Articles
<![CDATA[Analisis Kombinasi itemset pada Bisnis Online dengan Teknik Asosiasi Data mining ]]>
<![CDATA[Muhammad Noor Hasan Siregar]]>
<![CDATA[ Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) Vol 6, No 1 (2021): Edisi Februari ]]>
Publisher : <![CDATA[STIKOM Tunas Bangsa Pematangsiantar ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30645/jurasik.v6i1.268
<![CDATA[Online business is one of the industries that thrives on social media. With business competition starting to grow a lot these days, businesses are setting up online businesses to boost sales. One suggestion is to reduce the price on combination of items that are commonly purchased at the same time. Using the transaction data obtained through purchase, an association rule may be used to discover the rules for combinations of items. The association process uses an a priori algorithm to access sales transaction data. The positive results of this study can be used to produce the strategies in the development of online businesses.]]>
<![CDATA[Neural Network Analysis With Backpropogation In Predicting Human Development Index (HDI) Component by Regency/City In North Sumatera ]]>
<![CDATA[Muhammad Noor Hasan Siregar]]>
<![CDATA[ IJISTECH (International Journal of Information System and Technology) Vol 1, No 1 (2017): November ]]>
Publisher : <![CDATA[Sekolah Tinggi Ilmu Komputer (STIKOM) Tunas Bangsa ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1006.682 KB)
|
DOI: 10.30645/ijistech.v1i1.3
<![CDATA[Human Development Index (HDI) measures human development outcomes based on a number of basic components of quality of life. As a measure of the quality of life, HDI is built through a basic three-dimensional approach. Data obtained from the Central Bureau of Statistics 2015 for Human Development Index (HDI) by Regency / City in North Sumatera Province consisting of 32 alternatives and with 4 parameters ie life expectancy (year), expectation, school length (%), the average length of school (year) and per capita real expenditure (Rp). By using backpropagation obtained result of 6 testing of architecture pattern that is: 4-5-1, 4-10-1, 4-5-10-1, 4-10-5-1, 4-10-20-1 and 4- 15-20-1 obtained best architectural pattern is 4-10-20-1 with epoch 2126, error 0.0011757393, execution time 00:16 and accuracy 100%.]]>
<![CDATA[Model Arsitektur Artificial Neural Network pada Pelanggan Listrik Negara (PLN) ]]>
<![CDATA[Muhammad Noor Hasan Siregar]]>
<![CDATA[ InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 3, No 1 (2018): InfoTekJar September ]]>
Publisher : <![CDATA[Universitas Islam Sumatera Utara ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30743/infotekjar.v3i1.642
<![CDATA[Perusahaan Listrik Negara (PLN) merupakan sebuah BUMN yang mengurusi semua aspek kelistrikan yang ada di Indonesia. Meningkatnya kebutuhan masyarakat akan listrik seiring tumbuhnya populasi membuat pelanggan listrik terus bertambah. Penelitian ini bertujuan untuk membuat sebuah model prediksi dengan memanfaatkan kecerdasan buatan yakni Jaringan saraf Tiruan dengan menggunakan algoritma Backpropogation. Data penelitian bersumber dan diolah oleh Badan Pusat Statistik Indonesia (https://www.bps.go.id). Data masukan adalah kelompok pelanggan PLN yang dibagi kedalan 5 kategori yakni Sosial, Rumah Tangga, Bisnis, Industri dan Publik dengan data jumlah pelanggan (2006-2015). Hasil penelitian menunjukkan bahwa 4 pengujian model arsitektur yaitu 5-10-1, 5-25-1, 5-10-25-1 dan 5-25-10-1 diperoleh model 5-25-1 adalah model arsitektur terbaik dengan parameter MSE Pelatihan 0,0009994101, MSE Pengujian 0,0011603685, Epoch 520 dan Akurasi 80%. Diharapkan penelitian ini dapat memberikan prediksi kepada pihak PLN kedepanya tentang jumlah peningkatan pelanggan PLN mengingat listrik adalah salah satu kebutuhan masyarakat.]]>
<![CDATA[ANN: Model of Back-Propagation Architecture on the Logs Production by Type of Wood ]]>
<![CDATA[Muhammad Noor Hasan Siregar]]>
<![CDATA[ IJISTECH (International Journal of Information System and Technology) Vol 1, No 2 (2018): May ]]>
Publisher : <![CDATA[Sekolah Tinggi Ilmu Komputer (STIKOM) Tunas Bangsa ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (545.23 KB)
|
DOI: 10.30645/ijistech.v1i2.12
<![CDATA[Indonesia is rich in forest products. The production forest is a forest area that can be utilized for the community, such as logs, rattan, and some forest plants that have high economic value. This research aims to make the best architectural model by using artificial neural network. The method used is backpropagation algorithm. With this model it will continue to predict the output of logs. Data are sourced from BPS-Statistics Indonesia. Based on the results of research results of logs production using backpropogation method, obtained the result of 3 model architecture (18-18-1, 18-25-1 and 18-18-25- 1) that model of architecture 18- 25-1 is the best model with 72% accuracy, MSE: 0.0221670942 and epochs: 660.]]>
<![CDATA[Model berbasis Sistem Kecerdasan Buatan yang Efektif: Analisis Kebijakan bagi Siswa Mengulang ]]>
<![CDATA[Prasetia, Indra]]>;
<![CDATA[Siregar, Muhammad Noor Hasan]]>;
<![CDATA[Saragih, Rusmin]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 7, No 2 (2021): Volume 7 No 2 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v7i2.47524
<![CDATA[Pendidikan Sekolah Dasar (SD) sangat penting dalam memberikan keterampilan dasar yang dibutuhkan siswa untuk bertahan dalam mengikuti dan memahami kelas-kelas pada jenjang di atasnya sehingga jika pondasi pendidikan SD kuat maka dapat meningkatkan kualitas pendidikan di Indonesia. Tujuan dari penelitian adalah membuat model arsitektur terbaik yang akan digunakan untuk melakukan peramalan pada jumlah siswa mengulang berdasarkan provinsi pada jenjnag Sekolah Dasar baik negeri dan swasta dengan model berbasis sistem kecerdasan buatan. Sumber data berasal dari data statistik pendidikan dengan url: http://statistik.data.kemdikbud.go.id/. Data terdiri dari 34 provinsi untuk tahun ajaran 2017/2017; 2017/2018; 2018/2019; 2019/2020. Metode solusi yang digunakan adalah back-propagation yang merupakan bagian dari sistem kecerdasan buatan dimana dalam menentukan model arsitektur terbaik dilakukan dengan menguji serangkaian arsitektur (2-5-1; 2-10-1; 2-15-1 dan 2-20-1) mengunakan fungsi aktivasi sigmoid dan parameter pendukung seperti performFcn = MSE; goal = 0.001; epochs = 10000; mc = 0.95 dan lr = 0.1. Hasil menunjukkan back-propagation dapat diterapkan untuk melakukan peramalan dengan sistem kecerdasan buatan dengan menghasilkan sebuah model arsitektur terbaik yakni 2-10-1 dengan MSE pelatihan adalah 0.00099299, koefisien korelasi (R) pelatihan adalah 0.976972 pada epoch 81, MSE pengujian adalah 0.001325, koefisien korelasi (R) pengujian dengan akurasi 85%. Fakta baru menyebutkan bahwa akurasi sangat tergantung terhadap banyaknya data. Selain harus memperhatikan MSE, epoch dan durasi waktu pelatihan.  Diharapkan model arsitektur ini dapat membantu melakukan peramalan terhadap jumlah siswa mengulang pada jenjang Sekolah Dasar sehingga hasil dari peramalan dapat digunakan untuk membuat analisis kebijakan.]]>
<![CDATA[Analisis Kombinasi itemset pada Bisnis Online dengan Teknik Asosiasi Data mining ]]>
<![CDATA[Muhammad Noor Hasan Siregar]]>
<![CDATA[ Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) Vol 6, No 1 (2021): Edisi Februari ]]>
Publisher : <![CDATA[STIKOM Tunas Bangsa Pematangsiantar ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30645/jurasik.v6i1.268
<![CDATA[Online business is one of the industries that thrives on social media. With business competition starting to grow a lot these days, businesses are setting up online businesses to boost sales. One suggestion is to reduce the price on combination of items that are commonly purchased at the same time. Using the transaction data obtained through purchase, an association rule may be used to discover the rules for combinations of items. The association process uses an a priori algorithm to access sales transaction data. The positive results of this study can be used to produce the strategies in the development of online businesses.]]>
<![CDATA[Perancangan Aplikasi Data Mining Untuk Menentukan Pasien Menderita Tifoid Dengan Metode Algoritma C4.5 ]]>
<![CDATA[Yusra Fadhillah]]>;
<![CDATA[Muhammad Noor Hasan Siregar]]>;
<![CDATA[Oberlin Siagian]]>
<![CDATA[ Explorer Vol 1 No 2 (2021): Juli 2021 ]]>
Publisher : <![CDATA[Forum Kerjasama Pendidikan Tinggi ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (466.857 KB)
|
DOI: 10.47065/explorer.v1i2.92
<![CDATA[Data mining adalah suatu istilah yang digunakan untuk menguraikan penemuan pengetahuan didalam database. Proses data minig ini akan diimplementasikan dengan menggunakan algoritma C.45. Algoritma C.45 dapat digunakan dalam pembentukan pohon keputusan tetapi lebih mengarah pada perhitungan probabilitas dari tiap-tiap record terhadap kategori-kategori tersebut atau untuk mengklarifikasi record dengan mengelompokan ke dalam satu kelas. Setelah sebuah pohon keputusan dibangun maka dapat digunakan untuk mengklarifikasi record yang beulm ada kelasnya. Dimulai dari node root menggunakan tes terhadap atribut dari record yang belum ada kelasnya, kemudian mengikuti cabang sesuai dengan proses pohon keputusan yanitu mengubah bentuk data (table) menjadi pohon (tree) kemudian merubah model pohon tersebut menjadi aturan. Berdasarkan penelitian yang telah dilakukan yang telah dibangun dapat menentukan pasien yang menderita penyakit tipes.]]>
<![CDATA[Neural Network Analysis With Backpropogation In Predicting Human Development Index (HDI) Component by Regency/City In North Sumatera ]]>
<![CDATA[Muhammad Noor Hasan Siregar]]>
<![CDATA[ IJISTECH (International Journal of Information System and Technology) Vol 1, No 1 (2017): November ]]>
Publisher : <![CDATA[Sekolah Tinggi Ilmu Komputer (STIKOM) Tunas Bangsa ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30645/ijistech.v1i1.3
<![CDATA[Human Development Index (HDI) measures human development outcomes based on a number of basic components of quality of life. As a measure of the quality of life, HDI is built through a basic three-dimensional approach. Data obtained from the Central Bureau of Statistics 2015 for Human Development Index (HDI) by Regency / City in North Sumatera Province consisting of 32 alternatives and with 4 parameters ie life expectancy (year), expectation, school length (%), the average length of school (year) and per capita real expenditure (Rp). By using backpropagation obtained result of 6 testing of architecture pattern that is: 4-5-1, 4-10-1, 4-5-10-1, 4-10-5-1, 4-10-20-1 and 4- 15-20-1 obtained best architectural pattern is 4-10-20-1 with epoch 2126, error 0.0011757393, execution time 00:16 and accuracy 100%.]]>
<![CDATA[Model Combination of Activation Functions in Neural Network Algorithms (Case: Retail State Sukuk by Group) ]]>
<![CDATA[Muhammad Noor Hasan Siregar]]>
<![CDATA[ IJISTECH (International Journal of Information System and Technology) Vol 2, No 2 (2019): May ]]>
Publisher : <![CDATA[Sekolah Tinggi Ilmu Komputer (STIKOM) Tunas Bangsa ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (501.35 KB)
|
DOI: 10.30645/ijistech.v2i2.23
<![CDATA[This study aims to maximize the activation function used in backpropogation networks in finding the best architectural model. The case study used is the sale of state retail sukuk based on professional groups. The combination of activation functions used for training and testing is tansig-tansig, tansig-purelin and tansig logsig. The architectural model used is the architectural model 6-2-1 and 6-5-1. The evaluation parameters used are epoch, MSE training, MSE testing and accuracy level of truth. Data processing is assisted by using Matlab software. The results showed that the tansig-logsig activation function had more stable results than tansig-tansig and tansig-purelin.]]>
<![CDATA[IMPLEMENTASI WEIGHT PRODUCT MODEL (WPM) DALAM MENENTUKAN PEMILIHAN SEPEDA MOTOR SPORT BERBASIS SPK ]]>
<![CDATA[Muhammad Noor Hasan Siregar]]>
<![CDATA[ KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 4, No 1 (2017) ]]>
Publisher : <![CDATA[Lambung Mangkurat University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.20527/klik.v4i1.72
<![CDATA[Perkembangan dunia otomtif khususnya sepeda motor menjadi salah satu trend dikalangan masyrakat saat ini. Banyak jenis produk khususnya sepeda motor sport yang ditawarkan kepada masyrakat. Produk produk ini memiliki keunggulan masing masing. Penelitian ini bertujuan untuk membangun sebuah sistem pendukung keputusan dengan menggunakan metode Weight Product Model (WPM) untuk menentukan pemilihan sepeda motor sport yang paling diminati. Penelitian ini dilaksanakan dengan observasi dan interview untuk melakukan pengumpulan data sepeda motor. Kesimpulan hasil penelitian ini adalah Pemberian kriteria-kriteria dalam pemilihan sepeda motor sport dapat membantu dalam mengambil keputusan untuk menentukan sepeda motor sport yang bagus dan sesuai dengan keinginan konsumen. Dengan Menerapkan metode Weight Product Model (WPM) proses pemilihan sepeda sepeda motor sport lebih efisien dan praktis.Kata Kunci: Pemilihan, SPK, Sepeda motor sport, Metode WPM, Pematangsiantar]]>
