Article Per Year (5 Year)
p-Index From 2019 - 2024
0.817
P-Index
This Author published in this journals
All Journal Jurnal Transformatika Neo Teknika: Jurnal Ilmiah Teknologi
Muhammad Rochcham
Unknown Affiliation
Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Electrical & Electronics Engineering Industrial & Manufacturing Engineering

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Implementasi Algoritma K-Means Untuk Clustering Kepuasan Mahasiswa Terhadap Pelayanan Akademik Abdul Rohman; Muhammad Rochcham
Neo Teknika Vol 6, No 2 (2020): VOL 6, NO 2 (2020) : JURNAL NEO TEKNIKA VOL 6 NO 2 DESEMBER 2020
Publisher : Universitas Pandanaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37760/neoteknika.v6i2.1646

Abstract

Penelitian ini bertujuan untuk mengelompokkan terhadap dataset kepuasan mahasiswa terhadap pelayanan akademik di perguruan tinggi, dengan menggunakan metode clustering data mining yaitu algoritma K-Means. Pengelompokan dibuat 3 klaster dengan menghasilkan 142 mahasiswa dengan tingkat kepuasan yang rendah, 23 mahasiswa dengan tingkat kepuasan sedang dan 83 mahasiswa dengan tingkat kepuasan yang tinggi terhadap layanan akademik. Kata kunci: Clustering, Algoritma K-Means, Kepuasan Mahasiswa
KOMPARASI METODE KLASIFIKASI DATA MINING UNTUK PREDIKSI KELULUSAN MAHASISWA Abdul Rohman; Muhammad Rochcham
Neo Teknika Vol 5, No 1 (2019): Jurnal Neo Teknika Vol 5 No.1 Juni 2019
Publisher : Universitas Pandanaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (839.469 KB) | DOI: 10.37760/neoteknika.v5i1.1379

Abstract

Dalam perguruan tinggi, mahasiswa merupakan komponen sangat penting dalampenyelenggaraan pendidikan terutama dalam penilaian akreditasi perguruan tinggi.Kelulusan mahasiswa yang tepat waktu merupakan tolak ukur keberhasilannya tujuanpembelajaran di perguruan tinggi, maka perlu dilakukan analisis dan prediksi terhadapdata kelulusan mahasiswa. Banyak penelitian yang menganalis terhadap datakelulusan mahasiswa dengan teknik data mining dengan objek yang berbeda-beda.Dalam penelitian ini dilakukan perbandingan motede data mining yaitu algoritmaneural network, k-nearest neighbor dan Decision Tree yang diaplikasikan pada datakelulusan mahasiswa. Dari hasil pengujian dengan mengukur kinerja ketiga metodetersebut menggunakan cross validation, confusion matrix dan kurva ROC, diketahuibahwa neural network memiliki nilai akurasi yang paling tinggi yakni sebesar 87,32%,diikuti oleh metode algoritma Decision Tree dengan nilai akurasi 83.57%, kemudianmetode k-nearest neighbor dengan akurasi 83,66%. Nilai AUC untuk metode neuralnetwork menunjukan nilai tertinggi yakni 0,917 dan yang terendah adalah metode DecisionTree yaitu 0,844.Kata KunciData Mining, Mahasiswa, algoritma neural network, k-nearest neighbord, Decision Tree
MODEL ALGORITMA C4.5 UNTUK PREDIKSI PENYAKIT JANTUNG Abdul Rohman; Muhammad Rochcham
Neo Teknika Vol 4, No 2 (2018): Jurnal Neo Teknika Vol 4 No.2 Desember 2018
Publisher : Universitas Pandanaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (316.317 KB) | DOI: 10.37760/neoteknika.v4i2.1228

Abstract

Penyakit jantung terjadi akibat adanya penyumbatan sebagian atau total dari suatu pembuluh darah. Akibatnya adanya peyumbatan, maka dengan sendirinya suplai energi kimiawi ke otot jantung akan berkurang, sehingga terjadi gangguan keseimbangan antara suplai dan kebutuhan. Dalam penelitian ini dilakukan prediksi penyakit jantung menggunakan algoritma C4.5 dan terbentuk model algoritma. Dari hasil pengujian dengan mengukur metode C4.5 menggunakan, confusion matrix, dan curve ROC, diketahui bahwa algoritma C4.5 menghasilkan nilai akurasi 86,59 %, nilai AUC yang diperoleh 0.957 dan masuk kategori kelompok klasifikasi yang sangat baik.Kata Kunci: Algoritma, C4.5, Jantung
Pengelompokan Mahasiswa Berdasarkan Indeks Prestasi Dengan Menggunakan Metode Clustering K-Means Abdul Rohman; Muhammad Rochcham
Neo Teknika Vol 6, No 2 (2020): VOL 6, NO 2 (2020) : JURNAL NEO TEKNIKA VOL 6 NO 2 DESEMBER 2020
Publisher : Universitas Pandanaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37760/neoteknika.v6i2.1685

Abstract

Dataset indeks prestasi mahasiswa akan memiliki informasi dan pengetahuan yang bermanfaat bagi institusi, jika dataset tersebut di olah dengan data mining clustering. Algoritma k-means merupakan salah satu algoritma data mining clustering yang efektif untuk mengelompokan objek dengan nilai kemiripan data sehingga akan terbentuk kelompok yang aktual. Dalam penelitian ini menggunakan dataset mahasiswa yang berjumlah 379 dengan membagi 3 kelompok, yang hasilnya adalah kelompok prestasi tinggi berjumlah 116 orang, kelompok prestasi sedang berjumlah 190 orang dan kelompok prestasi rendah berjumlah 73 orang Kata kunci: Clustering, Algoritma K-Means, Indeks Prestasi, Mahasiswa
Prediksi Kepuasan Mahasiswa dengan Menggunakan Algoritma C4.5 terhadap Pelayanan Akademik Anief Rufiyanto; Muhammad Rochcham; Abdul Rohman
Jurnal Transformatika Vol 18, No 2 (2021): January, 2021
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v18i2.2692

Abstract

Prediction of student satisfaction with academic services needs to be done to evaluate the performance of higher education institutions in the academic field, especially at Pandanaran University. In this study, using the Decision Tree C4.5 algorithm data mining method in classifying student data through a questionnaire on aspects of tangible, reliability, assurance, responsiveness and empathy. The results of classifying student data using the Decision Tree C4.5 algorithm produce a decision tree model with an accuracy value of 87.92% and AUC 0.990.
Co-Authors ABDUL ROHMAN Abdul Rohman Anief Rufiyanto