Article Per Year (5 Year)
p-Index From 2019 - 2024
0.61
P-Index
This Author published in this journals
All Journal MATICS : Jurnal Ilmu Komputer dan Teknologi Informasi (Journal of Computer Science and Information Technology) Fair Value: Jurnal Ilmiah Akuntansi dan Keuangan JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) JATI (Jurnal Mahasiswa Teknik Informatika)
totok chamidy
Maulana Malik Ibrahim State Islamic University
Computer Science & IT Economics, Econometrics & Finance Education

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
SISTEM PENDUKUNG PEMBELAJARAN TENSES UNTUK TINGKAT DASAR BERBASIS SISTEM PAKAR MENGGUNAKAN METODE FORWARD CHAINING Chamidy, Totok; Agasta, Hadziq
MATICS MATICS (Vol. 4 No. 4
Publisher : Department of Informatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (349.031 KB) | DOI: 10.18860/mat.v0i0.1568

Abstract

Sistem pendukung pembelajaran tenses adalah suatu sistem pembelajaran terkomputerisasi yang dirancang untuk membantu seseorang dalam mendalami tenses. Tenses merupakan materi dasar dalam grammar yang digunakan untuk menunjukkan waktu kejadian memiliki struktur kata pembentuk kalimat yang berbeda-beda pada tiap penunjuk kejadiannya. Dari struktur kata pembentuk kalimat itulah sistem dapat membedakan tenses bentuk apa kalimat tersebut. Untuk membedakannya, sistem menggunakan metode forward chaining. Metode forward chaining adalah metode yang digunakan untuk mencari kesimpulan dari fakta-fakta yang terkumpul. Sistem kerja aplikasi ini adalah dengan memecah susunan kalimat menjadi kata kemudian dari kata tersebut oleh sistem akan dicari fakta-fakta dari kata tersebut. Fakta-fakta tersebut adalah jabatan berupa subjek, objek, verb dan lain sebagainya. Dari fakta-fakta tersebut, pada tahap akhir sistem akan mencari kecocokan antara fakta-fakta pembentuk kalimat dengan rumus pembentuk tenses. Dari hasil penelitian dengan memasukkan kalimat-kalimat yang memiliki struktur yang berbeda, aplikasi ini mampu mengenali bentuk tenses pada kalimat-kalimat tersebut. Hal ini mengacu pada hasil pengujian yang didapatkan persentase sebesar 96% dari 100 kalimat masukan.Kata Kunci : sistem pakar, forward chaining, tenses
Metode Mel Frequency Cepstral Coeffisients (MFCC) Pada klasifikasi Hidden Markov Model (HMM) Untuk Kata Arabic pada Penutur Indonesia Chamidy, Totok
MATICS Vol 8, No 1 (2016): MATICS
Publisher : Department of Informatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (257.811 KB) | DOI: 10.18860/mat.v8i1.3482

Abstract

Abstract— Speech recognition is a system to transform the spoken word into text. Human voice signals have a very high of variability. Speech signals in the different pronunciation text, also resulting in distinctive speech patterns. This, furthermore, happens if the text is spoken by a speaker who is not the mother tongue of the speakers. For example, text Arabic words spoken by Indonesian speaker. In this study, Mel Frequency cepstral Coeffisients (MFCC) feature extraction techniques explored for voice recognition of the Arabic words for Indonesian speakers with data training using Arabian native speakers. Furthermore, features that have been extracted, classified using Hidden Markov Model (HMM). HMM is one of the sound modeling where the voice signal is analyzed and searched the maximum probability value that can be recognized, from the modeling results will be obtained parameters are then used in the word recognition process. Recognized word is a word that has the maximum suitability. The system produces an accuracy by an average of 83.1% for test data sampling frequency of 8,000 Hz, 82.3% for test data sampling frequency of 22050 Hz, 82.2% for test data sampling frequency of 44100 Hz.
K-MEANS CLUSTERING DALAM PENGELOMPOKAN RELEVANSI PEKERJAAN S1 INFORMATIKA (STUDI KASUS JURUSAN TEKNIK INFORMATKA UMM MALANG) Hariyanto, Dikky Cahyo; Harini, Sri; Chamidy, Totok
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 2 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i2.5507

Abstract

Perguruan tinggi merupakan salah satu tingkatan dalam menuntut ilmu diharapkan untuk menciptakan lulusan yang mampu dan berkompeten sesuai dengan bidang ilmu yang diambil. Banyaknya jumlah lulusan dari perguruan tinggi dengan jumlah lapangan pekerjaan yang aa menyebabkan banyaknya lulusan bekerja tidak sesuai dengan jurunnya, sehingga perlu adanya evaluasi akan tingkat keberhasilan capaian pembelajaran lulusan yang ada di perguruan tinggi. Tujuan dari penelitian ini adalah untuk menganalisa data relevansi pekerjaan para lulusan S1 Teknik Informatika dengan apa yang mereka pelajari sesuai dengan capaian pembelajaran yang ada di program studi Teknik Informatika Universitas Muhammadiyah Malang menggunakan K-Means clustering. Menggunakan data hasil kuisioner pengukuran capaian pembelajaran para lulusan dan pengukuran kesesuaian perkerjaan sebanyak 137 responden yang telah diuji validitas, reabilitas dan multikolinieritas, hasil penelitian ini menunjukkan dta dibentuk menjadi tiga cluster dengan analisa bahwa 29.92% lulusan Teknik Informatika UMM mampu memenuhi capaian pembelajaran lulusan dan mendapatkan pekerjaan yang relevan denga apa yang mereka pelajari, 49.63% lulusan lainnya juga mendapat pekerjaan yang relevan dengan jurusannya walaupun kurang menguasai keterampilan khusus yang diukur pada capaian pembelajara lulusan, dan 20.45% lulusan lainnya mendapatkan pekerjaan yang kurang relevan dengan bidang teknik Informatika.
Pengujian akurasi model regresi logistik multinomial untuk memprediksi keberhasilan mahasiswa di perguruan tinggi menggunakan r Baskoro, Sentot Eko; Suhartono, Suhartono; Chamidy, Totok; Zaman, Syahiduz
Fair Value: Jurnal Ilmiah Akuntansi dan Keuangan Vol. 5 No. 3 (2022): Fair Value: Jurnal Ilmiah Akuntansi dan Keuangan
Publisher : Departement Of Accounting, Indonesian Cooperative Institute, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32670/fairvalue.v5i3.2472

Abstract

Higher education institute should have maintained its student’s success in their academic field. Therefore, higher education institute should make a model to predict its success as early as possible. To have such model, the impacting factors should be determined, which factor are in the forms of continuous dan categorized data. This research is aimed to build logistic regression model based on compounded data from continuous and categorized data, which then test the model accuracy to predict the student’s success in such institute. Research data is using 68 student’s data. There are 6 research steps, first, data preparation and collection, second, data analysis, third, building the logistic multinomial regression model, fourth, data testing and validation, fifth, measure the model accuracy, and the sixth step is drawing the conclusion based on the analysis output. The result of prediction analysis dan accuracy test using logistic multinomial regression is the best model with significant factors that influence the study time are gender, department and selection track, while prediction accuracy model for each study time response variable is 96.4%.
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT KEPUASAN SISWA MTS SURYA BUANA MENGGUNAKAN METODE REGRESI LOGISTIK Saleh, Moh; Chamidy, Totok; Suhartono
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9696

Abstract

Sebagai sebuah lembaga pendidikan, sekolah memiliki tanggung jawab yang besar dalam memberikan pelayanan yang berkualitas kepada siswa-siswinya. Hal ini penting agar sekolah dapat bersaing efektif dengan berbagai sekolah lain yang terus bermunculan. Dengan kemajuan teknologi saat ini, evaluasi tingkat kepuasan belajar siswa dapat dijalankan melalui metode data mining, salah satunya menggunakan pendekatan Regresi Logistik. Metode ini bertujuan untuk mengidentifikasi faktor-faktor yang memengaruhi kepuasan siswa. Regresi Logistik bekerja dengan cara menghitung probabilitas kelas dari sebuah data. Berdasarkan hasil penelitian, dapat dibuat kesimpulan bahwan kepuasan siswa di MTs Surya Buana Malang bisa diprediksi dan dievaluasi dengan menggunakan teknik data mining yang memanfaatkan algoritma regresi logistik. Hal ini bertujuan untuk memprediksi tingkat kepuasan siswa dengan memanfaatkan algoritma regresi logistik. Hasil analisis memberikan gambaran tentang faktor-faktor yang perlu diperhatikan oleh pihak sekolah dalam meningkatkan tingkat kepuasan siswa, terutama dalam hal peningkatan lingkungan sekolah dengan p-value 0.03, serta fasilitas dan infrastruktur yang memiliki p-value yang sangat rendah yakni 0.00. Selain itu Algoritma regresi logistik dapat memiliki akurasi yang sangat baik yakni 87.69% yang tergolong puas dengan menggunakan confusion matrix
Co-Authors Baskoro, Sentot Eko Hadziq Agasta, Hadziq Hariyanto, Dikky Cahyo Ririen Kusumawati Saleh, Moh Sri Harini Suhartono Suhartono Zaman, Syahiduz