Article Per Year (5 Year)
p-Index From 2021 - 2026
3.096
P-Index
This Author published in this journals
All Journal Jurnal Computech & Bisnis (e-Journal) Jurnal Abdimas BSI: Jurnal Pengabdian Kepada Masyarakat Jurnal Informatika Jurnal Nasional Komputasi dan Teknologi Informasi Media Informatika Jurnal Responsif : Riset Sains dan Informatika Jurnal Ilmiah Teknik Informatika dan Komunikasi SEMINAR TEKNOLOGI MAJALENGKA (STIMA) Router : Jurnal Teknik Informatika dan Terapan
Ali Akbar Rismayadi
Universitas Adhirajasa Reswara Sanjaya
Aerospace Engineering Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Library & Information Science Mechanical Engineering Neuroscience Transportation

Published : 28 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 28 Documents
Search

 1   2   3 
Penerapan Jaringan LAN Menggunakan Metode VRRP (Virtual Router Redundancy Protocol) Ristu Juli Yudianto; Ali Akbar Rismayadi
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 4 (2022): Agustus 2022
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i4.4613

Abstract

Abstrak - Penggunaan jaringan komputer sangat penting dalam instansi ataupun perusahaan. Menentukan bagaimana suatu instansi atau perusahaan maju dan berkembang dibutuhkan kinerja yang baik ketika menggunakan Jaringan Komputer, Kecepatan penerimaan data informasi dan komunikasi sangat dibutuhkan dan dapat diandalkan bagi banyak  pengguna. Dengan banyak nya penggunaan dalam sebuah instansi atau perusaahan penggunaan jaringan salah satu perusahaan atau instansi yang sudah menjadikan internet sebagai kebutuhan utama yaitu pada Dinas Perhubungan Gedebage Kota Bandung yang beralamat di Jl.Sor GBLA,Rancabolang.kec. Gedebage, Kota  Bandung ,Jawa Barat 40292. hal yang menggangu saat penggunaan internet terjadinya koneksi yang tidak stabil sering terjadi down dan sering eror terputus secara tiba-tiba dengan sendiri nya dan mengalami kendala pada router utama yaitu mati atau rusak dan terlepas dari portnya dikarenakan masih menggunakan satu router saja tidak ada backup jika router utama mengalami gangguan.maka dari itu harus adanya backup router untuk mengatasi hal tersebut yaitu dengan menrapkan nya metode VRRP (Virtual Router Redundancy Protocol).Kata kunci : VRRP, Mikrotik, Internet, Router Abstract - The use of computer networks is very important in agencies or companies. Determining how an agency or company develops and develops requires good performance when using Computer Networks, The speed of receiving information and communication data is needed and reliable for many users. With the many uses in an agency or company using the network of one of the companies or agencies that have made the internet the main need, namely at the Bandung City Gedebage Transportation Office which is located at Jl.Sor GBLA, Rancabolang.kec. Gedebage, Bandung City, West Java 40292. the thing that interferes when using the internet there is an unstable connection often goes down and often errors are disconnected suddenly by itself and experience problems with the main router, namely shutting down or damaged and regardless of the port because it is still using one router, namely by applying  the  VRRP (Virtual Router Redundancy Protocol) method.Keywords : VRRP, Mikrotik, Internet, Router
IMPLEMENTASI RANCANG BANGUN APLIKASI MOBILE NOTEBOOK MENGGUNAKAN WATERFALL: IMPLEMENTATION OF MOBILE NOTEBOOK APPLICATION DESIGN USING WATERFALL Ahvan Muharam; Enda Suhadi; Tiki Ramdhani; Imam Saepul Azmi; Ali Akbar Rismayadi
Jurnal Ilmiah Teknik Informatika dan Komunikasi Vol. 2 No. 2 (2022): Juli : Jurnal Ilmiah Teknik Informatika dan Komunikasi
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1196.165 KB) | DOI: 10.55606/juitik.v2i2.157

Abstract

Aplikasi Mobile Notebook merupakan gabungan melalui teknologi penyimpan dan juga akivitas manusia mengacu pada interaksi antar manusia dan teknologi pada proses database sqlite dan mysql di servenya, serta dukungan pada aplikasi android sehingga menghasilkan data yang disimpan akan lebih aman dan catatan tidak mudah hilang. Pada saat ini buku catatan yang terdapat di mobile/handphone masih ada kekurangan diantaranya fitur yang ibisa dibilang belum lengkap, seperi tidak adanya pencarian dan tidak support nya pada system operasi IOS. Dengan dibuatnya aplikasi mobile notebook menggunakan metode waterfall sebuah metode klasik yang bersifat sistematis secara berurutan dalam membangun sebuah aplikasi mobile mulai dari tahap desain menggunakan unified modeling language (UML) seperti use icase diagram, activity diagram, JAVA sebagai Bahasa Pemograman, Pengujian aplikasi menggunakan Smartphone Android. Aplikasi mobile notebook ini dapat menyimpan dan mensingkron kan data catatan ke server serta bisa di share link kan apabila pengguna tidak membawa Smartphone .
Perancangan Alat Monitoring Ketinggian Air Bak Berbasis IoT Menggunakan Mikrokontroler Node MCU ESP8266 Rismayadi, Ali Akbar; Sobri, Muhammad Ali; Khoirunnisa, Fitri; Dedy, Asep
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 7, No 4 (2024): Agustus 2024
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v7i4.7852

Abstract

Abstrak - Penelitian ini mengembangkan sistem pemantauan dan kontrol ketinggian air berbasis IoT menggunakan NodeMCU ESP8266 untuk mengoptimalkan penggunaan dan pengelolaan air. Sistem ini memanfaatkan teknologi IoT untuk mengumpulkan dan mengirim data mengenai level air melalui Wi-Fi, serta memungkinkan pengendalian jarak jauh. Dengan menggunakan sensor limit switch dan modul relay, sistem ini mampu memantau dan mengatur aliran air secara otomatis, mengurangi pemborosan, dan memastikan pengelolaan yang efisien. Hasil dari penelitian ini menunjukkan bahwa sistem yang dikembangkan efektif dalam meningkatkan manajemen air dan meminimalisir kesalahan manusia.Kata kunci: Internet of Things (IoT), NodeMCU ESP8266, Monitoring Abstract - This research develops an IoT-based air altitude monitoring and control system using NodeMCU ESP8266 to optimize air use and management. This system utilizes IoT technology to collect and send data about air levels via Wi-Fi, and enables remote control. By using limit switch sensors and relay modules, this system is able to connect and regulate air flow automatically, reducing waste and ensuring efficient management. The results of this research show that the system developed is effective in improving air management and minimizing human error.Keywords: Internet of Things (IoT), NodeMCU ESP8266, Monitoring
Perbandingan Kinerja Metode Machine Learning Support Vector Machine (SVM), Random Forest, dan K-Nearest Neighbors (KNN) dalam Prediksi Harga Saham Apple Rismayadi, Ali Akbar; Febrianto, Rudhi Wahyudi; Raharja, Agung Rachmat; Hariyanti, Ifani
Media Informatika Vol 23 No 3 (2024)
Publisher : P3M STMIK LIKMI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37595/mediainfo.v23i3.299

Abstract

Penelitian ini mengevaluasi kinerja tiga model machine learning SVM, Random Forest, dan KNN untuk memprediksi harga saham Apple. Menggunakan data historis saham, modelmodel tersebut dinilai berdasarkan metrik utama: Mean Squared Error (MSE), Mean Absolute Error (MAE), dan R-Squared (R²). Hasil penelitian menunjukkan bahwa SVM adalah model dengan kinerja terbaik, dengan MSE sebesar 0.2637, MAE sebesar 0.2710, dan R² sebesar 0.9999, yang mencerminkan akurasi prediksi yang sangat baik dan keandalan yang tinggi. Model Random Forest menunjukkan kinerja yang cukup kompetitif dengan MSE sebesar 0.4781, MAE sebesar 0.3852, dan R² sebesar 0.9998. Sebaliknya, model KNN memiliki tingkat kesalahan tertinggi, dengan MSE sebesar 0.7938 dan R² sebesar 0.9997, sehingga kurang cocok untuk dataset ini. Temuan ini menegaskan bahwa SVM adalah model yang paling andal untuk memprediksi harga saham Apple secara akurat. Penelitian ini memberikan wawasan penting dalam pemilihan model pembelajaran mesin untuk prediksi deret waktu finansial, yang dapat mendukung pengambilan keputusan yang lebih baik dalam analisis pasar saham.
Analisis Sentimen terhadap Ulasan Pembeli Smartphone IOS di Platform Shopee Mengunakan Metode Naïve Bayes Ali Akbar Rismayadi; Serly Agustin
Jurnal Ilmiah Teknik Informatika dan Komunikasi Vol. 5 No. 3 (2025): November: Jurnal Ilmiah Teknik Informatika dan Komunikasi 
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/juitik.v5i3.1712

Abstract

The development of digital technology has significantly shifted consumer behavior, especially in online shopping through e-commerce platforms such as Shopee. One of the most sought-after products is smartphones, including the iPhone, which is well-known for its quality and durability. This study aims to analyze user sentiment toward iOS smartphone products from the iBox store on Shopee using the Naïve Bayes method. This method is chosen for its simplicity in handling text classification and relatively high accuracy. The dataset used consists of customer reviews that have been preprocessed and manually labeled. The evaluation results show that the Naïve Bayes algorithm achieves an accuracy of 82.6%, with the best performance on the positive sentiment class (precision 0.95, recall 0.85, f1-score 0.90). However, the model performs poorly on the negative sentiment class, with a precision of only 0.33 and an f1-score of 0.44. These findings indicate that while the model is highly effective at identifying positive sentiment, further improvement is needed to enhance its ability to detect negative sentiment. This research is expected to serve as a reference for businesses such as iBox in understanding customer opinions automatically and making more informed strategic decisions.
PEMBUATAN SISTEM DETEKSI PERGERAKAN TUBUH DAN WAJAH DI KOS-KOSAN DENGAN METODE CLUSTERING fauzan, Muhamad Rizal; Rismayadi, Ali Akbar; irawan, Rivaldy; Sulaiman, Aqil Tama
SEMINAR TEKNOLOGI MAJALENGKA (STIMA) Vol 8 (2024): STIMA 8.0 : Menuju Kesinambungan : Inovasi dan Adaptasi Teknologi untuk Pembangunan Be
Publisher : Universitas Majalengka

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

Abstract

This paper presents the development of a system designed to detect body and facial movements in boarding houses using clustering methods. The primary goal of the system is to enhance security and monitor the activities within these living spaces. The system utilizes advanced clustering algorithms to accurately identify and classify different types of movements, distinguishing between normal daily activities and potential security threats.The implementation of this system involves the integration of multiple sensors and cameras strategically placed throughout the boarding house. These devices collect data on movements, which is then processed using clustering techniques to identify patterns and anomalies. The clustering method helps in grouping similar movement patterns together, facilitating the detection of unusual activities.This detection system not only contributes to improved safety and security but also provides insights into the behavior and daily routines of the occupants. By analyzing the clustered data, it becomes possible to identify trends and potential issues that may require attention. The findings from this research demonstrate the effectiveness of clustering methods in movement detection and highlight their potential applications in various security and monitoring contexts
Pengembangan Model Klasifikasi Pneumonia dari Awal dengan Resnet50 (Development of A Pneumonia Classification Model With Resnet50 From Scratch) Ali Akbar Rismayadi; Ifani Hariyanti; Agung Rachmat Raharja
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 1 (2025): Februari 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i1.8815

Abstract

Abstrak - Pneumonia merupakan penyakit pernapasan yang dapat mengancam jiwa, khususnya bagi kelompok rentan seperti anak-anak dan lansia. Diagnosa pneumonia melalui citra X-ray dada memerlukan keahlian medis yang tinggi dan dapat memakan waktu. Oleh karena itu, dalam penelitian ini dikembangkan model klasifikasi pneumonia berbasis ResNet50 yang dibangun dari awal (scratch) untuk mendeteksi pneumonia secara otomatis dan akurat. Dataset yang digunakan dalam penelitian ini adalah Chest X-ray Images (Pneumonia) yang tersedia secara publik di Kaggle, yang terdiri dari dua kategori utama: Normal dan Pneumonia. Model dilatih dengan menggunakan optimizer Adam dan binary cross-entropy loss serta dievaluasi dengan berbagai metrik, seperti accuracy, precision, recall, dan F1-score. Untuk mengatasi tantangan yang dihadapi dalam pelatihan dari awal, langkah preprocessing seperti resize, normalisasi, dan data augmentation diterapkan untuk meningkatkan generalisasi model. Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 95%, dengan nilai F1-score sebesar 0.95 untuk kedua kelas. Kurva ROC dengan nilai AUC sebesar 0.99 menunjukkan bahwa model memiliki kinerja klasifikasi yang sangat baik. Meskipun demikian, model masih mengalami beberapa kesalahan klasifikasi pada kasus false negatives, yang dapat diatasi dengan teknik fine-tuning lebih lanjut atau penggunaan transfer learning. Kesimpulan dari penelitian ini adalah bahwa model ResNet50 dari awal mampu memberikan performa yang baik dalam klasifikasi pneumonia, meskipun terdapat tantangan dalam keterbatasan data dan waktu komputasi yang diperlukan.Kata Kunci: Pneumonia, ResNet50, X-ray, Deep Learning, Klasifikasi Citra, Augmentasi Data. Abstract- Pneumonia is a life-threatening respiratory disease, particularly for vulnerable groups such as children and the elderly. Diagnosing pneumonia through chest X-ray images requires a high level of medical expertise and can be time-consuming. Therefore, this study aims to develop an automated and accurate pneumonia classification model based on ResNet50 built from scratch to detect pneumonia effectively. The dataset used in this research is the publicly available Chest X-ray Images (Pneumonia) from Kaggle, consisting of two primary categories: Normal and Pneumonia. The model was trained using the Adam optimizer and binary cross-entropy loss, and evaluated using various performance metrics, including accuracy, precision, recall, and F1-score. To address the challenges associated with training from scratch, preprocessing steps such as image resizing, normalization, and data augmentation were applied to enhance the model's generalization. The evaluation results indicate that the model achieved an accuracy of 95%, with an F1-score of 0.95 for both classes. The ROC curve with an AUC value of 0.99 demonstrates the model's excellent classification performance. However, the model still encounters some misclassification in false negatives, which could be improved through further fine-tuning or by utilizing transfer learning techniques. This study concludes that the ResNet50 model built from scratch can provide good performance in pneumonia classification, despite the challenges related to data limitations and computational resources.Keywords: Pneumonia, ResNet50, X-ray, Deep Learning, Image Classification, Data Augmentation.
Optimasi Naïve Bayes dengan Feature Selection untuk Analisis Sentimen GTA V Roleplay Robi, Mohammad Robi; Ali Akbar Rismayadi
Router : Jurnal Teknik Informatika dan Terapan Vol. 4 No. 2 (2026): Juni : Router : Jurnal Teknik Informatika dan Terapan
Publisher : Asosiasi Profesi Telekomunikasi dan Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62951/router.v4i2.936

Abstract

Sentiment analysis is used to identify and classify opinions expressed in text. In GTA V Roleplay player reviews, high-dimensional textual features and noisy data can reduce classification Accuracy and increase computational complexity. This study addresses these challenges by optimizing the Multinomial Naïve Bayes classifier using Chi-Square and Information Gain Feature Selection techniques. The novelty of this research lies in evaluating these methods on Indonesian-language GTA V Roleplay reviews, which contain informal language and gaming-specific vocabulary, a domain that has received limited attention in previous Indonesian studies. The dataset consists of 604 preprocessed reviews represented using TF-IDF and evaluated through 10-fold stratified cross-validation. The results show that Chi-Square achieved the best performance, with 83% Accuracy, 81% Precision, 96% recall, and an F1-score of 88%, outperforming Information Gain in recognizing negative sentiment. These findings provide useful insights for GTA V Roleplay server developers and contribute to the development of Indonesian-language sentiment analysis in the online gaming domain.
Co-Authors Ade Mubarok Agung Rachmat Raharja Ahvan Muharam Ario Ponco Wibowo Asti Herliana, Asti Dede Kartika Dewi Dedy, Asep Dwiki Yuliawa Dwiza Riana Enda Suhadi Erfian Junianto fauzan, Muhamad Rizal Febrianto, Rudhi Wahyudi Fitri Khoirunnisa Fitriyani Fitriyani Hariyanti, Ifani Iedam Fardian Anshori, Iedam Fardian Imam Saepul Azmi Ina Najiyah Irawan, Rivaldy Ivan Sofyan Mayya Nurbayanti Shobary Mokhamad Gustiawan Muhamad Diki Muhammad Hudzaifah Novia Nur Fatonah Rangga Sanjaya Rinto Nurtantho Ristu Juli Yudianto Rizki Tri Prasetio, Rizki Tri Robi, Mohammad Robi Salman Topiq Serly Agustin Sobri, Muhammad Ali Sulaiman, Aqil Tama Syarif Hidayatulloh Tiki Ramdhani Toni Arifin Yudi Ramdhani Yuliawa, Dwiki Yusuf Abdul Aziz