Article Per Year (5 Year)
p-Index From 2020 - 2025
1.665
P-Index
This Author published in this journals
All Journal ComEngApp : Computer Engineering and Applications Journal Jurnal Ilmiah FIFO Indonesian Journal of Industrial Engineering & Management IT-Explore: Jurnal Penerapan Teknologi Informasi dan Komunikasi Jurnal Pengabdian Masyarakat Bangsa Seminar Nasional Riset dan Teknologi (SEMNAS RISTEK)
Avrizal, Reza
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mathematics Medicine & Pharmacology Nursing Physics Public Health Social Sciences Other

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 10 Documents
Search

 1 
Application of Machine Learning in Clustering Maize Producing Regions in Indonesia Eliyani, Eliyani; Dwiasnati, Saruni; Arif, Sutan Mohammad; Avrizal, Reza; Fatimah, Nona
Computer Engineering and Applications Journal Vol 13 No 2 (2024)
Publisher : Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18495/comengapp.v13i2.455

Abstract

Maize is considered an important commodity with promising market prospects. Given the importance of maize, there is a need to increase maize production to meet people's needs and maintain price stability. This study aims to group maize production in Indonesia by region, with the hope of finding areas that have the potential to become maize production centers to reduce dependence on imports. The data used in this research was obtained from the Central Statistics Agency, covering information from 34 provinces during the 2017-2021 period. This analysis uses the K-Means method with the Python programming language. The number of groups is determined using the Elbow Method. The results of this research show that there are three categories of maize production regions: regions with low maize production (below average), regions with medium maize production, and regions with high maize production. A total of 25 provinces are in the low production category, eight provinces are in the medium category, and only East Java is in the high production category.
Sosialisasi Aplikasi Family Link Pada Lingkungan RT 06 RW 06 Cipayung Depok Isnain, Nasrulloh; Rahmatika, Rahmatika; Avrizal, Reza; Sulistiono, Heru
Jurnal Pengabdian Masyarakat Bangsa Vol. 2 No. 4 (2024): Juni
Publisher : Amirul Bangun Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59837/jpmba.v2i4.911

Abstract

Banyak manfaat yang didapatkan dan dirasakan dalam penggunaan ponsel pintar, khususnya penggunaan ponsel pintar berbasis android misalnya dalam hal pendidikan, informasi dan lainnya. Pengenalan teknologi menggunakan ponsel pintar pada anak tidak hanya berdampak buruk tetapi juga berdampak baik atau positif pada anak seperti membantu dan mengasah kemampuan kognitif, belajar perkembangan teknologi, dan juga berfikir kreatif. Untuk itu perkenalan teknologi pada anak tidaklah salah, akan tetapi sebagai orangtua kita juga harus membuat pengawasan dan aturan yang dilakukan pada saat anak menggunakan ponsel pintarnya. Sehingga anak bisa berinteraksi dengan lingkungan dan juga mendapatkan pengetahuan dari perkembangan informasi dan teknologi. Karena banyaknya orangtua yang belum mengetahui mengenai aplikasi Family Link ini maka kami ingin mengadakan sebuah sosialiasi mengenai aplikasi tersebut terhadap warga lingkungan RT 06 RW 06 Cipayung Depok. Dengan adanya sosialisasi ini orang tua dapat membatasi jumlah waktu anak-anak menggunakan ponsel pintar, menyetujui atau memblokir aplikasi yang akan diunduh, pemberian jadwal penggunaan dan dapat juga untuk memantau lokasi ponsel pintar anak.
Sistem Pendukung Keputusan Pemasaran Umi Green Coffee Menggunakan Metode Analytical Hierarchy Process (AHP) Anggoro, Muhamad Alta; Avrizal, Reza; Marlia, Rina
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 9, No 1 (2025): SEMNAS RISTEK 2025
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v9i1.7871

Abstract

Umi Green Coffee saat ini sedang menghadapi persaingan yang cukup ketat dalam menarik pelanggan untuk melakukan pembelian terhadap kopi herbal yang dijual, dikarenakan selama ini pemasaran yang dilakukan masih menggunakan cara manual yaitu dengan mengadakan sosialisasi langsung ke masyarakat. Cara ini bertujuan untuk secara langsung bertemu dengan konsumen itu sendiri dan menarik minat mereka untuk dapat membeli kopi herbal. Namun tidak semua konsumen yang dikunjungi dapat membeli kopi herbal tersebut, sehingga kegiatan pemasaran yang telah dilakukan belum efektif dan optimal. Selain itu, belum adanya penerapan metode analisis yang baik dan efektif menyebabkan hasil keputusan yang tidak akurat terkait strategi pemasaran apa yang lebih efektif. Kemudian, belum adanya sistem pendukung keputusan yang terkomputerisasi menyebabkan pengolahan data menjadi tidak efektif dan efisien. Tujuan dari penelitian untuk membangun sistem pendukung keputusan yang terkomputerisasi dengan menerapkan metode Analytical Hierarchy Process (AHP) guna untuk mempermudah Umi Green Coffee dalam menentukan strategi pemasaran yang lebih efektif dan efisien. Metode penelitian yang digunakan yaitu observasi, wawancara serta studi pustaka. Hasil dari penelitian ini adalah sistem pendukung keputusan yang dibuat dengan menerapkan metode Analytical Hierarchy Process (AHP) dapat menentukan strategi pemasaran yang lebih efektif dan efisien. Penelitian ini menghasilkan sistem pendukung keputusan berbasis metode Analytical Hierarchy Process (AHP) untuk membantu Umi Green Coffee menentukan strategi pemasaran secara efisien, dengan pengelolaan data terstruktur dan rekomendasi yang akurat. Keterbaharuannya terletak pada penerapan metode Analytical Hierarchy Process (AHP) yang inovatif dalam konteks pemasaran UMKM, menyediakan solusi praktis sekaligus kontribusi akademik sebagai referensi pengembangan Sistem Pendukung Keputusan berbasis teknologi.
Pengelompokan wilayah produksi tuna, cakalang, tongkol dan udang di Indonesia menggunakan algoritma K-Means Dwiasnati, Saruni; eliyani, Eliyani; Arif, Sutan Mohammad; Avrizal, Reza
IT Explore: Jurnal Penerapan Teknologi Informasi dan Komunikasi Vol 4 No 2 (2025): IT-Explore Juni 2025
Publisher : Fakultas Teknologi Informasi, Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/itexplore.v4i2.2025.pp128-137

Abstract

The research was intended to cluster the production areas of Indonesia's fishery products especially Skipjack Tuna, Tuna, Mackarel Tuna, and shrimp using data science techniques. The algorithm used was K-means Clustering. The data used was annual production data for each province for the last 3 years (2019 – 2021). Determination of the number of clusters using the Elbow Method. For each commodity, three clusters were obtained, namely clusters with low production, medium production, and high production. For Skipjack Tuna, there were 19 provinces belonging to the low cluster, 13 provinces being medium, and 2 provinces being high. For Tuna, there were 22 provinces in the low cluster, 9 provinces in the middle, and 3 provinces in the high cluster. For Mackarel Tuna, low was 19 provinces, medium was 12 provinces, and high was 3 provinces. For shrimp, 23 provinces were low, 7 provinces were medium, and 4 provinces were high. High production clusters for Skipjack Tuna were North Sulawesi and North Maluku Provinces, Tuna were North Sulawesi, North Maluku and Maluku Provinces, for Mackarel Tuna were Aceh, East Java and Maluku Provinces, and for shrimp were North Sumatra, West Kalimantan, South Kalimantan and East Kalimantan Provinces.
Application of Machine Learning in Clustering Maize Producing Regions in Indonesia Eliyani; Dwiasnati, Saruni; Arif , Sutan Mohammad; Avrizal, Reza; Fatimah, Nona
Computer Engineering and Applications Journal (ComEngApp) Vol. 13 No. 2 (2024)
Publisher : Universitas Sriwijaya

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

Abstract

Maize is considered an important commodity with promising market prospects. Given the importance of maize, there is a need to increase maize production to meet people's needs and maintain price stability. This study aims to group maize production in Indonesia by region, with the hope of finding areas that have the potential to become maize production centers to reduce dependence on imports. The data used in this research was obtained from the Central Statistics Agency, covering information from 34 provinces during the 2017-2021 period. This analysis uses the K-Means method with the Python programming language. The number of groups is determined using the Elbow Method. The results of this research show that there are three categories of maize production regions: regions with low maize production (below average), regions with medium maize production, and regions with high maize production. A total of 25 provinces are in the low production category, eight provinces are in the medium category, and only East Java is in the high production category.
SISTEM APLIKASI INVENTORI DAGING SAPI DI TOKO PUTRA JAYA DAGING BERBASIS DESKTOP Arsali, Arsali; Avrizal, Reza; Marti’ah, Siti
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 7, No 1 (2023): SEMNAS RISTEK 2023
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v7i1.6397

Abstract

PERANCANGAN SISTEM INFORMASI ZAKAT FITRAH PADA MASJID JAMI AL AHZAB BERBASIS DESKTOP Nurhidayat, Ari; Avrizal, Reza; Marti’ah, Siti
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 7, No 1 (2023): SEMNAS RISTEK 2023
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v7i1.6390

Abstract

SISTEM INFORMASI MONITORING METERAN LISTRIK PADA PT HALEYORA POWER BERBASIS ANDROID Rifai, Akbar; Avrizal, Reza; Marti’ah, Siti
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 7, No 1 (2023): SEMNAS RISTEK 2023
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v7i1.6377

Abstract

Pemodelan Wilayah Titik Api Kebakaran Hutan Menggunakan Deep Learning Dwiasnati, Saruni; Devianto, Yudo; Arif, Sutan Mohammad; Avrizal, Reza
Jurnal Ilmiah FIFO Vol 16, No 1 (2024)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2024.v16i1.001

Abstract

Indonesia merupakan negara tropis yang mengalami kebakaran hutan setiap tahunnya. Kebakaran hutan terjadi disebabkan oleh durasi musim panas yang terlalu lama dari waktu semestinya. Hutan merupakan tempat tinggal berbagai jenis satwa dan fauna yang memiliki banyak kekayaan hayati yang dapat membuat mereka bertahan hidup. Sering terjadinya kebakaran hutan menjadi isu lingkungan yang dianggap krusial dan mendapatkan perhatian baik dari tingkat lokal maupun internasional. Penelitian yang dilakukan ini menyajikan kajian klasifikasi wilayah titik api kebakaran hutan menggunakan salah satu algoritma Deep Learning (DL) yaitu metode Convolutional Neural Network (CNN), hal ini sangat dibutuhkan untuk pendahuluan mengenai peringatan dini kebakaran hutan yang ada di daerah tersebut. Wilayah titik api kebakaran hutan yang digunakan dalam penelitian ini dikumpulkan dari daerah Nusa Tenggara Timur (NTT), terutama pulau-pulau seperti Sumba dan Timor. Metode CNN melibatkan dua langkah utama. Langkah pertama adalah pengklasifikasian gambar melalui proses feedforward. Langkah kedua adalah fase pembelajaran menggunakan teknik backpropagation. Model CNN yang digunakan dalam proses pelatihan dataset menguji citra dengan beberapa pengoptimal dan diperoleh hasil akurasi yang tinggi. Kemiripan area yang terbakar dengan fitur terang lainnya mengurangi kepastian deteksi kebakaran hutan. Hasil penelitian menunjukkan bahwa Model CNN yang digunakan Untuk deteksi dan segmentasi area terbakar menggunakan algoritma terpilih, kinerja terbaik dengan pembelajaran mendalam yang dilaporkan dalam literatur adalah 89%.Teknik yang diusulkan dilatih menggunakan wilayah varian (kumpulan data) dan mengevaluasi presisi berdasarkan ambang recall, dengan akurasi keseluruhan 89%.
Kaizen Implementation in the Motorcycle Tire Testing Stage with the PDCA Cycle Yuliarty, Popy; Sudibyo, Agung; Avrizal, Reza
IJIEM - Indonesian Journal of Industrial Engineering and Management Vol 5, No 1: February 2024
Publisher : Program Pascasarjana Magister Teknik Industri Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/ijiem.v5i1.22296

Abstract

The research was conducted at the tire trial stage at a motorcycle tire production company, which aims to reduce defects in the measurement results at the tire sample trial stage. The company policy stipulates that tire trials are carried out on 10 tire samples taken at random from each of the total production of 250 motorcycle tires. From the samples taken, it was found that the types of tire defects were Cut Sample and Crown Sample as well as tire dimension defects that did not match the target with dimensional defect types namely Pattern Bare and Bead Crack with a total of 60% defects. The method used for improvement with Kaizen through the PDCA cycle, shows several improvement steps based on Fishbone Diagram and 5W1H analysis. The result of this research is the reduction of defects to zero defects (0%), which means that the company's quality objectives can be achieved. With the principle of Kaizen through this PDCA cycle, the company gets very satisfying results, in line with its target of zero defects.
Co-Authors Anggoro, Muhamad Alta Arif , Sutan Mohammad ARIF, SUTAN MOHAMMAD Arsali Arsali, Arsali Dwiasnati, Saruni Eliyani Eliyani Eliyani Fatimah, Nona Isnain, Nasrulloh marlia, rina Marti’ah, Siti Nurhidayat, Ari Popy Yuliarty, Popy Rahmatika, Rahmatika Rifai, Akbar Sudibyo, Agung Sulistiono, Heru Yudo Devianto