Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) INOVTEK Polbeng - Seri Informatika
Muhammad Bisri Musthafa
Politeknik Negeri Malang
Computer Science & IT Engineering

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

Found 2 Documents
Search

 1 
Perbandingan Kinerja Metode-Metode Prediksi pada Transaksi Dompet Digital di Masa Pandemi Arwin Datumaya Wahyudi Sumari; Muhammad Bisri Musthafa; Ngatmari; Dimas Rossiawan Hendra Putra
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 4 No 4 (2020): Agustus 2020
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (271.716 KB) | DOI: 10.29207/resti.v4i4.2024

Abstract

A pandemic situation such as Covid-19 which is still ongoing has given significant impacts to various sectors such as education, economy, tourism, and social which is in turn impacting the community at a national scale. On the other hand, the pandemic situation has also brought a positive impact on companies engaged in finance that utilizes information technology, namely digital wallets, a company that runs a market place in the digital world. In an effort to anticipate a dynamic market place, the company needs to predict the movement of transactions from time to time by building a model and performain the simulation to such model. Based on this problem, this paper presents simulations on the prediction models based on methods namely, naïve, Single Moving Average (SMA), Exponential Moving Average (EMA), combined SMA-naive methods, combined EMA-naive methods, as well as did the comparison of the best performance of every model by using Mean Absolute Percentage Error (MAPE) measurement. From the results of comparison, it is concluded that exponential moving average method delivers the best performance as prediction tool with MAPE of 23,4%.
Desain Skema Data Warehouse PDDIKTI sebagai Pendukung Keputusan Perguruan Tinggi Faisal Rahutomo; Cahya Rahmad; Muhammad Bisri Musthafa; Ngatmari Ngatmari
Jurnal Inovtek Polbeng Seri Informatika Vol 4, No 1 (2019)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (925.437 KB) | DOI: 10.35314/isi.v4i1.980

Abstract

PDDIKTI merupakan pusat kumpulan data penyelenggaran pendidikan tinggi seluruh indonesia. Perguruan tinggi dapat mengolah data tersebut melalui sebuah antarmuka web service. Selama ini, perguruan tinggi hanya melaporkan kegiatan akademik ke PDDIKTI, belum ada inovasi untuk menjadikan informasi lebih bernilai dari data historikal yang sudah menumpuk tersebut. Harapan manajemen untuk memperoleh laporan yang maksimal secara periodik sebagai dasar untuk menentukan keputusan. Penelitian ini bertujuan untuk memberikan informasi yang bernilai sebagai informasi masukan kepada pimpinan untuk memberikan kebijakan terhadap perguruan tinggi . Data diperoleh dari PDDIKTI kemudian dirancang ulang menjadi data warehouse yang terintegrasi dengan OLAP dari data transaksi akademik mahasiswa. Proses pengambilan data dilakukan melalui PDDIKTI Feeder, dari data tersebut ditransformasi menjadi skema baru sehingga terbagi menjadi 2 jenis database yakni Fact Tabel dan Dimension Tabel. Fact Tabel terdiri dari lama studi, IPK Mahasiswa, lama studi mahasiswa, status mahasiswa dan pengajaran dosen serta persentase IPK. Sedangkan dimension tabel terdiri dari tahun ajaran, mahasiswa, semester, program studi, kelompok IPK, jenis daftar, dosen dan mata kuliah. Penelitian ini dapat memberikan visualisasi dari beberapa dimensi sehingga dapat dimanfaatkan untuk  mendukung proses analisis bagi para pengambil keputusan.
Co-Authors Arwin Datumaya Wahyudi Sumari Dimas Rossiawan Hendra Putra Faisal Rahutomo Ngatmari Ngatmari Ngatmari Rahmad, Cahya