Article Per Year (5 Year)
p-Index From 2019 - 2024
2.715
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal IPTEK Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika INTEGER: Journal of Information Technology Prosiding Seminar Nasional Sains dan Teknologi Terapan Indonesian Journal of Electrical Engineering and Computer Science Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK)
Muchamad Kurniawan
Institut Teknologi Adhi Tama Surabaya
Civil Engineering, Building, Construction & Architecture Computer Science & IT Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering

Published : 18 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 18 Documents
Search

 1   2 
Keamanan Jaringan Pada Sistem Pakar Diagnosa Penyakit Ibu Hamil Menggunakan Metode Forward Chaining Dan Algoritma Affine Cipher (Studi Kasus Klinik Fatimah Medika Fajar Yulian Siska Utama; Muchamad Kurniawan; Siti Agustini
Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK) 2022: SNESTIK II
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (668.267 KB) | DOI: 10.31284/p.snestik.2022.2905

Abstract

Data security is the most important part of a system., particularly in supporting information security at institutions both public and private because it can guarantee the security of messages that will be given to the intended person or institution. Basically, data can be classified into public data and private data. Public data means data that can be accessed by many people, while private data can only be accessed by people who have access. Therefore, encryption is needed to keep the secrecy of data or information. Fatimah Medika Clinic is a heart clinic that servers treatment and health checks. The clinic, which is located at Terungkulon Road, Krian, Sidoarjo. In this final project, we discuss cryptography using the Affine Cipher algorithm. This algorithm is a development of Caesar algorithm using twho keys. This application could perform the encryption and decryption processes on patient data saved in the system. The retrieval of two keys in the Affine Cipher algorithm occurred automatically by taking the patien’s date and month of birth into account. The results of tests on 100 data sets in which each character had the size of 3 to 12 letters yielded an average Mean Square Error (MSE) value of 9,272 abd a Peak Signal to Noise Ratio (PSNR) value of 7,379. Accordingly, by implementing the Affine Cipher algorithm into the application, we can save information from anyone without it being readable by others.
Pembuatan Sistem Informasi Penerimaan Peserta Didik Baru (PPDB) Berbasis Web di MDTA Tauhidullah Surabaya Menggunakan Model Waterfall Fadhilatur Rochman; Muchamad Kurniawan; Ananda Galang Moeslim Humania; Bagas Eka Prasetyo
Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK) 2021: SNESTIK I
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (410.69 KB) | DOI: 10.31284/p.snestik.2021.1748

Abstract

Penerimaan siswa baru merupakan salah satu proses pada institusi pendidikan seperti sekolah yang digunakan untuk menyeleksi calon siswa sebelum diterima di sekolah sesuai dengan kriteria sekolah yang bersangkutan. Penelitian ini dilakukan di MDTA Tauhidullah Surabaya yang masih menggunakan metode penerimaan siswa baru secara manual. Sistem PPDB online dapat memenuhi harapan masyarakat akan terselenggaranya sistem penerimaan mahasiswa baru yang objektif, transparan, cepat, dan akurat. Metode yang digunakan dalam penelitian ini di antaranya ialah teknik pengumpulan data berupa pengamatan, wawancara, dan studi pustaka.  Kesimpulan dari penelitian ini adalah PHP dan MariaDB berhasil digunakan untuk membangun sistem informasi pendaftaran siswa berbasis web di MDTA Tauhidullah Surabaya untuk meningkatkan efisiensi pengolahan data pendaftaran.
Pembuatan Sistem Informasi Management User, Management Praktikum dan Registrasi Praktikum Berbasis Website di Jurusan Teknik Informatika Institut Teknologi Adhi Tama Surabaya Menggunakan Metode Waterfall Khisby Al Ghofari; Muchamad Kurniawan; March Angga V. W; Aldi Wachid Arifin
Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK) 2021: SNESTIK I
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (424.748 KB) | DOI: 10.31284/p.snestik.2021.1749

Abstract

Practicum is a lecture activity carried out in the laboratory. Practicum aims to help students understand lecture material more quickly by practising it in the laboratory. There are three laboratories for Informatics Engineering at the Adhi Tama Institute of Technology Surabaya, namely the Software Engineering Laboratory, the Programming Language Laboratory and the Computer Network Laboratory. The Laboratory Registration System still uses conventional methods by bringing requirements to the laboratory for data collection. As well as an assessment system that still uses the Microsoft Excel application media so it is less fast and less efficient. This study aims to create a practicum information system with the Waterfall method at the Informatics Engineering Laboratory of the Adhi Tama Institute of Technology Surabaya. The test results show that the Waterfall method can be used to create a practicum information system so that it helps make the practicum easier, more efficient, structured and safer.
Implementasi Metode Wrapper Sequential Feature Selection (WSFS) pada Dataset Stroke Menggunakan Metode Naïve Bayes Multinomial Nadia Talina Syafina; Ester Yulitania Toker; Anindya Berliana Santoso; Chrisna Adrian Dwiputra Haryono; Muchamad Kurniawan
Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK) 2023: SNESTIK III
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/p.snestik.2023.4059

Abstract

Ada banyak metode di bidang data mining untuk mengolah kumpulan data, salah satunya adalah Naive Bayes. Algoritma Naive Bayes merupakan salah satu algoritma klasifikasi dengan akurasi yang lebih tinggi dibandingkan algoritma pohon keputusan dan jaringan syaraf tiruan. Multinominal Naive Bayes mampu mengurangi kesalahan klasifikasi dokumen rata-rata 27%, sementara itu mencapai 50% dalam pengujian Bernoulli multivariat. Hasil yang dapat dilakukan dengan menggunakan seleksi fitur dengan model Multinomial Naive Bayes untuk akurasi yang lebih baik dibandingkan multivariat Bernoulli. Berdasarkan hasil proses yang dilakukan, metode pemilihan karakteristik dapat meningkatkan pengaruh hasil pengujian terhadap model. Pemilihan Fitur Wrapper memilih fitur mana yang penting untuk objek/label dalam dataset dan dapat memilih fitur yang tidak perlu digunakan dalam proses klasifikasi menggunakan sel naif. Kombinasi menggunakan 6 fungsi dapat memberikan akurasi tertinggi dibandingkan dengan kombinasi lainnya. Akurasi klasifikasi Naive Bayes menggunakan kombinasi enam fitur meningkat menjadi 81,575 dari nilai akurasi algoritma Naive Bayes, i. Berdasarkan hasil percobaan tersebut, kombinasi pemilihan fitur dan metode Naive Bayess menunjukkan kinerja yang lebih baik pada dataset medis, terutama dalam hal hit, presisi, recall dan akurasi. Penelitian ini menguji keefektifan Feature Selection dengan algoritma klasifikasi Naive Bayes. Berdasarkan hasil pengujian eksperimen dan analisis studi yang dilakukan, metode WSFS setelah dilakukan pengujian dengan metode 10-fold cross-validation dapat memberikan rekomendasi untuk meningkatkan kinerja algoritma klasifikasi.Kata kunci: Feature Selection, Naïve Bayes.
Perbandingan Metode Naive Bayes, KNN dan Decision Tree Terhadap Dataset Healthcare Stroke Adela Rizky Oktavyani; Aji Wicaksono; Alexandria Felicia Seanne; Astrid Dwi Karolin Nofana; Rakha Satria Putra; Muchamad Kurniawan
Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK) 2023: SNESTIK III
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/p.snestik.2023.4067

Abstract

Tujuan dari penelitian ini adalah membandingkan antara metode Naive bayes, KNN dan Decision Tree. Dimana data dari penelitan adalah data set laporan kesehatan penyakit Stroke berasal dari kaggle.com, pada penelitian ini akan diukur confusion matrix, precision, recall, accuracy, hingga f-measure kemudian juga dihitung root mean squere error dari tiap-tiap metode, dari perhitungan tersebut metode KNN mendapatkan accuracy tertinggi hingga 95,20% sehingga dapat disimpulkan metode klasifikasi d KNN lebih baik dari metode Naive bayes maupun Decision Tree.
Perbandingan Model Logistic Regression dan K-Nearest Neighbour dalam Prediksi Pembatalan Hotel Mohammad Fahry Sholahuddin; Abdul Holik; Chelvin Suprapto; Iqbal Izha Mahendra; Sadewa Wibawanto; Muchamad Kurniawan
Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK) 2023: SNESTIK III
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/p.snestik.2023.4040

Abstract

Dari beberapa penelitian sebelumnya mengenai metode KNN dan Regresi Logistik yang telah dilakukan beberapa peneliti mengenai metode KNN dan Regresi Logistik, penelitian kali ini dilaksanakan untuk membandingkan metode supervised learning antara metode KNN dan Regresi Logistik. Adapun tujuan penelitian ini adalah mencari tahu manakah diantara kedua metode tersebut mempunyai nilai akurasi, presisi, recall yang paling baik dalam memprediksikan pembatalan hotel. K-Nearest Neighbor (K-NN) tergolong pada kelompok instance-based learning. Metode ini merupakan salah satu teknik lazy learning. K-NN bekerja dengan cara melakukan pencarian terhadap kelompok k objek dalam data latih yang paling dekat (mirip) terhadap objek pada data baru atau data uji. Sebuah sistem pengklasifikasian sangat dibutuhkan sebagai sebuah sistem yang dapat mencari sebuah informasi [1]. Regresi Logistik merupakan salah satu metode pengklasifikasian dalam statistical machine learning, dan termasuk pula kedalam metode supervised learning. Pada dasarnya metode ini memiliki performa yang baik dalam menangani data berskala besar dan merupakan salah satu metode yang paling sering digunakan dalam data mining [2]. Dari proses K-Fold Cross Validation metode K-Nearest Neighbour didapat nilai Accuracy tertinggi dengan 0.81, Precission sebesar 0.81 Serta Recall sebesar 0.80. Sedangakan proses K-Fold Cross Validation metode Logistic Regression didapat nilai Accuracy tertinggi dengan 0.80, Precission sebesar 0.80 Serta Recall sebesar 0.80. Dari kedua hasil evaluasi melalui K-Fold Cross Validation yang telah dilakukan pada metode K-Nearest Neighbour dan Logistic Regression. Didapakan hasil bahwa metode K-Nearest Neighbour mempunyai nilai Accuracy, Precission serta Recall tertinggi dalam proses prediksi pembatalan hotel diabandingkan dengan Logistic Regression. Dimana didapat nilai tertinggi dari proses K-Fold Cross Validation dengan Accuracy sebesar 0.81, Precission sebesar 0.81 serta Recall sebesar 0.80.
Perbandingan Hasil Akurasi Metode Neural Network dan Support Vector Machine pada Karakteristik Dataset yang Berbeda Muchamad Kurniawan; M. Faj’rul Falaah
Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK) 2023: SNESTIK III
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/p.snestik.2023.4052

Abstract

Tujuan Dari Penelitian Ini Adalah Untuk Membandingkan Metode Neural Network Dan Support Vector Machine. Dimana Data Dari Penelitian Ini Berupa Beberapa Data Yang Memiliki Karakteristik Berbeda Yang Bersumber Dari Kaggle.Com, Penelitian Ini Akan Mengukur Confusion Matrix, Precision, Recall, Accuration, Hingga F1-Score Dari Masing-Masing Metode Juga Dihitung. Rata-Rata Perbedaan Selisih Hasil Akurasi Antara Metode Svm Dan Nn Sebesar 0,0063. Hasil Dari Perbandingan Tersebut Adalah Metode Support Vector Machine (Svm) Memiliki Nilai Yang Lebih Unggul Dibandingkan Dengan Metode Neural Network (Nn) Pada 3 Dataset Yang Digunakan Peneliti.
An improved clustering based on K-means for hotspots data Rani Rotul Muhima; Muchamad Kurniawan; Septiyawan Rosetya Wardhana; Anton Yudhana; Sunardi Sunardi; Mitra Adhimukti
Indonesian Journal of Electrical Engineering and Computer Science Vol 31, No 2: August 2023
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijeecs.v31.i2.pp1109-1117

Abstract

Riau province is one of the provinces in Indonesia where forest fires frequently occur every year. Hotspot data is geothermal points and they can be utilized as an indicator of forest fires. Clustering’s method can be used to analyze potential forest fires from hotspot data’s cluster pattern. In this study, hybrid genetic algorithm polygamy with K-means (GAP K-means) was used for hotspot data clustering. GA polygamy was used to determine the initial centroid of K-means. It was used to solve the sensitivity of K-means to the initial centroid, and to find the optimal solution faster. Experimentally compared the performance of GAP K-means, GA K-means, and K-means on the hotspots data, two artificial datasets, and three real-life datasets. Sum square error (SSE), davies bouldin index (DBI), silhouette coefficient (SC) and F-measure are used to evaluation clustering. Based this experiment, GAP K-means outperforms than K-means but GAP K-means still not fast to achieve convergent than GA K-means.
Co-Authors Abdul Holik Adela Rizky Oktavyani Ahmad Fawaz Aji Wicaksono Aldi Wachid Arifin Alexandria Felicia Seanne Ananda Galang Moeslim Humania Andy Rachman Anindya Berliana Santoso Anton Yudhana Astrid Dwi Karolin Nofana Bagas Eka Prasetyo Chelvin Suprapto Chrisna Adrian Dwiputra Haryono Ester Yulitania Toker Fadhilatur Rochman Fajar Yulian Siska Utama Hendro Nugroho Iqbal Izha Mahendra Khisby Al Ghofari M. Faj’rul Falaah Maftahatul Hakimah March Angga V. W Maryam Ummul Habibah Mitra Adhimukti Mohammad Fahry Sholahuddin Nadia Talina Syafina Naili Saidatin Nanda Hafiz Ar Nanik Suciati Pakarbudi, Adib Pambudi O.T. Rakha Satria Putra Rani Rotul Muhima Rani Rotul Muhima Sadewa Wibawanto Septiyawan Rosetya Wardhana Siti Agustini, Siti Sunardi, Sunardi