Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Krea-TIF: Jurnal Teknik Informatika JUSS (Jurnal Sains dan Sistem Informasi)
Fauzi, Muhammad Ridho
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Library & Information Science

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Penerapan Big Data Menggunakan Algoritma Multi-Label K-Nearest Neighbor dalam Analisis Sentimen Konsumen UMKM Sektor Kuliner Fauzi, Muhammad Ridho; Pratama, Risky Adit; Laksono, Panji; Eosina, Puspa
Krea-TIF: Jurnal Teknik Informatika Vol 9 No 1 (2021)
Publisher : Fakultas Teknik dan Sains, Universitas Ibn Khaldun Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32832/kreatif.v9i1.3587

Abstract

UMKM di Kota Bogor merupakan UMKM yang mengalami perkembangan yang signifikan dari tahun ke tahun. Pada tahun 2019, di Kota Bogor tercatat ada sekitar 30.822 usaha UMKM yang didominasi sektor kuliner 60 persen, kerajinan 30 persen dan 10 persen lainnya adalah sektor batik. Dengan adanya pertumbuhan UMKM yang signifikan tersebut, maka akan berpengaruh terhadap persaingan UMKM yang semakin meningkat dan akan semakin sulit untuk melihat peta persaingan pada UMKM, khususnya pada sektor kuliner. Sehingga untuk mengatasi persaingan tersebut salah satu cara yang dapat dilakukan adalah melihat sentimen konsumen terhadap UMKM tersebut. Salah satu metode yang dapat digunakan dalam menyelesaikan permasalahan tersebut, adalah metode Data Mining. Pada metode Data Mining, terdapat beberapa algoritma popular yang sering digunakan. Dan salah satu algoritma yang popular itu adalah algoritma K-Nearest Neighbor (K-NN). Algoritma KNN dapat digunakan pada berbagai kasus penelitian, seperti multi-class classification, binary classification dan multi-label classification yang dapat membantu dalam memprediksi berbagai kasus di kehidupan sehari-hari. Sehingga dalam hal ini, kami mengusulkan sebuah ide baru, yaitu penerapan Big Data menggunakan algoritma Multi-Label K-Nearest Neighbor atau ML-KNN dalam analisis sentimen konsumen terhadap UMKM sektor kuliner di Kota Bogor. Ide atau gagasan tersebut dapat bermanfaat bagi pelaku UMKM sektor kuliner di Kota Bogor dalam mengetahui insight atau wawasan dari hasil analisis sentimen konsumen terhadap UMKM dan dapat membantu untuk pengambilan sebuah keputusan bisnis dalam meningkatkan daya saingnya terhadap kompetitor atau UMKM sektor kuliner yang berada di Kota Bogor.
Deteksi Coronavirus Disease Pada X-Ray Dan CT-Scan Paru Menggunakan Convolutional Neural Network Fauzi, Muhammad Ridho; Eosina, Puspa; Primasari, Dewi
JUSS (Jurnal Sains dan Sistem Informasi) Vol. 3 No. 2 (2020): Jurnal Sains dan Sistem Informasi
Publisher : Prodi Sistem Informasi FST Universitas Jambi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22437/juss.v3i2.10888

Abstract

In early 2020, countries in the world were shocked by the outbreak of a new virus, namely SARS-CoV-2 and the disease was named Coronavirus 2019 (Covid-19). It is known that the virus originated in Wuhan, China and was discovered at the end of December 2019. Based on data on July 18, 2020, there are more than 180 countries that have contracted Covid-19 with a total of 13,824,739 confirmed cases since December 31, 2019. Based on data on positive cases of Covid- 19 above, the average patient has several clinical symptoms, one of which is having difficulty breathing due to a large pneumonia infiltrate in the lungs. Therefore, it is necessary to implement an automatic pulmonary diagnosis system as an alternative to prevent the increasingly widespread spread of Covid-19. Covid-19 can be detected in the lungs through digital image processing of chest X-ray using the Convolutional Neural Network (CNN) algorithm. CNN is a Deep Learning method that functions to identify digital images. In this study, three different scenarios were used. This scenario aims to find the best model using hyperparameter tunnning. The results of ROC analysis and confusion matrix show that in scenarios I, II and III get 94%, 95% and 93% accuracy.
Co-Authors Dewi Primasari Laksono, Panji Pratama, Risky Adit Puspa Eosina