Article Per Year (5 Year)
p-Index From 2020 - 2025
1.513
P-Index
This Author published in this journals
All Journal Jurnal Eksplora Informatika Jurnal Informa: Jurnal Penelitian dan Pengabdian Masyarakat Information System Journal (INFOS) International Journal of Computer and Information System (IJCIS) JTECS : Jurnal Sistem Telekomunikasi Elektronika Sistem Kontrol Power Sistem dan Komputer
Fauzy, Marwan Noor
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 9 Documents
Search

 1 
Sistem Rekomendasi Buku Menggunakan Algoritma Rabin-Karp Rohman, Arif Nur; Fauzy, Marwan Noor; Sa'di, Ahmad
Jurnal Eksplora Informatika Vol 12 No 1 (2022): Jurnal Eksplora Informatika
Publisher : Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/eksplora.v12i1.1074

Abstract

Toko BukuKita telah menyediakan katalog buku yang dapat diakses atau dibeli melalui website resminya yaitu bukukita.com, pada website tersebut pengunjung dapat melakukan pencarian buku dengan memasukkan keyword berupa judul atau pengarang. Namun, rekomendasi buku yang diberikan oleh website ini hanya berdasarkan kesamaan penulis atau juga kategori, padahal buku dengan kategori yang sama belum tentu topiknya sama. Pendekatan yang dilakukan pada penelitian ini adalah menggunakan pendekatan content based filtering dengan algoritma Rabin-Karp yang mana deskripsi buku dijadikan sebagai bahan untuk mendapatkan rekomendasi berupa buku lain yang memiliki kedekatan deskripsi. Sebanyak 201 dataset dikumpulkan dari kategori buku agama dan komputer, setelah dilakukan prapemrosesan dengan eliminasi buku yang tidak memiliki deskripsi lalu diperoleh dataset akhir 113 baris data yang selanjutnya akan digunakan untuk menguji hasil similarity dengan algoritma Rabin-Karp. Luaran dari algoritma ini adalah skor kemiripan yang mana dalam penelitian ini penulis mengambil yang skornya tertinggi, artinya semakin tinggi skornya maka semakin direkomendasikan. Pada pengujian algoritma di kategori agama buku yang direkomendasikan tetap buku-buku yang ada di kategori agama, begitu juga kategori komputer. Buku dengan kesamaan judul yang tinggi belum tentu menjadi paling direkomendasikan meskipun masuk dalam top 3 rekomendasi.
Implementation of the Simple Additive Weighting Method in Determining for Village Fund Assistance Recipients Putra, Frahma Aditya; Fauzy, Marwan Noor; Pristyanto, Yoga; Hidayat, Kardilah Rohmat
Jurnal Sistem Telekomunikasi Elektronika Sistem Kontrol Power Sistem dan Komputer Vol 4 No 1 (2024): JTECS Januari 2024
Publisher : FAKULTAS TEKNIK UNIVERSITAS ISLAM KADIRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32503/jtecs.v4i1.4862

Abstract

Bantuan Langsung Tunai Dana Desa (BLT DD) merupakan program dari pemerintah dengan memberikan bantuan langsung tunai kepada masyarakat yang berasal dari Dana Desa dengan tujuan untuk meningkatkan kualitas hidup masyarakat desa dan meningkatkan kesejahteraan sosial. Namun, sistem yang berlaku saat ini kemungkinan besar akan menimbulkan subjektivitas tertentu dalam pemilu karena kebebasan mengambil keputusan tidak memiliki dasar yang jelas. Selain itu, sistem pemilu masih mempunyai banyak keterbatasan akibat otomatisasi sistem sehingga menimbulkan beban kerja yang tidak sesuai dengan hasil yang dicapai. Oleh karena itu, diperlukan suatu sistem yang dapat menjadi alat atau alternatif dalam pengambilan keputusan untuk mengidentifikasi pihak-pihak yang dapat memperoleh manfaat dari dukungan keuangan desa. Maka dari permasalahan tersebut peneliti berkeinginan untuk membuat suatu sistem pendukung keputusan dengan mengimplementasikan metode Simple Additive Weighting (SAW) pada komputer berharap dapat menjadi solusi yang cocok. Hasil yang diperoleh dari penelitian ini menunjukkan bahwa metode Simple Additive Weighting (SAW) telah berhasil diterapkan dalam sistem pendukung Keputusan untuk mengidentifikasi calon penerima bantuan langsung tunai dari Dana Desa
Seleksi Lahan Potensial Untuk Penanaman Pohon Karet Menggunakan TOPSIS Di Banyumas Fauzy, Marwan Noor; Purwanto, Eko; Hidyat, Kardilah Rohmat
Jurnal Informa : Jurnal Penelitian dan Pengabdian Masyarakat Vol 10 No 2 (2024): Desember
Publisher : Politeknik Indonusa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46808/informa.v10i2.278

Abstract

Penelitian ini bertujuan untuk menyusun metode praktis dalam memilih lahan pertanian potensial untuk perkebunan karet di Kabupaten Banyumas, Provinsi Jawa Tengah, Indonesia, menggunakan metode TOPSIS. Penting untuk memberikan informasi yang komprehensif bagi pemerintah, lembaga swasta, pemangku kepentingan, dan masyarakat tentang lahan yang paling sesuai untuk tanaman karet. Sebelumnya telah diinformasikan bahwa Kabupaten Banyumas termasuk salah satu lokasi yang baik untuk tanaman karet. Namun, hanya sebagian kecil dari wilayah tersebut yang digunakan untuk produksi karet. Oleh karena itu, penelitian ini perlu dilakukan untuk mengidentifikasi lebih lanjut lahan yang paling potensial untuk tanaman karet di wilayah tersebut melalui beberapa kriteria seleksi spesifik: suhu, curah hujan, drainase, tekstur tanah, kedalaman tanah, kebatuan, dan kelembaban lahan. Penelitian ini diharapkan dapat membantu meningkatkan sektor sosial-ekonomi dan sosial-budaya di Kabupaten Banyumas.
Potential Land Selection for Rubber Plantation Using Topsis in Banyumas Fauzy, Marwan Noor; Purwanto, Eko; Kusrini, Kusrini
Jurnal Sistem Telekomunikasi Elektronika Sistem Kontrol Power Sistem dan Komputer Vol 5 No 1 (2025): JTECS Januari 2025
Publisher : FAKULTAS TEKNIK UNIVERSITAS ISLAM KADIRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32503/jtecs.v5i1.5815

Abstract

Pemilihan lahan yang berpotensi merupakan aspek krusial dan bagian dari strategi perencanaan tata guna lahan di banyak negara di dunia, baik untuk sektor agrikultur, pariwisata, industri, pusat perdagangan, jalur transportasi, maupun bidang lainnya. Penelitian ini bertujuan menyusun metode praktis dalam memilih lahan potensial untuk perkebunan karet di Kabupaten Banyumas, Jawa Tengah, menggunakan metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). Kabupaten Banyumas memiliki potensi untuk tanaman karet, namun hanya sebagian kecil wilayah yang dimanfaatkan. Oleh karena itu, penelitian ini mengidentifikasi lahan terbaik berdasarkan kriteria suhu, curah hujan, drainase, tekstur tanah, kedalaman tanah, kebatuan, dan kelembaban lahan. Hasil penelitian menunjukkan bahwa metode TOPSIS efektif dalam menentukan lahan yang sesuai untuk budidaya karet secara objektif dan ekonomis. Penggunaan metode ini dapat dikombinasikan dengan sistem pakar berbasis multikriteria untuk meningkatkan akurasi pemilihan lahan. Berdasarkan perhitungan nilai preferensi (V), wilayah D3, D7, dan D12 memperoleh skor tertinggi, sehingga disarankan sebagai lokasi paling optimal untuk budidaya karet. Penelitian ini diharapkan berkontribusi pada peningkatan sektor sosial-ekonomi dan sosial-budaya di Kabupaten Banyumas.
Evaluating Machine Learning Algorithms for Predictive Modeling of Large-scale Event Attendance Nugroho, Deni Kurnianto; Fauzy, Marwan Noor; Hidayat, Kardilah Rohmat
International Journal of Computer and Information System (IJCIS) Vol 6, No 3 (2025): IJCIS : Vol 6 - Issue 3 - 2025
Publisher : Institut Teknologi Bisnis AAS Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29040/ijcis.v6i3.249

Abstract

Predicting attendance at large-scale public events is a critical task to support better resource planning, logistics, and safety management. This study investigates the performance of various machine learning models in forecasting event attendance using metadata features such as event type, venue, location, date, and duration. The dataset comprises over 19526 event records obtained from a U.S. government open data repository, covering multiple years and diverse event categories. Model performance was evaluated using Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), and the Coefficient of Determination (R²). Among the models tested, ensemble methods particularly Gradient Boosting Regressor and XGBoost outperformed others, achieving the lowest MAE (61.37 and 59.52, respectively) and the highest R² values (0.22 and 0.15). These results suggest superior generalization capability in capturing complex nonlinear patterns in the data. In contrast, linear models and simpler non-parametric methods such as Decision Trees and K-Nearest Neighbors (KNN) exhibited relatively weaker predictive accuracy, with R² scores close to or below 0.14. While the R² values indicate that metadata alone provides a limited view of attendance dynamics, the relatively low MAE across models implies that reasonable point predictions are still achievable. These findings highlight the potential of ensemble-based methods for baseline forecasting tasks. Furthermore, the study underscores the importance of incorporating richer feature sets such as pricing, weather, promotional activity, and social sentiment for future model improvement. This research provides a foundational benchmark for data-driven attendance forecasting and offers practical implications for event organizers seeking scalable, automated prediction tools to support strategic planning.
Evaluating Machine Learning Algorithms for Detecting Online Text-based Fake News Content Nugroho, Deni Kurnianto; Fauzy, Marwan Noor; Hidayat, Kardilah Rohmat
International Journal of Computer and Information System (IJCIS) Vol 6, No 3 (2025): IJCIS : Vol 6 - Issue 3 - 2025
Publisher : Institut Teknologi Bisnis AAS Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29040/ijcis.v6i3.253

Abstract

The rapid spread of disinformation and fabricated news across online platforms poses a critical risk to informed public engagement and the foundations of democratic governance. This study examines how well different machine learning techniques can classify fake news, using textual features extracted through the Term Frequency–Inverse Document Frequency (TF-IDF) method. The analysis includes five commonly used algorithms like Logistic Regression, Support Vector Machine (SVM), Naive Bayes, Random Forest, and XGBoost. A publicly accessible dataset containing annotated real and fake news articles served as the basis for training and testing these models. Dataset underwent extensive preprocessing, including tokenization, stopword removal, and TF-IDF vectorization, resulting in a sparse high-dimensional matrix of 5068 documents and 39,978 features. Performance evaluation was based on multiple metrics: train/test accuracy, misclassification rate, false positives/negatives, cross-validation mean score, and execution time. Results showed that SVM and Logistic Regression achieved the highest test accuracy (93.61% and 92.27%, respectively) and exhibited robust cross-validation scores, indicating strong generalization ability. In contrast, Naive Bayes produced faster results but suffered from a high false positive rate and lower accuracy (84.77%). Random Forest and XGBoost demonstrated good predictive power but showed signs of overfitting and moderate misclassification rates. These findings suggest that SVM and Logistic Regression are well-suited for fake news detection in textual datasets using TF-IDF features. While traditional models remain effective, future work may explore deep learning approaches and context-aware language models to enhance detection accuracy across more complex and multilingual datasets. This study contributes to the ongoing efforts to combat misinformation through automated, scalable, and interpretable machine learning techniques.
Comparative Sentiment Analysis on News Coverage of AI Risks and Regulation using Rule-based and Transformer-based Models Fauzy, Marwan Noor; Nugroho, Deni Kurnianto; Hidayat, Kardilah Rohmat
International Journal of Computer and Information System (IJCIS) Vol 6, No 3 (2025): IJCIS : Vol 6 - Issue 3 - 2025
Publisher : Institut Teknologi Bisnis AAS Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29040/ijcis.v6i3.251

Abstract

Rapid development of artificial intelligence technology has raised concerns regarding ethical risks, governance, and the need for adequate regulation. This study aims to analyze the dynamics of public opinion through media coverage of AI risks and regulation. Data were obtained from five major international media outlets (Reuters, Bloomberg, The Guardian, CNBC, and The New York Times) between 2022 and 2025. The analysis process was carried out in several stages: news article extraction, text cleaning, sentiment classification, and trend and distribution visualization. Two approaches were used for sentiment analysis: a rule-based lexical model (VADER) and a contextual transformer model (Multilingual BERT from nlptown). Classification results show that VADER tends to assign neutral labels, while BERT is more sensitive to positive or negative nuances. Correlations between models indicate general trends, but differences emerge during specific periods—particularly during periods of intense coverage of AI policy formulation or ethical incidents. Temporal visualizations show spikes in negative sentiment during the enactment of AI regulations in several countries. This study concludes that the multi-model approach is capable of capturing a broader spectrum of sentiment. Limitations include limited media coverage, potential data bias, and the model's limited ability to understand domain-specific contexts. Recommendations for further study include expanding data sources, using models specifically trained in the AI policy domain, and integrating with entity analysis to uncover dominant actors in public discourse.
Sistem Rekomendasi Buku Menggunakan Algoritma Rabin-Karp Rohman, Arif Nur; Fauzy, Marwan Noor; Sa'di, Ahmad
Eksplora Informatika Vol 12 No 1 (2022): Jurnal Eksplora Informatika
Publisher : Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/eksplora.v12i1.1074

Abstract

Toko BukuKita telah menyediakan katalog buku yang dapat diakses atau dibeli melalui website resminya yaitu bukukita.com, pada website tersebut pengunjung dapat melakukan pencarian buku dengan memasukkan keyword berupa judul atau pengarang. Namun, rekomendasi buku yang diberikan oleh website ini hanya berdasarkan kesamaan penulis atau juga kategori, padahal buku dengan kategori yang sama belum tentu topiknya sama. Pendekatan yang dilakukan pada penelitian ini adalah menggunakan pendekatan content based filtering dengan algoritma Rabin-Karp yang mana deskripsi buku dijadikan sebagai bahan untuk mendapatkan rekomendasi berupa buku lain yang memiliki kedekatan deskripsi. Sebanyak 201 dataset dikumpulkan dari kategori buku agama dan komputer, setelah dilakukan prapemrosesan dengan eliminasi buku yang tidak memiliki deskripsi lalu diperoleh dataset akhir 113 baris data yang selanjutnya akan digunakan untuk menguji hasil similarity dengan algoritma Rabin-Karp. Luaran dari algoritma ini adalah skor kemiripan yang mana dalam penelitian ini penulis mengambil yang skornya tertinggi, artinya semakin tinggi skornya maka semakin direkomendasikan. Pada pengujian algoritma di kategori agama buku yang direkomendasikan tetap buku-buku yang ada di kategori agama, begitu juga kategori komputer. Buku dengan kesamaan judul yang tinggi belum tentu menjadi paling direkomendasikan meskipun masuk dalam top 3 rekomendasi.
PENERAPAN METODE WATERFALL PADA PENGEMBANGAN SISTEM INFORMASI PEMESANAN PAKET DEKORASI Jahang, Yohana Sinarty; Atik Nurmasani; Fauzy, Marwan Noor; Laksono, Azis Catur
Information System Journal Vol. 8 No. 02 (2025): Information System Journal (INFOS) - In Process
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/infosjournal.2025v8i02.2430

Abstract

Linia Decoration is a business that provides decoration services for various events, including engagements, weddings, and other special occasions. Currently, Linia Decoration faces major challenges in the ordering process, which still relies on direct interaction and WhatsApp social media. Management has difficulty scheduling meetings with customers and responding to customer messages in a timely manner. The development of a website-based ordering information system, utilizing the Waterfall method, was implemented to address these issues. The development steps consist of data collection and needs analysis, system design, program code writing, and system testing. The results of the study indicate that the development of the decoration package ordering information system can be realized according to functional requirements. Black box testing shows that all features can run well
Co-Authors arif nur rohman Atik Nurmasani Eko Purwanto Hidayat, Kardilah Rohmat Hidyat, Kardilah Rohmat Jahang, Yohana Sinarty Kusrini, Kusrini laksono, azis catur Nugroho, Deni Kurnianto Putra, Frahma Aditya Sa'di, Ahmad Yoga Pristyanto