Article Per Year (5 Year)
p-Index From 2021 - 2026
1.152
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) JOURNAL OF APPLIED INFORMATICS AND COMPUTING Jurnal Aplikasi Teknologi Informasi dan Manajemen (JATIM) LOGIC : Jurnal Ilmu Komputer dan Pendidikan SmartComp The Indonesian Journal of Computer Science
Asharudin, Firman
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Other

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
Perancangan dan Pengembangan UI/UX Pada Platform Tenderplus.id Menggunakan Metode Design Thinking Ashari, Wahid Miftahul; Sunu Pamungkas, Hanfazano Rahmadimasti; Asharudin, Firman; Sismoro, Heri
Jurnal Aplikasi Teknologi Informasi dan Manajemen (JATIM) Vol 4 No 2 (2023): Jurnal Aplikasi Teknologi Informasi dan Manajemen (JATIM) Oktober 2023
Publisher : Fakultas Teknik Universitas Islam Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31102/jatim.v4i2.2267

Abstract

Tenderplus.id adalah sebuah platform pengadaan barang dan jasa yang bertujuan untuk mempermudah kegiatan lelang pengadaan barang dan jasa. Proses lelang ini sering kali memakan waktu dan sumber daya yang besar. Dengan memperhatikan permasalahan ini, penulis mengembangkan platform ini dengan desain yang bertujuan untuk menyelesaikan kendala-kendala yang ada. Pada penelitian ini, penulis menggunakan metode Design Thinking, sebuah pendekatan kreatif untuk menangani masalah kompleks dan merancang solusi yang inovatif. Metode ini juga melibatkan pengguna sehingga perspektif mereka dapat diakomodasi. Proses Design Thinking meliputi langkah-langkah Empathize: Memahami dengan empati masalah yang dihadapi pengguna, Define: Menguraikan dan menganalisis masalah inti, Ideate: Menghasilkan solusi untuk masalah pengguna, Prototype: Membuat versi produk berupa desain mockup, Tes: Menguji desain untuk mendapatkan hasil yang optimal, Iteration: umpan balik dari pengujian. Hasil dari penelitian ini berupa prototipe website dan desain UI/UX yang berfungsi sebagai dokumentasi pengembangan platform Tenderplus.id.
Optimasi Prediksi Diabetes Dengan Algoritma XGBoost Dan Teknik Preprocessing Data Brahmandjati, Andhika; Mizwar A. Rahim, Abd; Asharudin, Firman
LOGIC : Jurnal Ilmu Komputer dan Pendidikan Vol. 3 No. 1 (2024): Logic : Jurnal Ilmu Komputer dan Pendidikan
Publisher : Shofanah Media Berkah

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

Abstract

Diabetes adalah penyakit metabolik kronis yang menjadi tantangan kesehatan global dengan prevalensi yang terus meningkat. Dalam upaya meningkatkan deteksi dini, penelitian ini menggunakan algoritma XGBoost (Extreme Gradient Boosting) untuk klasifikasi data diabetes. Model dikembangkan dengan tahapan preprocessing data yang komprehensif dan diuji pada dataset yang seimbang. Evaluasi performa model dilakukan menggunakan confusion matrix dan classification report. Hasil penelitian menunjukkan bahwa model memiliki akurasi 98%, precision 98%, recall 97%-99%, dan F1-score 98% pada kedua kelas (positif dan negatif). Confusion matrix mencatat True Positive (TP) sebanyak 201, True Negative (TN) sebanyak 190, False Positive (FP) sebanyak 6, dan False Negative (FN) sebanyak 3. Analisis lebih lanjut menunjukkan bahwa model memiliki performa yang sangat konsisten tanpa bias terhadap salah satu kelas. Dibandingkan dengan penelitian sebelumnya, model ini menunjukkan peningkatan akurasi yang signifikan hingga lebih dari 15%, dengan metode terbaik sebelumnya, yaitu Naive Bayes, hanya mencapai akurasi 82,3%. Keunggulan ini menjadikan algoritma XGBoost yang diterapkan dalam penelitian ini sebagai pendekatan yang lebih andal dan efektif untuk deteksi diabetes. Hasil penelitian ini memberikan kontribusi baru dalam pengembangan sistem prediksi berbasis data untuk mendukung pengambilan keputusan klinis.
Penerapan Design Thinking Dalam Perancangan User Interface Website Smarteye Virtual Convention Center Asharudin, Firman; Supriatin, Supriatin; Nur’aini; Sidik, Abdul Djafar
The Indonesian Journal of Computer Science Vol. 12 No. 1 (2023): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i1.3158

Abstract

Industri event yang pada umumnya melibatkan banyak orang berkumpul di venue tertentu, terpaksa harus ditiadakan untuk mencegah penyebaran pandemi pada saat pandemi Covid-19. Berdasarkan riset yang dilakukan telah terjadi 96,4 persen penundaan dan 84,8 persen pembatalan acara di 17 provinsi di Indonesia. Dari hasil observasi dan studi literatur di lanjutkan pengembangan dengan 5 tahap dalam metode design thinking meliputi empati, mendefinisikan, ide, prototipe, dan pengujian. kemudian di lanjutkan dalam tahap pengujian usability menggunakan System Usability Scale (SUS). Hasil yang di peroleh dari system usabillity scale (SUS) pada platform smarteye virtual convention center (SVCC) dapat di terima dan digunakan oleh masyarakat Indonesia, hal ini dibuktikan dengan hasil rata-rata 77 skor (SUS), dan hingga saat ini platform tersebut telah banyak menggelar virtual event mulai dari konferensi, webinar, dan expo.
Machine Learning-Based Approach for HIV/AIDS Prediction: Feature Selection and Data Balancing Strategy Rahim, Abdul Mizwar A; Ridwan, Ahmad; Hartato, Bambang Pilu; Asharudin, Firman
Journal of Applied Informatics and Computing Vol. 9 No. 2 (2025): April 2025
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v9i2.9125

Abstract

HIV/AIDS remains a significant global health challenge, requiring accurate predictive models for early detection and improved clinical decision-making. However, developing an effective predictive model faces challenges such as data imbalance and the presence of irrelevant features, which can compromise model accuracy. This study aims to enhance the performance of AIDS infection prediction models by integrating feature selection, data balancing, and machine learning classification techniques. Feature selection is conducted using Pearson Correlation, Mutual Information, and Chi-Square tests to retain only the most relevant features. Random Oversampling, SMOTE, and ADASYN are employed to address data imbalance and improve model robustness. Nine machine learning algorithms, including Decision Tree, Random Forest, XGBoost, LightGBM, Gradient Boosting, Support Vector Machine, AdaBoost, and Logistic Regression, are tested for classification. Performance evaluation using confusion matrix, precision, recall, F1-score, and AUC-ROC shows that tree-based models (Random Forest, Extra Trees, and XGBoost) achieve the best results, particularly in handling minority class predictions. The study concludes that combining feature selection, data balancing, and machine learning techniques significantly improves predictive performance, making it a valuable approach for early detection and clinical decision support in HIV/AIDS diagnosis. Future research may explore hyperparameter tuning and real-world clinical data integration to enhance practical applicability.
Smart Fish Farm Budidaya Ikan Nila Menggunakan NodeMCU Terintegrasi Berbasis Internet Of Things Kuswanto, Jeki; Ashari, Wahid Miftahul; Asharudin, Firman
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 12, No 1 (2023): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v12i1.5061

Abstract

Teknologi budidaya ikan yang digabungkan dengan pertanian saat ini berkembang  pesat banyak muncul sistem yang cocok untuk menggabungkan antara media tanam dan juga budidaya ikan salah satunya yaitu media tanam vertikultur  yang mana sistem budidaya pertanian ini dilakukan secara vertikal atau bertingkat  pada ruang lingkup indoor maupun outdoor. beberapa proses yang dilakukan masih secara manual yaitu  melakukan penyiraman tanaman,  pengecekan PH air, memberi makan ikan, pengecekan suhu air dalam kolam,  mengontrol tingkat kelembaban tanah, ini dikerjakan secara manual. Oleh sebab itu Smart fish Farm dibutuhkan sistem  sistem ini dibuat otomatisasi berbasis iot (internet of thing)  dibutuhkan untuk mengatasi beberapa apa permasalahan tersebut, dengan memanfaatkan  NodeMCu sebagai mikrokontroler yang akan dihubungkan dengan sensor kelembaban tanah, sensor suhu, PH meter,  motor DC maka kontrol dan pemantauan  penyiram tanaman, pemberian makan ikan, kondisi air air dapat dilakukan secara otomatis. smart fish Farm budidaya ikan nila dan tanaman  vertikultur  berbasis iot (internet of thing)  dapat menampilkan data yang sesuai melalui  aplikasi mobile yang dapat dilihat oleh pengguna, mulai dari tingkat kelembaban tanah menampilkan hasil kadar pH dari 1 sampai dengan 10 kadar pH dan menampilkan suhu kolam ikan dari rentan 15 sampai dengan 32 derajat Celcius serta Aplikasi mobile  dapat mengontrol sistem pakan ikan.
Stroke prediction using data balancing method and extreme gradient boosting Rahim, Abd Mizwar A.; Baita, Anna; Asharudin, Firman; Ashari, Wahid Miftahul; Hakim, Walidy Rahman; Putra, Andriyan Dwi; Supriatin, Supriatin; Pramono, Eko
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 15, No 1: February 2026
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v15.i1.pp655-671

Abstract

Stroke is one of the leading causes of death worldwide, creating an urgent need for effective early detection systems, particularly because conventional methods often struggle with class imbalance and produce biased evaluations. Previous studies have primarily focused on accuracy while overlooking model consistency, data pre-processing quality, and probability-based evaluation. This study evaluates model performance under three conditions: original data using extreme gradient boosting (XGBoost) with scale_pos_weight, original data using the easy ensemble classifier, and class-balanced data generated using random oversampling (ROS), adaptive synthetic sampling (ADASYN), and synthetic minority over-sampling technique (SMOTE). Each model underwent missing value handling, normalization, feature preparation, and hyperparameter optimization using grid search. Performance was assessed using area under the receiver operating characteristic curve (AUROC), area under the precision-recall curve (AUPRC), confidence intervals, calibration curves, Shapley additive explanations (SHAP), decision curve analysis (DCA), and external validation. The results demonstrate that data resampling significantly improves performance, with the XGBoost-SMOTE combination achieving the best results, including an accuracy of 0.99, AUROC of 0.998, and AUPRC of 0.986, outperforming the other approaches. This method provides more consistent and balanced predictions, supporting the application of artificial intelligence for early stroke risk identification.
Co-Authors Abdul Mizwar A. Rahim Ahmad Ridwan Ashari, Wahid Miftahul Baita, Anna Brahmandjati, Andhika Eko Pramono Hakim, Walidy Rahman Hartato, Bambang Pilu Jeki Kuswanto Nur’aini Putra, Andriyan Dwi Rahim, Abd Mizwar A. Sidik, Abdul Djafar Sismoro, Heri Sunu Pamungkas, Hanfazano Rahmadimasti Supriatin Supriatin, Supriatin