Article Per Year (5 Year)
p-Index From 2019 - 2024
0.817
P-Index
This Author published in this journals
All Journal Sinkron : Jurnal dan Penelitian Teknik Informatika JRST (Jurnal Riset Sains dan Teknologi) Jambura Journal of Informatics Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer (JURITEK)
Irawan Ibrahim
Universitas Muhammadiyah Gorontalo
Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering

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

Found 4 Documents
Search

 1 
Optimasi Support Vector Machine Particle Swarm Optimization Untuk Prediksi Konsumsi Energi Listrik Mohamad Ilyas Abas; Irawan Ibrahim
Jambura Journal of Informatics VOL 1, NO 2: OCTOBER 2019
Publisher : Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1055.676 KB) | DOI: 10.37905/jji.v1i2.2646

Abstract

Penelitian ini bertujuan untuk menganalisis konsumsi energi listrik di Gorontalo dan melakukan prediksi terhadap penggunaan energi listrik. Konsumsi dan beban listrik di Gorontalo menjadi pokok bahasan dalam penelitian ini. Metode yang digunakan dalam melakukan prediksi yakni SVM dan Optimasi PSO. Algoritma ini dipilih karena memiliki nilai akurasi yang tinggi dengan tingkat error yang rendah. Hasil dari penelitian ini menunjukkan bahwa SVM-PSO mampu melakukan prediksi dengan data time-series dengan error yang kecil. Selain itu, hasil dari penelitian ini dapat digunakan untuk mempersiapkan pasokan listrik jangka panjang serta dapat mensosialisasikan penggunaan listrik yang baik kepada masyarakat. Energi alternatif juga dapat menjadi solusi bagi pemerintah guna menambah pasokan energi listrik sehingga kebutuhan masyarakat akan listrik dapat terpenuhi. This study aims to analyze the consumption of electrical energy in Gorontalo and make predictions on the use of electrical energy. Electricity consumption and load in Gorontalo is the subject of this research. The method used in making predictions is SVM and PSO Optimization. This algorithm was chosen because it has a high accuracy value with a low error rate. The results of this study indicate that SVM-PSO is able to make predictions with timeseries data with small errors. In addition, the results of this study can be used to prepare long-term electricity supply and can socialize good use of electricity to the public. Alternative energy can also be a solution for the government to increase the supply of electrical energy so that people's needs for electricity can be met.
ANALYSIS OF COVID-19 GROWTH TRENDS THROUGH DATA MINING APPROACH AS DECISION SUPPORT Mohamad Ilyas Abas; Irawan Ibrahim; Syahrial Syahrial; Rizal Lamusu; Umar Sako Baderan; Riklan Kango
Sinkron : jurnal dan penelitian teknik informatika Vol. 8 No. 1 (2023): Articles Research Volume 8 Issue 1, 2023
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v8i1.11861

Abstract

This study aims to analyze the growth trend of covid-19 using prediction algorithms in data mining for covid-19 data throughout Indonesia. This can be used as a decision support to analyze several government policies towards regulatory intervention so far. The method used is the best prediction method in time series data, including Neural Network, SVM, Linear Regression, K-Neirest Neighborn and optimizes it with optimization algorithms. This research is focused on the application of these applications. It is hoped that this research will produce an analysis of the growth trend of Covid cases every day, in addition to its contribution so that it can assist the government in determining the best policy direction and also as an education to the public. in addition, the research will contribute to science in the field of predictive analysis by finding the best RMSE formulation. The results of this study show that Neural Network-Particle Swarm Optimization has the smallest Roort Mean Square Error which is 265,326, and the two Neural Network Genetic Algorithm are 266.801, Neural Network Forward Selection is 275,372 and Neural Network without optimization has the largest RMSE which is 297.204. These results can be used as a reference for the use of similar algorithms in time series data, both Covid-19 data and other data.
Inovasi Sistem Informasi Manajemen Zakat, Infaq dan Sedekah Lazismu Gorontalo Mohamad Ilyas Abas; Irawan Ibrahim; Salahudin Pakaya
JRST (Jurnal Riset Sains dan Teknologi) Volume 6 No. 1 Maret 2022: JRST
Publisher : Universitas Muhammadiyah Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1148.183 KB) | DOI: 10.30595/jrst.v6i1.11939

Abstract

Lazismu merupakan bagian penting yang mengemban tugas sebagai pengelola dan manajemen modern untuk zakat, infaq dan sedekah. Beberapa masalah yang terjadi bukan pada pengelolaannya tetapi pendistribusiannya. Di masa pandemi seperti ini perlu adanya suatu terobosan dalam rangka menyelesaikan masalah yang dimaksud. Tujuan dari penelitian ini untuk membuat sebuah sistem yang diberi nama Aplikasi Lazismu yang berfungsi memberikan kemudahan dalam hal informasi, pengelolaan, dan pendistribusian berbasis database dan peta digital. Manfaat dari penelitian ini agar sistem yang dibuat dapat mempermudah proses penyaluran zakat, infaq dan sedekah nantinya yang menjadi permasalahan utama dari setiap lazismu. Hasil penelitian ini dikerjakan berdasarkan roadmap penelitian secara simultan mulai dari pendataan (database) sampai dengan pengelolaan zakat, infaq dan sedekah itu sendiri. Metode pengembangan yang digunakan yakni prototype, karena prototype dianggap cocok dalam rangka menemukan permintaan dan sesuai kegunaan nantinya. Dari hasil penelitian memudahkan proses penyaluran ZIS di Lazismu Gorontalo berbasis teknologi informasi. Banyak masyarakat yang terbantu dari segi informasi dan juga transparansi penyalurannya.
PENERAPAN METODE MULTI OBJECTIVE OPTIMIZATION ON THE BASIC OF RATIO ANALYSIS (MOORA) UNTUK PEMILIHAN PENERIMA BANTUAN LANGSUNG TUNAI DI DESA ILOMANGGA Tri Pratiwi Handayani; Pratiwi I Wantu; Irawan Ibrahim; Hilmansyah Gani
Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer Vol 3 No 2 (2023): Juli
Publisher : Sekolah Tinggi Ilmu Ekonomi Trianandra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/juritek.v3i2.1724

Abstract

Penelitian ini bertujuan untuk mengimplementasikan algoritma Multi-Objective Optimization on the Basis of Ratio Analysis (MOORA) sebagai Pendukung Keputusan dalam memilih penerima Bantuan Tunai Langsung di Desa Ilomangga, Gorontalo. Dengan dataset sebanyak 169 calon penerima, penelitian ini berfokus pada pengembangan pendekatan yang efisien untuk membantu kepala desa dalam proses pemilihan penerima manfaat. Dengan menggabungkan optimisasi multi-obyektif dan analisis rasio, algoritma MOORA secara objektif mengevaluasi dan mengurutkan penerima berdasarkan kelayakan dan kesesuaian. Temuan penelitian ini menunjukkan efektivitas MOORA dalam menyederhanakan proses seleksi, memastikan transparansi, dan mengoptimalkan alokasi sumber daya bagi mereka yang paling membutuhkan. Penelitian ini memberikan kontribusi pada sistem pendukung keputusan dengan memperlihatkan implementasi praktis MOORA.
Co-Authors Hilmansyah Gani Kango, Riklan Mohamad Ilyas Abas Pratiwi I Wantu Rizal Lamusu Salahudin Pakaya Syahrial Syahrial Tri Pratiwi Handayani Umar Sako, Umar