Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Sistem dan Informatika SISFOTENIKA
Muhammad Sonhaji Akbar
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Engineering

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

Found 2 Documents
Search

 1 
Prediksi Cacat Perangkat Lunak Dengan Optimasi Naive Bayes Menggunakan Pemilihan Fitur Gain Ratio Muhammad Sonhaji Akbar; Siti Rochimah
Jurnal Sistem dan Informatika (JSI) Vol 11 No 1 (2016)
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (106.799 KB)

Abstract

Dalam prediksi cacat perangkat lunak, terjadinya kesalahan prediksi cacat perangkat lunak merupakan hal yang sangat fatal karena data yang salah prediksi dapat menimbulkan pengaruh terhadap perangkat lunak itu sendiri. Kurang optimalnya metode prediksi yang digunakan. Masih terdapat kesalahan dalam memprediksi cacat perangkat lunak. Dalam metode Naive Bayes juga masih terdapat kekurangan ketika terjadi kesalahan klasifikasi. Kesalahan klasifikasi ini dapat memperlambat proses prediksi cacat perangkat lunak. Dibutuhkan metode yang dapat mengatasi kesalahan klasifikasi ini. Dalam penelitian ini disusulkan optimasi metode Naive Bayes menggunakan Gain Ratio. Pemilihan fitur menggunakan Gain Ratio pada Naïve Bayes dapat mengurangi dampak kegagalan prediksi. Penggunaan Gain Ratio dapat meningkatkan performa prediksi. Penghitungan Gain Ratio dapat dirumuskan yaitu dari setiap atribut Gain Ratio dikali jumlah data n kemudian dibagi dengan rata-rata Gain Ratio semua atribut. Atribut dari Gain Ratio sendiri merupakan hasil bagi dari Mutual Information dan Entropy. Mutual Information (MI) merupakan nilai ukur yang menyatakan keterikatan atau ketergantungan antara dua variabel atau lebih. Selain MI, Entropy digunakan sebagai pembagi dari MI yang digunakan untuk menentukan atribut mana yang terbaik atau optimal. Maka dari itu penghitungan Gain Ratio adalah hasil dari penghitungan Mutual Information dibagi dengan hasil penghitungan Entropy Penghitungan Gain Ratio. Hasil penelitian menunjukkan akurasi sebesar 87,55% untuk metode usulan dan 85,34% untuk metode Naïve Bayes biasa.
The Optimisation of Stock Management: Design of an AI-Driven Inventory System Putra, Cendra Devayana; Utami, Ardhini Warih; Dwi, I Kadek; Prayoga, Riza Akhsani Setyo; Basatha, Rizky; Muhammad Sonhaji Akbar
SISFOTENIKA Vol. 15 No. 2 (2025): SISFOTENIKA
Publisher : STMIK PONTIANAK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30700/sisfotenika.v15i2.543

Abstract

The frozen food industry has witnessed remarkable growth in recent years, driven by increasing urbanization and the demand for convenient, ready-to-eat meals. Despite this upward trend, many businesses in the sector struggle with inefficient stock management, particularly in forecasting daily demand due to fluctuating consumer behavior and unpredictable external factors. This study proposes an end-to-end artificial intelligence-based stock forecasting system aimed at optimizing inventory management for frozen food businesses. By adopting the Design Thinking approach, this research places users—both consumers and internal stakeholders—at the center of the problem-solving process to uncover key operational pain points. The study explores recent technological advancements, including augmented reality, RFID, and blockchain, and integrates them into a practical framework tailored to small and medium enterprises (SMEs). Through qualitative analysis and system prototyping, the research identifies essential features for an intelligent stock management system and demonstrates how a user-centric approach can drive innovation and improve business performance. The findings offer valuable insights into the development of adaptive, data-driven solutions in the rapidly evolving frozen food sector.
Co-Authors Ardhini Warih Utami, Ardhini Warih Dwi, I Kadek Putra, Cendra Devayana Riza Akhsani Setyo Prayoga Rizky Basatha Siti Rochimah