Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal Syntax Jurnal Informatika Seminar Nasional Teknologi Informasi Komunikasi dan Industri Jiko (Jurnal Informatika dan komputer) Jurnal Teknologi dan Informasi
M Jajuli
Universitas Singaperbangsa Karawang
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Industrial & Manufacturing Engineering Mathematics

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Sistem Pendukung Keputusan Penanggulangan Hama dan Penyakit Ubi Kayu Menggunakan Forward Chaining Tri Isna Kuswaya; Sofi Defiyanti; Mohamad Jajuli
SYNTAX Jurnal Informatika Vol 7 No 1: Mei 2018
Publisher : Universitas Singaperbangsa Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (459.668 KB) | DOI: 10.35706/syji.v7i1.1137

Abstract

Beberapa faktor menurunnya hasil produksi ubi kayu karena hama dan penyakit. Kurangnya sosialisasi dan sumber informasi mengenai ciri-ciri awal tanaman ubi kayu terkena hama dan penyakit, serta cara penanggulangannya menjadi masalah, terutama untuk petani yang belum lama memulai budidaya ubi kayu.  Sistem pendukung keputusan penanggulangan hama dan penyakit pada tanaman ubi kayu menggunakan algoritma runut maju atau forward chaining dengan metode rekayasa perangkat lunak Extreme Programming dengan desain pemodelan aplikasi menggunaka UML yang diimplementasikan menggunakan bahasa pemograman java. Hasil impelementasi dari aplikasi ini adalah pengguna hanya perlu menjawab beberapa pertanyaan gejala yang sama dengan yang dialami oleh tanaman ubi kayu, sehingga mendapatkan hasil keputusan untuk membantu dalam  penanggulangan penyakit yang dialami oleh ubi kayu yang sesuai dengan gejala penyakit yang dijawab dalam pertanyaan yang ada pada aplikasi sistem pendukung keputusan penanggulangan hama dan penyakit pada ubi kayu. Pengujian yang dilakukan menggunakan Black Box didapat hasil yang sesuai untuk pengujuan fungsi-fungsi yang ada. sedangkan pengujian White Box  didapat hasil akhir sebesar 6 yang menunjukkan A well structured and stable procedure. Selain itu Pengujian langsung oleh user dengan teknik kuesioner dan mendapatkan hasil 63,87% Dengan nilai tersebut bisa dikatan penilaian terhadap semua aspek pada aplikasi ini sudah baik
Implementasi K-Means Clustering untuk Pengelompokkan Daerah Rawan Bencana Kebakaran Menggunakan Model CRISP-DM F N Dhewayani; D Amelia; D N Alifah; B N Sari; M Jajuli
Jurnal Teknologi dan Informasi (JATI) Vol 12 No 1 (2022): Jurnal Teknologi dan Informasi (JATI)
Publisher : Program Studi Sistem Informasi, Fakultas Teknik dan Ilmu Komputer, Universitas Komputer Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/jati.v12i1.6674

Abstract

Frekuensi tingginya potensi bahaya bencana yang kerap terjadi di Indonesia yaitu bencana kebakaran hutan dan juga lahan atau biasa disebut dengan Karhutla. Dampak yang terjadi akibat bencana ini sangat besar dan membahayakan, akibat dari bencana kebakaran hutan serta lahan dapat mempengaruhi udara, air, lahan dan juga menyebabkan kerugian finansial, kerusakan fasilitas dan tempat hidup flora dan juga fauna yang ada, serta dapat mengancam nyawa manusia. Informasi daerah bencana dengan potensi kejadian yang tinggi dapat digunakan sebagai informasi agar masyarakat lebih awas dan juga siaga dalam mengenal lingkungan tersebut. Penggunaan teknik clustering dengan menggunakan algoritma K-Means dimana data akan dikelompokkan menjadi beberapa bagian kelompok dan setiap kelompok mempunyai karakteristik yang mirip satu sama lain, tetapi mempunyai karakteristik yang berbeda dengan kelompok lain. Tujuan penelitian dilakukan untuk menghasilkan kelompok daerah yang memiliki potensi tinggi untuk terjadi kebakaran, yang berguna bagi masyarakat agar mengenal bahaya yang mungkin terjadi pada daerah tersebut. Dengan potensi daerah tingkat bencana kebakaran akan ditunjukan dalam beberapa cluster dan terdapat cluster tertinggi ditujukan kepada Cluster 3 dengan indeks kebakaran di setiap kota tercatat mencapai 87 kejadian setiap tahunnya.
PENERAPAN NAÏVE BAYES UNTUK KLASIFIKASI TINGKAT RISIKO DIAGNOSIS GIGI DI UPTD PUSKESMAS CINGAMBUL Elin Nurlia; Mohamad Jajuli; Intan Purnamasari
JIKO (Jurnal Informatika dan Komputer) Vol 4, No 2 (2021)
Publisher : Journal Of Informatics and Computer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33387/jiko.v4i2.3190

Abstract

Penyakit gigi merupakan kondisi yang dialami ketika muncul rasa sakit pada organ gigi dan mulut karena gigi berlubang atau gangguan lainnya. Kesehatan gigi sangat penting sebab gigi termasuk organ penting pada sistem pencernaan, jika terjadi gangguan dapat menyebabkan masalah kesehatan lainnya. Bahkan peradangan gigi dan gusi yang parah jika tidak segera ditangani dapat menimbulkan penyakit mematikan seperti stroke, diabetes dan jantung. Kasus penyakit gigi yang terjadi di UPTD Puskesmas Cingambul setiap tahunnya masih mengalami peningkatan, bahkan penyakit dengan kondisi yang parah seringkali dikeluhkan. Namun pelayanan kesehatan gigi di sana masih terbatas karena tidak ada dokter yang bertugas. Oleh karena itu, diperlukan sebuah metode yang mampu mengklasifikasikan tingkat risiko diagnosis gigi agar dapat menilai penanganan yang tepat. Penelitian ini bertujuan untuk menerapkan algoritma Naïve Bayes dengan metodologi Knowledge Discovery in Database (KDD) untuk mengklasifikasikan diagnosis gigi berdasarkan risiko parah, sedang dan ringan. Pengujian penerapan algoritma Naïve Bayes dilakukan dengan sembilan skenario k-fold cross-validation. Penggunaan 3-fold cross-validation menunjukan performa terbaik dengan akurasi 93,33% dan nilai kappa 0,855 yang termasuk kategori klasifikasi Very Good. Sedangkan rata-rata hasil pengujian memperoleh accuracy 92,32% dan nilai kappa 0,833 yang termasuk kategori klasifikasi Very Good. Sehingga, algoritma Naïve Bayes dinilai mampu mengklasifikasikan tingkat risiko diagnosis gigi yang terjadi di UPTD Puskesmas Cingambul dengan baik karena memiliki nilai accuracy cukup baik dan nilai kappa yang termasuk kategori Very Good.
PENGELOMPOKAN KEJADIAN KECELAKAAN LALU LINTAS KARAWANG MENGGUNAKAN LATENT CLASS CLUSTER Mohamad Jajuli; Carudin Carudin
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2017: SNTIKI 9
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (425.708 KB)

Abstract

Pertumbuhan populasi yang pesat menimbulkan berbagai persoalan seperti kemacetan terjadi dimana-mana, disiplin lalu lintas menurun, kemampuan jalan tidak sesuai dengan beban sehingga jalan cepat rusak dan ambruk dan menyebabkan kecelakaan lalu lintas. Dari total kecelakaan yang terjadi di Karawang dari tahun 2010-2015 sebanyak 1891 kecelakaan, tingkat kecelakaan berat merupakan persentase terbesar. Hasil penelitian yang sudah dilakukan tentang penyebab kecelakaan lalu lintas memiliki kesimpulan berbeda-beda tergantung lokasi penelitiannya. Oleh karena itu, pada penelitian ini akan dilakukan pengelompokkan kejadian kecelakaan lalu lintas di Karawang menggunakan latent class cluster. Data yang digunakan adalah data tingkat kecelakaan, cuaca, status jalan, dan fungsi jalan tahun 2010-2015 yang diperoleh dari Badan Reserse Kriminal Polres Karawang. Hasil penelitian menunjukkan pengelompokan kejadian kecelakaan di Karawang didapat model dengan 4 cluster. Cluster 1 memiliki karakteristik kejadian kecelakaan di cuaca cerah, status jalan desa, fungsi jalan lokal, dan tingkat kecelakaan berat. Cluster 2 memiliki karakteristik kejadian kecelakaan di cuaca cerah, status jalan nasional, fungsi jalan arteri, dan tingkat kecelakaan berat. Cluster 3 memiliki karakteristik kejadian kecelakaan di cuaca cerah, status jalan nasional, fungsi jalan kolektor, dan tingkat kecelakaan sedang. Cluster 4 memiliki karakteristik kejadian kecelakaan di cuaca cerah, status jalan kabupaten, fungsi jalan lokal, dan tingkat kecelakaan sedang.
Co-Authors Carudin Carudin D Amelia D N Alifah Elin Nurlia F N Dhewayani Intan Purnamasari Sofi Defiyanti Tri Isna Kuswaya