Article Per Year (5 Year)
p-Index From 2019 - 2024
4.06
P-Index
This Author published in this journals
All Journal Syntax Jurnal Informatika Infotech Journal Journal of Information System IJCIT (Indonesian Journal on Computer and Information Technology) Journal of Information Technology and Computer Science (JOINTECS) Jurnal Pilar Nusa Mandiri Techno Nusa Mandiri : Journal of Computing and Information Technology RESEARCH : Computer, Information System & Technology Management INTECOMS: Journal of Information Technology and Computer Science JUTIM (Jurnal Teknik Informatika Musirawas) JURNAL PENDIDIKAN TAMBUSAI Krea-TIF: Jurnal Teknik Informatika J-SAKTI (Jurnal Sains Komputer dan Informatika) STRING (Satuan Tulisan Riset dan Inovasi Teknologi) Systematics Jurnal Informatika dan Rekayasa Perangkat Lunak Generation Journal RESLAJ: RELIGION EDUCATION SOCIAL LAA ROIBA JOURNAL Jurnal Teknologi Informatika dan Komputer J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Ilmu Komputer dan Teknologi (IKOMTI) Innovative: Journal Of Social Science Research SATIN - Sains dan Teknologi Informasi
Ultach Enri
Universitas Singaperbangsa Karawang
Religion Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Public Health Social Sciences Other

Published : 29 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 29 Documents
Search

 1   2   3 
Sistem Pengaduan Kerusakan Fasilitas Ruang Kelas Berbasis Android Ultach Enri; Chaerur Rozikin
SYSTEMATICS Vol 1 No 2 (2019): December 2019
Publisher : Universitas Singaperbangsa Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (468.682 KB) | DOI: 10.35706/sys.v1i2.2688

Abstract

Ruang kelas merupakan tempat diadakannya proses belajar mengajar. Dalam ruang kelas terdapat berbagai macam fasilitas pendukung proses belajar mengajar. Kerusakan fasiltas yang ada diruang kelas akan mengganggu proses belajar mengajar. Kerusakan fasilitas ruang kelas tersebut antara lain infocus rusa, ac mati, kabel rusak dan lain sebagainya. Kerusakan kerusakan tersebut karena sering pakai oleh mahasiswa dan dosen secara bergantian sehingga kalau terjadi kerusakan akan mengganggu mahasiswa dan dosen lain yang akan mengajar berikutnya. Untuk melaporkan kerusakan ruang kelas tersebut agak susah karena sebagian besar mahasiswa dan dosen tidak tahu pihak yang berwenang untuk menangani kerusakan fasilitas ruang kelas tersebut. Masalah tersebut perlu dicarikan solusinya agar kerusakan dapat terselesaikan dengan cepat dan tidak mengganggu mahsiswa dan dosen lain yang akan menggunakan ruang kelas tersebut. Solusi dari permasalahan tersebut dengan cara mengembangkan aplikasi berbasis android untuk melaporkan setiap kerusakan fasilitas yang ada diruang kelas. Penelitian ini akan mengembangkan sistem untuk mengatasi permasalahan tersebut.
Perbandingan Algoritma SVM dan SVM Berbasis Particle Swarm Optimization Pada Klasifikasi Beras Mekongga Emilia Ayu Wijayanti; Tania Rahmadanti; Ultach Enri
Generation Journal Vol 5 No 2 (2021): Generation Journal
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/gj.v5i2.16075

Abstract

Rice is the most important staple food in Indonesia. There are various types of varieties available, one of them is Inpari Mekongga variety. In Karawang, Mekongga rice type is the most popular and superior compared to others. However, this type of rice is often mixed with the other types because there are too many varieties and various other problems. Classifying varieties of rice types can be done to identify the types of rice. The classification of rice varieties in this research is divided into 2 classes, Mekongga and not Mekongga. The method that used in this reserach is Support Vector Machine (SVM) and Particle Swarm Optimatizon (PSO). SVM method was chosen because it basically handles the classification of two classes. Meanwhile, PSO method used to optimize the accuracy level of the SVM method. Combination from the two methods is very well used in classification data because it can increase the level of accuracy better. The purpose of this reserach is compare the accuracy of the 2 methods that used. The results from research is mekongga rice classification with Support Vector Machine has accuracy value 46.67% and AUC value 0.475. Meanwhile, using Support Vector Machine based on Particle Swarm Optimization (PSO) can help improve the classification of this mekongga rice with accuracy value 70.83% and AUC value 0.671.
Penerapan Deep Learning Pada Kamera Pengawas Jalan Raya Dalam Mendeteksi Kecelakaan Heru Triana; Ultach Enri
SYNTAX Jurnal Informatika Vol 11 No 02 (2022): Oktober 2022
Publisher : Universitas Singaperbangsa Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35706/syji.v11i02.6356

Abstract

Kecelakaan dalam lalu lintas adalah suatu perkara yang tidak bisa dianggap sepele. Kecelakaan dapat menimbulkan banyak korban jiwa dan kerugian yang besar. Bahkan Indonesia menjadi penyumbang angka kematian terbesar di ASEAN. Untuk mencegah korban jiwa saat kecelakaan terjadi, dapat dicegah dengan memberikan pertolongan pertama dan menghubungi pihak rumah sakit terdekat untuk segera mendapatkan perawatan medis. Untuk itu, dibutuhkan sebuah terobosan untuk membuat sebuah sistem pendeteksi kecelakaan. Untuk itu, penggunaan metode deep learning dan algoritma convolutional neural network dalam membuat model klasifikasi yang dapat mendeteksi kecelakaan adalah pilihan tepat karena dapat menghasilkan model dengan akurasi yang tinggi dan dapat mendeteksi kecelakaan, yang nantinya model tersebut dapat diimplementasikan pada kamera pengawas karena dengan kamera pengawas tersebut kita dapat mendeteksi kecelakaan terjadi dan secara otomatis memberikan pesan darurat ke pihak rumah sakit. Dalam penelitian ini, model dievaluasi menggunakan akurasi dan categorical cross entropy dan mendapatkan akurasi pelatihan sebesar 0, 9393 dengan loss pelatihan sebesar 0, 3228 dan akurasi validasi sebesar 0, 9080 dan loss validasi sebesar 0, 4166 yang berarti sudah layak digunakan untuk mendeteksi kecelakaan yang terjadi. Setelah model dievaluasi dan mendapatkan evaluasi yang cocok, baru model dapat diekspor dan diimplementasikan kedalam kamera pengawas.
Web Usage Mining Guna Analisis Pola Akses Pengunjung Website dengan Association Rule Hopi Siti Hopipah; Jajam Haerul Jaman; Ultach Enri
SATIN - Sains dan Teknologi Informasi Vol 7 No 2 (2021): SATIN - Sains dan Teknologi Informasi
Publisher : STMIK Amik Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (687.143 KB) | DOI: 10.33372/stn.v7i2.735

Abstract

Pengaruh internet erat dengan kehidupan masyarakat, terutama dalam menyediakan kemudahan akses informasi melalui website. Website digunakan oleh lembaga pendidikan khususnya kampus sebagai media promosi, media informasi, publikasi, dan pengenalan profil kampus. Pemanfaatan website secara optimal dapat memberikan pelayanan terbaik bagi pengunjung, sehingga kepercayaan dan citra positif terhadap kampus pun dapat meningkat. Penting bagi pengelola untuk memperhatikan juga meningkatkan kualitas website, salah satunya dengan menerapkan web usage mining. Web usage mining bermanfaat untuk menggali informasi yang didapatkan dari web, dengan memahami data aktivitas pengunjung agar dapat mengetahui kelebihan dan kekurangan website. Penelitian ini bertujuan untuk mengetahui serta melakukan analisis pola akses pengunjung website Unsika dengan web usage mining menggunakan Association Rule. Algoritma yang digunakan adalah Modified Apriori dengan teknik hashing. Teknik hashing digunakan untuk mengurangi waktu pencarian dengan menyimpan data ke dalam array sebagai key dan value pada saat proses iterasi. Berdasarkan hasil penelitian, dengan nilai minimum support 2 dan minimum confidence 65%, rule yang terbentuk yaitu sebanyak 27 dengan nilai support tertinggi 2.20%, nilai confidence tertinggi adalah 100%, dan lift ratio tertinggi sebesar 91.
Analisis Pola Penjualan Pada PT PMA Saat Pandemik Covid dengan Menggunakan Algoritma Fp-Growth Adi Santoso; Hannie Hannie; Ultach Enri
Jurnal Pendidikan Tambusai Vol. 7 No. 2 (2023): Agustus 2023
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai, Riau, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Era globalisasi dimana persaingan bisnis yang semakin ketat mengharuskan setiap perusahaan memperhatikan berbagai aspek agar dapat bersaing dan mengungguli perusahaan lain, Salah satunya adalah aspek pemasaran dengan konsep serta strategi pemasaran yang baik diharapkan perusahaan dapat menghadapi persaingan sekaligus dapat meraih keberhasilan bisnis dan dapat meningkatkan profit. Pesaing yang menjadi musuh alami dalam bersaing saat ini tidak hanya competitor meialinakan pandemik covid-19 di seluruh Indonesia. Cara untuk mengatasi permasalahan tersebut pada penelitian ini dengan mengkolaborasikan teknologi data mining dengan menggunakan teknik association rule dan bantuan algoritma FP-Growth untuk mencari pola yang terkandung dalam data transaksi. Data yang digunakan adalah data transaksi sebanyak 3010 data. Pola – pola ini akan menghasilkan pengetahuan minat beli konsumen terhadap produk sehingga dapat digunakan untuk pengambilan keputusan dalam menentukan strategi pemasaran yang sesuai. Penelitian ini menggunakan aturan minimum support 30 %, minimum confidence 70% dan lift ratio lebih dari 1 sehingga menghasilkan 14 kombinasi pola.
Analisis Sentimen Ulasan Pengguna Klik Indomaret Pada Google Play Menggunakan Support Vector Machine Dina Amelia Alzahra; Ultach Enri; Yuyun Umaidah
Innovative: Journal Of Social Science Research Vol. 3 No. 4 (2023): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v3i4.3715

Abstract

Tingginya persaingan retail di Indonesia yang didukung dengan perkembangan teknologi, menjadi salah satu pemicu Indomaret untuk meluncurkan sebuah aplikasi yang memungkinkan para penggunanya untuk menikmati beragam kemudahan dalam berbelanja kebutuhan harian. Aplikasi dengan tagline one stop online store ini telah terunduh sebanyak 5 juta kali dan memiliki 99.000 ulasan di Google Play. Ulasan pengguna pada Google Play dapat dimanfaatkan untuk peningkatan kualitas aplikasi, pelayanan, atau bahkan produk yang disediakan. Oleh karena itu, dilakukan analisis sentimen yang bertujuan untuk memahami, mengekstrak, dan mengelola ulasan pengguna berupa data tekstual yang kemudian diketahui apakah sebuah ulasan memiliki kecenderungan pada nilai positif dan negatif. Adapun algoritme yang digunakan adalah Support Vector Machine (SVM) dengan membandingkan 4 kernel, diantaranya adalah linear, polynomial, Sigmoid, dan RBF. Metodologi yang digunakan pada penelitian ini adalah Knowledge Discovery Database (KDD) yang terdiri dari 5 tahapan yaitu data selection, preprocessing, transformation, data mining, dan terakhir evaluation. Data yang digunakan berjumlah 1563 yang terdiri dari 694 ulasan positif dan 869 ulasan negatif. Pada tahapan transformation dilakukan perbandingan antara TF-IDF dan Bag of Words. Terdapat tiga skenario pada tahapan data mining, yang membagi data train dan test menjadi 70:30, 80:90, dan 90:10. Hasil terbaik dimiliki oleh kernel Sigmoid menggunakan fitur ekstraksi Bag of Words dan rasio perbandingan data 90:10, dengan hasil accuracy 92%, precision 89%, recall 96%, dan F1-Score 92%.
PENERAPAN ALGORITMA GAUSSIAN NAIVE BAYES DALAM PENENTUAN PRIORITAS REHABILITASI DAERAH ALIRAN SUNGAI BERDASARKAN PARAMETER LAHAN KRITIS Tiara Destiana; Yuyun Umaidah; Ultach Enri
INFOTECH journal Vol. 9 No. 2 (2023)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v9i2.6501

Abstract

Berkurangnya sumber air, lapisan tanah yang subur mengalami erosi, longsor, dimana hal ini berdampak pada perubahan lahan kritis, yang menyebabkan penurunan kualitas Daerah Aliran Sungai (DAS). DAS Pemali Jratun memiliki lahan kritis seluas 559.492.530 hektar. Pendekatan klasifikasi dapat digunakan untuk mengidentifikasi wilayah yang memiliki lahan kritis dengan menggunakan algoritma Gaussian Naive Bayes selama proses data mining, dengan metodologi yang digunakan dalam penelitian ini adalah KDD. Skenario pembagian dataset terbagi menjadi 3 yaitu data 70:30, 80:20, dan 90:10, penelitian ini akan dibagi menjadi 5 klasifikasi, yaitu Sangat Kritis, Kritis, Agak Kritis, Kritis Potensial, dan Tidak Kritis. Hasil pengujian dari 3 skenario yang dibuat, pemodelan dari rasio 70:30, memiliki akurasi yang unggul. Nilai F1-Score 0,61, Precision 0,56, Recall 0,71, dan Accuracy 71%. Berdasarkan kesimpulan akhir klasifikasi, terdapat dua kelas lahan kritis penting yaitu kelas 1 dengan tingkat kekritisan lahan berpotensi kritis dan kelas 2 dengan tingkat kekritisan lahan agak kritis.
Penerapan Algoritme K-Means Dalam Mengelompokkan Data Pengangguran Terbuka Di Provinsi Jawa Barat Tasyifa Nafsiah Muthmainnah; Siti Indriyana; Ultach Enri
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 5, No 2 (2023): September
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v5i2.8736

Abstract

Unemployment is a major social problem in many regions, including West Java province in Indonesia. West Java province is one of the most populous regions with a high level of urbanization. With population growth and urbanization, the challenge of creating enough jobs becomes more difficult. Therefore, the purpose of this study is to cluster open unemployment data in West Java communities classified by the number of unemployed people by district or city. This research uses CRISP-DM method with K-Means clustering algorithm. The result of this research is 10 regencies/cities that have low level of unemployment, then there are 15 regencies/cities that have medium level of unemployment and there are 2 regencies/cities that have high level of unemployment. The result of the test using Davies Bouldin Index cluster = 3 has the best cluster quality, because the value of the Davies Bouldin Index test result with c = 3 is the smallest value of 0.28, which is the lower, the better the cluster.
Analisis Sentimen terhadap Penyelenggaraan Sea Games 2023 Kamboja pada Twitter Menggunakan Algoritma Naive Bayes Farah Fadila Rahman; Frise Anesha Lutia; Ultach Enri
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 5, No 2 (2023): September
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v5i2.8946

Abstract

Southeast Asian Games or SEA Games is a Southeast Asian sporting event held every 2 years, where the participants are 11 member countries of the Association of Southeast Asian Nation (ASEAN). Cambodia was chosen as the host for the 2023 SEA Games. The implementation of the SEA Games in Cambodia experienced many controversies ranging from the inverted Indonesian flag to leaking lodging rooms for athletes. Social media Twitter became one of the places for netizens to express their opinions about the implementation of the SEA Games in Cambodia. This study aims to determine the level of tendency of positive, negative and neutral opinions through the sentiment analysis process. The sentiment analysis process is carried out using the Naive Bayes method, through five main stages, namely Data Selection, Preprocessing, Transformation, Data Mining, and Evaluation. The data used comes from Twitter users who use the hashtag "SEA Games Cambodia" then obtained data as many as 1595 tweets. The results of this study describe the results of Naive Bayes implementation and performance testing using confusion matrix obtained accuracy 66%, precision 70%, recall 66%, and f1-score 61%. and also obtained the results of the tendency of public opinion sentiment on Twitter with positive results as much as 49%, then negative results as much as 40% and neutral results as much as 11%.
Co-Authors Adi Kurniawan Adi Santoso Agung Prabowo Amar Luthfi Azhari Ali Ridha Bayu Laksono Wahyu Arminsyah Chaerur Rozikin Dewi Septiani Dharma Ajie Nur Rois Dina Amelia Alzahra Dini Sri Istiningdias Dwiarti Rahma Utami Eka Puspita Sari Elin Nurlia Emilia Ayu Wijayanti Farah Fadila Rahman Farid Farid Frise Anesha Lutia Hannie, Hannie Heni   Anggraeni Heru Triana Hopi Siti Hopipah Jaman, Jajam Haerul Kamal Prihandani Luvi Nur Rupaidah Muhammad Diki Hendriyanto Muhammad Himi Syarif Nina Sulistiyowati Nur Arifin Putri Dewi Wulandari Riska Sagita Siti Indriyana Tania Rahmadanti Tasyifa Nafsiah Muthmainnah Tesa Nur Padilah Tia Adha Mariam Putri Tiara Destiana Yuyun Umaidah