Article Per Year (5 Year)
p-Index From 2021 - 2026
1.642
P-Index
This Author published in this journals
All Journal ILKOM Jurnal Ilmiah Computer Science and Information Technologies Indonesian Journal of Data and Science Buletin Sistem Informasi dan Teknologi Islam Ilmu Komputer untuk Masyarakat Linier: Literatur Informatika dan Komputer
Manga, Abdul Rachman
Univeristas Muslim Indonesia
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Mathematics Other

Published : 17 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 17 Documents
Search

 1   2 
Rekomendasi Pembelian Personal Komputer dengan Metode Ranked Clustering Fadly Shabir; Abdul Rachman Manga
ILKOM Jurnal Ilmiah Vol 8, No 2 (2016)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v8i2.55.119-125

Abstract

Perkembangan teknologi berdampak pada persaingan perusahaan yang cukup ketat, produksi yang beragam dan variatif membuat produk komputer memiliki banyak spesifikasi yang berbeda, tentu hal itu akan semakin menyulitkan bagian pemasaran dalam mempromosikan produk komputer. Penelitian ini bertujuan untuk merekomendasikan komputer dengan spesifikasi yang diinginkan oleh calon pembeli, dengan cara menganalisa basis data produk komputer untuk kemudian di klasifikasi berdasarkan karakteristik tertentu. Implementasi Recommendation system ini menggunakan algoritma AHP dan algoritma K-means, dimana metode untuk proses ranking menggunakan AHP dengan menganalisa basis data produk komputer dan analisis kluster untuk mengelompokkan individu atau objek menjadi beberapa kelompok yang sama mempunyai kemiripan satu dengan yang lain di bandingkan dengan anggota cluster lain. Hasil dari kombinasi algoritma AHP dan K-Means yaitu rekomendasi produk komputer lebih variatif. Pengolahan data menggunakan kombinasi algoritma AHP dan K-Means menghasilkan rekomendasi produk kepada pengguna yang lebih heterogen dibandingkan dengan rekomendasi produk dari data yang diolah hanya menggunakan algoritma AHP tanpa di-cluster K-Means. Sehingga dapat ditarik kesimpulan bahwa proses clustering akan menghasilkan kaidah-kaidah asosiasi dengan kualitas yang lebih baik.
ANALISIS BUKTI DIGITAL FORENSIK PADA DISCORD MENGGUNAKAN METODE NATIONAL INSTITUTE OF STANDARDS TECHNOLOGY Andi Muh Afdal; Yulita Salim; Abdul Rachman Manga
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 3, No 4 (2022)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v3i4.1425

Abstract

Perkembangan teknologi informasi dan komunikasi telah membawa manfaat besar bagi kita dalam bidang pendidikan, bisnis dan komunikasi serta hiburan lainnya. Dalam perkembangan teknologi tersebut banyak berkembang aplikasi seperti voice chat salah satunya adalah Discord. Namun Discord kerap disalah gunakan. Aplikasi Discord ini lebih tepatnya populer di kalangan gamers. Salah satu dampak negatifnya adalah Discord menyebutkan telah mencekal lebih dari 2.000 grup yang terindikasi memiliki konten kekerasan dan ekstrim. Pelanggaran yang paling umum adalah kejahatan dunia maya, bullying dan konten eksploitasi, termasuk terorisme, balas dendam dan konten seksual. Salah satu kasus penyalahgunaan aplikasi Discord di Indonesia digunakan sebagai alat komunikasi kasus tindak pidana terorisme daulah islamiyah ISIS. Tujuan penelitian ini untuk melakukan proses investigasi dan menganalisis aplikasi Discord berbasis windows dengan menggunakan metode NIST. Hasil penelitian ini menunjukan bahwa telah didapatkan hanya berupa gambar dengan nilai persentase 38,46%, untuk video dengan nilai persentase 15,38% pada saat menggunakan tool FTK Imager. Selain dari itu teks percakapan, waktu, identitas tidak didapatkan.
Artificial Intelligence (AI) using Long Short-Term Memory (LSTM) for Sales Prediction in Campus Minimarkets Harlinda L; Abdul Rachman Manga; Ramdan Satra
Indonesian Journal of Data and Science Vol. 7 No. 1 (2026): Indonesian Journal of Data and Science
Publisher : Yocto Brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijodas.v7i1.373

Abstract

This study applies Artificial Intelligence (AI) using the Long Short-Term Memory (LSTM) algorithm to predict daily sales at the FIKOM-UMI Minimarket. Sales data from 2023 to 2024 involving 82 items were used and processed into a time series format. Five LSTM architectural scenarios were tested, including baseline, bigger model, lightweight, bidirectional LSTM, and single-layer medium, to identify the most effective model in capturing sales patterns. The data underwent preprocessing stages, including daily aggregation, reindexing to fill missing dates, and normalization using MinMaxScaler before being transformed into sequences with a 30-day time step. Model performance was evaluated using MSE, RMSE, MAPE, and accuracy metrics. The results show that the Bidirectional LSTM (Scenario 4) achieved the best performance, with the lowest MAPE of 19.43% and the highest accuracy of 80.57%. The model successfully generated stable predictions for 7-day and 30-day forecasting with a range of 153–155 units per day, indicating consistent sales patterns. Testing on the top 10 best-selling items showed significant performance variation, with GARUDA ROSTA BWNG 100 Gram achieving the highest accuracy (46.97%), while aoka rasa pandan showed the lowest performance (-76.05%). These findings demonstrate that the LSTM model can be effectively applied for sales prediction in campus minimarkets; however, a hybrid approach with product segmentation is recommended to optimize inventory management across product categories with varying levels of predictability
Analysis of ensemble machine learning classification comparison on the skin cancer MNIST dataset Poetri Lestari Lokapitasari Belluano; Reyna Aprilia Rahma; Herdianti Darwis; Abdul Rachman Manga
Computer Science and Information Technologies Vol 5, No 3: November 2024
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/csit.v5i3.p235-242

Abstract

This study aims to analyze the performance of various ensemble machine learning methods, such as AdaBoost, bagging, and stacking, in the context of skin cancer classification using the skin cancer MNIST dataset. We also evaluate the impact of handling dataset imbalance on the classification model’s performance by applying imbalanced data methods such as random under sampling (RUS), random over sampling (ROS), synthetic minority over-sampling technique (SMOTE), and synthetic minority over-sampling technique with edited nearest neighbor (SMOTEENN). The research findings indicate that AdaBoost is effective in addressing data imbalance, while imbalanced data methods can significantly improve accuracy. However, the selection of imbalanced data methods should be carefully tailored to the dataset characteristics and clinical objectives. In conclusion, addressing data imbalance can enhance skin cancer classification accuracy, with AdaBoost being an exception that shows a decrease in accuracy after applying imbalanced data methods.
Optimizing classification models for medical image diagnosis: a comparative analysis on multi-class datasets Abdul Rachman Manga; Aulia Putri Utami; Huzain Azis; Yulita Salim; Amaliah Faradibah
Computer Science and Information Technologies Vol 5, No 3: November 2024
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/csit.v5i3.p205-214

Abstract

The surge in machine learning (ML) and artificial intelligence has revolutionized medical diagnosis, utilizing data from chest ct-scans, COVID-19, lung cancer, brain tumor, and alzheimer parkinson diseases. However, the intricate nature of medical data necessitates robust classification models. This study compares support vector machine (SVM), naïve Bayes, k-nearest neighbors (K-NN), artificial neural networks (ANN), and stochastic gradient descent on multi-class medical datasets, employing data collection, Canny image segmentation, hu moment feature extraction, and oversampling/under-sampling for data balancing. Classification algorithms are assessed via 5-fold cross-validation for accuracy, precision, recall, and F-measure. Results indicate variable model performance depending on datasets and sampling strategies. SVM, K-NN, ANN, and SGD demonstrate superior performance on specific datasets, achieving accuracies between 0.49 to 0.57. Conversely, naïve Bayes exhibits limitations, achieving precision levels of 0.46 to 0.47 on certain datasets. The efficacy of oversampling and under-sampling techniques in improving classification accuracy varies inconsistently. These findings aid medical practitioners and researchers in selecting suitable models for diagnostic applications.
Kipas Angin Otomatis Berbasis Arduino Uno Menggunakan Sensor DHT11 Khalish Ghandur Syamsuddina; Ramdan Satra; Abdul Rachman Manga
LINIER: Literatur Informatika dan Komputer Vol 1, No 1 (2024)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v1i1.2267

Abstract

Suhu tubuh Manusia bervariasi tergantung dengan kondisi ruangan dan faktor-faktor seperti iklim tropis dan pemanasan global di Indonesia. Oleh karena itu, diperlukan alat pendingin untuk memberikan kenyamanan dengan menurunkan suhu dan menciptakan suasana yang lebih sejuk.Alat pendingin yang umum digunakan adalah kipas angin. Namun, sebagian besar kipas angin yang tersedia saat ini masih bersifat manual, mengharuskan pengguna untuk menekan atau memutar tombol pada badan kipas untuk menghidupkan atau mematikannya. Kendala ini sering membuat manusia enggan mengoperasikan kipas, karena harus mendekati alat tersebut. Sebagai solusi, telah dikembangkan kipas angin otomatis yang menggunakan sensor suhu (DHT11) dan dikendalikan melalui Arduino Uno. Sensor DHT11 berfungsi untuk mengukur suhu ruangan, sementara Arduino bertugas sebagai pengendali. Tujuan dari pengembangan kipas angin otomatis ini adalah untuk memberikan kemudahan kepada pengguna dalam mengontrol kipas angin Dalam pengujian, kipas otomatis akan menyala jika sensor membaca suhu ruangan 30°C atau lebih, dan akan mati jika suhu berada pada 29°C ke bawah. Dengan demikian, alat ini memberikan kenyamanan tanpa memerlukan interaksi manual yang intensif.
Perancangan Sistem Informasi Perpustakaan Digital Dengan Fitur Rekomendasi Bacaan Buku Digital Dwiky Aries Nugraha Yusuf; Abdul Rachman Manga
LINIER: Literatur Informatika dan Komputer Vol 3, No 1 (2026)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v3i1.3484

Abstract

Perpustakaan berperan penting dalam mendukung pendidikan dan meningkatkan literasi masyarakat. Perkembangan teknologi informasi mendorong transformasi perpustakaan konvensional menjadi perpustakaan digital untuk memenuhi kebutuhan masyarakat modern yang mengutamakan efisiensi dan kemudahan akses informasi. Namun, perpustakaan digital menghadapi tantangan seperti keterbatasan dalam sistem pencarian, pengelolaan ulasan, dan penyediaan rekomendasi yang relevan. Permasalahan ini menunjukkan perlunya pengembangan sistem informasi berbasis teknologi yang lebih adaptif dan responsif terhadap kebutuhan pengguna. Penelitian ini bertujuan untuk merancang sistem informasi perpustakaan digital berbasis Natural Language Processing (NLP) yang mampu meningkatkan kualitas layanan perpustakaan dengan fitur rekomendasi bacaan buku digital. Teknologi NLP digunakan untuk menganalisis sentimen ulasan/komentar pengguna, meningkatkan akurasi pencarian, dan menyediakan rekomendasi buku sesuai preferensi. Proses pengembangan sistem mencakup pengumpulan data melalui web scraping, pelabelan, pre-processing, pembagian data, dan analisis model NLP. Evaluasi dilakukan untuk mengukur akurasi, presisi, dan recall. Hasil perancangan penelitian menunjukkan bahwa penerapan NLP dapat meningkatkan efisiensi sistem perpustakaan digital, baik dalam memahami kebutuhan pengguna maupun dalam menyajikan informasi. Sistem informasi perpustakaan digital tidak hanya membantu pengguna dalam menemukan bahan bacaan yang sesuai kebutuhan, tetapi juga memperkuat peran perpustakaan sebagai pusat literasi adaptif terhadap perkembangan teknologi. Dengan demikian, perpustakaan digital berbasis NLP menjadi solusi inovatif untuk meningkatkan aksesibilitas dan pengalaman pengguna secara signifikan
Co-Authors Adriawan Amrullah Andi Muh Afdal Asman Haris Aulia Putri Utami Dedy Atmajaya Dolly Indra Dwiky Aries Nugraha Yusuf Fadly Shabir Faradibah, Amaliah Farniwati Fattah Harlinda Lahuddin Herdianti Darwis Khalish Ghandur Syamsuddina Listyan Nur Saida Lokapitasari Belluano, Poetri Lestari Muhammad Arfah Asis Nurhalima Nurhalima Purnawansyah Purnawansyah Ramdan Satra Reyna Aprilia Rahma Shabir, Fadly Subhan Ardhiman Syam, Aminurlah Syamsumarlin Syamsumarlin Tasrif Hasanuddin Yulita Salim