Article Per Year (5 Year)
p-Index From 2021 - 2026
4.925
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JPM (Jurnal Pemberdayaan Masyarakat) Jurnal Eksplora Informatika SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan IJISTECH (International Journal Of Information System & Technology) Informasi Interaktif Jurnal Tekno Kompak JEMMA | Journal of Economic, Management and Accounting Jurnal Teknologi Informasi dan Multimedia Jurnal Manajemen Informatika dan Sistem Informasi Management and Sustainable Development Journal IJISTECH Media Jurnal Informatika ADMA: Jurnal Pengabdian dan Pemberdayaan Masyarakat Jurnal Interaktif: Warta Pengabdian Pendidikan (JIWPP) Rengganis Jurnal Pengabdian Masyarakat MATRIX : JURNAL MANAJEMEN TEKNOLOGI DAN INFORMATIKA Paradigma Journal of Artificial Intelligence and Digital Business Bakti Sekawan : Jurnal Pengabdian Masyarakat
Rifqi Hammad
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 34 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 34 Documents
Search

 1   2   3   4 
Perbandingan Algoritma Gradient Boosting untuk Prediksi Risiko Kredit Pada Sistem Pendukung Keputusan Ade irmayanti; Apriani Apriani; Rifqi Hammad
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.11866

Abstract

Penelitian ini bertujuan untuk menerapkan algoritma Gradient Boosting dalam sistem pendukung keputusan prediksi risiko kredit berbasis machine learning. Penerapan machine learning memungkinkan analisis data debitur secara otomatis sehingga dapat meningkatkan ketepatan dalam mengidentifikasi risiko gagal bayar dan mendukung proses pengambilan keputusan kredit Risiko kredit menjadi salah satu permasalahan utama pada lembaga keuangan karena kesalahan dalam penilaian kelayakan kredit dapat meningkatkan potensi kredit macet. Penelitian ini membandingkan performa algoritma XGBoost, LightGBM, dan CatBoost dalam melakukan klasifikasi risiko kredit dengan menerapkan metode SMOTE-Tomek untuk menangani ketidakseimbangan data. Dataset yang digunakan terdiri dari 50.000 data nasabah dengan 18 atribut yang diperoleh dari OpenDataBay pada dataset Loan Default Prediction Challenge. Tahapan penelitian  meliputi Exploratory Data Analysis (EDA), preprocessing, seleksi fitur, pembagian data, penyeimbangan data, pemodelan, hyperparameter tuning, evaluasi model, dan implementasi sistem berbasis web menggunakan Python dan Streamlit. Evaluasi model dilakukan menggunakan metrik  accuracy, precision, recall, F1-score, dan ROC-AUC. Hasil penelitian menunjukkan bahwa algoritma CatBoost  memperoleh nilai ROC-AUC sebesar 0,737, lebih tinggi dibandingkan XGBoost dan LightGBM, serta menghasilkan kinerja yang lebih stabil dalam memprediksi risiko kredit dengan data tidak seimbang. Sistem yang dikembangkan mampu membantu proses  pengambilan keputusan kredit secara lebih cepat, akurat, dan efisien sehingga dapat mendukung lembaga keuangan dalam meminimalkan risiko pemberian kredit yang tidak tepat.
Estimasi Tinggi Gelombang Smart Buoy Berbasis IMU Menggunakan Madgwick dan Kalman Filter Naufal A. Furqan; Muhammad Zulfikri; Rifqi Hammad; Bambang Krismono Triwijoyo; Husain Husain
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.12301

Abstract

Pengukuran tinggi gelombang laut merupakan informasi penting untuk mendukung keselamatan pelayaran, aktivitas perikanan, dan pemantauan kondisi oseanografi. Namun, perangkat pengukuran gelombang komersial umumnya memiliki biaya yang tinggi sehingga penggunaannya masih terbatas. Penelitian ini bertujuan mengembangkan smart buoy berbasis Inertial Measurement Unit (IMU) untuk mengestimasi tinggi gelombang laut secara real-time menggunakan kombinasi Madgwick Filter dan Kalman Filter. Sistem dikembangkan menggunakan mikrokontroler ESP32, sensor MPU6050, dan komunikasi LoRa untuk mengirimkan data ke Google Sheets yang kemudian divisualisasikan melalui Google Looker Studio. Data akselerometer dan giroskop diproses menggunakan Madgwick Filter untuk memperoleh estimasi orientasi, dilanjutkan dengan kompensasi gravitasi, integrasi numerik untuk memperoleh sinyal heave, serta penyaringan menggunakan Kalman Filter sebelum menghitung Significant Wave Height (Hs). Hasil pengujian menunjukkan bahwa sistem mampu melakukan akuisisi, pemrosesan, pengiriman, dan visualisasi data secara real-time. Hasil estimasi Hs memiliki kesesuaian yang tinggi terhadap data referensi dengan nilai RMSE sebesar 0,0135 m, MAE sebesar 0,0116 m, MAPE sebesar 4,19%, akurasi sebesar 95,81%, dan koefisien determinasi (R²) sebesar 0,9918. Hasil tersebut menunjukkan bahwa kombinasi Madgwick Filter dan Kalman Filter mampu menghasilkan estimasi tinggi gelombang yang akurat, sehingga smart buoy yang dikembangkan berpotensi menjadi alternatif sistem pemantauan gelombang laut yang sederhana, berbiaya relatif rendah, dan mudah diimplementasikan.
Implementasi Iaas (Infrastructure as a Service) Menggunakan Amazon Web Services Untuk Membangun Website Berbasis Desa Digital M. Adam Hawary Saputra; Tomi Tri Sujaka; Rifqi Hammad
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.12425

Abstract

Program digitalisasi desa terus didorong pemerintah untuk pemerataan layanan publik, namun penerapannya di lapangan masih terhambat keterbatasan infrastruktur, sehingga banyak desa belum mampu membangun sistem informasi secara mandiri. Desa Bengkel, misalnya, telah memiliki website namun belum memiliki layanan administrasi online maupun mekanisme verifikasi dokumen, sehingga pengajuan surat masih dilakukan secara manual. Penelitian ini bertujuan membangun website desa digital berbasis Infrastructure as a Service (IaaS) menggunakan Amazon Web Services (AWS) yang mengintegrasikan enam layanan sekaligus, yaitu EC2, RDS, S3, Lambda, SQS, dan SNS, dengan kebaruan utama berupa fungsi AWS Lambda sqs-pdf-signer yang secara otomatis menyisipkan QR Code verifikasi ke dalam dokumen surat tanpa memerlukan tanda tangan fisik. Sistem dikembangkan menggunakan metode Software Development Life Cycle (SDLC) model Waterfall. Hasil Black Box Testing menunjukkan seluruh kebutuhan fungsional terpenuhi. User Acceptance Testing memperoleh rata-rata skor 4,45 dari masyarakat dan 5,00 dari perangkat desa, keduanya berkategori Sangat Baik. Stress Testing dengan beban hingga 500 pengguna secara bersamaan menunjukkan error rate 0,00–0,02% tanpa downtime, sementara Security Testing menunjukkan konfigurasi SSL/TLS Grade A tanpa kerentanan berisiko tinggi. Hasil ini membuktikan bahwa integrasi IaaS berbasis AWS dapat menjadi solusi infrastruktur sekaligus otomatisasi layanan administrasi publik tingkat desa yang andal dan terverifikasi secara digital.
Optimizing Tourism Recommendations with a Hybrid Model: Bridging User Preferences and Behavioral Patterns Rifqi Hammad; Muhammad Azwar; M. Aswin Syarif
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 9 No 4 (2025): August 2025
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v9i4.6510

Abstract

Recommender systems play a crucial role in personalized decision-making, particularly in the tourism industry, where users seek destinations that align with their preferences. However, traditional recommendation methods often struggle to provide accurate recommendations. This study proposes a hybrid recommendation model that integrates Content-Based Filtering (CBF) and Apriori association rule mining to enhance recommendation quality. First, CBF was implemented using TF-IDF, Word2Vec, and BERT embeddings to compute the similarity between user preferences and tourism destinations. The Top-N recommended destinations from each method were then used as antecedents in Apriori to identify associative patterns and co-occurrence relationships among tourism destinations. By leveraging both semantic preference matching and association rule mining, the proposed system refines the recommendation process, ensuring not only personalized suggestions but also uncovering implicit travel patterns. The experimental results demonstrate that the hybrid model improves recommendation relevance and accuracy compared to standalone CBF methods. The accuracy of the CBF model was 53.96%, whereas that of the hybrid model was 94.31%. The integration of CBF and Apriori offers a more comprehensive and data-driven recommendation framework, which is valuable for personalized tourism applications.
Co-Authors Abdul Muhid Ade irmayanti Ahmad Ahmad Ahmad Ahmad Zuli Amrullah Ahmad Zuli Amrullah Andi Sofyan Anas Apriani Apriani Dwinda Etika Profesi Eka Wahyu Sholeha Fatimatuzzahra Fatimatuzzahra Gede Yogi Pratama Gede Yogi Pratama Gilang Primajati Gilang Primajati Habib Ratu Perwira Negara Hairani Hairani Hany Pebrianti Hasan, Nur Fitrianingsih Hasbullah Hasbullah Husain Husain Husain I Nyoman Switrayana I Nyoman Switrayana Kaharuddin Khairan marzuki Kurniadin Abd Latif Kusrini Lalu Erwin Jannata Arhaditya Listra Frigia Missianes Horhoruw M Thoric Panca Mukti M. Adam Hawary Saputra M. Aswin Syarif M. Rasyid Ridho Mohammad Najib Roodhi Muhammad Arfa Muhammad Azwar Muhammad Haris Nasri Muhammad Haris Nasri Muhammad Innuddin MUHAMMAD TAJUDDIN Muhammad Zulfikri Muhammad Zulfikri Musthofa Galih Pradana Nanang Samudra Naufal A. Furqan Nurcahyo, Azriel Christian Pahrul Irfan Pahrul Irfan Pahrul Irfan Pahrul Irfan Pahrul Irfan Rahayun Amrullah Husaini Ria Rismayati Rini Adriani Auliana Rukmin Ulfa Ayu Lestari Suriyati ., Suriyati Syahrir, Moch. Tomi Tri Sujaka Tomi Tri Sujaka Triwijoyo, Bambang Krismono Veny Cahya Hardita Veny Cahya Hardita Yunita, Selviana Yusril Mahenra Mahenra