Claim Missing Document
Check
Articles

Found 32 Documents
Search

Klasifikasi Tanaman Jarak Pagar Menggunakan Algoritme Deep Learning H2O Mazdadi, Muhammad Itqan; Ramadhani, Rahmat; Saragih, Triando Hamonangan; Haekal, Muhammad
Jurnal Komputasi Vol 9, No 1 (2021): Komputasi
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/komputasi.v9i1.2774

Abstract

Tanaman jarak pagar merupakan tanaman multi fungsi yang memiliki banyak manfaat dari daun hingga buah. Tanaman jarak pagar sering digunakan untuk produk kecantikan hingga pengganti biodiesel. Penyakit yang menyerang tanaman jarak pagar dapat mengganggu hasil dari tanaman jarak pagar. Kurangnya pakar dibidang ini dan pengetahuan yang dimiliki petani menyebabkan sesuatu yang buruk. Persoalan ini dapat diselesaikan dengan metode Deep Learning. Metode Deep Learning yang digunakan adalah H2O. H2O digunakan karena dapat memberikan hasil komputasi yang cepat dan bisa memberikan akurasi yang baik. Pada penelitian ini bisa kita lihat bahwa H2O memberikan akurasi rata-rata maksimal sebesar 96,066% dengan parameter uji kombinasi data latih dan data uji 60:40, menggunakan satu layer dan jumlah epoch sebanyak 100. Pada penelitian ini membuktikan bahwa H2O bisa digunakan untuk identifikasi penyakit tanaman jarak pagar.
Sistem Monitor Suhu dan Kelembaban Berbasis Cloud pada Lahan Gambut Satrio Yudho Prakoso; Ade Agung Harnawan; Muhammad Itqan Mazdadi; Yoga Pambudi
Jurnal Fisika Flux: Jurnal Ilmiah Fisika FMIPA Universitas Lambung Mangkurat Vol 19, No 1 (2022): Jurnal Fisika Flux: Jurnal Ilmiah Fisika FMIPA Universitas Lambung Mangkurat
Publisher : Lambung Mangkurat University Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (904.745 KB) | DOI: 10.20527/flux.v19i1.10379

Abstract

The Research and Development Center for The Soil and Agricultural Land Resources Office estimates that Indonesia's peatland area is around 14.9 million H. In the dry season, peatlands experience dryness, so they burn easily. More than 99% of the causes of forest and peatland fires are human-made, either deliberately burning or neglecting to use fire. IoT (Internet of Things) technology is used to connect all devices to the internet and enable communication of each other, one reason for which is that digital data stored on cloud storage, then display the data on a website. The website was designed to monitor the peat's condition by considering the peat's air temperature, peat soil temperature, peat soil moisture, and humidity around the peatlands. IoT retrieves and sends data to the cloud, then websites retrieve and display data from the cloud in diagram and table format for easy reading of monitors. Website monitoring systems utilize several components, including domains as addresses, web hosting as web data storage, and the CMS framework CodeIgniter is used as the basis of the application. Sending data from IoT to web hosting requires cloud storage. Without this, it is necessary to transfer data from the IoT to the website manually. The monitor system can read temperature and humidity sensor data, store it in the cloud, then display it on a website so that the data monitoring process runs well.
OPTIMASI FUNGSI KEANGGOTAAN FIS TSUKAMOTO MENGGUNAKAN SIMULATED ANNEALING UNTUK IDENTIFIKASI PENYAKIT GIGI Triando Hamonangan Saragih; Rahmat Ramadhani; Muhammad Itqan Mazdadi; Ahmad Rusadi Arrahimi; Mohammad Reza Faisal
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 7, No 3 (2020)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v7i3.349

Abstract

Teeth are one of the tools in the framework related to the human stomach which fills as a food destroyer for simple processing. Diseases that attack teeth can withstand this action and cannot be distinguished quickly by young dental specialists. This problem can be solved by methods in the field of technology. The algorithm that can be used is FIS Tsukamoto in classification. Optimization of the membership function at FIS Tsukamoto is needed to improve accuracy. Optimization of FIS Tsukamoto membership function using Simulated Annealing produced the highest accuracy at 92.5% of the 100 test data.Keywords: Simulated Annealing; FIS Tsukamoto, Dental Disease, Optimization Gigi adalah salah satu alat dalam kerangka terkait perut manusia yang mengisi sebagai penghancur makanan untuk pemrosesan sederhana. Penyakit yang menyerang gigi dapat menahan tindakan ini dan tidak dapat dibedakan dengan cepat oleh dokter muda spesialis gigi. Masalah ini dapat diselesaikan dengan metode di bidang teknologi. Algoritma yang bisa digunakan yaitu FIS Tsukamoto dalam melakukan klasifikasi. Optimasi fungsi keanggotaan pada FIS Tsukamoto diperlukan untuk meningkatkan akurasi. Optimasi fungsi keanggotaan FIS Tsukamoto menggunakan Simulated Annealing menghasilkan akurasi paling tinggi yaitu 92,5% dari 100 data uji.Kata kunci: Simulated Annealing; FIS Tsukamoto, Penyakit Gigi, Optimisasi
Penerapan Kolam Terpal Bioflok Ikan Lele Tenaga Surya bagi Warga Aliran Anak Sungai Kemuning di Kelurahan Loktabat Utara Dodon Turianto Nugrahadi; Muhammad Itqan Mazdadi; Triando Hamonangan Saragih; Totok Wianto
Jurnal Pengabdian ILUNG (Inovasi Lahan Basah Unggul) Vol 1, No 1 (2021)
Publisher : Universitas Lambung Mangkurat

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (853.79 KB) | DOI: 10.20527/ilung.v1i1.3506

Abstract

Dodon Turianto Nugrahadi*1, Muhammad Itqan Mazdadi 2, Triando Hamonangan S3, Totok Wianto41,2,3,4 Universitas Lambung Mangkurat1,2,3Program Studi Ilmu Komputer, FMIPA, Universitas Lambung Mangkurat4Program Studi Fisika, FMIPA, Universitas Lambung Mangkurat*e-mail: dodonturianto@ulm.ac.id1, mazdadi@ulm.ac.id2,triando.saragih@ulm.ac.id3, totokwianto@ulm.ac.id4Received: 25 Mei 2021/ Accepted: 16 Juni 2021 AbstractPeople on the side river of the Kemuning river in the North Loktabat sub-district have not utilized the river water as a source of fisheries business. With river water sources for use as fisheries, it can provide alternative livelihoods for people on the side river of the Kemuning river. However, if they use fishery media such as keramba, the water source of the Kemuning river will overflow in the rainy season, besides that if you use a pond, you need a land medium that is less possible.The use of a kolam terpal is one solution to this problem. This pool is made based on the need for a portable pool because it has a radius of 1.5m and a height of 1.5m. Kolam terpal are fish farming using tarpaulin materials as an alternative to soil or concrete ponds. The pool with the base and the sides of the walls is made of tarpaulin. The tarpaulin needed to make this pool is a type of tarpaulin with a material that is pressed so that no leakage occurs. The implementation of this tarpaulin pool using biofloc techniques and by using solar power makes this pool easier to adapt. This tool is equipped with solar panels and an automatic control system. The use of solar panels by utilizing the abundance of solar power and minimizing the expenses of fish farmers without electricity bills to activate pumps for water needs and pond air aerators. In addition, with the biofloc technique, the fish farming mechanism becomes more efficient.The targets and outputs generated from this program, especially for partners, are: the fulfillment of alternative livelihoods with fish farming, and an increase in income of approximately 80%, there is a biofloc kolam terpal equipment with solar panel technology. Keywords: Tarpaulin pool, solar power, bioflok AbstrakWarga di pesisir aliran anak sungai kemuning daerah Kelurahan Loktabat Utara belum memanfaatkan aliran anak sungai sebagai sumber usaha perikanan. Dengan sumber air sungai untuk pemanfaatan sebagai usaha perikanan dapat memberikan alternatif mata pencaharian bagi warga di pesisir aliran anak sungai kemuning. Akan tetapi jika menggunakan media perikanan seperti keramba, sumber air anak sungai kemuning dapat terjadi luapan jika dimusim hujan, selain itu jika menggunakan kolam tambak membutuhkan media lahan yang kurang memungkinkan. Penggunaan kolam terpal menjadi salah satu solusi untuk mengatasi masalah tersebut, kolam ini dibuat berdasarkan kebutuhan akan kolam yang portabel karena ukuranya jari-jari 1,5m dan tinggi 1,5m. Kolam terpal merupakan budidaya ikan dengan menggunakan bahan terpal sebagai alternative kolam tanah atau beton. Kolam yang dasarnya maupun sisi-sisi dindingnya dibuat dari terpal. Terpal yang dibutuhkan untuk membuat kolam ini adalah jenis terpal dengan bahan dipres sehingga tidak terjadi kebocoran. Implementasi kolam terpal ini dengan menggunakan teknik bioflok serta dengan menggunakan tenaga surya maka kolam ini dapat lebih mudah diadaptasikan. Alat ini dilengkapi dengan panel surya dan sistem kontrol otomatis. Penggunaan panel surya dengan memanfaatkan limpahan tenaga surya dan meminimalkan pengeluaran para pembudidaya ikan tanpa adanya tagihan listrik untuk mengaktifkan pompa untuk kebutuhan air dan aerator udara kolam. Selain itu dengan teknik bioflok, mekanisme pembudidayaan ikan menjadi lebih efisien.Target dan luaran yang dihasilkan dari program ini khususnya untuk pihak mitra adalah: terpenuhinya alternatif mata pencaharian dengan budidaya ikan, dan meningkatkan pendapat kurang lebih 80%, terdapat peralatan kolam terpal bioflok dengan teknologi panel surya. Kata kunci: Kolam terpal, tenaga surya, bioflok
Implementasi Seleksi Fitur Binary Particle Swarm Optimization pada Algoritma K-NN untuk Klasifikasi Kanker Payudara Rahmat Hidayat; Dwi Kartini; Muhammad Itqan Mazdadi; Irwan Budiman; Rahmat Ramadhani
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 1 (2023)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v11i1.53608

Abstract

Kanker Payudara adalah jenis kanker paling umum yang sering menyerang kalangan wanita di seluruh dunia. Diagnosa awal yang akurat dalam mendeteksi kanker payudara memainkan peran penting dalam pengobatan pasien karena semakin cepat kanker di diagnosa semakin cepat juga pengobatan dapat diberikan. Untuk menghasilkan diagnosa yang akurat terhadap pasien kanker payudara maka dilakukan penelitian dengan tujuan mendapatkan model klasifikasi yang dapat memberikan klasifikasi yang akurat terhadap penyakit kanker payudara. Algoritma klasifikasi yang sering digunakan dan cukup terkenal adalah K-Nearest Neighbor (K-NN). Algoritma K-NN melakukan klasifikasi menggunakan konsep tetangga terdekat berdasarkan pada data terdahulu, akan tetapi algoritma K-NN lemah terhadap data dengan jumlah fitur yang besar. Maka dari itu, untuk kasus dataset dengan banyak fitur dapat dilakukan seleksi fitur terlebih dahulu untuk meningkatkan performa klasifikasi K-NN. Salah satu yang sering digunakan untuk seleksi fitur adalah algoritma Binary Particle Swarm Optimization (BPSO). Pada penelitian ini akan dibuat 2 model klasifikasi K-NN yaitu model klasifikasi K-NN saja tanpa seleksi fitur dan model klasifikasi K-NN dengan seleksi fitur Binary Particle Swarm Optimization, Kemudian dilakukan perbandingan hasil akurasi yang didapat. Dataset yang akan digunakan adalah Breast Cancer Wincosin (Diagnostic) dari UCI Machine Learning Repository yang memiliki 569 data dan 30 fitur. Hasil penelitian menunjukan model K-NN+BPSO menghasilkan akurasi sebesar 95,32% dan model K-NN menghasilkan akurasi sebesar 94,15%. Berdasarkan akurasi yang didapatkan algoritma K-NN dengan seleksi fitur menghasilkan akurasi yang lebih baik daripada algoritma K-NN tanpa seleksi fitur sebesar 1,17%. Algoritma Binary PSO juga berhasil mereduksi fitur dari 30 fitur menjadi 5 fitur dengan tidak mengurangi akurasi dari model klasifikasi. Sehingga dapat disimpulkan bahwa pada kasus klasifikasi kanker payudara dengan dataset Breast Cancer Wincosin (Diagnostic) algoritma K-NN dapat dikombinasikan dengan seleksi fitur Binary PSO untuk membuat model klasifikasi yang memberikan performa cukup baik.
IMPLEMENTASI ALGORITMA ENKRIPSI RSA PADA APLIKASI INSTANT MESSAGING Ardiansyah Sukma Wijaya; Dodon T. Nugrahadi; Muhammad Itqan Mazdadi; Andi Farmadi; Ahmad Rusadi
Journal of Data Science and Software Engineering Vol 1 No 01 (2020)
Publisher : Fakultas MIPA Universitas Lambung Mangkurat

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (428.136 KB) | DOI: 10.20527/jdsse.v1i01.4

Abstract

At this time the use of instant messaging applications is increasingly used compared to the use of SMS or other media because of its use which is more practical and faster. From the other side, the message information sent certainly requires confidentiality so that the message is not spread and known by others. For this reason mechanisms are needed, one of which is encryption to maintain message security. This research will implement the RSA (Rivest Shamir Adleman) encryption algorithm in the instant messaging application. This study uses a key length scenario of RSA 1024, 2048, 4096, and 6144 bits and a message length of 125, 250, 500, and 1000 characters implemented on 3 different devices. The results of testing on time and speed are the shorter the key used, the process will be shorter and faster. Keywords : RSA, Processing Time, Processing Speed
PERFORMANCE ANALYSIS OF CLASSIFIER ON FACEBOOK DATA USING UNIGRAM & BIGRAM COMBINATIONS Yudha Sulistiyo Wibowo; Mohammad Reza Faisal; Ahmad Rusadi; Dodon T Nugrahadi; Muhammad Itqan Mazdadi
Journal of Data Science and Software Engineering Vol 1 No 02 (2020)
Publisher : Fakultas MIPA Universitas Lambung Mangkurat

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (240.626 KB)

Abstract

Penelitian ini pada analisis sentimen menggunakan metode random forest sebagai klasifikasi. TF-IDF adalah fitur berbobot dan fitur kombinasi dari N-Grams adalah unigram dan bigram sebagai kata fitur. Dalam penelitian ini TF-IDF digunakan untuk fitur ekstraksi, tes ini menggunakan data Komentar Facebook tentang Berita Olahraga. Dalam studi ini, dataset digunakan sebanyak 1000 data terbagi menjadi 2, yaitu data pengujian dan pelatihan data. Mencapai kinerja akurasi tinggi hasil dalam fitur unigram dengan akurasi 83,67% dari 2757 fitur, Bigram menghasilkan 58% dengan fitur sebanyak 8457.
Penerapan Long Short Term Memory RNN untuk Prediksi Transaksi Penjualan Minimarket Patrick Ringkuangan; Fatma Indriani; Muhammad Itqan Mazdadi; Irwan Budiman; Andi Farmadi
Journal of Data Science and Software Engineering Vol 1 No 02 (2020)
Publisher : Fakultas MIPA Universitas Lambung Mangkurat

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (475.488 KB)

Abstract

This study aims to determine whether it can build a prediction of sales of goods at the Lapan-Lapan Mart by using the Long Short Term Memory Recurrent Neural Network method that can be used to predict the sale of goods. In this study, the data was taken from the Lapan-Lapan Mart, together with data on 10 different items sold every day. The data is then compiled for the level of sales to be weekly and a total of 52 data is obtained for each item so that the total data is amounted to 520. To get the weight in the LSTM calculation, there are two processes, namely forward and backward . the weight will be used to make predictions using the basic formula of the LSTM.Based on the research that has been done, it is known that the highest accuracy of using MAD (Mean Absolute Deviation) is 91 gr (11.61803507) indomie goods and 1.8kg of lemon daia (2.077000464) for the lowest MAD
GRU, AdaGrad, RMSprop, Adam Implementasi Metode Gate Recurrent Unit (GRU) dan Metode Optimasi Adam Untuk Prediksi Harga Saham Muhammad Mada; Andi Farmadi; Irwan Budiman; Mohammad Reza Faisal; Muhammad Itqan Mazdadi
Journal of Data Science and Software Engineering Vol 2 No 01 (2021)
Publisher : Fakultas MIPA Universitas Lambung Mangkurat

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (468.639 KB)

Abstract

In terms of their potential, stocks are one of the most profitable investment options today. If done well and right, stocks can be a very profitable investment. However, volatile stock prices make it necessary to predict stock prices to make a profit. Gated Recurrent Unit (GRU) is a method for predicting time series data such as stock prices. The Optimization method is needed to get accurate prediction results. The weight renewal optimization method such as Adam is implemented to obtain the best weight in the Gated Recurrent Unit (GRU) and to find out the best loss function value generated by the Adam optimization method. The GRU-Adam implementation is carried out on two stock data, namely ICBP and YULE. The results of this research are that the ICBP data yields the respective loss function values, namely train loss 0.0016 and validation loss 0.0007. Whereas the YULE data resulted in a train loss value of 0.0051 and a validation loss of 0.0031. The MAPE generated in the ICBP stock data is 0.97%. While the YULE data is 3.00%.
IDENTIFIKASI PESAN SAKSI MATA PADA BENCANA KEBAKARAN HUTAN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK Rinaldi; Mohammad Reza Faisal; Muhammad Itqan Mazdadi; Radityo Adi Nugroho; Friska Abadi
Journal of Data Science and Software Engineering Vol 2 No 02 (2021)
Publisher : Fakultas MIPA Universitas Lambung Mangkurat

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (370.011 KB)

Abstract

Social media, one of which is Twitter, is a medium for disseminating information that is growing rapidly at this time. The advantage of Twitter which has such a huge impact is its speed in spreading news and information that is happening. One of the information that is often reported through social media is information about natural disasters. Therefore, a lot of research on sensor social networks has been carried out by researchers using data from social media with the aim of obtaining valid data for the disaster emergency response process. In this study, the classification of eye witness messages for forest fires was carried out using Convolutional Neural Network and feature extraction Word2Vec with dimensions of 100. Twitter data used amounted to 3000 data and divided into 3 classes, namely eyewitnesses, non-eyewitnesses, and unknowns. The research was conducted to determine the accuracy performance obtained from testing using several types of configurations hyperparameter. Based on the results of the tests carried out, the best accuracy value was 81.97%.