Garuda - Garba Rujukan Digital

p-Index From 2019 - 2024

1.376

P-Index

This Author published in this journals

All Journal GUYUB: Journal of Community Engagement COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Jurnal Informasi Pengabdian Masyarakat JAR'S (Journal of Advanced Research in Informatics)

Ahmad Supriadi

Universitas Nurul Jadid

Author-ID : 6062403

Religion Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mechanical Engineering Social Sciences Transportation Other

Published : 6 Documents Claim Missing Document

Claim Missing Document

Articles

PKM Pelatihan dan Pendampingan Youtube Content Creation bagi Pemuda Majelis Al-Fadholi Probolinggo Ahmad Supriadi; Moh. Syahroni; Abdul Qodir Rifqianto
GUYUB: Journal of Community Engagement Vol 3, No 3 (2022): Hilirisasi Pembelajaran Berbasis Pengabdian kepada Masyarakat
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/guyub.v3i3.4853

Pemuda Majelis Al Fadholi adalah Lembaga Pendidikan islam yang yang berada di desa Sumberrejo, Paiton, Probolinggo, Jawa Timur. Pemuda Majelis Al Fadholi mengajarkan berbagai keterampilan dalam rangka Pendidikan bagi santri. Salah satu keterampilan yang diselenggarakan adalah desain grafis dan multi media namun terkendala pelatih yang belum tersedia, sehingga pelaksanaan selama ini terbatas pada upaya masing-masing santri dalam belajar. Program pelatihan ini bertujuan untuk memenuhi kebutuhan pengetahuan dan keterampilan santri dalam bidang desain grafis dan multi media sehingga ke depan santri dapat memanfaatkannya untuk kebutuhannya dan diimplementasi ke dalam kegiatan dan kebutuhan pesantren. Kegiatan dimulai dengan pengenalan dan pengarahan mengenai definisi dan penggunaan desain grafis dan multi media dalam berbagai aspek, dilanjutkan dengan materi teknis kemudian praktik langsung menggunakan aplikasi pengolah youtube content creation. Di bagian akhir dilakukan evaluasi untuk mengukur tingkat kemampuan praktis santri dalam menggunakan peralatan dan mendesain sesuai ketentuan dari trainer, menggunakan variabel kesamaan bentuk, dimensi, dan tataletak.

CLUSTERING LOYALITAS PELANGGAN DENGAN MODEL RFM (REFENCY, FREQUENCY, MONETARY) DAN METODE K-MEANS BERBASIS MEDIAN Ahmad Supriadi; Moh. Sukron; Mochammad Faid
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 2, No 2 (2021)
Publisher : Universitas Nurul Jadid

Data loyalitas pelanggan dalam dunia jual beli selalu bertambah seiring dengan berjalannya waktu. Perkembangan teknologi yang sangat pesat dalam dunia bisnis perdagangan menjadi arah perubahan yang sangat signifikan dalam proses transaksi jual beli dengan pemanfaatan tekonologi proses transaksi penjualan dapat dijadikan sebuah sekumpulan data besar dan melimpah, Hal ini berpeluang untuk dapat dilakukan proses pengolahan data sehingga akan didapat sebuah informasi yang bermanfaat. Informasi tersebut seperti mengenai pengelompokan data pelanggan yang memiliki loyalitas tinggi sehingga pihak unit usaha terkait dapat memberikan reward pada pelanggan yang memiliki tingkat loyalitas tinggi. Untuk mengetahui hal tersebut, dilakukan pengujian model dengan menggunakan metode k-means dengan pemilihan pusat klaster awal berbasis median, hasil eksperimen dengan model tersebut dapat menghasilkan kualitas klaster yang lebih baik karena dengan pemilihan pusat klaster awal berbasis median tidak terjadi klaster kosong. Klaster yang dihasilan yaitu pada cluster pertama 133 cluster Kedua 30 dan cluster ketiga 208 sedangkan cluster keempat 129 dengan nilai DBI 0,694. Sedangkan metode k-mmeans dengan pemilihan pusat klaster standart didalam experimen ini menggunakan tool rapidminer didapat cluster pertama 310 cluster Kedua 19 dan cluster ketiga 37 sedangkan cluster keempat 134 dengan nilai DBI 0,807.

PERANCANGAN APLIKASI ABSENSI GURU DAN SISWA BERBASIS JAVA NETSBEANS Ahmad Supriadi
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 3, No 2 (2022)
Publisher : Universitas Nurul Jadid

Absensi merupakan proses pendataan kehadiran siswa yang memiliki di setiap sekolah untuk mengetahui apakah siswa hadir pada saat pelajaran dimulai. Selama ini proses absensi yang dilakukan dalam kegiatan pendataan absensi kelas masih menggunakan cara manual, dimana ditulis di jurnal guru dan di rekap secara manual pula. Hal ini menyebabkan administrasi absensi di MAN Nurul Hidayah Sumberrejo Paiton Probolinggo kurang teratur dan efisien. Selain itu kesalahan pendataan yang sering terjadi pada Tata Usaha juga rawan terjadi jika pendataan absensi yang direkap cukup banyak. Berdasarkan latar belakang masalah tersebut, maka akan dibuat perancangan aplikasi absensi siswa pada sekolah MAN Nurul Hidayah Sumberrejo Paiton Probolinggo. Aplikasi ini akan dibuat pada Java Netbeans berbasis desktop dengan database MySQL dan mengunakan metodelogi waterfall dalam perancangan sistemnya. Adapun penelitian ini bertujuan agar pendataan bisa dilakukan lebih efisien dan efektif dengan menggunakan aplikasi absensi siswa MAN Nurul Hidayah Sumberrejo Paiton Probolinggo. Katakunci: Absensi, Database, Desktop, Java Netbeans, Waterfall

Optimasi Metode Naïve Bayes Menggunkanan Algoritma Particle Swarm Optimization (Pso) Untuk Prediksi Penyakit Diabetes Mellitus Moh. Sukron; Ahmad Supriadi; Rizal Sulton
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 2, No 2 (2021)
Publisher : Universitas Nurul Jadid

Deabetes Mellitus merupakan salah satu penyakit dimana terdapat tingkat kadar gula (glukosa) yang tinggi didalam darah dalam kontek defisiensi insulin relatif dan resistensi insulin. Diabetes Mellitus sulit untuk diprediksikan. Dengan pemannfaatan database pasien, peneliti mencoba mengolah variabel pasien Deabetes Mellitus dalam medapatkan akurasi prediksi penyakit Diabetes Mellitus dengan memanfaatkan data mining. Metode yang digunakan adalah Naive Bayes, namun metode Naïve Bayes memiliki kelemahan yaitu hasil probabilitas kurang berjalan seara optimal dan sering salah pada atribut. Guna mengatasi kelemahan Naïve Bayes, salah satu cara yaitu dengan metode pembobotan atribut menggunakan algotima Prticle Swarm Optimization (PSO). Hasil penelitain menunjukkan akurasi metode naïve bayes menghasilkan akurasi sebesar 86,80% dan Naïve Bayes dengan Particle Swarm Optimization (PSO) menghasilkan akurasi 89,84%. Dari hasil tersebut dapat disimpulkan metode naive bayes yang di optimasi dengan pembobotan atribut di dapatkan nilai akurasi yang lebih baik dengan peningkatan akurasi 3,04%.

Pelatihan Penggunaan Microsoft Office Bagi Siswa MA Nurul Jadid Paiton Probolinggo Sudriyanto Sudriyanto; Mochammad Faid; Moh Sukron; Ahmad Supriadi
Jurnal Informasi Pengabdian Masyarakat Vol. 1 No. 2 (2023): Mei: Jurnal Informasi Pengabdian Masyarakat
Publisher : Sekolah Tinggi Agama Buddha Nalanda

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47861/jipm-nalanda.v1i2.396

This research aims to assess the effectiveness of Microsoft Office training for students of Madrasah Aliyah (MA) Nurul Jadid in Paiton, Probolinggo. The training was chosen due to the importance of enhancing digital literacy and computer skills for students in an era heavily reliant on technology. The community engagement methods employed include lectures, demonstrations, and hands-on exercises conducted by the participants. The research results indicate a positive impact on improving the knowledge and skills of participants in the good category, increasing by 64.42%. However, challenges were observed among participants in the fair and poor categories, experiencing respective declines of 5.45% and 58.96%. These reductions highlight the need to reinforce the program with more varied methods and a personalized approach. Additionally, leveraging technology to facilitate interactive learning is essential to ensure that the benefits of the training can be equally felt by all participants. For further development, program enhancements are necessary to utilize more diverse methods and adopt a personal approach. The integration of technology can be harnessed to create a more interactive learning environment, fostering motivation and ensuring that the training's benefits are equally distributed among all participants. Thus, this research provides valuable insights for future training implementations, enabling a more effective approach to enhancing digital literacy and computer skills for students of Madrasah Aliyah Nurul Jadid in this rapidly advancing technological era.

Evaluasi Model Jaringan Saraf Tiruan Berbasis LSTM dalam Memprediksi Fluktuasi Harga Bitcoin Sudriyanto Sudriyanto; Mochammad Faid; Kamil Malik; Ahmad Supriadi
Jurnal Advanced Research Informatika Vol 2 No 2 (2024): Jurnal Advanced Research Informatika
Publisher : Fakultas Teknik, Universitas Wiraraja

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24929/jars.v2i2.3398

Amid the highly volatile fluctuations in the cryptocurrency market, the ability to accurately predict Bitcoin prices becomes crucial for investors and financial analysts. This study aims to develop a predictive model using Long Short-Term Memory (LSTM) Neural Networks, a specific form of recurrent neural network, to predict Bitcoin prices. Historical data on daily closing prices of Bitcoin from 2015 to 2023 was used to train and test the model. Following data preprocessing, which included normalization and the creation of a time series dataset, the LSTM model was constructed with two LSTM layers and two dense layers to enhance the predictive analysis. The model was trained with the data split into 80% for training and 20% for testing. Results show that the LSTM model was able to produce fairly accurate predictions with a low loss value on the test data. Further evaluation through comparison with baseline models showed significant improvements in predictive accuracy. This research demonstrates the potential application of advanced machine learning techniques in financial analysis, particularly in predicting the prices of highly volatile assets like Bitcoin. With continuous improvements to the model architecture and parameter optimization, Bitcoin price predictions could become more reliable, helping stakeholders make more informed investment decisions.

Co-Authors Abdul Qodir Rifqianto Kamil Malik Mochammad Faid Moh Sukron Moh. Sukron Moh. Syahroni Rizal Sulton Sudrianto, Sudriyanto

Title

Found 6 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 6 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 6 Documents
Search