Kelurahan Okura, Kecamatan Rumbai Pesisir sebagai Desa Wisata. Pemilihan desa tersebut tidak lepas dari lokasinya yang berada di pinggir yang berbatasan dengan berbagai daerah. Kelurahan Okura itu sangat cocok sebagai Desa Wisata karena dapat ditempuh dari berbagai arah dan lokasinya sangat strategis. Potensi alam dan budaya yang cukup tinggi telah menjadi urat nadi perekonomian masyarakat Desa Okura Kelurahan Tebing Tinggi Kecamatan Rumbai Pesisir-Pekanbaru. Permasalahan di desa Okura saat ini adalah kurangnya ekspose di masyarakat luas tentang potensi yang dimiliki Desa Okura Kelurahan Tebing Tinggi Kecamatan Rumbai Pesisir. Kegiatan Pengabdian Kepada Masyarakat ini memberikan pelatihan pembuatan blog kepada masyarakat Okura sehingga mampu memperkenalkan potensi yang ada di daerahnya ke dunia luar yang lebih luas dengan cara yang cukup, praktis dan efisien. Dari evaluasi pelaksanaan kegiatan yang dilakukan maka target luaran kegiatan telah sesuai dengan yang diharapkan yaitu : peserta dapat merancang dan membuat suatu blog beserta isinya sesuai dengan jenis potensi daerah yang berada di Desa Okura Tebing Tinggi –Rumbai Pesisir Pekanbaru dan dapat memperkenalkan visit place yang dimiliki melalui media social network (blog).]]>
<![CDATA[Sistem Pendukung Keputusan Penerimaan Karyawan Dengan Metode Simple Additive Weighting (SAW) ]]>
<![CDATA[Edi Ismanto]]>;
<![CDATA[Noverta Effendi]]>
<![CDATA[ SATIN - Sains dan Teknologi Informasi Vol 3 No 1 (2017): SATIN - Sains dan Teknologi Informasi ]]>
Publisher : <![CDATA[STMIK Amik Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (761.608 KB)
|
DOI: 10.33372/stn.v3i1.208
<![CDATA[Universitas Muhammadiyah Riau is really need the support of technology information in order to facilitate its activities. At the time, there are usually find a case of an error of the recruitment process in an institution. It is also possible at Universitas Muhammadiyah Riau. It is actually depend on parties the agency that will make or break its own admission employes. Actually, the process of selecting the employee in accordance with the intelectual capability in quantity and the ability to work in accordance with its quality controlled. There are several criteria assessment in process of making decision recruitment at Universitas Muhammadiyah Riau. There assessment are based on the criteria of education, work experience, performance, test, interview, age, status, and address. The objectives to be achieved is to create a system that can help decision makers to determine the process recruitment optimally by using method of SAW (Simple Additive Weighting). The result of this research is building decision support system for acceptance new employes, and finally it can be uses as supporting for process accepting new employes.]]>
<![CDATA[PEMANFAATAN SMARTPHONE ANDROID SEBAGAI MEDIA PEMBELAJARAN BAGI GURU SMA NEGERI 2 KOTA PEKANBARU ]]>
<![CDATA[Edi Ismanto]]>;
<![CDATA[Melly Novalia]]>;
<![CDATA[Pratama Benny Herlandy]]>
<![CDATA[ Jurnal Pengabdian UntukMu NegeRI Vol 1 No 1 (2017): Pengabdian Untuk Mu negeRI ]]>
Publisher : <![CDATA[LPPM UMRI ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (382.206 KB)
|
DOI: 10.37859/jpumri.v1i1.33
<![CDATA[Pengabdian pada masyrakat yang dilakukan bertujuan untuk menciptakan tenagapendidik yang mampu memanfaatkan smartphone sebagai media pembelajaran.Berdasarkan tujuan tersebut maka target konkrit yang ingin dicapai adalahmembangkitkan kompetensi guru untuk dapat mengembangkan produk mediapembelajaran berbasis smartphone. Untuk mencapai tujuan dan target dari kegiatanpengabdian maka metode yang dilakukan adalah melalui kegiatan pelatihan danpendampingan secara berkala sehingga didapatkan kompetensi yang ingin dicapai yaitumemanfaatkan smartphone sebagai media pembelajaran. Rencana kegiatan yangdilakukan meliputi Lokakarya dasar-dasar teknologi pembelajaran, Lokakaryapekembangan smartphone dan pemanfaatannya, Lokakarya pemanfaatan smartphonedalam bidang pendidikan, Pelatihan pengembangan media pembelajaran berbasissmartphone, Pelatihan publikasi dan produksi media pembelajaran berbasis smartphone,Pelatihan pelaksanaan evaluasi produk media pembelajaran.]]>
<![CDATA[PENYAMAAN PERSEPSI PEMBELAJARAN BAHASA INGGRIS ANTARA GURU BAHASA INGGRIS DAN WALI MURID MI AL-KIFAYAH PEKANBARU ]]>
<![CDATA[Siti Niah]]>;
<![CDATA[Wandi Syahfutra]]>;
<![CDATA[Edi Ismanto]]>
<![CDATA[ Jurnal Pengabdian UntukMu NegeRI Vol 1 No 1 (2017): Pengabdian Untuk Mu negeRI ]]>
Publisher : <![CDATA[LPPM UMRI ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (258.384 KB)
|
DOI: 10.37859/jpumri.v1i1.32
<![CDATA[Persaingan global dalam berbagai bidang menuntut penguasaan kompetensi skill danakademik yang memadai dan dapat dipertanggungjawabkan. Dalam upaya peningkatankualitas sumber daya manusia didunia pendidikan, penguasaan bahasa asing, terutamabahasa Inggris, merupakan suatu hal yang sanga tpenting. Hal ini didasari atas bahasaInggris adalah bahasa global yang digunakan pada era saat ini. Berdasarkan analisayang telah dilakukan, pembelajaran Bahasa Inggris di Madrasah Ibtidaiyah Al-KifayahPekanbaru belum terlaksana dengan dengan baik, dan juga untuk persamaan persepsidalam pengajaran antara guru Bahasa Inggris dan wali murid juga belum terjalindengan baik. Atas dasar analisa tersebut maka diadakanlah pelatihan “PenyamaanPersepsi Pembelajaran Bahasa Inggris antara Guru dan Wali Murid bagi Anak UsiaSekolah Dasar” yang bertujuan untuk meningkatkan pemahaman siswa dalammenguasai Bahasa Inggris. Adapun metode yang digunakan dalam kegiatan pelatihan iniadalah metode ceramah, diskusi, dan role play. Adapun hasil Hasil kegiatan pengabdiankepada masyarakat ini mendapatkan sambutan yang sangat positif dari pihak mitra yakniMadrasah Ibtidaiyah Al-Kifayah Pekanbaru karena program ini sesuai dengankebutuhan mereka. Bentuk sambutan yang sangat positif tersebut adalah terlihat daripartisipasi seluruh peserta pelatihan baik guru bahasa Inggris maupun wali murid yanghadir pada pelatihan tersebut sangat aktif dalam mengikuti seluruh proses kegiatan]]>
<![CDATA[Metode Decision Tree Algoritma C.45 Dalam Mengklasifikasi Data Penjualan Bisnis Gerai Makanan Cepat Saji ]]>
<![CDATA[Eka Pandu Cynthia]]>;
<![CDATA[Edi Ismanto]]>
<![CDATA[ Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) Vol 3 (2018): Edisi Juli ]]>
Publisher : <![CDATA[STIKOM Tunas Bangsa Pematangsiantar ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30645/jurasik.v3i0.60
<![CDATA[Advances in technology and information currently produces smart innovations in business, which can be called business intelligence. One that we can use is Data Mining technology in digging useful information from sales company data warehouse. The purpose of this research is to apply data mining decision decision tree algorithm C4.5 on fast food outlets business and expected to provide information in the form of sales information about food menu that most liked by customers and less popular (bestselling and less in demand). The methodology used in classifying the sales of this research uses the steps of Algorithm C.45, The process uses five steps in KDD (Knowledge Discovery in Databases), which perpetuates activities such as pre-processing, transformation, data mining, interpretation and evaluation. In addition to performing calculations manually, this research case is also tested using Rapidminer application. From the results of the experiment to find data from the sales data of fast food outlets using algorithm C4.5 results of entropy and the highest gain is 1.501991 on the Food Menu attributes on manual calculations. When using the Rapidminer application the results of the results tree as shown in Figure 3.2. Price (s) - Sold Out - Food Menu (Bento Rice = Less Selling, Chest = Laris) Weight (weight) each attribute: Price (0.738), Menu Type (0.067), Sold Number (0.156), Sales Status (0.040).]]>
<![CDATA[INTEGRASI GEOGRAPHICAL INFORMATION SYSTEM DAN ALGORITMA GENETIKA DALAM PENENTUAN LOKASI OBJEK WISATA ]]>
<![CDATA[Eka Pandu Cynthia]]>;
<![CDATA[Edi Ismanto]]>;
<![CDATA[Rahmad Alrian]]>
<![CDATA[ Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2019: SNTIKI 11 ]]>
Publisher : <![CDATA[UIN Sultan Syarif Kasim Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (756.039 KB)
<![CDATA[Dengan berkembangnya zaman, kegiatan berwisata tidak lagi memiliki arti sebatas melakukan perjalanan singkat yang menyenangkan menuju suatu tempat dengan tujuan tertentu. Munculnya beragam destinasi wisata baru yang siap memanjakan pengunjung membuat kegiatan berwisata menjadi sebuah trend dan gaya hidup baru. Kota Pekanbaru sebagai ibukota Provinsi Riau berada di posisi yang sangat strategis dan jalur transit internasional karena berbatasan langsung dengan negara tetangga seperti Malaysia dan Singapura. Sangat dikenal sebagai tanah Melayu, kota Pekanbaru memiliki kekayaan destinasi wisata sejarah, kebudayaan, pendidikan, alam, kuliner, belanja dan banyak lainnya yang siap memanjakan wisatawan lokal dan mancanegara untuk berkunjung. Namun, wisatawan seringkali mengalami kendala dalam manajemen waktu yang dimiliki ketika berkunjung untuk dapat menikmati beberapa objek wisata pilihannya yang disebabkan jarak antar lokasi tujuan wisata tersebut. Menangani permasalahan tersebut, penelitian ini menawarkan sebuah integrasi Geographical Information System (GIS) dan Algoritma Genetika dalam penentuan lokasi objek wisata yang ada di Kota Pekanbaru. Pengujian menggunakan 5 contoh objek wisata sebagai kromosom (R1, R2, R3, R4 dan R5) untuk contoh kasus kunjungan wisatawan ke objek-objek wisata religi di kota Pekanbaru. Dengan membangkitkan 5 generasi, diperoleh nilai fitness terbaik sebesar 19,8 pada generasi ke 5.]]>
<![CDATA[DRILL AND PRACTICE MODEL DALAM PEMBUATAN MEDIA PEMBELAJARAN INTERAKTIF PEMBENTUKAN OBJEK PRIMITIF SEDERHANA DUA DIMENSI ]]>
<![CDATA[Edi Ismanto]]>;
<![CDATA[Eka Pandu Cynthia]]>
<![CDATA[ ALGORITMA : JURNAL ILMU KOMPUTER DAN INFORMATIKA Vol 1, No 01 (2017): November 2017 ]]>
Publisher : <![CDATA[UIN Sumatera Utara ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (854.959 KB)
|
DOI: 10.30829/algoritma.v1i01.1304
<![CDATA[One way to improve the professionalism of teachers is to create a simple interactive learning medium that provides widespread success in a lesson and for its implementation. Computer Graphics is one of the science of the process to produce or create an image based on the description of the object and the background contained in the image using the computer, started from a two-dimensional object that later developed into a three-dimensional object. The simplest primitive object is a two-dimensional object formed from object-forming algorithms in computer graphics. The process and the length of the algorithm is often felt quite difficult for students understanding in the computer lecturing process of this graph, because it is aimed at making a computer graphics learning media with the topic of the formation of two-dimensional object using computer-based learning model drill and practice. This model is chosen because it has advantages: interactive in the presentation of the material, can provide direct feedback, data storage, patience and motivation to learn. Lectora is an e-learning based media development tool, also commonly known as software (authoring tool) software that enables the incorporation of text, image, sound and video elements into an interactive learning multimedia. Lectora software will help the making of interactive learning media in this research, so that with this media, students are expected to more quickly and easily understand the computer lectures graphs especially for material formation of two-dimensional objects.Keywords: Lectora Inspire, Computer Graphics, Learning Media, Two Dimensional Objects.]]>
<![CDATA[Metode Decision Tree Algoritma C.45 Dalam Mengklasifikasi Data Penjualan Bisnis Gerai Makanan Cepat Saji ]]>
<![CDATA[Eka Pandu Cynthia]]>;
<![CDATA[Edi Ismanto]]>
<![CDATA[ Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) Vol 3 (2018): Edisi Juli ]]>
Publisher : <![CDATA[STIKOM Tunas Bangsa Pematangsiantar ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (288.289 KB)
|
DOI: 10.30645/jurasik.v3i0.60
<![CDATA[Advances in technology and information currently produces smart innovations in business, which can be called business intelligence. One that we can use is Data Mining technology in digging useful information from sales company data warehouse. The purpose of this research is to apply data mining decision decision tree algorithm C4.5 on fast food outlets business and expected to provide information in the form of sales information about food menu that most liked by customers and less popular (bestselling and less in demand). The methodology used in classifying the sales of this research uses the steps of Algorithm C.45, The process uses five steps in KDD (Knowledge Discovery in Databases), which perpetuates activities such as pre-processing, transformation, data mining, interpretation and evaluation. In addition to performing calculations manually, this research case is also tested using Rapidminer application. From the results of the experiment to find data from the sales data of fast food outlets using algorithm C4.5 results of entropy and the highest gain is 1.501991 on the Food Menu attributes on manual calculations. When using the Rapidminer application the results of the results tree as shown in Figure 3.2. Price (s) - Sold Out - Food Menu (Bento Rice = Less Selling, Chest = Laris) Weight (weight) each attribute: Price (0.738), Menu Type (0.067), Sold Number (0.156), Sales Status (0.040).]]>
