Article Per Year (5 Year)
p-Index From 2019 - 2024
2.943
P-Index
This Author published in this journals
All Journal Jurnal Abdimas BSI: Jurnal Pengabdian Kepada Masyarakat Jurnal Teknik Komputer AMIK BSI Jurnal Pilar Nusa Mandiri Informatics for Educators and Professional : Journal of Informatics JITK (Jurnal Ilmu Pengetahuan dan Komputer) Jurnal Informatika Kaputama (JIK) Jurnal Mantik JIKA (Jurnal Informatika) Reputasi: Jurnal Rekayasa Perangkat Lunak Jurnal Teknik dan Science (JTS) Jurnal Pengabdian Literasi Digital Indonesia
Hermanto Hermanto
Bina Sarana Informatika University
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Other

Published : 19 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 19 Documents
Search

 1   2 
Pentingnya Internet Sebagai Sarana Pendukung Kegiatan Belajar Pada Masa Pandemi Covid-19 Yudhistira Yudhistira; Hermanto Hermanto; Nuraeni Herlinawati; Muhammad Iqbal
Jurnal Abdimas BSI: Jurnal Pengabdian Kepada Masyarakat Vol 4, No 2 (2021): Agustus 2021
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (586.69 KB) | DOI: 10.31294/jabdimas.v4i2.10351

Abstract

Pengembangan IPTEK (Ilmu Pengetahuan dan Teknologi) memberikan peran dalam meningkatkan kesejahteraan dan perekonomian masyarakat. Berbagai bidang yang sudah dapat dirasakan dengan kehadirannya teknologi salah satunya adalah bidang pendidikan (Saryoko et al., 2020). Pentingnya peran serta dunia pendidikan tinggi dalam mendorong pembangunan tidak dapat dipungkiri lagi. Hal ini tercermin dalam pasal 20 UU No. 20 Tahun 2003 tentang Sistem Pendidikan Nasional (UU Diknas) yang menyatakan bahwa salah satu dharma Perguruan Tinggi, selain pendidikan dan penelitian,  adalah  kegiatan  pengabdian  masyarakat.  Tri Dharma Perguruan Tinggi itu sendiri merupakan tiga pilar utama penyelenggaraan institusi perguruan tinggi.  Untuk menunaikan salah satu Tri Dharma tersebut, dengan ini Universitas Bina Sarana Informatika melaksanakan Pengabdian Masyarakat. Saat ini Indonesia masih dalam situasi pandemi. Salah satu yang terdampak dalam pandemi saat ini adalah Warga RT. 010/03 Mampang Prapatan yang berada di Rukun Tetangga RT. 010/003 Jl. Mampang Prapatan VII Tegal Parang, Kota Jakarta Selatan. Banyak dari mereka yang masih kesulitan dalam menggunakan aplikasi pembelajaran daring. Oleh karena itu kami sebagai dosen dan mahasiswa Universitas Bina Sarana Informatika, Fakultas Teknik dan Informatika, program studi Teknologi Komputer, ingin memberikan pengetahuan kepada mereka tentang bagaimana menerapkan pembelajaran daring  secara tepat dan efektif. Target yang akan kami capai terkait dengan pelaksanaan pengebdian masyarakat ini adalah untuk dapat membantu masyarakat warga RT 010/003 Mampang Prapatan untuk dapat lebih memahami penggunaan aplikasi secara daring. Selain itu juga output dari hasil pengabdian ini akan kami jadikan artikel untuk di terbitkan pada jurnal pengabdian masyarakat serta berita pada media online.
SISTEM PAKAR DIAGNOSA PENYAKIT ANAK BAWAH LIMA TAHUN MENGGUNAKAN METODE CERTAINTY FACTOR HERMANTO HERMANTO
Jurnal Informatika Kaputama (JIK) Vol 5, No 2 (2021): Volume 5, Nomor 2 Juli 2021
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.1234/jik.v5i2.520

Abstract

Kesehatan sangatlah penting bagi manusia khususnya anak balita yang rawan dan rentan terhadap gangguan berbagai macam penyakit, karena itu dengan tubuh yang sehat balita akan tumbuh kembang dengan baik dan sehat. Gejala-gejala penyakit terhadap anak balita memiliki dampak buruk apabila terlambat mendapatkan penanganan yang kurang tepat, untuk memudahkan para orang tua mendeteksi jenis penyakit yang diderita, untuk itu perlu dibangun sebuah aplikasi sistem pakar deteksi penyakit pada anak untuk mendapatkan deteksi awal penyakit. Penelitian ini terdiri dari tiga tahap. Tahap pertama adalah pengumpulan data dan informasi dari Manajemen Terpadu Balita Sakit (MTBS) dan wawancara dengan Bidan. Dari pengumpulan data dan informasi tersebut ditemukan fakta penyakit, keluhan, gejala dan saran penanganan. Dalam penelitian in juga i dikembangkan sistem pakar untuk mendiagnosa penyakit anak bawah lima tahun menggunakan metode Certainty Factor, Sistem pakar ini berjalan berdasarkan gejala yang dirasakan oleh anak atau yang terjadi pada pasien. Sistem dibangun berbasis web dengan menggunakan bahasa pemrograman PHP dan database nya MySQL. Hasil pengujian dengan persentase 90% menunjukkan bahwa sistem pakar ini mampu melakukan diagnosa penyakit anak balita berdasarkan gejala-gejala yang dirasakan oleh anak disertai nilai certainty factor yang menunjukkan tingkat kebenaran, keakuratan dari kemungkinan penyakit yang sering terjadi pada anak balita
ANALISA SENTIMEN TERHADAP BELAJAR ONLINE PADA MASA COVID-19 MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE BERBASIS PARTICLE SARM OPTIMIZATION Hermanto Hermanto; Astrid Noviriandini
Jurnal Informatika Kaputama (JIK) Vol 5, No 1 (2021): Volume 5, Nomor 1 Januari 2021
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.1234/jik.v5i1.451

Abstract

Coronavirus 19 (COVID-19) is a contagious viral infection that has now spread to various countries, one of which is Indonesia. Monitoring the spread of COVID-19 in Indonesia, direct services by the Government of Indonesia, especially. The Indonesian government immediately followed up on the case. One of the government’s actions is to carry out Social Distancing for 14 days to minimize the spread of the virus. This online learning activity is carried out to replace direct learning activities. Online learning has weaknesses in the use of internet networks, adequate infrastructure, requires a lot of money, communication via the internet which has various networks is slow. There are quite a lot of public comments on twitter about online learning. Based on comments from the general public who are hurt, it is easy, based on very many orders to leave so that you can see the extent to which the analysis of public sentiment is based on positive and negative comments using classification techniques, namely using the Particle Swarm Optimization-Based Support Vector Machine. The test result with accuracy values and AUC values by means of SVM + PSO accuracy value = 71.39% and AUC value = 0.762. for this reason, in this study it can be stated that the use of Particle Swarm Optimization (PSO) in the Support Vector Machine (SVM) algorithm model can be a solution to improve accuracy and AUC analysis of public sentiment regarding online learning during the Covid-19 period can be used to provide solutions to problems. Sentiment analysis on public comments on twitter during the Covid-19 period.
PREDIKSI LAMA TINGGAL PASIEN RAWAT INAP DI RUMAH SAKIT PADA MASA PANDEMI COVID-19 MENGGUNAKAN METODE ENSEMBLE LEARNING DAN DECISSION TREE irmawati irmawati irmawati; Hermanto Hermanto; Eka Herdit Juningsih; Syaifur Rahmatullah; Faruq Aziz
Jurnal Informatika Kaputama (JIK) Vol 5, No 2 (2021): Volume 5, Nomor 2 Juli 2021
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.1234/jik.v5i2.565

Abstract

Beban pada sistem perawatan kesehatan berasal dari insiden tertinggi, yakni COVID-19. Banyak langkah yang dilakukan untuk meningkatkan manajemen perawatan kesehatan yakni, mengurangi populasi pasien untuk disparitas kesehatan, serta adanya inisiatif peningkatan kualitas untuk fasilitas keperawatan. Oleh karena itu, pada penelitian ini membahas prediksi lama tinggal pasien rawat inap di rumah sakit pada masa pandemi COVID-19 dengan tujuan membuat model akurasi yang tepat untuk memprediksi lama tinggal pasien agar menigkatkan efisiensi manajemen perawatan kesehatan di rumah sakit. Penulis menggunakan model Decision Tree dan Ensemble Learning. pada Decision Tree dengan menggunakan kriteria Entropy dan Information Gain dengan variasi nilai 4, 8, 12, 16, 20 untuk melihat hasil performa akurasi, f1 score, dan AUC. Sedangkan ensemble learning menggunakan 4 variasi yaitu klasifikasi Random Forest, Gradient Boosting, AdaBoost, dan AdaBoost dengan Logistc Regressi. Hasil tertinggi dari penelitian ini untuk menentukan klasifikasi terkait lama rawat inap (stay) selama pandemi COVID-19 menggunakan teknik Ensemble Learning variasi Gradiant Boosting dengan akurasi 41%, f1 score 22% dan AUC 79%.
ANALISA SENTIMEN VAKSINASI COVID-19 DENGAN METODE SUPPORT VECTOR MACHINE DAN NAÏVE BAYES BERBASIS TEKNIK SMOTE HERMANTO HERMANTO
Jurnal Informatika Kaputama (JIK) Vol 6, No 1 (2022): Volume 6, Nomor 1 Januari 2022
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.1234/jik.v6i1.698

Abstract

Keadaan dan tantangan pandemi pada awal tahun 2021 dengan telah ditemukannya vaksin atas virus Covid-19 tentunya diperlukan percepatan dalam pemberian vaksin kepada seluruh umat manusia di seluruh dunia. Di Indonesia, Pemerintah menggalakan program vaksinasi masal kepada seluruh Warga Negara Indonesia dengan melakukan percepatan vaksinasi di seluruh wilayah Indonesia sampai dengan saat ini. Berdasarkan hal tersebut diatas dipandang perlu melakukan analisa sentimen. Media sosial twitter dipilih sebagai salah satu sarana dalam analisas sentiman ini. Terdapat 1013 komentar positif dan negatif para pengguna twitter dengan kata kunci “vaksin” yang didapatkan untuk diproses terkait tanggapan masyarakat atas pelaksanaan vaksinasi masal yang dilaksanakan di Indonesia. Dengan menggunakan Algoritma Support Vector Machine (SVM) dan Naïve Bayes berbasis SMOTE dilakukan perbandingan pengujian atas komentar positif dan negatif tersebut. Dari proses pengujian tersebut didapatkan hasil akurasi dari algoritma SVM menggunakan teknik SMOTE didapatkan nilai akurasi =70.51% dan nilai AUC =0.827, sedangkan proses pengujian menggunakan algoritma Naïve Bayes dengan teknik SMOTE didapatkan nilai akurasi = 64.36% dan nilai AUC = 0.423. dari proses diatas, penggunaan Support Vector Machine berbasis teknik SMOTE memiliki akurasi yang lebih tinggi sehingga dapat digunakan untuk memberikan solusi terhadap analisis sentimen vaksinasi Covid-19.
SENTIMENT ANALYSIS ON GOJEK AND GRAB USER REVIEWS USING SVM ALGORITHM BASED ON PARTICLE SWARM OPTIMIZATION Hermanto Hermanto; Antonius Yadi Kuntoro; Taufik Asra; Nurajijah Nurajijah; Lasman Effendi; Ridatu Ocanitra
Jurnal Pilar Nusa Mandiri Vol 16 No 1 (2020): Publishing Period for March 2020
Publisher : LPPM Universitas Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1068.985 KB) | DOI: 10.33480/pilar.v16i1.1304

Abstract

Users of the Gojek and Grab application can provide reviews or comments about the application on Google Play. Reviews in the form of giving opinions about their satisfaction or dissatisfaction with the services provided. So with the many opinions provided, making people selective in choosing an online motorcycle taxi service provider. The application with the best review will be chosen by the community. In previous studies regarding the classification of online ojek service review using the Naïve Bayes algorithm, C.45 and Random Forest produced an unsatisfactory accuracy of 69.18% at the highest value. This study aims to determine the extent of the analysis of Gojek and Grab application user reviews based on user comments by classifying negative and positive reviews with a higher level of accuracy than previous studies so that applications with the best reviews can be known for public consideration in using the application's services. The method used for data review classification is using the Support Vector Machine (SVM) based on Particle Swarm Optimization (PSO). The test results on the Grab application review get the highest accuracy results in the amount of 73.09% with AUC value = 0.804, while for the test results on the application review Gojek get an accuracy value of 65.59% and AUC value = 0.680
Aplikasi Mobile Sistem Pakar Dalam Mengidentifiaksi Diagnosis Penyakit Kucing Ridwansyah Ridwansyah; Jajang Jaya Purnama; Hermanto Hermanto; Suhardjono Suhardjono; Abdul Hamid
INFORMATICS FOR EDUCATORS AND PROFESSIONAL : Journal of Informatics Vol 5 No 1 (2020): INFORMATICS FOR EDUCATORS AND PROFESSIONAL : JOURNAL OF INFORMATICS (Desember 202
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51211/itbi.v5i1.1414

Abstract

Abstrak: Adanya sebuah aplikasi saat ini dapat digunakan dalam beberapa hal khususnya sistem pakar. Sistem pakar penyakit kucing merupakan sistem yang dapat mengidentifikasi penyakit pada kucing, yang dikarenakan hewan tersebut sangat populer di masyarakat khususnya Indonesia sangatlah besar peminatnya. Hewan ini sangat disukai karena bentuknya yang lucu dan perilaku yang menggemaskan, terlebih nabi Muhammad juga menyukai hewan ini dan jika kita merawatnya makan sunah rasul yang kita dapat ini merupakan kepercayaan umat muslim. Dalam memelihara kucing berbagai masalah akan terjadi dimana kucing yang kita pelihara dalam keadaan sakit dan berbagai virus yang menyerang kucing misalnya penyakit kucing scabies, penyakit kucing feline caliviral disease, penyakit kucing helminthiasis, penyakit kucing koksidiosis, penyakit kucing felice panleukopenia, penyakit kucing ektoparasit, penyakit kucing, penyakit kucing feline viral rhinotracheitis dan penyakit kucing Earmite. Dengan adanya aplikasi sistem pakar yang bertujuan untuk menyelesaikan suatu permasalahan yang dapat di anggap cukup rumit dan hanya bisa diatasi para ahli atau para pakar tertentu. Pemilik kucing yang tidak mengetahui adanya penyakit yang dialami oleh kucing yang dipeliharanya maka akan menjadi permasalahan yang besar. Oleh karena itu dengan adanya aplikasi sistem pakar tersebut dapat membantu dalam melakukan diagnosis penyakit pada kucing dan memberikan alternatif pengobatan, penanganan dan pencegahannya. Kata kunci: Aplikasi Sistem Pakar, Forward Chaining, Penyakit Kucing. Abstract: The existence of an application today can be used in several ways, especially expert systems. The cat disease expert system is a system that can identify diseases in cats, which is because these animals are very popular in society, especially in Indonesia, and are in great demand. This animal is very popular because of its cute shape and adorable behavior, especially the prophet Muhammad also likes this animal and if we take care of it, eat the Prophet's Sunnah which we get is the belief of Muslims. In keeping cats, various problems will occur where the cat we keep is sick and various viruses that attack cats, for example, scabies cat disease, feline caliviral disease, cat helminthiasis, cat coccidiosis, felice panleukopenia cat disease, ectoparasite cat disease, cat disease feline cat disease, viral rhinotracheitis and Earmite cat disease. With the existence of an expert system application that aims to solve a problem that can be considered quite complicated and can only be overcome by certain experts or experts. Cat owners who do not know about the disease experienced by the cat they keep will be a big problem. Therefore, with the application of this expert system, it can help diagnose diseases in cats and provide alternative treatments, treatments and prevention. Keywords: Cats, Expert Systems, Forward Chaining
KLASIFIKASI SUPPORT VECTOR MACHINE BERBASIS PARTICLE SWARM OPTIMIZATION UNTUK ANALISA SENTIMEN PENGGUNA APLIKASI PEDULILINDUNGI Astrid Noviriandini; Hermanto Hermanto; Yudhistira Yudhistira
Jurnal Informatika Vol 6, No 1 (2022): JIKA (Jurnal Informatika)
Publisher : University of Muhammadiyah Tangerang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31000/jika.v6i1.5681

Abstract

Covid-19 adalah penyakit menular yang sudah menyebar ke Indonesia. Pemantauan penyebaran Covid-19 di Indonesia ditangani oleh Kementrian Komunikasi dan Informatika (KOMINFO) dengan membuat aplikasi PeduliLindungi yang dapat ditemukan di Google Play . Pengguna bagus akan memilih aplikasi yang memiliki ulasan yang, tetapi menggunakan ulasan dari masyarakat tidak mudah sehingga penulis ingin mengetahui analisis ulasan pengguna aplikasi PeduliLindungi berdasarkan komentar pengguna dengan algoritma Support Vector Machine berbasis Particle Swarm Optimization. Hasil tes dengan nilai akurasi = 93,0% dan AUC = 0,977.Untuk itu, penerapan Support Vector Machine berbasis PSO pada peneltian ini memiliki akurasi yang lebih tinggi sehingga dapat digunakan untuk memberikan solusi terhadap permasalahan analisis sentimen pada review komentar pengguna aplikasi Pedulilindungi di google play .
ALGORITMA KLASIFIKASI NAIVE BAYES DAN SUPPORT VECTOR MACHINE DALAM LAYANAN KOMPLAIN MAHASISWA Hermanto Hermanto; Ali Mustopa; Antonius Yadi Kuntoro
JITK (Jurnal Ilmu Pengetahuan dan Teknologi Komputer) Vol 5 No 2 (2020): JITK Issue February 2020
Publisher : LPPM Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1425.875 KB) | DOI: 10.33480/jitk.v5i2.1181

Abstract

Service in the world of education is an important element for the creation of an academic atmosphere that is conducive to the implementation of a successful teaching and learning process. The process of service to students there is a tendency to be implemented not following the minimum service standards that must be provided to students so that students tend to complain about the services provided. Submission of criticism, complaints, input, or suggestions for dissatisfaction and problems that exist in the university environment is still very limited. Complaints can be constructive if submitted to the right place and party. In this research the data processing of email complaints from students conducted at the academic student body (students.bsi.ac.id). Student complaint data that will be processed is data in the form of * .xls complaint file. Before text data is analyzed using text mining methods, the pre-processing text needs to be done including tokenizing, case folding, stopwords, and stemming. After pre-processing, the classification method is then performed in classifying each complaint category and dividing the status into two parts, namely complaint and not complaint so that the status becomes a normal condition in text mining research. The purpose of this study is to obtain the most accurate algorithm in the classification of student complaints and can find out the results of the classification of the Naïve Bayes algorithm method and Support vector Machine used and compared. In this study, the results of testing by measuring the performance of these two algorithms using Cross-Validation, Confusion Matrix, and ROC Curves. The obtained Support vector Machine algorithm has the highest accuracy value compared to Naïve Bayes. AUC value = 0.922. for the Support vector machine method using the student academic data collection dataset (students.bsi.ac.id) has 84.45%, from the Naïve Bayes algorithm has an accuracy rate of about 69.75% and AUC value = 0.679.
IT-Helpdesk System Design With Waterfall Model (Case Study : Agung Podomoro Group): IT-Helpdesk System Design With Waterfall Model (Case Study : Agung Podomoro Group) Siti Nur Khasanah; Sandra Jamu Kuryanti; Hermanto Hermanto; Cep Adiwihardja
Jurnal Mantik Vol. 4 No. 1 (2020): May: Manajemen, Teknologi Informatika dan Komunikasi (Mantik)
Publisher : Institute of Computer Science (IOCS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (431.626 KB)

Abstract

Agung Security Podomoro Group is a company that uses a lot of electronic inventory, so there are quite a lot of inventory problems that must be dealt with, as long as there is an inventory problem the user or admin of the location submits to Asset Management, by telephone, or other communication tools, then Asset management does and submit to Technical support. Due to the large number of inventory reports that are damaged often the handling of technical support is not handled properly. Therefore it is necessary to have a system that becomes a working benchmark that records damage reports accompanied by a history record so that if there is a similar damage it is easier to handle. In this study a Web-based Help Desk System was designed to deal with existing problems. The website is made based on PHP and uses a MySQL database. The development method that the author uses in designing the web-based Helpdesk System at Agung Podomoro use the Waterfall model.
Co-Authors Abdul Hamid Ade Hendini Ali Mustopa, Ali Antonius Yadi Kuntoro Antonius Yadi Kuntoro Antonius Yadi Kuntoro Antonius Yadi Kuntoro Antonius Yadi Kuntoro Antonius Yadi Kuntoro Astrid Noviriandini Cep Adiwihardja Diah Ayu Ambarsari Diah Ayu Ambarsari Didy Eriawan Eka Herdit Juningsih Eri Bayu Pratama Faruq Aziz Ferry Syukmana irmawati irmawati irmawati Jajang Jaya Purnama Laksono Trisnantoro Lasman Effendi Lasman Effendi Lasman Effendi Muhamad Syarif Nuraeni Herlinawati Nurajijah Nurajijah Ridatu Oca Nitra Ridatu Ocanitra Ridwansyah Ridwansyah RIZA FAHLAPI Sandra Jamu Kuryanti Siti Nur Khasanah Suhardjono S Syaifur Rahmatullah Taufik Asra Wahyutama Fitri Hidayat Yudhistira Yudhistira