Article Per Year (5 Year)
p-Index From 2021 - 2026
2.589
P-Index
This Author published in this journals
All Journal Jurnal IPTEK-KOM (Jurnal Ilmu Pengetahuan dan Teknologi Komunikasi) Journal of Information System Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Ilmiah FIFO JURNAL PETIK JSiI (Jurnal Sistem Informasi) IJISCS (International Journal Of Information System and Computer Science) Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Journal of Information Systems and Informatics Jurnal Manajemen Bisnis Jurnal Ilmu Komputer Dan Informatika Bulletin of Social Informatics Theory and Application Jurnal Pengabdian Masyarakat Nasional JPMTT (Jurnal Pengabdian Masyarakat Teknologi Terbarukan) ORAHUA : Jurnal Pengabdian Kepada Masyarakat IJISCS (International Journal of Information System and Computer Science)
Tazkiyah Herdi
Universitas Mercu Buana
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Library & Information Science Social Sciences Other

Published : 20 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : jurnal ilmiah fifo

 1 
Analisa Sistem Informasi Tugas Akhir Dengan Pendekatan Soft Systems Methodology Bayu Waseso; Suhaeri Suhaeri; Tazkiyah Herdi
Jurnal Ilmiah FIFO Vol 13, No 2 (2021)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2021.v13i2.004

Abstract

Persyaratan untuk menyelesaikan pendidikan di perguruan tinggi oleh seorang mahasiswa adalah menyelesaikan tugas akhir. Dimana pada tugas akhir tersebut mahasiswa melakukan kegiatan penelitian. Laporan tugas akhir pada Sekolah Tinggi ABC memiliki beberapa tahapan yang wajib diikuti, mulai dari pengajunan Idea Concept Paper (ICP), proses bimbingan, pengajuam propoal, dan penyelesain tugas akhir. Meningkatnya jumlah mahasiswa pada setiap tahunnya mengakibatkan naiknya beban kerja admin dalam mengelola administrator dalam pengelolaan tugas akhir. Unit Jurusan aalah unit yang bertugas untuk mengelola administrasi tugas akhir. Kondisi inilah yang menginspirasi untuk memberikan suatu solusi dengan membuat suatu sistem informasi tugas akhir (SITA). Di dalam SITA ini semua pihak yang terkait dengan pengelolaan tugas akhir akan terlibat mulai dari mahasiswanya itu sendiri, dosen, petugas administrator serta eksekutif. Tahapan analisa pada penelitian ini akan menggunakan soft systems methodology (SSM). SSM merupakan proses penyelidikan yang berbasis pada aksi ke dalam situasi bermasalah di dunia nyata, dimana pengguna akan belajar cara mencari tahu tentant situasi untuk mendefinisikan atau mengambil tindakan untuk memperbaikinya. Hasil analisa yang di dapat akan diterjemahkan menjadi desain yang nyata dengan menggunakan use case UMLTRANSLATE with x EnglishArabicHebrewPolishBulgarianHindiPortugueseCatalanHmong DawRomanianChinese SimplifiedHungarianRussianChinese TraditionalIndonesianSlovakCzechItalianSlovenianDanishJapaneseSpanishDutchKlingonSwedishEnglishKoreanThaiEstonianLatvianTurkishFinnishLithuanianUkrainianFrenchMalayUrduGermanMalteseVietnameseGreekNorwegianWelshHaitian CreolePersian //  TRANSLATE with COPY THE URL BELOW Back EMBED THE SNIPPET BELOW IN YOUR SITE Enable collaborative features and customize widget: Bing Webmaster PortalBack//
Penerapan Algoritma Decision Tree Untuk Klasifikasi KIPI Vaksin Covid-19 Fajar Athallah Yusuf; Maulana Alfaridzi; Tazkiyah Herdi
Jurnal Ilmiah FIFO Vol 14, No 2 (2022)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2022.v14i2.005

Abstract

Pandemi COVID-19 merupakan wabah yang terjadi di seluruh dunia, terutama Indonesia. Pandemi COVID-19 telah melumpuhkan berbagai bidang di sektor publik dan banyak penduduk terkena Sars-Cov-2 yang menyebabkan kematian bagi masyarakat dan tenaga kesehatan. dalam melaksanakan Program Vaksinasi Coronavirus di Indonesia. Banyak masyarakat yang khawatir terhadap Vaksinasi Coronavirus dikarenakan hoax terhadap Vaksinasi Coronavirus dan ketakutan dengan dampak KIPI. Penulis melakukan penelitian dengan menggunakan metode Decision Tree untuk melakukan klasifikasi KIPI Vaksin COVID-19 menggunakan data Vaksin COVID-19 siswa/siswi salah satu SMP Kota Bekasi. Berdasarkan hasil penelitian yang didapatkan, penelitian menghasilkan model Decision Tree dari 4 atribut yang didapatkan lalu dikategorikan dengan 2 variabel yang berbeda yakni variabel target dan variabel prediksi. Penelitian menghasilkan model Decision Tree lalu melakukan perbandingan dengan algoritma naive bayes dengan masing-masing keakuratan sebesar 89,5349% dan 88.3721 %. Hasil ini menunjukan algoritma Decision Tree memiliki keakuratan lebih tinggi dibandingkan dengan algoritma Naïve Bayes sehingga algoritma Decision Tree  merupakan teknik yang tepat dalam hal pengklasifikasian.  
Penerapan Algoritma Naïve Bayes Dengan Feature Selection Pada Data Penjualan Konstruksi Anto, Fajar Muji; Abimanyu, Lintang Setiaji; Herdi, Tazkiyah
Jurnal Ilmiah FIFO Vol 15, No 2 (2023)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2023.v15i2.002

Abstract

Dalam jasa konstruksi, penerapan machine learning kerap digunakan pada proses pengolahan data yang berjumlah besar, salah satu contoh dari penerapan machine learning adalah menggunakan algoritma machine learning untuk mengklasifikasi data - data penjualan dari sebuah perusahaan yang hasil akhirnya berupa informasi untuk digunakan sebagai landasan pengambilan keputusan. Dalam classification data penerapan metode algoritma naïve bayes banyak digunakan karena hanya membutuhkan jumlah data pelatihan yang sedikit untuk menentukan parameter dalam proses classification. PT. Maju Jaya Makmur Sejahtera adalah perusahaan yang bergerak di bidang digital transformation di sektor jasa konstruksi. Berdasarkan hasil wawancara, masalah yang terdapat pada PT. Maju Jaya Makmur Sejahtera adalah banyaknya data client untuk konsultasi yang sebanyak kurang lebih 700 baris, menyebabkan sulitnya untuk mendapatkan informasi yang relevan sehingga diperlukannya analisis data dalam menentukan keputusan di PT. Maju Jaya Makmur Sejahtera. Hasil dari processing dan klasifikasi Algoritma Recursive Feature Elimination menyeleksi 10 fitur dataset menjadi total 6 fitur dan secara keseluruhan, akurasi yang didapatkan dari model algoritma naïve bayes sebesar 88%, precision 87%, recall 85%, dan F1-score 86%. Hasil Klasifikasi dapat dikatakan cukup bagus, tapi memiliki kekurangan dari segi atribut dataset sehingga menghasil skor rata rata dibawah 90%
Co-Authors Abimanyu, Lintang Setiaji Aditya Pratama Anto, Fajar Muji Ardiansyah Dores Asyifa Hersumulyoastuti Baginda, Muhammad Bagus Priambodo Bayu Waseso Capah, Dwi Ade Handayani Chusnul Khairu Awaluddin Devi Indriani Setyatmaji Fadillah, Imam Fajar Athallah Yusuf Fajar Masya Hersumulyoastuti, Asyifa Imam Fadillah Jumaryadi, Yuwan Maulana Alfaridzi Resin Gianawati Reynaldi Putra Widia Hardi Sabto Kironowati Setyatmaji, Devi Indriani Suhaeri Suhaeri Tirna Waty Deddy Vernandy, Farhan Yesua Yudha Praditya Gani Yustika Erliani Zainal Abidin