Article Per Year (5 Year)
p-Index From 2021 - 2026
1.978
P-Index
This Author published in this journals
All Journal Jurnal Informatika Jurnal Buana Informatika Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Jurnal Edukasi dan Penelitian Informatika (JEPIN) Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer QARDHUL HASAN: MEDIA PENGABDIAN KEPADA MASYARAKAT Jurnal Pendidikan Akuntansi dan Keuangan Nuansa Informatika Land Journal Competitive Jurnal Informatika Polinema (JIP)
Fauzan, Mohamad Nurkamal
Unknown Affiliation
Aerospace Engineering Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Social Sciences Transportation Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
GREEN ACCOUNTING DAN PRODUKSI TAMBAK UDANG DI PACITAN: ANALISIS STATISTIK Tanjung, Riani; Fauzan, Mohamad Nurkamal
LAND JOURNAL Vol. 6 No. 2 (2025): Juli 2025
Publisher : Universitas Logistik dan Bisnis Internasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47491/landjournal.v6i2.4283

Abstract

Di tengah meningkatnya kesadaran global terhadap pembangunan berkelanjutan, green accounting semakin diakui sebagai alat strategis yang penting dalam pengelolaan bisnis yang ramah lingkungan. Green accounting mengintegrasikan aspek lingkungan ke dalam pelaporan keuangan untuk mendorong akuntabilitas lingkungan tanpa mengabaikan kelayakan ekonomi. Meskipun telah banyak penelitian yang membahas kontribusinya terhadap efisiensi dan kepatuhan lingkungan, masih terdapat kesenjangan dalam literatur mengenai dampak langsung green accounting terhadap kinerja produksi, khususnya dalam sektor usaha kecil seperti budidaya tambak udang. Penelitian ini bertujuan untuk menyelidiki hubungan antara frekuensi penerapan green accounting dan volume produksi tambak udang di Pacitan, Jawa Timur. Menggunakan pendekatan kuantitatif berbasis statistik, data dikumpulkan melalui kuesioner dan dianalisis menggunakan regresi linier dan korelasi. Hasil analisis menunjukkan adanya korelasi negatif yang lemah antara frekuensi penerapan green accounting dan produksi, yang mengindikasikan bahwa semakin sering praktik green accounting diterapkan, tidak serta-merta meningkatkan volume produksi. Temuan ini memberikan kontribusi penting dengan menantang anggapan umum bahwa green accounting secara langsung mendorong peningkatan produktivitas. Selain itu, penelitian ini memperkuat pentingnya pemahaman kontekstual dan implementasi green accounting yang lebih adaptif terhadap karakteristik usaha lokal, khususnya di sektor perikanan skala kecil. Studi ini memperluas wacana akademik dan memberikan landasan bagi kebijakan serta praktik bisnis yang lebih relevan dalam menerapkan akuntansi hijau secara efektif dan proporsional.
A Hybrid Genetic Algorithm-Random Forest Regression Method for Optimum Driver Selection in Online Food Delivery Putrada, Aji Gautama; Alamsyah, Nur; Oktaviani, Ikke Dian; Fauzan, Mohamad Nurkamal
Jurnal Ilmiah Teknik Elektro Komputer dan Informatika Vol. 9 No. 4 (2023): December
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jiteki.v9i4.27014

Abstract

The online food delivery trend has become rapid due to the COVID-19 incident, which limited mobility, while the broader challenge in the online food delivery system is maximizing quality of service (QoS). However, studies show that driver selection and delivery time are important in customer satisfaction. The solution is our research aim, which is the selection of optimal drivers for online food delivery using random forest regression and the genetic algorithm (GA) method. Our research contribution is a novel approach to minimizing delivery time in online food delivery by combining a random forest regression model and genetic algorithms. We compare random forest regression with three other state-of-the-art regression models: linear regression, k-nearest neighbor (KNN), and adaptive boosting (AdaBoost) regression. We compare the four models with metrics including , mean squared error (MSE), root mean squared error (RMSE), mean total error (MAE), and mean absolute percentage error (MAPE). We use the optimum model as the fitness function in GA. The test results show that random forest performs better than linear, KNN, and AdaBoost regression, with an , RMSE, and MAE value of 0.98, 54.3, and 11, respectively. We leverage the optimum random forest regression model as the GA fitness function. The best efficiency is reducing the delivery time from 54 to 15 minutes, achieved through rigorous testing on various cases. In addition, by completing this research, we also achieve some practical implications, such as an increase in customer satisfaction, a reduction in cost, and a paramount finding in the field of data-driven decision-making. The first key finding is an optimum driver selection model in random forest regression, while the second is an optimum driver selection model in GA.
Analisis Pengaruh Fitur Terhadap Tinggi Badan Anak menggunakan SHAP Shauqie, Shahieza Alfadia; Fauzan, Mohamad Nurkamal
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 11, No 2 (2025): Volume 11 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v11i2.96734

Abstract

Tinggi badan anak merupakan indikator penting dalam menilai status pertumbuhan dan gizi. Meskipun hubungan antara faktor antropometri dan tinggi badan telah banyak diteliti, pemahaman kuantitatif mengenai kontribusi relatif fitur dalam model prediktif masih perlu dieksplorasi. Penelitian ini bertujuan menganalisis pengaruh fitur terhadap tinggi badan anak menggunakan machine learning berbasis regresi dan interpretasi model SHAP. Analisis dilakukan dengan kerangka CRISP-DM yang mencakup siklus analitik data. Dataset penelitian terdiri dari 100.000 entri anak dengan lima fitur utama: umur, berat badan, stunting, wasting, dan jenis kelamin. Pemodelan dilakukan secara otomatis menggunakan PyCaret dan dievaluasi dalam tiga skenario jumlah fitur: lima, tiga, dan satu, untuk menilai dampaknya terhadap akurasi dan kontribusi fitur. Hasil menunjukkan bahwa fitur umur secara konsisten memiliki pengaruh terbesar dalam semua skenario. Model lima fitur menghasilkan akurasi tertinggi (R ² = 0,9276), sementara model tiga fitur tetap kompetitif (R ² = 0,9233). Temuan ini menunjukkan bahwa fitur antropometri dasar cukup informatif untuk prediksi tinggi badan secara efisien dan interpretatif.
Co-Authors Aji Gautama Putrada Fadillah, Algies Rifkha Fansha, Difa Al Hamidin, Dini Ikke Dian Oktaviani Muhammad Kautsar, Muhammad Mulyanti, Khairaningrum Nur Alamsyah, Nur Setyawan, Muhammad Yusril Helmi shauqie, Shahieza Shauqie, Shahieza Alfadia Tanjung, Riani Widia Resdiana