Article Per Year (5 Year)
p-Index From 2019 - 2024
1.203
P-Index
This Author published in this journals
All Journal JUITA : Jurnal Informatika Jurnal Pengembangan Rekayasa dan Teknologi Journal of Information Systems and Informatics Joined Journal (Journal of Informatics Education) Indonesian Journal of Computer Science Tematik
Mohammad Burhan Hanif
Teknik Informatika Universitas Semarang
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mechanical Engineering Social Sciences Transportation Other

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
Komparasi Metode Klasifikasi Batik Menggunakan Neural Network Dan K-Nearest Neighbor Berbasis Ekstraksi Fitur Tekstur Badroe Zaman; Ahmad Rifai; Mohammad Burhan Hanif
Journal of Information System and Informatics Vol 3 No 4 (2021): Journal of Information Systems and Informatics
Publisher : Universitas Bina Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51519/journalisi.v3i4.213

Abstract

Batik tulis adalah hasil seni budaya yang memiliki keindahan visual dan mengandung makna filosofis pada setiap motifnya. Batik tulis memiliki morif yang sangat beragam dan memiliki tingkat kompleksitas yang tingi sehingga menjadi kesulitan tersendiri dalam pengelompokan kelas batik tertentu. Klasifikasi citra ke dalam kelas tertentu juga menjadi permasalahan yang pelik dalam bidang pengenalan pola. Metode machine learning dapat digunakan untuk mengenali kelas batik melalui pengenalan citra batik. Namun belum banyak penelitian terkait studi komparasi klasifikasi citra batik. Sehingga penelitian ini berfokus pada data set citra batik tulis yang menggunakan dua motif yaitu motif klasik dan motif kontemporer. Pada penelitian ini, fitur ekstraksi menjadi dasar klasifikasi dengan metode Backpropagation Neural Network dan k-Nearest Neighbor. Tujuan dari penelitian ini untuk menemukan pola baru dalam data dengan menghubungkan pola data yang sudah ada dengan data yang baru. Selanjutnya, penelitian ini melakukan perbandingan metode klasifikasi antara Backpropagation Neural Network dan k-Nearest Neighbor untuk mencari metode klasifikasi terbaik untuk klasifikasi Batik tulis Bakaran. Hasil dari studi komparasi menunjukkan bahwa metode Backpropagation Neural Network memperoleh nilai akurasi 90,11% sedangkan metode k-Nearest Neighbor mendapatkan nilai akurasi 96,00%. Sehingga dapat di simpulkan bahwa metode k-Nearest Neighbor merupakan metode terbaik untuk klasifikasi citra batik.
Improving Neural Network Performance with Feature Selection Using Pearson Correlation Method for Diabetes Disease Detection April Firman Daru; Mohammad Burhan Hanif; Edi Widodo
JUITA : Jurnal Informatika JUITA Vol. 9 No. 1, May 2021
Publisher : Department of Informatics Engineering, Universitas Muhammadiyah Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (759.462 KB) | DOI: 10.30595/juita.v9i1.9941

Abstract

Diabetic or silent killer diseases are an alarming scourge for the world and are classed as serious diseases. In Indonesia, the increase in diabetics occurred by 2% in vulnerable times between 2013 to 2018. This affects all sectors, both medical services and the financial sector. The Neural Network method as a data mining algorithm is present to overcome the burden that arises as an early detection analysis of the onset of disease. However, Neural Network has slow training capabilities and can identify important attributes in the data resulting in a decrease in performance. Pearson correlation is good at handling data with mixed-type attributes and is good at measuring information between attributes and attributes with labels. With this, the purpose of this study will be to use the Pearson correlation method as a selection of features to improve neural network performance in diabetes detection and measure the extent of accuracy obtained from the method. The dataset used is diabetes data 130-US hospital UCI with a record number of 101767 and the number of attributes as many as 50 attributes. The results of this study found that Pearson correlation can improve neural network accuracy performance from 94.93% to 96.00%. As for the evaluation results on the AUC value increased from 0.8077 to 0.8246. Thus Pearson's Correlation algorithm can work well for feature selection on neural network methods and can provide solutions to improved diabetes detection accuracy.
SISTEM APLIKASI PREDIKSI PENYAKIT DIABETES MENGGUNAKAN FITURE SELECTION KORELASI PEARSON DAN KLASIFIKASI NAÏVE BAYES mohammad burhan hanif; Khoirudin Khoirudin
Jurnal Pengembangan Rekayasa dan Teknologi Vol 16, No 2 (2020): Desember 2020
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/jprt.v%vi%i.3089

Abstract

Diabetes penyakit serius yang terkenal didunia dengan sebutan silent killer yang tercatat semakin meningkat dari tahun 1980 sampai 2014 sebanyak 422juta jiwa. Hal ini perlu di perhatikan secara serius karena berimbas pada timbulnya beban kerja sumberdaya medis yang berlebihan serta tentunya beban keuangan yang akan timbul karena hal tersebut. Pada era teknologi maju saat ini data mining pada bidang kesehatan hadir untuk memberikaran analisa data khususnya data penyakit diabetes dengan tepat dan akurat. Klasifikasi data mining dipadukan dengan metode research and development dapat digunakan sebagai sebuah sistem aplikasi untuk memprediksi penyakit diabetes. Oleh sebab itu peneliti membuat sebuah sistem deteksi penyakit diabetes menggunakan fiture selection korelasi pearson dan klasifikasi naïve bayes yang diharapkan dapat membantu ahli medis dalam deteksi penyakit diabetes secara lebih cepat dan mengurangi beban biaya yang timbul akibat masalah ini. Sistem prediksi berbasis web akan menangani data diabetes berjumlah 768 baris data dengan menampilkan 10 fiture yaitu Pregnancies, Glucose, BloodPressure, SkinThickness, Insulin, BMI, DiabetesPedigreeFunction, Age dan Outcome yang diperoleh pada Pima Indians Diabetes kaggle dataset. Penggunaan algoritma korelasi pearson dibutuhkan untuk meningkatkan performa dari algoritma naïve bayes dengan nilai akurasi dari 68,2%  menjadi 79,13% pada data penyakit diabetes. 
Meningkatkan Kinerja Decision Tree C4.5 dengan Seleksi Fitur Korelasi Pearson pada Deteksi Penyakit Diabetes Mohammad Burhan Hanif; Galet Guntoro Setiaji
Indonesian Journal of Computer Science Vol. 11 No. 2 (2022): Indonesian Journal of Computer Science Volume 11. No. 2 (2022)
Publisher : STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v11i2.3087

Abstract

Diabetes sebuah penyakit yang menjadi momok seluruh dunia. Kerugianya tidak hanya pada penderita sendiri tetapi juga merambah ke banyak sektor. Baik di sektor pelayanan kesehatan dan sektor financial yang sangat menjadi beban tinggi yang perlu ditangani dengan baik dengan jalan pendeteksian penyakit diabetes sejak dini. Salah satu pendeteksian dini penyakit diabetes dapat memanfaatkan algoritma machine learning pada bidang data mining. Algoritma C4.5 merupakan algoritma machine learning yang memiliki tingkat akurasi dan kecepatan perhitungan tinggi dalam klasifikasi. Namun demikian algoritma C4.5 terganggu dengan data tak seimbang dan fitur data berdimensi tinggi. Pemanfaatan seleksi fitur menjadi salah satu penyelesain masalah data berdimensi tinggi. Algoritma Korelasi Pearson memiliki kemampuan dalam mengukur informasi antar fitur dan diterapkan dalam penelitian ini. Penggunaan Korelasi Pearson dianggap berhasil dalam meningkatkan kinerja algoritma C4.5 dalam deteksi awal penyakit diabetes. Keberhasilan ini terlihat pada hasil akurasi sebesar 95.31% tanpa korelasi pearson menjadi 96.16% dengan pemanfaatan korelasi pearson.
Rancang Bangun Sistem Informasi Data Kependudukan Kelurahan Jepon Berbasis Codeigniter Mohammad Burhan Hanif; Dhimas Mahendra Putra; Handini Arga Damar Rani
Joined Journal (Journal of Informatics Education) Vol 6 No 1 (2023): Volume 6 Nomor 1 (2023)
Publisher : Universitas Ivet

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31331/joined.v6i1.2836

Abstract

Kelurahan meruapakan pelayanan public tingkat dasar yang ada di Indonesia. Didalam kelurahan jepon kemanualan pelayanan publik menjadi hambatan karena lambatnya informasi sampai ke masyarakat. Padahal informasi ini penting sekali apalagi menyangkut data kependudukan. Teknologi informasi berupa websiste hadir untuk menjembatani masalah tersbut. Penggunaan bahasa pemrograman PHP yang dibungkus dalam Framework Codeigniter dan penggunaan database MySQL menjadi alat untuk menyelesaikan masalah tersebut. Sehingga dengan adanya rancang bangun sistem informasi data kependudukan kelurahan jepon ini dapat menyelesaikan masalah kesenjangan informasi yang ada.
Peningkatan Pengelolaan Sampah Melalui Aplikasi Bank Sampah di Desa Truko Kendal Mohammad Burhan Hanif; Galet Guntoro Setiaji; Astrid Novita Putri
TEMATIK Vol 5, No 1 (2023): Juni (2023)
Publisher : TEMATIK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/tmt.v5i1.7354

Abstract

Kegiatan pengabdian kepada masyarakat yang dilaksanakan sebenarnya bertujuan untuk meningkatkan proses dan cara  pengelolaan Bank Sampah Desa Truko Kendal. Bank sampah sejatinya bisa menjadi salah satu wujud pengelolaan sampah di lingkup masyarakat umum di mana limbah sampah rumah tangga akan dikelompokkan menjadi satu untuk dipilah, dan dijual kembali kepada pihak ketiga yaitu pengepul. Melalui bank sampah, limbah sampah rumah tangga dapat dikelola menjadi suatu hal yang bernilai ekonomis. Pengelolaan dengan cara bank sampah sendiri mengadopsi sistem perbankan pada dasarnya, namun bentuknya lebih kecil dan sederhana. Dimana Nasabah bank sampah adalah bagaian dari warga sekitar, yang akan menyerahkan sampah untuk dicatat sebagai saldo sesuai nilai ekonomisnya. Dalam prakteknya, pengelolaan bank sampah di Desa Truko Kendal mempunyai berbagai kendala. Program pengabdian masyarakat ini dilakukan untuk menyelesaikan kendala itu serta meningkatkan pengelolaan bank sampah melalui kegiatan yang bernilai ekonomis bagi warga. Peningkatan proses pengelolaan bank sampah dikerjakan dengan menerapkan Sistem Digital Manajemen melalui komputer. Selain itu, juga diadakan berbagai pendampingan juga pelatihan produk kreatif dari limbah hasil sampah plastik. Hal ini untuk meningkatkan kinerja pengelolaan bank sampah dan kegiatan operasional bank sampah di Desa Truko Kendal untuk program pengabdian berikutnya.
Co-Authors Ahmad Rifai April Firman Daru Astrid Novita Putri Badroe Zaman Dhimas Mahendra Putra Edi Widodo Galet Guntoro Setiaji Handini Arga Damar Rani Khoirudin Khoirudin