Cholisoddin, Imam
Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Published : 15 Documents
Articles

Found 15 Documents
Search

Penerapan Algoritme Genetika Untuk Penjadwalan Latihan Reguler Pemain Brass Marching Band (Studi Kasus: Ekalavya Suara Brawijaya) Rindengan, Marina Debora; Cholisoddin, Imam; Adikara, Putra Pandu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 2 No 9 (2018)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (978.287 KB)

Abstract

Marching band merupakan ekstrakurikuler yang dimana pemainnya dituntut untuk bisa bekerja sama dalam satu tim agar bisa memberikan penampilan yang baik. Waktu yang diperlukan untuk latihan tidak singkat dengan jumlah pemain yang banyak. Jadwal latihan marching band yang kurang baik atau jadwal yang bentrok antar pemain bisa menimbulkan permasalahan dalam melakukan latihan. Data jadwal setiap pemain diambil dari Marching Band Ekalavya Suara Brawijaya, dan libur nasional lewat kalender tahun 2016 dari bulan September sampai Desember. Setelah mendapatkan data tersebut, proses algoritme genetika yang dimulai dari representasi kromosom terhadap jam dan hari latihan, kemudian melakukan proses extended intermediate crossover dan reciprocal exchange mutation untuk mendapatkan offspring baru yang akan diseleksi menggunakan elitism selection untuk generasi selanjutnya. Jadwal yang optimal didapatkan melalui pengujian, hasil dari pengujian beragam, rata-rata nilai fitness terbesar adalah 1 yang terdapat pada ukuran populasi adalah 130, jumlah generasi adalah 140, dan kombinasi cr dan mr adalah 0,5.
Penerapan Metode Extreme Learning Machine (ELM) Untuk Memprediksi Jumlah Produksi Pipa Yang Layak (Studi Kasus Pada PT. KHI Pipe Industries) Ashar, Nirzha Maulidya; Cholisoddin, Imam; Dewi, Candra
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 2 No 11 (2018)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (496.85 KB)

Abstract

KHI Pipe Industries merupakan perusahaan yang memproduksi pipa baja berkualitas tinggi. Dalam aktivitas produksinya, perusahaan ini melakukan proses produksi berdasarkan permintaan pelanggan dengan spesifikasi pengukuran diameter, ketebalan, dan panjang pipa. Dalam proses produksinya, hasil produksi pipa yang layak tidak mutlak sesuai dengan jumlah permintaan pelanggan, diperkirakan terdapat pipa yang rusak sehingga mengakibatkan pemenuhan permintaan pelanggan tidak dapat berjalan lancar. Perusahaan harus mengeluarkan biaya tambahan untuk bahan baku agar total produksi bertambah dan menutupi jumlah pipa yang rusak. Jumlah produksi pada setiap spesifikasi permintaan berbeda-beda sehingga menjadi kendala dalam mengambil kebijakan untuk memprediksi jumlah pipa yang layak. Dengan adanya prediksi jumlah pipa yang layak dapat membantu perusahaan dalam mengambil keputusan untuk menentukan target produksinya. Penelitian ini menerapkan metode dari Jaringan Saraf Tiruan (JST) yaitu Extreme Learning Machine (ELM) untuk memprediksi jumlah produksi pipa yang layak. Proses prediksi yaitu dengan normalisasi, training, testing, dan denormalisasi, serta melakukan perhitungan nilai error menggunakan Mean Square Error (MSE). Berdasarkan pengujian yang dilakukan, penggunaan 7 hidden neuron, 5 fitur, dan persentase perbandingan 80% data training 20% data testing menghasilkan nilai error terkecil dengan rata-rata 0,00372 dengan selisih ± 1% dari data aktual.
Analisis Sentimen Tentang Opini Maskapai Penerbangan pada Dokumen Twitter Menggunakan Algoritme Support Vector Machine (SVM) Pravina, Arsya Monica; Cholisoddin, Imam; Adikara, Putra Pandu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 3 No 3 (2019)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (515.883 KB)

Abstract

Dengan meningkatnya penggunaan Twitter, media sosial yang bekerja secara real-time untuk masyarakat dapat menyampaikan keluh kesah maupun apresiasinya terhadap maskapai-maskapai penerbangan, perlu dibuat sebuah sistem yang dapat melakukan klasifikasi suatu tweet yang berisikan opini termasuk ke dalam kelas apa, dalam penelitian ini terdapat kelas positif dan negatif. Hal tersebut dilakukan agar dapat membantu perusahaan maskapai penerbangan dalam hal evaluasi peningkatan pelayanan serta dapat membantu masyarakat dalam memilih maskapai penerbangan dengan tepat. Sehingga dilakukan klasifikasi sentimen dengan fitur Lexicon Based yang dapat menerima opini berbahasa lain selain Bahasa Indonesia (dalam penelitian ini digunakan Bahasa Inggris) untuk melakukan analisis sentimen. Digunakan algoritme support vector machine untuk melakukan klasifikasi. Hasil dari penelitian ini menunjukkan parameter optimal dan pengaruh penggunaan Lexicon Based Features. Dengan digunakan parameter C bernilai 10 dan learning rate bernilai 0,03 serta digunakan Lexicon Based Features dengan iterasi sebanyak 50 kali memberikan hasil accuracy sebesar 40%, precision 40%, 100% recall, dan f-measure sebesar 57,14%.
Klasifikasi Risiko Gagal Ginjal Kronis Menggunakan Extreme Learning Machine Irawan, Dimas Prenky Dicky; Cholisoddin, Imam; Santoso, Edy
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 2 No 11 (2018)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (474.942 KB)

Abstract

Ginjal merupakan sebuah organ pada manusia yang mempunyai peranan sangat penting dalam proses mengatur kebutuhan cairan dan elektrolit. Gagal ginjal kronis merupakan sebuah penyakit terhadap ginjal yang terjadi karena infeksi ginjal serta adanya sumbatan yang dikarenakan batu ginjal. Untuk melakukan klasifikasi gagal ginjal kronis tenaga medis masih belum maksimal dalam menanganinya, untuk menangani masalah ini peneliti menggunakan Extreme Learning Machine untuk melakukan klasifikasi gagal ginjal kronis. Extreme Learning Machine merupakan sebuah algoritme klasifikasi yang mana algoritme ini merupakan bagian dari jaringan saraf tiruan yang memiliki learning speed bagus dan juga menurut penelitian yang sudah ada dihasilkan nilai akurasi yang begitu baik apabila dibandingkan menggunakan algoritme lainnya. Penelitian yang dilakukan ini mendapatkan perbandingan nilai data latih serta data uji optimal dengan nilai rasio 70:30, banyak neuron hidden layer sebesar 10 dan menggunakan fungsi aktivasi sigmoid bipolar dari parameter tersebut menghasilkan nilai akurasi sebesar 99,13%. Dari hasil akurasi yang didapatkan, menunjukkan bahwa metode Extreme Learning Machine cukup baik dipakai untuk proses klasifikasi gagal ginjal kronis.
Optimasi Penjadwalan Bimbingan Skripsi Menggunakan Algoritme Genetika (Studi Kasus : Fakultas Ilmu Komputer Universitas Brawijaya) Damayanti, Lilis; Cholisoddin, Imam; Marji, Marji
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 2 No 9 (2018)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1178.137 KB)

Abstract

Bimbingan skripsi merupakan kegiatan yang harus dilakukan untuk mahasiswa yang sedang mengambil skripsi. Biasanya mahasiswa yang akan melakukan bimbingan akan menemui dosen pembimbing mereka ataupun menghubungi dosen tersebut pada jauh-jauh hari. dikarenakan dosen juga memiliki waktu untuk mengajar dan melakukan aktivitas yang lain yang berkaitan dengan kampus. Banyaknya jumlah mahasiswa yang ada di Fakultas Ilmu Komputer Universitas Brawijaya (FILKOM UB) yang mana mereka ingin melakukan bimbingan membuat mahasiswa tersebut mengantri di depan ruangan dosen sedangkan dosen memiliki jadwal yang padat. Oleh karena itu dibutuhkan sistem untuk melakukan penjadwalan bimbingan skripsi. Penelitian ini menerapkan konsep solusi yang diperoleh menggunakan algoritme genetika. Algoritme genetika merupakan algoritme pencarian yang bertujuan untuk menemukan solusi yang optimal. Hasil parameter genetika yang diperoleh pada solusi optimal yaitu ukuran populasi 70, jumlah generasi sebesar 2500, kombinasi nilai cr dan mr yaitu 0,4 dan 0,6. Sistem yang dibangun ini menghasilkan jadwal bimbingan skripsi yang mendekati optimal dengan nilai fitness 1,0305.
Prediksi Jumlah Kriminalitas Menggunakan Metode Extreme Learning Machine (Studi Kasus Di Kabupaten Probolinggo) Dewi, Sema Nabillah; Cholisoddin, Imam; Santoso, Edy
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 2 No 11 (2018)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (443.963 KB)

Abstract

Tingkat kejahatan di Indonesia semakin merajalela. Ambisi masyarakat akan memiliki harta kekayaan dari jalan yang tidak wajar dengan melakukan tindak kriminalitas. Kriminalitas merupakan tindakan yang melanggar aturan undang-undang yang dapat meresahkan masyarakat. Setiap masyarakat memiliki resiko menjadi korban tindak kriminalitas. Semakin besar resiko yang dimiliki masyarakat menandakan semakin tidak amannya suatu daerah. Namun, tidak bisa dipastikan jumlah tindak kriminalitas dari waktu ke waktu karena jumlahnya yang tidak menentu. Hal ini menyebabkan pihak kepolisian mengalami kesulitan untuk mengatasi masalah tindak kriminalitas. Prediksi yang tepat dan akurat dapat membantu meminimalisir tidak kriminalitas yang akan terjadi. Penelitian ini bertujuan untuk memperoleh prediksi jumlah kriminalitas menggunakan metode Extreme Learning Machine. Berdasarkan implementasi dan pengujian yang dilakukan menggunakan data kriminalitas Polres Kabupaten Probolinggo tahun 2012 hingga 2017 diperoleh arsitektur jaringan yang maksimum yaitu jumlah fitur sebanyak 7, perbandingan rasio data yaitu 80%:20%, dan jumlah neuron pada hidden layer sebanyak 7 serta fungsi aktivasi sigmoid biner. Nilai error yang rendah dihitung menggunakan tingkat kesalahan Mean Square Error (MSE) yaitu sebesar 0,037662.
Optimasi Travelling Salesman Problem Pada Angkutan Sekolah Menggunakan Algoritme Genetika (Studi Kasus : Sekolah MI Salafiyah Kasim Blitar) Sihaloho, Ivarianti; Cholisoddin, Imam; Tibyani, Tibyani
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 3 No 1 (2019)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (396.889 KB)

Abstract

Berbagai aspek dalam kehidupan masyarakat saat ini berkembang pesat karena adanya teknologi informasi. Hal ini termasuk pada peningkatan kualitas, layanan yang disediakan oleh pihak sekolah bagi para siswa. Layanan yang disediakan oleh pihak sekolah yaitu angkutan bus sekolah. Angkutan sekolah merupakan fasilitas yang sangat penting bagi orang tua siswa yang sedang sibuk untuk menjemput anaknya di sekolah. Hal ini menjadi salah satu alasan bagi sekolah Madrasah Ibtidaiyah (MI) Salafiyah untuk meningkatkan kualitas layanan angkutan sekolah dengan melakukan optimasi rute sehingga pengantaran siswa dapat dilakukan lebih baik. Optimasi dilakukan dengan membangun sebuah sistem yang menggunakan perhitungan jarak dengan Travelling Salesman Problem (TSP) dan metode algoritme genetika. Pengantaran siswa pada sekolah MI Salafiyah Kasim dibagi menjadi dua kloter yaitu kloter pagi dan kloter siang. Pada penelitian ini, data yang digunakan berupa data aktual dan data sampel yang diambil selama 3 hari. Data ini kemudian akan dibandingkan untuk mengetahui berapa hasil selisih yang diperoleh dari proses optimasi pada sistem. Berdasarkan data tersebut didapatkan hasil optimasi pada kloter pagi sebesar 5,5 km (19,78%) dan pada kloter siang sebesar 17,17 km (36,30%). Dapat disimpulkan bahwa sistem ini sudah berjalan dengan baik dengan menghasilkan nilai optimal yang baik.
Optimasi Algoritme Genetika Untuk Memaksimalkan Laba Pembangunan Perumahan Mas'ud, Muhammad Faris; Cholisoddin, Imam; Mahmudy, Wayan Firdaus
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 3 No 1 (2019)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (318.977 KB)

Abstract

Tempat tinggal ialah kebutuhan dasar. Fungsi utama tempat tinggal yaitu untuk tempat beristirahat, keamanan dan beraktifitas dengan keluarga. Permintaan pembangunan tempat tinggal dan pertumbuhan penduduk di Kota Malang yang semakin tinggi membuat semakin tinggi pula permintaan pembangunan rumah. Dalam membangun rumah, perusahaan pengembang selalu mengutamakan keuntungan di setiap pembangunannya tanpa mengurangi kualitas bangunan. Pembangunan rumah membutuhkan sumber daya manusia dan beberapa material yang terbatas, oleh karena itu Algoritme Genetika akan sangat membantu dalam segi pencarian optimasi keuntungan. Berdasarkan beberapa penelitian Algoritme Genetika lain, algoritme ini menghasilkan solusi yang diharapkan seperti: optimasi laba jilbab yang optimal, optimasi distribusi barang yang efisien dan optimasi pemilihan pekerja bangunan yang tepat sasaran. Sesuai pengujian yang dilakukan dengan menggunakan data dari Perumahan Margobasuki Residence, didapatkan jumlah keuntungan yang optimal.
Optimasi Penjadwalan Mesin dan Shift Karyawan Menggunakan Algoritme Genetika (Studi Kasus Pada PT. Petro Jordan Abadi) Darmawan, Sarah Aditya; Cholisoddin, Imam; Tibyani, Tibyani
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 2 No 12 (2018)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (392.597 KB)

Abstract

Penjadwalan shift karyawan dan penjadwalan mesin merupakan dua hal yang perlu diperhatikan pada sebuah pabrik. Penjadwalan shift karyawan dibutuhkan untuk mengatur jam kerja karyawan agar kualitas kerja karyawan tetap terjaga dengan baik dan memberikan dampak positif bagi perusahaan. Begitu pula dengan penjadwalan mesin. Penjadwalan mesin dibutuhkan untuk mengatur urutan dan proses kerja mesin dalam kegiatan produksi barang, agar dapat mempersingkat waktu produksi barang dan memperbanyak produksi barang. Metode crossover yang digunakan yaitu one-cut point crossover, metode mutasi yaitu reciprocal exchange mutation untuk penjadwalan shift karyawan dan insertion mutation untuk penjadwalan mesin, dan diseleksi dengan elitism selection. Pengujian yang dilakukan pada sistem penjadwalan ini ada 4, yaitu pengujian nilai popsize, pengujian nilai generasi, pengujian kombinasi nilai cr dan mr, dan pengujian analisis global. Pada pengujian nilai popsize didapatkan nilai popsize tertinggi yaitu 70 dengan nilai fitness sebesar 0,6198. Untuk pengujian nilai generasi didapatkan generasi tertinggi pada generasi 400 dengan nilai fitness 0,5624. Sedangkan untuk pengujian cr dan mr di dapatkan nilai terbaiknya pada cr sebesar 1 dan mr sebesar 0 dengan nilai fitness sebesar 0,5926. Hasil yang didapatkan dari analisis global adalah nilai fitness dari sistem memiliki hasil yang lebih tinggi yaitu sebesar 0,5162. Dapat disimpulkan bahwa penerapan algoritme genetika dalam optimasi penjadwalan mesin dan shift karyawan ini sangat berpengaruh dalam proses perolehan solusi terbaik. Semakin besar nilai fitness yang diperoleh maka semakin baik solusi yang didapatkan, begitu pula sebaliknya. Sehingga sistem optimasi penjadwalan mesin dan shift karyawan ini dapat dijadikan acuan sebagai sistem untuk pembuatan jadwal pada perusahaan.
Rekomendasi Pemilihan Burung Menggunakan Metode Simple Additive Weighting (SAW) dan Technique Order Preference by Similarity To Ideal Solution (TOPSIS) Rudiantoro, Rizal; Cholisoddin, Imam; Dewi, Ratih Kartika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 3 No 2 (2019)
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (426.297 KB)

Abstract

Burung yang bersuara merdu banyak diminati bagi sekelompok pencinta hewan, bagi sekelompok pencinta burung harga burung bisa mencapai harga yang mahal untuk satu jenis burung yang memiliki suara merdu. Banyak penjual burung berkicau yang ada di media sosial yang memasarkan bermacam-macam jenis burung berkicau mereka untuk mendapatkan jenis burung yang diinginkan. Masyrakat di Indonesia sudah banyak berpindah dalam pembelian burung ke media yang lebih mudah dibandingkan harus ke pasar burung, yaitu media sosial yang diungkapkan lebih mudah saat mencari jenis dan harganya bisa dikondisikan. Dalam penerapan rekomendasi pemilihan burung berkicau dibutuhkan sebuah metode yang dapat mengatasi masalah pemilihan burung terbaik agar keputusan tersebut tepat dan akurat sehingga menggunakan metode Simple Additive Weighting (SAW) dan Technique Order Prefence by Similarity To Ideal Solution (TOPSIS) dalam penyelesaiannya. Dari hasil pengujian menggunakan korelasi Spearman didapatkan hasil dari beberapa jenis burung dengan hasil yang signifikan yang diperoleh jenis burung love bird hijau: 6,34, cucak hijau: 4,92, kacer: 5,80 nilai yang digunakan α=1,96. Hasil akhir dari sistem ini adalah merekomendasi berdasarkan nila preferensi tertinggi dan nilai preferensi tertinggi dijadikan peringkat terbaik.