Articles

Found 9 Documents
Search

Analisis Kinerja Keuangan Pada PT. Budhian Indra di Kota Dumai Yusrialis, Yusrialis; Kurniawan, Ilham
Kutubkhanah Vol 15, No 2 (2012): Juli - Desember 2012
Publisher : Lembaga penelitian dan pengabdian kepada masyrakat

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

This research is done on PT. Budhian Indra who gets address be cleared a root By Cempedak Dumai Riau’s Western. In this research one becomes population be PT’s financial statement. Budhian Indra. Data that is taken bases descriptive method which is analyse data as write-up as balance, balance reporting, ekuitas’s changed reporting, and cash flow reporting then linked by real situation and linked by supportive theory and does internal compare with compare finance ratio on each period. Data type that utilized by writer is skunder which is as PT’s financial statement. Budhian Indra as write-up as balance, balance reporting, ekuitas’s changed reporting, and cash flow reporting of year 2006,2007,2008,2009,2010. Of research result that gotten by its result, can be concluded that PT’s financial statement. Unstable Budhian Indra. It can be seen from fluktasi what do happen on PT’s financial position. Budhian Indra
Penerapan Algoritma C5.0 Pada Sistem Pendukung Keputusan Kelayakan Penerimaan Beras Masyarakat Miskin Kurniawan, Ilham; Saputra, Rizal Amegia
Jurnal Informatika Vol 4, No 2 (2017): Jurnal INFORMATIKA
Publisher : LPPM Universitas BSI

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (371.674 KB) | DOI: 10.31311/ji.v4i2.2320

Abstract

AbstrakMasalah kemiskinan merupakan salah satu persoalan mendasar yang menjadi pusat perhatian pemerintah di negara manapun. Program Raskin (program penyaluran untuk keluarga miskin) adalah program dari Pemerintah. Program tersebut adalah sebuah upaya untuk mengurangi beban penyaluran dari rumah tangga miskin sebagai bentuk dukungan dalam meningkatkan ketahanan pangan dengan memberikan perlindungan sosial beras murah dengan jumlah maksimal 15 kg/rumah tangga miskin/bulan dengan masing-masing harga Rp.1.600,00 per kg (netto) di titik distribusi. Dengan adanya sistem yang mampu membantu untuk membantu menentukan keputusan, keputusan yang diambil akan lebih objektif. Hal tersebut sangat berperan penting terhadap pengambilan keputusan yang tepat sasaran pada sebuah kasus atau masalah. Pada penelitian ini sistem pendukung keputusan digunakan untuk penerimaan beras masyarakat miskin. Algoritma yang digunakan pada sistem pendukung keputusan yaitu algoritma C5.0 dengan model klasifikasi tree. Penerapan algoritma C5.0 pada dataset kelurahan Caringin Wetan dan kelurahan Gunungparang tahun 2015. Model pohon keputusan yang dihasilkan dari penerapan algoritma C5.0 dengan pengolahan data menggunakan SPSS itu dapat digunakan pada aplikasi penentuan penerimaan beras raskin yang akan di gunakan oleh pihak tertentu. Kata Kunci: Sistem Pendukung Keputusan, Kemiskinan, Algoritma C5.0  AbstractThe problem of poverty is one of the basic topics that is the center of government attention in any country. The Raskin program (the distribution program for poor families) is a program of the Government. The program is an effort to reduce the burden of disbursement from poor households as a form of support in improving food security by providing social protection cheap rice with a maximum of 15 kg / poor household / month with each price Rp.1.600,00 per kg ( net) at the distribution point. With a system that can help to help determine the decision, the decisions taken are more objective. It plays an important role in making the right decision on a particular case or problem. In this research, decision support systems are used for the acceptance of poor people's rice. Algorithm used in decision support system that is C5.0 algorithm with tree classification model. Implementation of C5.0 algorithm in Caringin Wetan village districts and Gunungparang urban village in 2015. The decision tree model resulting from the application of C5.0 algorithm with data processing using SPSS can be used in the application of the determination of acceptance of raskin rice that will be used by certain parties. Keywords: Decision Support System, Poverty, C5.0 Algorithm
Mengatasi Imbalanced Class Pada Software Defect Prediction Menggunakan Two-Step Clustering-Based Undersampling dan Bagging Tehcnique Akbar, Muhammad Faittullah; Kurniawan, Ilham; Fauzi, Ahmad
Jurnal Informatika Vol 6, No 1 (2019): JURNAL INFORMATIKA
Publisher : LPPM Universitas BSI

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (395.566 KB) | DOI: 10.31311/ji.v6i1.5448

Abstract

Ketidakseimbangan kelas seringkali menjadi masalah di berbagai set data dunia nyata, di mana satu kelas (yaitu kelas minoritas) berisi sejumlah kecil titik data dan yang lainnya (yaitu kelas mayoritas) berisi sejumlah besar titik data. Sangat sulit untuk mengembangkan model yang efektif dengan menggunakan data mining dan algoritma machine learning tanpa mempertimbangkan preprocessing data untuk menyeimbangkan set data yang tidak seimbang. Random undersampling dan oversampling telah digunakan dalam banyak penelitian untuk memastikan bahwa kelas yang berbeda mengandung jumlah titik data yang sama. Dalam penelitian ini, kami mengusulkan kombinasi two-step clustering-based random undersampling dan bagging technique untuk meningkatkan nilai akurasi software defect prediction. Metode yang diusulkan dievaluasi menggunakan lima set data dari repositori program data metrik NASA dan area under the curve (AUC) sebagai evaluasi utama. Hasil telah menunjukkan bahwa metode yang diusulkan menghasilkan kinerja yang sangat baik untuk semua dataset (AUC> 0,9). Dalam hal SN, percobaan kedua mengungguli percobaan pertama di hampir semua dataset (3 dari 5 dataset). Sementara itu, dalam hal SP, percobaan pertama tidak mengungguli percobaan kedua di semua dataset. Secara keseluruhan percobaan kedua mengungguli dan lebih baik daripada percobaan pertama karena evaluasi utama dalam klasifikasi kelas yang tidak seimbang seperti SDP adalah AUC Oleh karena itu, dapat disimpulkan bahwa metode yang diusulkan menghasilkan kinerja yang optimal baik untuk set data skala kecil maupun besar. 
PENERAPAN KLASIFIKASI ALGORITMA C4.5 PADA FITUR GRAY LEVEL CO-OCCURRANCE MATRIX UNTUK ANALISA TEKSTUR CITRA WAJAH Kurniawan, Ilham; Riana, Dwiza
INTI Nusa Mandiri Vol 14 No 1 (2019): INTI Periode Agustus 2019
Publisher : Pusat Penelitian dan Pengabdian Pada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1023.937 KB)

Abstract

Research on facial images is useful to distinguish the characteristics of each human being. The introduction of healthy and unhealthy facial skin images aims to identify human skin types automatically. For this purpose features such as contrast, correlation, energy, homogeneity, which are features of the Gray Level Co-occurrance Matrices (GLCM) are used. This study proposes a method for analyzing and classifying the GLCM texture on facial skin. The image used in this study was taken in the face image section which consists of the skin of the cheek and the whole face. The methods used are image acquisition, facial skin image, ROI selection, RGB image conversion to gray image, GLCM feature extraction, C4.5 algorithm classification and evaluation. The results showed that the C4.5 algorithm classification on texture analysis of facial images produced an accuracy value of 66.67%, the accuracy value was still low and the need for further research could not be used to increase the accuracy of texture analysis of facial images.
MANAJEMEN PEMANENAN KELAPA SAWIT (ELAEIS GUINEENSIS JACQ.) DI DIVISI 2 BANGUN KOLING ESTATE, KOTAWARINGIN TIMUR, KALIMANTAN TENGAH Kurniawan, Ilham; Lontoh, Adolf Pieter
Buletin Agrohorti Vol. 6 No. 1 (2018): Buletin Agrohorti
Publisher : Departemen Agronomi dan Hortikultura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1134.108 KB) | DOI: 10.29244/agrob.v6i1.22528

Abstract

Kegiatan penelitian dilakukan di divisi 2 Bangun Koling Estate yang terletak di Desa Tumbang Koling, Kecamatan Cempaga Hulu, Kabupaten Kotawaringin Timur, Kalimantan Tengah dari bulan Februari hingga Juni 2016. Kegiatan penelitian dilaksanakan untuk meningkatkan pengetahuan, keterampilan kerja, menambah pengalaman serta mempelajari kegiatan budidaya kelapa sawit secara teknis dan manajerial. Pengamatan yang diamati meliputi angka kerapatan panen dan estimasi produksi, kebutuhan tenaga panen, kapasitas panen, alat panen dan alat pelindung diri, mutu buah, transportasi buah, dan kehilangan hasil. Hasil pengamatan yang telah dilakukan menunjukkan bahwa manajemen panen sudah berlangsung secara baik, tetapi perlu ditingkatkan agar didapatkan hasil yang optimal. Evaluasi yang harus dilakukan yaitu hasil taksasi belum menggambarkan hasil realisasi panen, penggunaan alat pelindung diri yang masih minim, kapasitas panen yang masih rendah dan masih terdapatnya losses di lapang.
Klasifikasi Tweet Berdasarkan Keterkaitan Tweet Terhadap Topik Tertentu Pada Twitter Menggunakan Naïve Bayes Baydhowi, Muhamad; Apriliah, Widya; Kurniawan, Ilham
INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS : Journal of Information System Vol 4 No 1 (2019): INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS (Desember 2019)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (244.434 KB)

Abstract

Abstrak: Twitter merupakan salah satu jejaring sosial atau mikroblog yang memungkinkan penggunanya untuk mengirim dan membaca pesan yang di sebut kicauan (tweets) yang berisi 140 karakter. Indonesia menduduki urutan ke lima jumlah pengguna (user) Twitter terbanyak di seluruh dunia dan Jakarta adalah kota yang paling aktif diseluruh dunia dalam membuat posting di Twitter. Berdasarkan informasi tersebut, kita dapat memanfaatkan data tweet untuk kepentingan tertentu seperti mengklasifikasikan tweet berdasarkan ketertarikan terhadap topik tertentu dengan kriteria yang telah ditentukan. Hasil penelitian ini diharapkan dapat digunakan untuk mendapatkan user potensial yang terkait dengan topik yang telah ditentukan sebagai sasaran marketing dari produk yang berkaitan dengan topik yang telah ditentukan sebelumnya. Namun penentuan klasifikasi tweet yang terkait dan tidak terkait dengan suatu topik manjadi kendala bagi para internet marketer. Tujuan penelitian ini adalah untuk menemukan metode klasifikasi tweet berdasarkan label terkait dan tidak terkait untuk kategori tertentu berdasarkan isi teks dari tweet tersebut. Data tweet diolah sehingga membentuk Bag of Words yang nantinya akan digunakan sebagai data training untuk melakukan klasifikasi dengan algoritma Naïve Bayes terhadap tweet yang diinput sebagai data testing.   Kata kunci: Bag of words, Internet marketer, Klasifikasi, Naïve Bayes, Tweet.   Abstract: Twitter is one of the social network or microblog that allows users to send and read messages called tweets that contain 140 characters. Indonesia ranks the fifth largest number of Twitter users worldwide and Jakarta is the most active city in the world in posting on Twitter. Based on that information, we can utilize tweet data for specific purposes such as classifying tweets based on interest in a particular topic with predetermined criteria. The results of this study are expected to be used to obtain potential users associated with the topic that has been determined as a marketing target of the product relating to a predetermined topic. But determining the classification of related tweets and unrelated tweets to a topic becomes an obstacle for the internet marketers. The purpose of this research is to find the method of tweet classification based on related and unrelated labels for certain categories based on the text content of the tweet. Tweet data is processed and becomes Bag of Words which will be used as training data to classify tweet that inputted as testing data with Naïve bayes algorithm.   Keywords: Bag of words, Classification, Internet marketer, Naïve bayes, Tweet.
MEMAKNAI RADIKALISME DI INDONESIA Kurniawan, Ilham
TA'LIM : Jurnal Studi Pendidikan Islam Vol 3 No 1 (2020): January
Publisher : Program Studi Pendidikan Agama Islam Fakultas Agama Islam Universitas Islam Darul 'Ulum Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (278.393 KB)

Abstract

The absence of standardization of radicalism makes people misunderstand or mistaken and often accuses others of it. This study aims to find out the meaning of radicalism so that people no longer hesitate or wrong in justifying who is radical and interpreting it. This research is a library research (library research) with a qualitative approach. Sources of data obtained in the form of journals, articles, books and relevant scientific work The results of this study explain that radicalism is the understanding or flow that requires social and political change by using violence as a stepping stone to justify their beliefs that are considered true. Forms of radicalism in Indonesia are the perpetrators of the Darul Islam (DI) movement, Hizb ut-Tahrir Indonesia (HTI), Jamaah Ansharut Daulah (JAD), and the Islamic State in Iraq and Syria (ISIS). Visible characteristics or categories of radicalism are as follows: First, takfiri. Second, they want to establish an Islamic state within a country. Third, replace the ideology of a country which is the basis or direction. The anti-radicalism education is carried out by the family, community and education. So that the level of radicalism in Indonesia can decline even completely finished.
PENERAPAN METODE FUZZY TSUKAMOTO DALAM SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN JUMLAH PRODUKSI OPAK GAMBIR Adib, Moh Bagus Sholikul; Choiriyah, Naela Nur; Kurniawan, Ilham
ILKOMNIKA: Journal of Computer Science and Applied Informatics Vol 2 No 1 (2020): Volume 2, Nomor 1, April 2020
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v2i1.27

Abstract

Penentuan  jumlah produksi  salah satu proses  pengambilan keputusan perusahaan yang cukup penting.Apabila jumlah produksi dapat di perkirakan dengan tepat di harapkan kelonjakan bugrt akan mampu di minimalisir untuk memperkecil jumlah kerugian.Salah satu faktor yang menyebabkan kesulitan dalam memperkirakan jumlah produsi adalah ketidakpastia dalam jumlah permintaan dan persediaan yang berubah ubah pada setiap periode..Logika fuzzy adalah salah ilmu yang dapat menganalisa ketidakpastian.Salah satu metode logia fuzzy yang akan di Peneli untu menyelesaikan permasalahn di atas menggunakan metode Tsukamoto.
PREDIKSI GEJALA AUTISM SPECTRUM DISORDERS PADA REMAJA MENGGUNAKAN OPTIMASI PARTICLE SWARM OPTIMIZATION DAN ALGORITMA SUPPORT VECTOR MACHINE Kurniawan, Ilham
INFORMATICS FOR EDUCATORS AND PROFESSIONAL : Journal of Informatics Vol 4 No 2 (2020): Vol 4 No 2 (2020): INFORMATICS FOR EDUCATORS AND PROFESSIONALS (Juni 2020)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (374.863 KB)

Abstract

Abstrak: Telah ada peningkatan prevalensi diagnosis Autism Spectrum Disorder (ASD) secara global selama dekade terakhir. Perkiraan prevalensi ASD yang diperbarui dan keseluruhan di Asia akan membantu para profesional kesehatan untuk mengembangkan strategi kesehatan masyarakat yang relevan. Dalam penelitian ini, mengusulkan metode untuk prediksi gejala ASD menggunakan teknik integrasi seleksi fitur PSO dan algoritma Support Vector Machine. Penelitian ini menggunakan dataset dari UCI repository. Model yang diusulkan meliputi penerapan seleksi fitur menggunakan  particle swarm optimization (PSO), dengan algoritma pengklasifikasi. Hasil akhir akan dilakukan perbandingan pengujian dan analisa terhadap model prediksi yang memiliki tingkat akurasi tertinggi atau terbaik dalam prediksi gejala ASD. Dalam penelitian ini menggunakan dataset UCI repository yaitu data ASD pada remaja, data tersebut memiliki jumlah data sebanyak 104 instance dan 21 atribut, 41 orang tidak menderita ASD dan 63 orang menderita ASD, tools yang digunakan untuk menerapkan model usulan menggunakan aplikasi Weka versi 3.8.4. Untuk mengetahui model usulan yang diajukan pada penelitian ini, pertama menguji dengan klasifikasi tunggal SVM, dan kedua, menguji dengan seleksi fitur PSO dan algoritma klasifikasi SVM. Untuk mengetahui apakah seleksi fitur PSO berpengaruh terhadap performa algoritma klasifikasi SVM. Pengujian pertama, nilai akurasi yang dihasilkan oleh algoritma klasifikasi SVM adalah sebesar 89.42%, dan nilai AUC sebesar 0.891. Berdasarkan pengujian yang kedua yaitu menggunakan seleksi fitur PSO, seleksi fitur PSO dapat meningkatkan performa algoritma klasifikasi SVM sebesar 2,88% dan nilai AUC sebesar 0,024.   Kata kunci: Autism Spectrum Disorder, Particle Swarm Optimizatio, Support Vector Machine   Abstract: There has been an increase in the prevalence of diagnoses of Autism Spectrum Disorder (ASD) globally over the past decade. Updated and overall ASD prevalence estimates in Asia will help health professionals to develop relevant public health strategies. In this study, proposing a method for ASD symptom prediction using PSO feature selection integration techniques and the Support Vector Machine algorithm. This study uses a dataset from the UCI repository. The proposed model includes the application of feature selection using particle swarm optimization (PSO), with the classification algorithm. The final result will be a comparison test and analysis of prediction models that have the highest or best accuracy in predicting ASD symptoms. In this study using the UCI repository dataset, ASD data on adolescents, the data has 104 data and 21 attributes, 41 people do not suffer from ASD and 63 people suffer from ASD, tools used to implement the proposed model using the Weka application version 3.8.4 . To find out the proposed model proposed in this study, firstly testing with SVM single classification, and secondly, testing with PSO feature selection and SVM classification algorithm. To find out whether the PSO feature selection affects the performance of the SVM classification algorithm. The first test, the accuracy value generated by the SVM classification algorithm is 89.42%, and the AUC value is 0.891. Based on the second test using PSO feature selection, PSO feature selection can improve the performance of the SVM classification algorithm by 2.88% and the AUC value of 0.024.   Keywords: Autism Spectrum Disorder, Particle Swarm Optimizatio, Support Vector Machine.