Garuda - Garba Rujukan Digital

p-Index From 2019 - 2024

2.906

P-Index

This Author published in this journals

All Journal EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Neo Teknika: Jurnal Ilmiah Teknologi Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence Majalah Ilmiah Inspiratif Jurnal Karya Abdi Masyarakat "JAMASTIKA" Jurnal Mahasiswa Teknik Informatika

Abdul Rohman

Universitas Ngudi Waluyo

Author-ID : 3507442

Religion Agriculture, Biological Sciences & Forestry Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Health Professions Industrial & Manufacturing Engineering Mathematics Public Health Social Sciences

Published : 19 Documents Claim Missing Document

Claim Missing Document

Articles

1 2

Iptek Bagi Masyarakat dan Pengembangan Marketing Online Pada UMKM Kabupaten Semarang Cicik Harini; Abdul Rohman
Jurnal Karya Abdi Masyarakat Vol. 4 No. 3 (2020): Volume 4, Nomor 3, Desember 2020
Publisher : LPPM Universitas Jambi

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (503.866 KB)

Kabupaten Semarang merupakan kabupaten ibu kota Jawa Tengah yang memiliki banyak pelaku UMKM baik di bidang industri kreatif maupun usaha perdagangan yang berpotensi bagus untuk dikembangkan, namun pemasaran produknya masih menggunakan konsep pemasaran tradisonal, yaitu dengan mengandalkan pemasaran secara langsung. Oleh karena itu diperlukan strategi pemasaran melalui marketing online. Mengingat kondisi pelaku UMKM masih banyak yang gagap teknologi (gaptek), maka diperlukan upaya untuk mendorong agar para pelaku UMKM mengenal dan mengimplementasikan pemasaran produknya menggunakan teknologi informasi melalui kegiatan Iptek Bagi Masyarakat Pengembangan Marketing Online Pada UMKM Kabupaten Semarang. Diharapkan melalui kegiatan ini para pelaku UMKM mampu bersaing di pasar nasional maupun internasional sesuai dengan perkembangan jaman di era teknologi saat ini dan pasar global.

Prediksi Predikat Kelulusan Mahasiswa Menggunakan Naive Bayes dan Decision Tree pada Universitas XYZ Agung Wibowo; Abdul Rohman
EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Vol 12, No 2 (2022): December
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/expert.v12i2.2810

The success of universities in managing learning standards can be seen from the number of students who can graduate with high predicates and on time. The graduation predicate of a student is influenced by several factors. This study aims to find out the profile of students who graduated with a set predicate and what are the factors that influence it. The method used in this study is the Cross Industry Standard Process for Data Mining CRISP-DM by utilizing the Naïve Bayes algritma in looking for graduate predicate patterns and Decision Tree in looking for causative factors. In the calculations using the NBC algorithm it was found that the profiles of students who passed the predicate were less satisfactory, satisfactory, very satisfactory and with praise . In the Desicion Tree calculation, the highest gain value is obtained at the attributes of IPK4, IPS5 and IPK5. The factors that most influence graduation are the cumulative achievement index in semesters 4 and 5 and the achievement index in semester 5. The pattern of graduating with predicate can be known from the second year of the incoming student to the third year. This research needs to be developed again by increasing the number of attributes and data, and it is necessary to create a system for determining student graduation predicates from the patterns that have been produced in order to help universities to improve the quality of student graduation in each period.

PEMASARAN PRODUK MELALUI INTERNET BERBASIS WEB DAN APLIKASI ANDROID DI DESA WUJIL KECAMATAN BERGAS KABUPATEN SEMARANG Abdul Rohman; Dewi Fatmasari
Majalah Ilmiah Inspiratif Vol 5, No 9 (2020): Majalah Inspiratif Vol.5 No.9 Januari 2020
Publisher : Universitas Pandanaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (177.053 KB)

Pesatnya perkembangan teknologi komunikasi mengakibatkan pergeseran dalam pemasaran produk dan jasa, dari konvensional menuju ke digital. Banyakmanfaat/keunggulan dengan menggunakan pemasaran digital (Web dan aplikasiandroid) bagi pelaku usaha untuk mengenalkan produk sampai menjual produk tanpa batas waktu dan geografi. Kata Kunci : pemasaran produk, aplikasi android dan web

PENERAPAN ALGORITMA DECISION TREE ID3 UNTUK PREDIKSI KELULUSAN MAHASISWA JENJANG PENDIDIKAN D3 DI FAKULTAS TEKNIK UNIVERSITAS PANDANARAN Abdul Rohman; Anief Rufiyanto
Neo Teknika Vol 5, No 2 (2019): Jurnal Neo Teknika Vol 5 No 2 Desember 2019
Publisher : Universitas Pandanaran

Data mahasiswa menjadi hal yang sangat penting untuk mengambil suatu keputusan, jika datatersebut dianalisa dengan menggunakan data mining. Setiap kumpulan dapat memberikan pengetahuanpenting yang menjadi informasi yang sangat berharga bagi perguruan tinggi. Pada perguruaan tinggi,suatu sistem informasi dapat digunakan untuk memperoleh informasi yang menunjang setiap padapengambilan suatu keputusan. Data mining dengan algoritma Decision Tree ID3 dapat digunakan untukmenyusun sistem yang mempunyai kemampuan melihat pola kelulusan mahasiswa.Banyak penelitian tentang penerapan data mining untuk memprediksi kelulusan mahasiswa denganmenggunakan algoritma Decision Tree, dengan data mahasiswa reguler dan mayoritas statusnya belumbekerja. Sedangkan dalam penelitian ini mahasiswa Universitas Pandanaran, memiliki data mahasiswakelas reguler dan mahasiswa kelas karyawan, dan kebanyakan statusnya sudah bekerja.Tahapan yang dilakukan dalam penelitian ini yaitu; (1) pengumpulan data mahasiswauniversitas pandanaran, (2) mengolah data awal mahasiswa (3) pengolahan data selanjutnyamahasiswa dengan menggunakan klasifikasi data mining algoritma Decision Tree ID3 (4)eksperimen dan pengujian algoritma (5) evaluasi dan validasi hasil (8) MenghasilkanPola/Model Kelulusan Mahasiswa yang dapat dimanfaatkan untuk sebuah keputusandiperguruan tinggi.Eksperimen dan pengujian algoritma Decision Tree ID3 terhadap data kelulusan mahasiswamenghasilkan nilai akurasi 73,19% dengan nilai AUC 0,806.Kata Kunci:Data Mining, Decision Tree, ID3, Mahasiswa

KOMPARASI MODEL DECISION TREE UNTUK PREDIKSI KELULUSAN MAHASISWA DI UNIVERSITAS PANDANARAN Abdul Rohman; Anief Rufiyanto
Neo Teknika Vol 6, No 1 (2020): Jurnal Neo Teknika Vol 6 No.1 Juni 2020
Publisher : Universitas Pandanaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37760/neoteknika.v6i1.1427

Memprediksi kelulusan mahasiswa dalam perguruan tinggi sangat penting untukdianalisis, sehingga dalam mengelola pembelajaran akan lebih baik. Salah satu cara untukmemprediksi kelulusan mahasiswa yaitu dengan menggunakan metode klasifikasi datamining Decision Tree.Banyak penelitian untuk memprediksi kelulusan mahasiswa dengan menggunakanmetode Decision Tree, dengan data mahasiswa reguler dan mayoritas statusnya belumbekerja. Sedangkan dalam penelitian ini mahasiswa Universitas Pandanaran, memiliki datamahasiswa kelas reguler dan mahasiswa kelas karyawan dan kebanyakan statusnya sudahbekerja.Tahapan yang dilakukan dalam penelitian ini yaitu; pengumpulan data mahasiswauniversitas pandanaran, mengolah data awal mahasiswa, pengolahan data lanjutmahasiswa dengan menggunakan klasifikasi data mining metode Decision Tree C4.5, ID3dan CHAID, eksperimen dan pengujian metode, evaluasi dan validasi hasil sehinggamenghasilkanpola/model Kelulusan Mahasiswa yang dapat dimanfaatkan untuk sebuah keputusandiperguruan tinggi.Hasil yang didapat dari ketiga metode Decision Tree yaitu yang memiliki akurasitinggi adalah ID3 dengan nilai 73,19% sedangkan nilai AUC tertinggi adalah C4.5 dengannilai 0,874.Kata Kunci:Data Mining, Decision Tree, , C4.5, ID3, CHAID

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

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

MODEL ALGORITMA K-NEAREST NEIGHBOR (K-NN) UNTUK PREDIKSI KELULUSAN MAHASISWA Abdul Rohman
Neo Teknika Vol 1, No 1 (2015): Vol 1 No 1 Juni 2015
Publisher : Universitas Pandanaran

Dalam sistem pendidikan mahasiswa adalah aset penting bagi sebuah institusi pendidikan dan untuk itu perlu diperhatikan tingkat kelulusan mahasiswa tepat pada waktunya. Prosentase naik turunnya kemampuan mahasiswa untuk menyelesaikan studi tepat waktu merupakan salah satu elemen penilaian akreditasi universitas. Untuk itu perlu adalah pemantauan dan evaluasi terhadap kelulusan mahasiswa dengan menggunakan klasifikasi data mining. Dengan mengolah data mahasiswa akan memperoleh hal penting untuk keperluan perguruaan tinggi terutama untuk prediksi kelulusan mahasiswa. Dalam penelitian ini dalam memprediksi kelulusan mahasiswa dengan menggunakan algoritma klasifikasi data mining K-Nearest Neighbor dengan mengklaster data k=1, k=2, k=3, k=4, dan k=5. Hasil yang diperoleh dengan cluster data k=5 accuracy adalah 85,15% dan nilai AUC adalah 0.888 adalah akurasi paling tinggi.Kata kunci: mahasiswa, K-Nearest Neighbor

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

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

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

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

Penerapan Metode Clustering K-Means Dalam Pengelompokan Keaktifan Mahasiswa Dalam Asynchronous Learning Abdul Rohman; Sri Mujiyono
Neo Teknika Vol 7, No 1 (2021): Jurnal Neo Teknika Volume 7 Nomor 1 Juni 2021
Publisher : Universitas Pandanaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37760/neoteknika.v7i1.1804

Keaktifan mahasiswa dalam asynchronous e-learning merupakan kegiatan belajar mengajar online atau daring secara tidak langsung. Hal ini diperlukan analisis terhadap seberapa besar tingkat aktifan mahasiswa dengan mengelompokkan mahasiswa berdasarkan atribut metode pengajaran yang dilakukan dengan menggunakan sistem informasi pembelajaran di kampus. Dalam penelitian ini, pengelompokkan keaktifan mahasiswa menggunakan metode clustering algoritma k-means, dalam mata kuliah sinematografi dengan jumlah 29 mahasiswa. Dan menghasilkan 3 kelompok yaitu keaktifan yang tinggi berjumlah 18 mahasiswa, keaktifan yang sedang berjumlah 4 mahasiswa dan keaktifan mahasiswa yang rendah berjumlah 7. Kata kunci: Asynchronous, Clustering, Algoritma K-Means, Keaktifan, Mahasiswa

Co-Authors Afifah Nur Hawa Agung Wibowo Anief Rufiyanto Aqmal Putra R.R Bayu Evendi Desi Fitria Wulandika Dika Ade Royani Erika Ifalinda Harini, Cicik Iwan Setiawan Wibisono Mayasa Kurnia Muhammad Rochcham Sipayung Yoannes Romando Sipayung, Yoannes Romando Sri Mujiyono Ucik Lujiyanti Rukmana Yusak Maryunianta

Title

Found 19 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 19 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 19 Documents
Search