Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal Jurnal ICT : Information Communication & Technology ILKOMNIKA: Journal of Computer Science and Applied Informatics
Muhammad Yusuf Ashari
Universitas Nahdlatul Ulama Blitar
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Mekanisme Fetch dan Execute pada Sistem Kinerja Control Processing Unit M Maulana Ikhsan; Citra Mirna Wati; Muhammad Yusuf Ashari; Abd. Charis Fauzan
ILKOMNIKA: Journal of Computer Science and Applied Informatics Vol 1 No 1 (2019): Volume 1, Nomor 1, Agustus 2019
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (680.405 KB) | DOI: 10.28926/ilkomnika.v1i1.6

Abstract

Tujuan pembuatan Jurnal ini adalah untuk mengetahui fungsi komponen-komponen CPU dan untuk mengetahui mekanisme CPU serta kinerja komputer saat melakukan proses instruksi. Dengan menggunakan metode fetch dan execute. Fungsi komputer di bentuk oleh eksekusi progam, progam yang di eksekusi berisi intruksi yang disimpan di memori, CPU melakukan tugas dengan cara mengeksekusi progam, sederhananya dengan mengolah intruksi yang terdiri dari 2 yaitu, intruksi fetch CPU, lalu CPU mengksekusi intruksi. Proses fetch dan eksekusi itulah cara untuk mengeksekusi progam, Untuk intruksi tunggal di perlukan pengolahan yang disebut siklus intruksi, dari riset yang dilakukan dan dari sumber-sumber yang telah di dapatkan memperoleh cara atau metode untuk melakukan eksekusi memory dan untuk melakukannya menggunakan tabel eksekusi program untuk mengatahuinya. Hasil dari metode yang di dapatkan itu sendiri adalah dari eksekusi progam yang terdapat pada komputer saat ini. CPU adalah komponen yang penting sebagai pengolah data berdasarkan intruksi di sistem komputer. Kesimpulannya fungsi CPU menjalankan progam yang disimpan dari dalam memori utama caranya adalah intruksi diambil, di uji dan dieksekusi satu persatu sesuai alurnya, sederhananya saja dari proses eksekusi progam dengan mengambil intruksi pengolah data yang terdiri dari dua langkah, yaitu operasi pembacaan instruksi (fetch) dan operasi pelaksanaan instruksi (execute).
Perbandingan Kinerja Sistem Klasifikasi Berbasis K-Fold Cross Validation Pada Algoritma Decision Tree ID3 Dan C5.0 Muhammad Yusuf Ashari; Abd. Charis Fauzan; Huda Maariful Muhamat
Jurnal ICT : Information Communication & Technology Vol 21, No 1 (2022): JICT-IKMI, Juli 2022
Publisher : STMIK IKMI Cirebon

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36054/jict-ikmi.v21i1.450

Abstract

In data mining, many techniques and methods have been carried out in predictive models, classification methods for example, one of which is the Decision Tree or Decision Tree including ID3, C4.5 C5.0 and others. In this study, the authors evaluate the performance of the classification and comparison system of the ID3 Decision Tree Algorithm with the C5.0 Decision Tree Algorithm, where the C5.0 Decision Tree Algorithm is an extension of the C4.5 Decision Tree Algorithm and the ID3 Decision Tree Algorithm based on the K-Fold Cross Algorithm. Validation. These algorithms need to be compared to find out which algorithm has the best performance and will be used to predict the data. Therefore, in this research the aim is to compare the ID3 Decision Tree Algorithm with the C5.0 Decision Tree Algorithm. In this research, 215 datasets of the feasibility of labor placement are used. This research AIur starts from data collection, pre-processing, calculation of the ID3 and C5.0 Decision Tree Algorithms and then evaluated using K-fold Cross Validation. The results of this study indicate, through a comparison of the performance of the K-fold Cross Validation-based classification system, the ID3 Decision Tree Algorithm is superior to the C5.0 Decision Tree Algorithm. Decision Tree ID3 algorithm with 95% precision, 94% recall/sensitivity and 93% accuracy. While the Decision Tree C5.0 Algorithm with 91% precision, 92% recall and 89% accuracy.
Co-Authors Abd. Charis Fauzan Citra Mirna Wati Huda Maariful Muhamat M Maulana Ikhsan