Article Per Year (5 Year)
p-Index From 2021 - 2026
2.959
P-Index
This Author published in this journals
All Journal Jurnal Pengabdian UntukMu NegeRI RABIT: Jurnal Teknologi dan Sistem Informasi Univrab Dinamisia: Jurnal Pengabdian Kepada Masyarakat Journal of Information Systems and Informatics JATI (Jurnal Mahasiswa Teknik Informatika) Economics and Digital Business Review Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Jurnal Computer Science and Information Technology (CoSciTech) Jurnal PkM (Pengabdian kepada Masyarakat) PEDAMAS (Pengabdian Kepada Masyarakat)
Rahmad Firdaus
Universitas Muhammadiyah Riau
Religion Arts Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Health Professions Law, Crime, Criminology & Criminal Justice Social Sciences Other

Published : 19 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : jurnal computer science and information technology coscitech

 1 
Klasifikasi Jenis Kelamin Berdasarkan Gambar Mata Menggunakan Algoritma Convolutional Neural Network (CNN) Rahmad Firdaus; Joni Satria; Baidarus Baidarus
Jurnal CoSciTech (Computer Science and Information Technology) Vol 3 No 3 (2022): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v3i3.4360

Abstract

Mata merupakan organ penglihatan yang terletak di rongga orbital. Bentuknya bulat, sekitar 2,5cm. Ruang antara mata dan orbit diisi oleh jaringan gemuk, dinding tulang dan lemak orbit yang dapat melindungi mata dari terluka. Mata adalah salah satu panca indra yang dapat digunakan untuk membedakan jenis kelamin dari manusia. Untuk membantu mengklasifikasikan jenis kelamin manusia menggunakan data citra mata bisa dengan menggunakan pendekatan deep learning dengan menggunakan algoritma Convolutional Neural Network (CNN). Hasil yang diperoleh adalah berupa nilai precision, recall, F1-score dan Accuracy dengan nilai precision untuk femaleeyes 97% dan maleeyes 90%, Recall femaleeyes dengan nilai 91% dan maleeyes 96%, F1-score dengan nilai femaleeyes 94% serta maleeyes 93% dan nilai accuracy yang di dapatkan pada jumlah data yang sudah di training sebesar 94%.
Klasifikasi Multi-Class Penyakit Jantung Dengan SMOTE dan Pearson’s Correlation menggunakan MLP Rahmad Firdaus; Desti Mualfah; Julian Silvia Hasanah
Computer Science and Information Technology Vol 4 No 1 (2023): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v4i1.4769

Abstract

Penyakit jantung merupakan penyakit paling mematikan didunia. Laporan WHO tahun 2019 menyebutkan penyakit jantung sebagai penyebab kematian tertinggi didunia dengan persentase 16% dari jumlah kematian atau 8.9 juta kematian. Tingginya kematian yang disebabkan oleh penyakit ini terjadi karena penyakit ini biasanya timbul tanpa adanya gejala sehingga sulit untuk diketahui sejak dini oleh penderita. Salah satu cara untuk mengatasi permasalahan tersebut adalah dengan pemanfaatan metode klasifikasi. Hasil klasifikasi multi-class pada penelitian sebelumnya dengan dataset dan metode yang sama masih terbilang rendah yang salah satunya disebabkan oleh adanya imbalace data. Untuk itu dibutuhkan teknik balancing data serta feature selection (FS) untuk melihat pengaruh imbalance data dan pengaruh korelasi fitur pada klasifikasi multi-class. Pada penelitian ini menggunakan Synthetic Minority Over-sampling Technique (SMOTE) untuk balancing data dan Pearson’s Correlation (PS) untuk memilih fitur dengan korelasi yang baik pada klasifikasi penyakit jantung menggunakan metode Multi-Layer Perceptron (MLP). Penelitian ini dengan MLP+Pearson’s Correlation hanya mendapatkan akurasi tertinggi sebesar 63.33%. Akurasi tertinggi dengan penggabungan metode MLP+SMOTE+Pearson’s Correlation sebesar 92.5%. Serta akurasi tertinggi pada penelitian ini didapat menggunakan metode MLP+SMOTE yaitu sebesar 97.5%.
Implementasi Logika Fuzzy Mamdani Pada Kendali Suhu dan Kelembaban Ruang Server Sunanto Sunanto; Rahmad Firdaus; Makmur Setiawan Siregar
Computer Science and Information Technology Vol 2 No 2 (2021): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v2i2.3362

Abstract

Server adalah suatu computer yang digunakan untuk melayani berbagai sistem untuk computer client seperti layanan web server, mail server, proxy server dan database server. Server hidup selama 24 jam untuk melayani aplikasi dari sistem permintaan computer client. Server biasanya diletakan diruangan khusus tidak tergabung dengan ruangan kerja lain. Suhu pada ruangan server berada pada 21 – 23 oC atau sekitar 70 – 74 oF, dengan kelembaban bernilai 45 -65 % (Relatif Humadity), untuk mempertahankan suhu tersebut banyak operator ruang server memasang AC 2 Pk sebanyak 3 unit dengan kondisi set suhu pada 21 oC. Jika 3 unit AC diatur pada posisi 21 oC maka terjadilah pengebunan dan kelembaban yang tinggi. Nilai kelembaban tersebut akan di konversi menjadi air pada suhu ruangan yang tidak stabil mengakitbatkan terjadinya banyak genangan air pada motherboard server sehingga terjadi kerusakan pada perangkat server. Jika terjadi hal yang sebalik dilakukan tanpa memasang pendingin ruangan dengan kinerja server yang hidup selama 24 jam maka akan mengakibatkan terjadinya kerusakan pada komponen elektronika pada motherboard server tersebut. Server akan hidup normal pada suhu yang telah ditetapkan agar ruangan server terjaga pada kondisi suhu 21-23 oC dan kelembaban sebesar 45 - 65%. maka diperlukan kendali suhu ruangan yang dapat memantau kondisi ruangan server secara real time berbasis embedded system menggunakan logika fuzzy dengan inferensi system mamdani. Sistem akan bekerja dengan input suhu dan kelembaban sedangkan outputnya menggunakan nilai rpm heater dan rpm coolant pada satu mesin jika kelembaban meningkat hearter system akan hidup sedangkan jika suhu tinggi maka rpm coolant akan hidup.
Klasifikasi Kebakaran Hutan Dan Lahan Dengan Algoritma You Only Learn One Representation Rizki, Yoze; Yogi Alfinaldo; Soni; Sy, Yandiko Saputra; Rahmad Firdaus
Computer Science and Information Technology Vol 4 No 3 (2023): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v4i3.6434

Abstract

Forest areas have a function of storing carbon dioxide and producing oxygen from trees and plants. The function of forests is very important for life, so forests are highly protected. One solution that can be taken is to take preventive measures, namely monitoring fire hotspots in forest and land areas by air. This research was tested using the same dataset as the YOLO (You Only Look Once) algorithm against the You Only Learn One Representation (YOLOR) algorithm with a train data division model of 1188 image data and test data of 75 image data with mAP results of 66.36%. . So it can be confirmed that the YOLOR algorithm is better than the YOLO algorithm which gets an mAP value of 50.65%.
Co-Authors Adisuputra, Adisuputra Aditya Ahmad Fauzi Al Hariri, Rafiq Aldi, M Tri Aminuyati Amran, Hasanatul Fu’adah Awaluddin Baidarus Chan, Ridzky Desti Mualfah Diah Angraina Fitri Diah Angraini Putri Efry Hady Nata Eka Putra Evans Fuad Fatma, Yulia Fatma, Yulia Febby Apri Wenando Fithriawan Nugroho Fitri Handayani Fitriani, Aisyah Galih Anggoro, Hendar Habibie, Husnul Harun Mukhtar Hayami, Regiolina Ilham Hudi Januar Al Amien Januar Al Amien Joni Satria Julian Silvia Hasanah Kamal Saputra, Taufiq Khairianto, Dody Makmur Setiawan Siregar Mualfah, Desti Munanda, Rizka Novan Wijaya Prastiwi, Adila Pramudiah Rahmawilda, Rahmawilda Rizki, Yoze Soni Suci Puspita Rini Suryanti, Anggi Aprilia Sy, Yandiko Saputra Syahril Syahril Syeira, Khaerani Taufiq, Reny Medikawati Unik, Mitra Vilmala, Berry Kurnia Wulan Yulianti Nurlatifah Wulanda Pratiwi Yogi Alfinaldo