Articles
<![CDATA[SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PROMOSI KENAIKAN JABATAN PT. MNC VISION DIVISI TECHNICAL SERVICE JAKARTA MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING ]]>
<![CDATA[Rosliana Rosliana]]>;
<![CDATA[Ibnu Akil]]>
<![CDATA[ INTI Nusa Mandiri Vol 14 No 1 (2019): INTI Periode Agustus 2019 ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Pada Masyarakat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1049.06 KB)
<![CDATA[Abstract - The human resources of a company greatly affect many aspects of determining the work success of the company. One process that is very important in the Human Resources Department of a company or business entity is the promotion process of promotion. In determining who are eligible to be promoted, the company has difficulty making decisions. This is due to the large number of employees who have high quality, while the number of positions needed is limited. In addition, data processing of employee appraisal in the company is still done manually, so that there is a high probability of inputting errors given the very large number of employees and a relatively long time required. For this reason, a decision support system is needed that can help the company in selecting employees to be promoted. The method used is Simple Additive Weighting which starts from identifying the problem and determining objectives, determining criteria and alternatives, determining the weight until the final results are obtained and proceed with a ranking process that will select alternatives that have been provided so that alternative employees are eligible for promotion position.]]>
<![CDATA[NEURAL NETWORK FUNDAMENTAL DAN IMPLEMENTASI DALAM PEMROGRAMAN ]]>
<![CDATA[Ibnu Akil]]>
<![CDATA[ INTI Nusa Mandiri Vol 14 No 2 (2020): INTI Periode Februari 2020 ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Pada Masyarakat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33480/inti.v14i2.1179
<![CDATA[Nowadays machine learning and deep learning are becoming a trend in the world of information system. They are actually is part of an artificial intelligence domain. However, so many people don’t understand that machine learning and deep learning are built using neural networks. Therefore, in order to understand how machine learning and deep learning works, we must understand the basic concept of the neural network first. In this article, the writer describes the basic theory, math function of a neural network, and the example of implementation into the java programming language. The writer hopes that this article may help to understand neural network which is the core of machine learning and deep learning.]]>
<![CDATA[DETEKSI KARAKTER HURUF ARAB DENGAN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK ]]>
<![CDATA[Ibnu Akil]]>;
<![CDATA[Indra Chaidir]]>
<![CDATA[ INTI Nusa Mandiri Vol 15 No 2 (2021): INTI Periode Februari 2021 ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Pada Masyarakat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33480/inti.v15i2.2179
<![CDATA[Dalam dunia yang serba digital bukan berarti tidak ada lagi tulisan tangan. Contohnya seperti membaca cek di bank masih harus menerima input berupa tulisan tangan. Masalahnya banyak aplikasi OCR belum bisa memfasilitasi semua bahasa salah satunya adalah bahasa arab. Karenanya diperlukan aplikasi yang dapat mengidentifikasi huruf hijaiyah tulisan tangan bahasa arab. Tujuan dari penelitian ini adalah mengembangkan aplikasi artificial intelligent untuk mendeteksi karakter huruf arab dengan metode Convolutional Neural Network. Hasil penelitian ini dapat dimanfaatkan sebagai dasar pengembangan lebih lanjut aplikasi OCR dengan banyak bahasa]]>
<![CDATA[PENILAIAN KINERJA TIM EVALUASI PERIJINAN PEMBUKAAN PROGRAM STUDI DENGAN TEKNIK CLUSTERING K-MEANS ]]>
<![CDATA[Ibnu Akil]]>
<![CDATA[ INTI Nusa Mandiri Vol 16 No 1 (2021): INTI Periode Agustus 2021 ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Pada Masyarakat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33480/inti.v16i1.2271
<![CDATA[Abstrak: Mengelompokan karyawan atau staff mana yang memiliki kinerja yang baik dengan yang kurang baik bisa jadi hal yang krusial. Evaluasi perijinan program studi memerlukan kinerja tim penilai yang tinggi karenanya perlu dikelompokan mana tim penilai yang kinerjanya baik dan yang kurang baik. Clustering merupakan Teknik data mining yang efektif untuk melakukan pengelompokkan. Clustering termasuk ke dalam unsupervised learning. Salah satu Teknik clustering yang cukup terbukti secara empiris adalah K-Means. Tujuan dari penelitian ini adalah melakukan pengelompokkan tim penilai yang berkinerja tinggi dengan yang biasa saja dengan menggunakan Teknik clustering K-Means, guna meningkatkan atau mempercepat proses evaluasi usulan perijinan Program Studi pada Kementerian Pendidikan dan Kebudayaan.]]>
<![CDATA[Determining the Nearest Workshop Location Map Using the Bubble Sort Algorithm ]]>
<![CDATA[Indra Chaidir]]>;
<![CDATA[Ibnu Akil]]>
<![CDATA[ CESS (Journal of Computer Engineering, System and Science) Vol 7, No 1 (2022): January 2022 ]]>
Publisher : <![CDATA[Universitas Negeri Medan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (762.277 KB)
|
DOI: 10.24114/cess.v7i1.26522
<![CDATA[Terbatasnya informasi tentang lokasi bengkel bagi pengendara bermotor yang menyebabkan kesulitan bagi seseorang yang sedang mengalami kendala pada kendaraannya di lokasi tertentu. Aplikasi pemetaan lokasi pada Android menggunakan Google Maps yang dirancang dapat memberikan informasi pada pengguna mengenai lokasi bengkel terdekat menggunakan algoritma bubble sort. Metode ini adalah salah satu metode untuk mencari jarak terdekat pada pemetaan. Tujuan dari penelitian ini adalah untuk memberi informasi, penunjuk arah lokasi-lokasi bengkel yang ada disekitar pengguna dan diurutkan berdasarkan jarak menggunakan algoritma bubble sort.]]>
<![CDATA[Expert System That Detects COVID-19 Using Forward Chaining Algorithm: Expert System That Detects COVID-19 Using Forward Chaining Algorithm ]]>
<![CDATA[Ibnu Akil]]>
<![CDATA[ Jurnal Mantik Vol. 4 No. 2 (2020): Augustus: Manajemen, Teknologi Informatika dan Komunikasi (Mantik) ]]>
Publisher : <![CDATA[Institute of Computer Science (IOCS) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.35335/mantik.Vol4.2020.898.pp1114-1123
<![CDATA[The spread of Covid-19 disease since early year 2020 which caused by coronavirus has made the world in great pandemic. Besides the vaccine has not been discovered yet, it is also the cost for doing rapid test or polymerase chain reaction (PCR) are expensive. By using the information technology that is expert system, so the aim of this research is to develop expert system to detect Covid-19 disease based on the confirmed symptoms of Covid-19. This expert system will be using the algorithm of forward chaining.]]>
<![CDATA[PREDIKSI HARGA SAHAM TWITTER DENGAN LONG SHORT-TERM MEMORY RECURRENT NEURAL NETWORK ]]>
<![CDATA[Ibnu Akil]]>;
<![CDATA[Indra Chaidir]]>
<![CDATA[ INTI Nusa Mandiri Vol 17 No 1 (2022): INTI Periode Agustus 2022 ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Pada Masyarakat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33480/inti.v17i1.3277
<![CDATA[Abstract— Today the trading business has become a trend to get money easily without having to work hard as long as you have capital. To get maximum results and avoid losses, it is necessary to have expertise in predicting the ups and downs of the stock market value. The purpose of this research is to utilize machine learning technology to predict the fluctuation of stock value by using the Long Short-Term Memory RNN model. From the results of this study, it was found that LSTM+RNN is suitable for use in single-step models. Keywords: stock price, machine learning, recurrent neural network, lstm Abstrak—Dewasa ini bisnis trading menjadi suatu trend untuk mendapatkan uang dengan mudah tanpa harus bekerja keras asalkan memiliki modal. Untuk mendapatkah hasil yang maksimal dan menghindari kerugian maka diperlukan keahlian di dalam memprediksi naik turunya nilai bursa saham. Tujuan dari penelitian ini adalah memanfaatkan teknologi machine learning untuk memprediksi naik turunya nilai saham dengan menggunakan model Long Short-Term Memory RNN. Dari hasil penelitian ini didapatkan bahwa LSTM+RNN cocok untuk digunakan pada model single-step. Kata kunci: harga saham, machine learning, recurrent neural network, lstm]]>
<![CDATA[FACE DETECTION PADA GAMBAR DENGAN MENGGUNAKAN OPENCV HAAR CASCADE ]]>
<![CDATA[Ibnu Akil]]>
<![CDATA[ INTI Nusa Mandiri Vol 17 No 2 (2023): INTI Periode Februari 2023 ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Pada Masyarakat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33480/inti.v17i2.4000
<![CDATA[Abstract—OpenCV has more than 2500 optimized algorithms, which includes a comprehensive set of both classic and state-of-the-art computer vision and machine learning algorithms. It has been proven by software companies, that is why the researcher will use it for face detection application with Java programming langguage. The purpose of this paper is trying to implement machine learning library OpenCV with Haarcascade algorithm to detect face from an image and to find the weaknesess of haarcascade algorithm. Haar cascade is proven still relliable to detect face. Abstrak— OpenCV memiliki lebih dari 2500 algoritma yang sudah dioptimisasi untuk digunakan dalam computer vision dan pembelajaran mesin. Karena keberhasilannya yang sudah dibuktikan oleh banyak perusahaan perangkat lunak, maka peneliti akan menggunakannya untuk aplikasi face detection dengan menggunakan bahasa pemrograman Java. Tujuan dari artikel ini adalah untuk mencoba menerapkan library pembelajaran mesin OpenCV algoritma Haar cascade untuk mendeteksi wajah pada sebuah gambar dan untuk mencari kelemahannya. Haar cascade telah terbukti masih cukup handal dalam mendeteksi wajah.]]>
<![CDATA[KOMPARASI FUNGSI AKTIVASI NEURAL NETWORK PADA DATA TIME SERIES ]]>
<![CDATA[Ibnu Akil]]>
<![CDATA[ INTI Nusa Mandiri Vol 18 No 1 (2023): INTI Periode Agustus 2023 ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Pada Masyarakat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33480/inti.v18i1.4288
<![CDATA[Abstract— The sophistication and success of machine learning in solving problems in various fields of artificial intelligence cannot be separated from the neural networks that form the basis of its algorithms. Meanwhile, the essence of a neural network lies in its activation function. However because so many activation function which are merged lately, it’s needed to search for proper activation function according to the model and it’s dataset used. In this study, the activation functions commonly used in machine learning models will be tested, namely; ReLU, GELU and SELU, for time series data in the form of stock prices. These activation functions are implemented in python and use the TensorFlow library, as well as a model developed based on the Convolutional Neural Network (CNN). From the results of this implementation, the results obtained with the CNN model, that the GELU activation function for time series data has the smallest loss value]]>
