Article Per Year (5 Year)
p-Index From 2019 - 2024
1.037
P-Index
This Author published in this journals
All Journal ILKOM Jurnal Ilmiah Jurnal Nasional Komputasi dan Teknologi Informasi Simtek : Jurnal Sistem Informasi dan Teknik Komputer
Muh Faisal
Universitas Ichsan Gorontalo
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering

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

Found 5 Documents
Search

 1 
KLASIFIKASI STATUS GIZI BALITA MENGGUNAKAN METODE K-NEAREST NEIGHBOR Hamsir Saleh; Muh Faisal; Rachmat Irawan Musa
Simtek : jurnal sistem informasi dan teknik komputer Vol 4 No 2 (2019): Oktober 2019
Publisher : STMIK Catur Sakti Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (309.204 KB) | DOI: 10.51876/simtek.v4i2.60

Abstract

Status gizi merupakan keadaan tubuh sebagai akibat pola konsumsi makanan dan penggunaan zat- zat gizi. Penentuan status gizi balita berguna untuk mengetahui keadaaan gizi balita berdasarkan BB/U (Berat Badan menurut Umur), TB/U (Tinggi Badan menurut Umur), BB/TB (Berat Badan menurut Tinggi Badan). Sistem yang dirancang adalah sistem penentuan status gizi balita dengan menggunakan metode K-NN (K-Nearest Neighbor), dimana metode K-NN (K-Nearest Neighbor) merupakan metode pengklasifikasian atau mengelompokkan data uji yang belum diketahui kelasnya ke beberapa tetangga terdekat dengan menggunakan rumus perhitungan jarak. Variabel yang digunakan pada sistem ini berdasarkan data Anthropometri atau pengukuran tubuh manusia yaitu U (Umur), BB (Berat Badan), TB (Tinggi Badan), LK (Lingkar Kepala). Hasil dari sistem ini adalah status gizi berdasarkan BB/U (Berat Badan menurut Umur) yaitu gizi buruk, gizi kurang, gizi baik, gizi lebih
PERANCANGAN APLIKASI ENSIKLOPEDIA GORONTALO BERBASIS ANDROID Azwar Azwar; Alfia A Hapulu; Muh Faisal
Simtek : jurnal sistem informasi dan teknik komputer Vol 6 No 1 (2021): April 2021
Publisher : STMIK Catur Sakti Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51876/simtek.v6i1.95

Abstract

Keragaman budaya dan adat istiadat yang dimiliki oleh Gorontalo memiliki ciri khas tersendiri. Suku Gorontalo yang mayoritas penduduknya beragama islam sangatlah mempengaruhi kehidupan budaya mereka. Dijaman serba modern sekarang ini, perkembangan kesenian tradisional mulai menurun. Munculnya tanda-tanda kepunahan budaya lokal tidak lain karena mulai menurunnya ketertarikan generasi muda terhadap tradisi dan budaya lokal. Saat ini sudah semakin banyak budaya barat yang masuk dan diadopsi oleh masyarakat Gorontalo yang pada waktu bersamaan akan berbenturan dengan budaya lokal. Menyikapi hal ini maka perlu dilakukan revitalisasi dan pelestarian kembali warisan budaya dan kesenian tradisional Gorontalo. Memperbanyak media informasi budaya lokal dan kesenian tradisional yang mudah diakses adalah salah satu upaya untuk promosi dan pelestarian budaya lokal dan kesenian tradisional Gorontalo. Alternative lain yang bisa dilakukan untuk tetap mempertahankan budaya lokal dan kesenian tradisional yaitu dengan digitalisasi warisan budaya lokal. Salah satu teknologi yang bisa digunakan untuk tetap bisa melestarikan kebudayaan tersebut yaitu dengan teknologi smartphone. Teknologi smartphone sudah merambah semua kalangan, tidak terkecuali pada anak-anak. Android adalah salah satu sistem operasi yang saat ini banyak digunakan pada perangkat mobile. Dari hasil pembuatan aplikasi ini diharapkan dapat digunakan oleh semua kalangan baik anak-anak maupun pemuda gorontalo untuk lebih mengetahui tentang budaya, adat istiadat, kesenian cagar budaya dan makanan khas gorontalo
The Implementation of GLCM and ANN Methods to Identify Dragon Fruit Maturity Level Muhammad Faisal; Maryam Hasan; Kartika Candra Pelangi
ILKOM Jurnal Ilmiah Vol 15, No 1 (2023)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v15i1.1504.64-71

Abstract

The identification of the maturity level of dragon fruit in this study was divided into two groups of ripeness: the unripe and the ripe. This study aims to classify the maturity level based on dragon fruit images using the feature extraction method, the gray level co-occurrence matrix (GLCM). This research method consists of converting RGB data to grayscale, image normalization, detection of dragon fruit maturity, feature extraction, and identification. Data collection from real data totaled 60 images used in this study consisting of 40 training data and 20 testing data which are RGB image data in JPG format. Each data consists of 2 maturity categories. Training data consists of 20 images of 99% ripe dragon fruit and 20 images of 85%. Meanwhile, the testing data consisted of 10 of 99% ripe dragon fruit images and 10 of 85% ripe dragon fruit images. The image data is processed into a grayscale image which then detects the ripeness of the dragon fruit. After the maturity of the dragon fruit is obtained, segmentation is carried out on the location of the dragon fruit found. Then the feature calculation is performed using the Gray Level Co-Occurrence Matrix (GLCM). The Artificial Neural Network (ANN) algorithm is used for the identification process. The final test results show that the proposed method has been able to detect dragon fruit maturity level with an accuracy of = 9/10* 100% = 90%, calculated using the confusion matrix. Thus, implementing the Gray Level Co-Occurrence Matrix and Artificial Neural Network methods to the maturity level problem dragon fruit needs to be developed.
Analisis Metode Regresi Linier Berganda dan K-Nearest Neighbor (K-NN) pada Kepuasan Terhadap Pelayanan Perpustakaan Muh Faisal; Hamsir Saleh; Rahmat Thaib
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 7, No 4 (2024): Agustus 2024
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v7i4.7724

Abstract

Abstrak - Dalam setiap jenjang pendidikan, perpustakaan menjadi salah satu pusat informasi pembelajaran. Melihat perpustakaan sebagai pusat informasi pembelajaran, maka harus disesuaikan dengan ekspektasi penggunanya, ditata dan diatur dengan sistem tertentu sehingga memudahkan pengguna dalam mengakses informasinya (pelayanan). Kepuasan pengguna merupakan alat ukur keberhasilan suatu perpustakaan. Dalam ilmu statistik, regresi mempelajari hubungan antara satu variabel dengan variabel yang lain. Misalnya dalam menentukan hubungan kepuasan pengguna dengan pelayanan perpustakaan. Regresi dimanfaatkan selain untuk menentukan hubungan kuantitatif antar variabel juga untuk meramalkan nilai dari variabel dimasa yang akan datang. Analisis regresi linier adalah teknik statistika yang dapat digunakan untuk menjelaskan pengaruh variabel bebas (independent variable) terhadap variabel tak bebas (dependent variable). Adapun K-NN, merupakan algoritma yang memberikan pengenalan ke k-terdekat sebagai nilai prediksi dari query instance yang baru, yang dasar pendekatan unsupervised k-Nearest Neighbor atau UNN, yang mana dalam regresi adalah untuk menganalisis nilai output. Berdasarkan data yang dikumpulkan akan diketahui kualitas pelayanan perpustakaan terhadap kepuasan pengguna. Penelitian ini bertujuan untuk mengetahui prediksi kepuasan pengguna perpustakaan menggunakan kombinasi regresi linier berganda dan K-Nearest Neighbor(K-NN).Kata Kunci : Prediksi, Analisis, Perpustakaan,  Kepuasan, Regresi Linier Berganda, K-NN Abstract - In every level of education, the library is one of the learning information centers. Seeing the library as a learning information center, it must be adjusted to the expectations of its users, organized and arranged with a certain system so as to facilitate users in accessing their information (service). User satisfaction is a measure of the success of a library. In statistics, regression studies the relationship between one variable and another. For example, in determining the relationship between user satisfaction and library services. Regression is used not only to determine the quantitative relationship between variables but also to predict the value of variables in the future. Linear regression analysis is a statistical technique that can be used to explain the effect of independent variables on dependent variables. As for K-NN, it is an algorithm that provides recognition to the k-nearest as the predictive value of the new query instance, which is the basis of the unsupervised k-Nearest Neighbor or UNN approach, which in regression is to analyze the output value. Based on the data collected, the quality of library services will be known to user satisfaction. This study aims to determine the prediction of library user satisfaction using a combination of multiple linear regression and K-Nearest Neighbor (K-NN).Keywords: Prediction, Analysis, Library, Satisfaction, Multiple Linear Regression, K-NN
Klasifikasi Pasien Persalinan Caesar Menggunakan Metode Nave Bayes Berbasis Forward Selection Muh Faisal; Bahrin Dahlan; Rahmat Thaib
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 6, No 6 (2023): Desember 2023
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v6i6.7143

Abstract

Abstrak - Hasil observasi di lingkungan rumah maupun kantor yakni cukup banyak ibu hamil yang akhirnya melakukan operasi caesar. Ada beberapa penyebab seorang ibu hamil melakukan caesar. Pertama, faktor kesehatan ibu. Kedua, faktor janin. Ketiga adalah faktor gabungan dari faktor ibu dan janin. Faktor-faktor tersebut menjadi indikasi apakah persalinan akan dilakukan dengan mutlak atau mungkin juga bisa menjadi relatif. Pada penelitian ini akan menerapkan metode Naive Bayes dengan optimasi forward selection untuk mendapatkan klasifikasi persalinan caesar dengan lebih optimal dimana hasil yang didapatkan penelitian sebelumnya terhadap prediksi ibu melahirkan hanya mendapat akurasi 88%. Nave Bayes merupakan pengklasifikasian dengan metode probabilitas dan statistik. Dari sembilan atribut yang digunakan yaitu Gravid Aterm, Riwayat SC, Posisi Bayi, Bayi Besar, Plasenta, Ketuban, Penyakit Ibu, Gemelli, dan Inpatu lalu dengan menggunakan algoritma Naive Bayes berbasis Forward Elimination didapatkan empat atribut weight yaitu Gravid Aterm, Bayi Besar, Ketuban dan t Gemelli dalam mengklasifikasi partus atau persalinan caesar. Secara mandiri tingkat akurasi yang dihasilkan algoritma Naive Bayes adalah 93,33 %. Sedangkan dengan menambahkan seleksi fitur Forward Elimination menghasilkan akurasi 94% dalam klasifikasi pasien persalinan Caesar. Dengan demikian, metode Naive Bayes berbasis Forward Elimination dapat digunakan sebagai metode yang lebih optimal dari penelitian sebelumnya.Kata Kunci: Nave Bayes, Forward Selection, CaesarAbstract -The results of observations in the home and office environment are quite a lot of pregnant women who end up doing cesarean sections. There are several causes of a pregnant woman doing a cesarean. First, the maternal health factor. Secondly, fetal factors. Third is the combined factor of maternal and fetal factors. These factors are an indication of whether labor will be done absolutely or maybe it can also be relative. This study will apply the Naive Bayes method with forward selection optimization to get a more optimal classification of cesarean delivery where the results obtained by previous studies on the prediction of childbirth only got 88% accuracy. Nave Bayes is a classification by probability and statistical methods. Of the nine attributes used, namely Gravid Aterm, SC History, The position of the Baby, Big Baby, Placenta, Amniotic, Maternal Disease, Gemelli, and Inpatu then using the Naive Bayes algorithm based on Forward Elimination obtained four weight attributes, namely Gravid Aterm, Big Baby, Amniotic and Gemelli t in classifying partus or cesarean delivery. Meanwhile, by adding the Forward Elimination feature selection resulted in 94% accuracy in the classification of Cesarean delivery patients. Thus, the Naive Bayes method based on Forward Elimination can be used as a more optimal method than previous studies.Keywords : Nave Bayes Forward Selection Caesar
Co-Authors Alfia A Hapulu Azwar Bahrin Dahlan Kartika Chandra Pelangi Maryam Hasan Rachmat Irawan Musa Rahmat Thaib Saleh, Hamsir