Article Per Year (5 Year)
p-Index From 2021 - 2026
3.61
P-Index
This Author published in this journals
All Journal JOURNAL OF APPLIED INFORMATICS AND COMPUTING JURNAL INSTEK (Informatika Sains dan Teknologi) Conference on Innovation and Application of Science and Technology (CIASTECH) Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Jurnal Teknik Informatika (JUTIF) Scientific Student Journal for Information, Technology and Science Jurnal Buana Pengabdian
Sutan Faisal
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Automotive Engineering Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Public Health Social Sciences Other

Published : 29 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 29 Documents
Search

 1   2   3 
Implementasi Algoritma Support Vector Regression dan Polynomial Regression dalam Memprediksi Harga Saham PT Telekomunikasi Indonesia Windyani Eka Putri; Sutan Faisal; Tatang Rohana
Scientific Student Journal for Information, Technology and Science Vol. 6 No. 1 (2025): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Investasi saham di Indonesia telah menjadi salah satu investasi yang cukup terkenal. Saham yang bersifat fluktuatif atau naik turun yang tidak konsisten dipengaruhi oleh faktor internal maupun eksternal, seperti kondisi perekonomian, kinerja perusahaan, faktor panik, dan kebijakan perusahaan. Oleh sebab itu, calon investor perlu memahami saham dan melakukan analisis teknikal saham untuk mengetahui serta meminimalisir risiko dalam berinvestasi. Salah satu cara bagi calon investor yang masih awam terhadap saham adalah dengan melakukan analisis teknikal untuk mengetahui pergerakan harga saham berdasarkan informasi saham masa lampau, yaitu dengan memprediksi harga saham. Pada penelitian ini, akan dilakukan prediksi harga penutupan saham PT Telekomunikasi Indonesia menggunakan algoritma Support Vector Regression dan Polynomial Regression. Dataset yang digunakan termasuk data time series dengan rentang data selama lima tahun. Penelitian ini bertujuan untuk mengetahui kinerja algoritma mana yang lebih direkomendasikan. Hasil penelitian menunjukkan bahwa algoritma Support Vector Regression memiliki nilai RMSE 72.565 dan MAPE 1.486%. Sedangkan algoritma Polynomial Regression dengan orde 4 menghasilkan nilai RMSE 63.914 dan MAPE 1.273%. Berdasarkan hasil tersebut, algoritma Polynomial Regression memiliki performa yang lebih baik, sehingga lebih direkomendasikan dalam memprediksi harga penutupan saham PT Telekomunikasi Indonesia.
Diagnosa Penyakit Kulit Wajah dengan Metode Decision Tree dan Algoritma C4.5 Afga Ilyasa; Sutan Faisal; Santi Arum Puspita Lestari
Scientific Student Journal for Information, Technology and Science Vol. 6 No. 1 (2025): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Penelitian ini membahas tentang bagaimana algoritma dapat menghasilkan prediksi yang dapat digunakan sebagai acuan untuk mengimplementasikan diagnosa penyakit kulit wajah dengan menggunakan metode Decision Tree dan C4.5. Algoritma ini memungkinkan untuk mendiagnosa penyakit kulit wajah. Dalam observasinya, penelitian ini mengamati sejumlah pasien yang mengalami berbagai penyakit kulit wajah. Setiap pasien menjalani pemeriksaan oleh dokter kulit yang melakukan diagnosa berdasarkan gejala yang terlihat pada kulit wajah. Hasil prediksi yang dilakukan menggunakan Decision Tree dan C4.5 pada periode September – Januari tahun 2023, hasil pengujian menggunakan algoritma C4.5 mendapatkan tingkat akurasi sebesar 99,26%, dengan kesalahan sebesar 10%, yang masih masuk dalam kategori sangat baik. Hasil prediksi ini menghasilkan macro avg 0,97 dan weighted avg 0,96. Penelitian ini dapat memprediksi penyakit kulit wajah dengan cukup efektif, mirip dengan hasil dari pakar medis asli. Dalam pelaksanaannya, penelitian ini melibatkan beberapa tahap, meliputi pengumpulan data, pemrosesan data, pelatihan model, seleksi fitur, validasi, dan evaluasi. Fungsi dari penelitian ini adalah untuk pengambilan keputusan dan klasifikasi penyakit. Penelitian ini menggunakan metode Decision Tree dan C4.5 untuk mendiagnosa penyakit kulit wajah.
Implementasi Algoritma Eigenface pada Kehadiran Mahasiswa Berbasis Pengenalan Wajah Memanfaatkan Raspberry Pi Habib Abdullah; Sutan Faisal; Kiki Ahmad Baihaqi
Scientific Student Journal for Information, Technology and Science Vol. 6 No. 1 (2025): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Presensi mahasiswa di Program Studi Teknik Informatika Universitas Buana Perjuangan Karawang sekarang dilakukan dengan mengisi lembar presensi. Hal tersebut menjadi kurang efisien, karena mahasiswa harus membawa lembar presensi kemana-mana ketika sedang ada perkuliahan. Dengan adanya sistem presensi berbasis pengenalan wajah, proses pengarsipan menjadi lebih mudah. Oleh karena itu, dibuatlah sistem yang dapat membantu proses presensi mahasiswa, salah satunya menggunakan deteksi wajah. Metode yang dapat digunakan untuk deteksi wajah adalah Eigenface. Beberapa penelitian menunjukkan bahwa metode Eigenface menghasilkan persentase kecocokan wajah yang cukup baik. Pada penelitian ini, digunakan metode Eigenface untuk deteksi kehadiran mahasiswa menggunakan wajah. Hasil prediksi akurasi tanpa menggunakan aksesoris adalah 90%, dengan citra wajah terdaftar dan tidak terdaftar mencapai 80%, menggunakan aksesoris kacamata adalah 70%, menggunakan masker menghasilkan akurasi 50%, dan prediksi akurasi menggunakan topi sebesar 80%.
Sistem Cerdas Variabel Motor Pendingin Pelumasan Mesin Menggunakan Metode Fuzzy dan Kontrol Arduino Bagus Priambada; Sutan Faisal; Adi Rizky Pratama
Scientific Student Journal for Information, Technology and Science Vol. 6 No. 1 (2025): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Kebutuhan akan nilai produktivitas mesin yang tinggi pun menjadi sebuah tuntutan perusahaan. PERUM PERURI sebagai satu-satunya industri percetakan uang dan kertas berharga di Indonesia, adakalanya menghadapi kondisi di mana mesin tidak beroperasi dalam performansi yang ideal, yang berarti mesin tersebut mengalami kerusakan. Berdasarkan data historis dari Departemen Maintenance Uang Logam pada periode Januari-Desember tahun 2018, frekuensi downtime terbesar terjadi pada proses Cetak Uang Logam, khususnya pada mesin CC 71420-00-010. Masalah ini disebabkan oleh buruknya sistem pendingin pelumasan (cooling lubrication system) yang terpasang pada mesin, sehingga mengakibatkan suhu oli terlalu tinggi. Berdasarkan permasalahan tersebut, penulis melakukan perbaikan dengan membuat sistem pelumasan mesin menggunakan fuzzy logic berbasis Arduino UNO. Pada tahun 2020, permasalahan mesin pelumasan oli mengalami penurunan menjadi zero defect, berbeda dengan kondisi pada tahun 2019 yang tercatat sebanyak 15 kali kerusakan dengan breakdown time mencapai 28 jam. Kerusakan pada mesin pada tahun 2020 berkurang sebesar 76,67%, dari 30 kali menjadi 7 kali, dengan breakdown time yang juga berkurang sebesar 87,90%, dari 31 jam menjadi 3,75 jam dibandingkan dengan tahun 2019.
Development of AI-Based Public Safety System with Face Recognition Using CNN and SVM Models in Real-Time Alifa, Naila Ratu; Yana Cahyana; Rahmat, Rahmat; Sutan Faisal
Journal of Applied Informatics and Computing Vol. 9 No. 3 (2025): June 2025
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v9i3.9524

Abstract

Sexual crimes are an increasing problem, with many cases difficult to identify due to the limitations of existing surveillance systems. This study aims to develop an Artificial Intelligence (AI)-based system using Convolutional Neural Network (CNN) and Support Vector Machine (SVM) for gender identification in order to support sexual crime investigations. The methods used include processing facial image datasets, training models using CNN for feature extraction, and SVM for gender classification. The results showed that the CNN model achieved an accuracy of 90.15%, while the SVM model only achieved an accuracy of 82.16%. Further evaluation with a confusion matrix showed that CNN was more accurate in classifying gender than SVM. With these results, the developed system has the potential to help authorities identify perpetrators of sexual crimes more quickly and accurately. The dataset used consists of 23,706 grayscale facial images of 48x48 pixels, with a balanced distribution of male and female samples. The CNN architecture includes three convolutional blocks and achieves 90.15% accuracy. Although designed for real-time operation, inference speed needs further validation using FPS or latency metrics on specific hardware platforms.
Sentiment Analysis of User Reviews of the AdaKami Online Loan App from the App Store Using SVM and Naive Bayes Azzahra, Wava Lativa; Jamaludin Indra; Rahmat, Rahmat; Sutan Faisal
Journal of Applied Informatics and Computing Vol. 9 No. 3 (2025): June 2025
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v9i3.9536

Abstract

This study aims to classify sentiments on user reviews of the AdaKami online loan application, which are obtained through web scraping techniques from the Apple App Store platform. A total of 2000 reviews were collected, then selected and 1000 reviews were selected to be manually labeled by two linguistic experts, to ensure the validity of the classification. Sentiments are divided into three categories, namely negative, neutral, and positive. The classification model was built using two machine learning algorithms, namely Support Vector Machine (SVM) and Naïve Bayes (NB). The evaluation was carried out by measuring accuracy, precision, recall, F1-score, as well as through confusion matrix and cross-validation. The results showed that SVM performed better, with an accuracy of 97.5%, an F1-score of 0.97, and an average cross-validation accuracy of 84.69%. In contrast, Naïve Bayes recorded an accuracy of 81.4% and an F1-score of 0.77. The results of the paired t-test showed that the difference in performance between the two models was statistically significant (p < 0.05). The SVM model was then applied to predict 971 unlabeled reviews, and the results showed a dominance of negative sentiment. Wordcloud visualizations reinforced this finding, with words such as “bilih”, “bunganya”, and “teror” as the most frequently occurring words. These findings prove that SVM is more effective in classifying online loan review sentiments, as well as providing important insights for developers in understanding user perceptions and experiences.
KETERCAPAIAN TUJUAN PEMBANGUNAN BERKELANJUTAN DESA KUTAWARGI KECAMATAN RAWAMERTA Sutan Faisal
JURNAL BUANA PENGABDIAN Vol. 3 No. 2 (2021): JURNAL BUANA PENGABDIAN
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat, Universitas Buana Perjuangan Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36805/jurnalbuanapengabdian.v3i2.1971

Abstract

Desa Kutawargi merupakan salah satu Desa yang ada di kecamatan Rawamerta dan berbatasan dengan kecamatan Lamaran dan Majalaya. Desa ini mempunyai potensi yaitu petani yang dimana rata-rata sebagian masyarakatnya yaitu buruh tani dan ternak hewan. Pengambilan data untuk profil desa dilakukan melalui survey terhadap perkembangan pada Desa tersebut. Oleh karena itu, difokuskan untuk mencari data yang bersangkutan dengan profil Desa. Dari hasil survey dan pengumpulan data permasalahan di Desa Kutwargi ini adalah tidak memiliki produk unggulan. Dilihat dari letak geografis dan masyarakat yang memililiki pastisipasi yang tinggi Desa Kutawargi bisa berkembang lebih baik dengan menciptakan produk unggulan. Dengan kata lain BUMDES dapat menggali potensi desa dan memanfaatkannya menjadi bentuk usaha yang menjadi pendapatan desa.Kata kunci : Profil Desa, Potensi Desa, Produk UnggulanKutawargi Village is one of the villages in Rawamerta sub-district and borders with Lamaran and Majalaya districts. This village has the potential, namely farmers, where on average part of the community is farm labor and livestock. Data collection for village profiles was carried out through surveys of developments in the village. Therefore, it is focused on finding data related to the Village profile. From the survey results and data collection, the problem in Kutwargi Village is that it does not have superior products. Judging from the geographical location and the people who have high participation, Kutawargi Village can develop better by creating superior products. In other words, BUMDES can explore the potential of the village and use it as a form of business that becomes village income.Keywords : Village Profile, Village Potential ,superior product
PENINGKATAN PRESTASI SISWA SMK TEKNIKOM CIKARANG MELALUI PEMANFAATAN INTERNET DI ERA INDUSTRI 4.0 Ahmad Fauzi; Sutan Faisal; Amril Mutoi
JURNAL BUANA PENGABDIAN Vol. 4 No. 1 (2022): JURNAL BUANA PENGABDIAN
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat, Universitas Buana Perjuangan Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36805/jurnalbuanapengabdian.v4i1.3167

Abstract

SMK Teknikom Cikarang merupakan sekolah kejuruan di kabupaten Bekasi pada bidang teknik pemesinan, teknik pengendalian produksi, teknik kendaraan ringan, teknik komputer dan jaringan, dan multimedia. Letaknya yang berada pada Kawasan industri potensial menuntut lulusan yang memiliki keahlian sesuai kebutuhan industri pada era industri 4.0. Para siswa perlu diberikan motivasi, pengetahuan dan keahlian dalam pemanfaatan internet untuk meningkatkan potensi yang dimiliki. Internet merupakan teknologi yang menyediakan berbagai data dan informasi dari penulis atau pengisi konten mengenai topik tertentu. Melalui pelatihan pemanfaatan internet untuk siswa SMK Teknikom Cikarang, siswa dapat menggunakan internet secara sehat, mendapatkan data dengan pencarian melalui key yang tepat, memanfaatkan Google Applications dengan lebih baik. Hal tersebut menunjang peningkatan prestasi siswa dalam pembelajaran di sekolah maupun peran di masyarakat. Kata kunci—era industri, internet, prestasi siswa SMK Teknikom Cikarang is a vocational school in Bekasi district in the fields of engineering, production control techniques, light vehicle engineering, computer and network engineering, and multimedia. Its location in a potential industrial area demands graduates who have skills according to industrial needs in the industrial era 4.0. Students need to be given motivation, knowledge and skill in using the internet to increase their potential. Internet is a technology that provides various data and information from writers or content fillers on certain topics. Through internet use training for SMK Teknikom Cikarang students, students can use the internet healthily, get data by searching through the right key, make better use of Google Applications . This supports the improvement of student achievement in learning at school and the role in society. Keywords—industrial era, internet, student achievement
OBJECT DETECTION OF INDONESIAN SIGN LANGUAGE SYSTEM USING YOLOV7 METHOD Genta Kusuma Atmaja; Hikmayanti, Hanny; Rahmat, Rahmat; Sutan Faisal
Jurnal Teknik Informatika (Jutif) Vol. 5 No. 4 (2024): JUTIF Volume 5, Number 4, August 2024
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2024.5.4.2468

Abstract

SIBI or Indonesian Sign Language System, a communication language for the deaf community in Indonesia. SIBI has the advantage of conveying information between individuals. SIBI integrates various hand signals to replace words in Indonesian, enabling effective and inclusive communication. SIBI still lacks educational programs in the community and identifying SIBI has become a major problem in facilitating communication for normal people with hearing impairments. The proposed solution in the development of SIBI detection is to utilize artificial intelligence (AI) technology and digital image processing. This program focuses on understanding the typical hand movements used in SIBI. So a program was created to detect hand language using the YOLOv7 architecture. This study aims to educate those who are not yet familiar with the SIBI hand object that will be detected., especially in the context of sign language recognition for singular pronouns. The research method used is data acquisition by collecting a dataset of 320 images, data annotation by labeling objects on the hand, image pre-processing with augmentation, resizing, and cropping, model training with 100 epochs on both pre-trained models (yolov7 and yolov7-x), and testing is done by detecting 20 images from each class category totaling 5. The dataset used for training 300 images and validation 20 images. The results of the yolov7 model accuracy value are mAP @ .5 of 99.5% and mAP @ .5: .95: of 90.5%. The accuracy of the yolov7-x model is mAP @ .5 99.6% and mAP @ .5: .95: of 75.8%. And the results of the test carried out with 20 images, out of 20 correct images only 18 and the accuracy value obtained is 90%.
Co-Authors Adi Rizky Pratama Afga Ilyasa Ahmad Fauzi Alifa, Naila Ratu Amril Mutoi Aqib Zhaky Ayuni Evita Rahayu Azzahra, Wava Lativa Bagus Priambada Baihaqi, Kiki Ahmad Daffa Alwan Deni Yusup Genta Kusuma Atmaja Habib Abdullah Hanny Handayani Hanny Hikmayanti Handayani Ilham Azis Annaba Indra, Jamaludin Isnaeni Hidayah Jorke Alkawiyu Lestari, Santi Arum Puspita Madi Naashir Muhammad Chayim Mustabinnur Nurofik Rahmat Rahmat Rija Nur Hijriyya Rissa Ilmia Agustin Rizki Nur Annisa Rizki Septian Akbar Roby Rupiat Santi Lestari Santi Pertiwi Hari Sandi Siregar, Amril Mutoi Suja Priyanto Syamsul Tri Andika Tatang Rohana Tohirin Al Mudzakir Windyani Eka Putri Yana Cahyana