Article Per Year (5 Year)
p-Index From 2019 - 2024
0.61
P-Index
This Author published in this journals
All Journal Joined Journal (Journal of Informatics Education) Information Science and Library
Mohammad Burhan Hanif
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Education Engineering Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Peran Akses E-Skripsi untuk Mahasiswa Universitas Semarang Selama Perkuliahan Online Saeful Amri; Ahmad Rifa’i; Mohammad Burhan Hanif
Information Science and Library Vol 1, No 2 (2020): Desember
Publisher : UPT Perpustakaan Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/jisl.v1i2.2809

Abstract

Wabah Corona Virus (Covid-19) yang menyerang melalui penularan penyakit dengan sangat cepat dan dapat mengakibatkan kematian menyebabkan manusia harus menjaga jarak satu dengan lainnya agar tidak terjadi penularan yang sangat cepat, hal tersebut berdampak pada beberapa sektor salah satunya adalah pendidikan. Dalam dunia pendidikan di Indonesia, hingga saat ini masih menerapkan metode belajar dalam jaringan (daring). Akses E-Skripsi Universitas Semarang menjadi salah satu solusi dalam mengatasi kendala keterbatasan akses literatur pada mahasiswa. Studi ini menggunakan metode kualitatif. Data dikumpulkan dengan studi kepustakaan. Temuan data selanjutnya dianalisis dengan pendekatan analisis deskriptif. Hasil studi menunjukkan bahwa akses E-Skripsi dapat memberikan solusi bagi mahasiswa. Selain itu, open access memberikan kemudahan dalam menambah literatur yang dibutuhkan, sehingga mahasiswa tetap produktif dalam menyelesaikan studi dikala pandemi.The Corona Virus (Covid-19) outbreak which attacks through disease transmission very quickly and can result in death causes humans to keep their distance from one another so that transmission does not occur very quickly, this has an impact on several sectors, one of which is education. In the world of education in Indonesia, until now, it is still implementing online learning methods. Access to E-Skripsi at the University of Semarang is one solution in overcoming the constraints of limited access to literature for students. This study uses qualitative methods. Data collected by a literature study. Further data findings were analyzed using a descriptive analysis approach. The study results show that E-Skripsi access can provide solutions for students. In addition, open access makes it easy to add to the literature needed, so that students remain productive in completing studies during a pandemic
Komparasi Metode Naive Bayes dan C4.5 Pada Klasifikasi Persalinan Prematur Mohammad Burhan Hanif; Handini Arga Damar Rani; Ahmad Rifai; Gallet Guntoro Setiaji
Joined Journal (Journal of Informatics Education) Vol 5 No 1 (2022): Volume 5 Nomor 1 (2022)
Publisher : Universitas Ivet

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31331/joined.v5i1.2242

Abstract

Persalinan prematur adalah persalinan diluar masa lahir bayi yang menyebabkan kematian bagi bayi serta komplikasi terhadap ibu bayi. Juga menjadi beban tenaga medis dengan tren peningkatan sebanyak 8%. Klasifikasi data mining hadir sebagai pemecah masalah deteksi pencegahan awal persalianan premature. Dengan memanfaatkan algoritma klasfikasi C4.5 dan algoritma naïve bayes yang dianggap baik secara kinerja. Untuk memilih algoritma terbaik dalam klasifikasi persalinan prematur maka harus diukur dengan baik kinerjanya. Dari hasil pebandingan algoritma naïve bayes dengan algoritma C4.5 didapatkan akurasi sebesar 98.75% dengan AUC 0.5. Sedangkan capaian dari algoritma naïve bayes sebesar 81.88% dan AUC 0.945. Maka dari hasil perbandingan nilai akurasi kedua algoritma tersebut disimpulkan bahwa algoritma C4.5 mampu lebih unggul dalam penanganan data persalianan premature dibandingakan dengan algortima naïve bayes.
Klasifikasi Persalinan Prematur Menggunakan Perbandingan Algoritma C4.5 dan Random Forest Handini Arga Damar Rani; Mohammad Burhan Hanif; Afis Pratama; R. Irlanto Sudomo
Joined Journal (Journal of Informatics Education) Vol 5 No 2 (2022): Volume 5 Nomor 2 (2022)
Publisher : Universitas Ivet

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31331/joined.v5i2.2503

Abstract

Persalinan prematur adalah kondisi kelahiran bayi kurang dari 37 minggu dengan berat janin kurang dari 2500 gram. Dimana tingkat persalinan bayi premature yang berujung pada kematian meningkat dari tahun 2000 sampai 2014 sebanyak 8.5%. Klasifikasi untuk penanganan persalinan premature secara dini merupakan salah satu solusi yang sering diteliti. Beberapa algoritma klasifikasi yang sering digunakan adalah C4.5 dan Random Forest. Dari kedua algoritma tersebut akan dipilih mana algoritma terbaik dengan melihat pada tingkat akurasi yang paling tinggi yang akan dipilih. Dari hasil perhitungan algoritma Random Forest didapatkan akurasi sebesar 99.38% dengan AUC 0.988. Sedangkan capaian dari algoritma C4.5 sebesar 98.75% dengan AUC 0.5. Maka dari hasil itu dapat dibandingkan dengan nilai akurasi kedua algoritma disimpulkan bahwa algoritma Random Forest lebih baik akurasinya untuk mengatasi data persalianan premature jika disbanding dengan algoritma C4.5.
Co-Authors Afis Pratama Ahmad Rifai Ahmad Rifa’i Gallet Guntoro Setiaji Handini Arga Damar Rani R. Irlanto Sudomo Saeful Amri