Article Per Year (5 Year)
p-Index From 2021 - 2026
4.878
P-Index
This Author published in this journals
All Journal Humanika JPP IPTEK (Jurnal Pengabdian dan Penerapan IPTEK) Journal of Artificial Intelligence and Innovative Applications (JOAIIA) Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence JAMAIKA: Jurnal Abdi Masyarakat KOMMAS: Jurnal Pengabdian Kepada Masyarakat Journal of Research and Publication Innovation LOGIC : Jurnal Ilmu Komputer dan Pendidikan Biner : Jurnal Ilmu Komputer, Teknik dan Multimedia OKTAL : Jurnal Ilmu Komputer dan Sains JRIIN :Jurnal Riset Informatika dan Inovasi Buletin Ilmiah Ilmu Komputer dan Multimedia (BIIKMA) APPA : Jurnal Pengabdian Kepada Masyarakat AI dan SPK : Jurnal Artificial Intelligent dan Sistem Penunjang Keputusan
Maulana Fansyuri
Universitas Pamulang
Aerospace Engineering Arts Humanities Astronomy Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Medicine & Pharmacology Social Sciences Transportation Other

Published : 37 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 37 Documents
Search

 1   2   3   4 
Analisis Support Vector Machine (SVM) dalam Pengenalan Citra Bunga Menggunakan Fitur Warna dan Bentuk Maulana Fansyuri
OKTAL : Jurnal Ilmu Komputer dan Sains Vol 1 No 09 (2022): OKTAL : Jurnal Ilmu Komputer Dan Sains
Publisher : CV. Multi Kreasi Media

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

Abstract

This research discusses object recognition in images, with a focus on flower recognition. Automatic flower identification has many practical applications, such as in agriculture, nature conservation, and botanical gardens. However, flower recognition remains a complex challenge because flowers come in a variety of shapes and colors. To overcome this problem, this research proposes the use of the Support Vector Machine (SVM) method in recognizing flower images based on color and shape features. SVM is a powerful classification algorithm and can perform well in cases where the features are in a high dimensional space. This research involves several stages, including image data collection, color and shape feature extraction, as well as training and testing of the SVM model. The SVM method was chosen because of its ability to handle high dimensional data and efficient memory usage. The experimental results show an SVM accuracy rate of 74.29%, indicating significant potential in flower image recognition using SVM with color and shape features.
Optimalisasi Penggunaan Internet Sehat dan Aman dengan DNS Nawala Yunita, Devi; Fansyuri, Maulana; Khoirunnisya, Khoirunnisya; Nurhasanah, Nurhasanah; Tassia, Shelvi Eka
JPP IPTEK (Jurnal Pengabdian dan Penerapan IPTEK) Vol 8, No 2 (2024): November
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.jpp-iptek.2024.v8i2.1901

Abstract

Internet adalah jaringan komunikasi dan informasi global yang menawarkan berbagai manfaat. Dengan kemampuan dan kemauan untuk memanfaatkannya, pengguna dapat dengan mudah, cepat, dan murah berkomunikasi ke seluruh dunia. Namun, internet memiliki sisi positif dan negatif, terutama karena perilaku pengguna sering kali berkaitan dengan paparan materi yang kurang bermanfaat. Program Internet Sehat dan Aman (INSAN), yang dicanangkan oleh Kementerian Komunikasi dan Informatika Indonesia (Kemkominfo), bertujuan untuk menyosialisasikan penggunaan internet secara sehat dan aman. Dalam rangka mendukung program ini, kegiatan pengabdian kepada masyarakat dilaksanakan bersama organisasi pemuda Karang Taruna RW 007, Bakti Jaya, Tangerang Selatan. Tujuan kegiatan ini adalah untuk mendorong masyarakat, khususnya generasi muda, agar lebih bijak dalam memanfaatkan internet sebagai media komunikasi sekaligus mampu membatasi diri dari pengaruh negatif yang beredar di dunia maya. Implementasi DNS Nawala diharapkan dapat membantu masyarakat dalam menyaring konten-konten negatif di internet.
KLASIFIKASI JENIS KELAMIN BERDASARKAN CITRA WAJAH MENGGUNAKAN ALGORITMA NEURAL NETWORK Maulana Fansyuri
Journal of Research and Publication Innovation Vol 2 No 4 (2024): OCTOBER
Publisher : Journal of Research and Publication Innovation

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

Abstract

This study aims to develop a gender classification system using facial images by utilizing an artificial neural network algorithm. In this context, facial images taken from various sources are used as input data for a neural network model that will classify faces into two categories, namely male and female. This study begins with the collection of facial image datasets which are then processed to extract important features that are relevant in the classification. The model training process is carried out using an artificial neural network algorithm, using training data that has been processed to optimize classification accuracy. Evaluation is carried out by comparing the classification results to separate test data, and model accuracy is calculated using a confusion matrix and other metrics. Interim results show that the applied neural network model can achieve a significant level of accuracy in classifying gender based on facial images, with an accuracy value reaching 87.33%. This study shows that the neural network algorithm has great potential to be applied in gender recognition through facial images, and can be used as a basis for developing more complex identification systems. In the future, this system can be further optimized by applying regularization and data augmentation techniques to improve classification performance in various lighting conditions and facial angles.
Prediksi Kerajinan Siswa Berdasarkan GPA Menggunakan K-Nearest Neighbors (KNN) Fansyuri, Maulana; Setiawan, Deni; Azzahra, Amalia; Nabila, Dhaifina; Silviana, Fijriani; Lusiyanti
Jurnal Riset Informatika dan Inovasi Vol 2 No 9 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi
Publisher : shofanah Media Berkah

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

Abstract

Penelitian ini bertujuan untuk memprediksi kesibukan siswa berdasarkan Nilai IPK (Indeks Prestasi Kumulatif) menggunakan algoritma K-Nearest Neighbors (KNN). Prestasi akademik, yang tercermin dalam IPK, merupakan indikator penting yang mempengaruhi kesibukan siswa dalam aktivitas belajar serta keterlibatan mereka dalam kegiatan ekstrakurikuler. Penelitian ini menggunakan dataset yang mencakup 500 rekaman siswa, dengan atribut seperti jam belajar per minggu, tingkat kehadiran, partisipasi dalam kegiatan ekstrakurikuler, jenis kelamin, dan informasi demografis lainnya. Algoritma KNN diterapkan untuk menganalisis data dan membangun model prediktif yang dapat digunakan untuk mengidentifikasi tingkat kesibukan siswa. Akurasi model diuji melalui teknik validasi silang untuk memastikan keandalannya. Hasil awal menunjukkan bahwa faktor-faktor seperti jam belajar dan tingkat kehadiran memiliki hubungan signifikan dengan tingkat kesibukan siswa. Penelitian ini menyoroti potensi algoritma KNN dalam konteks pendidikan, memberikan wawasan berharga bagi pendidik untuk mendukung siswa yang mungkin memerlukan perhatian lebih. Selain itu, penelitian ini membuka peluang untuk penelitian lebih lanjut guna meningkatkan akurasi prediksi dan merancang intervensi yang lebih efektif.
Optimalisasi Klasifikasi Cuaca Menggunakan Algoritma K-Nearest Neighbors (KNN) Fansyuri, Maulana; Kartika Putri, Dila; Sagita Octaviani, Kezia; Naia Natasya, Ris; Saputra, Saldy; Yaqumi, Zesi
Jurnal Riset Informatika dan Inovasi Vol 2 No 9 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi
Publisher : shofanah Media Berkah

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

Abstract

Perubahan iklim yang semakin kompleks dan tidak terprediksi telah mendorong perkembangan berbagai metode untuk memprediksi kondisi cuaca. Cuaca merupakan faktor penting yang mempengaruhi banyak aspek kehidupan, seperti pertanian, transportasi, dan aktivitas sehari-hari. Oleh karena itu, klasifikasi cuaca menjadi bidang yang sangat penting untuk diteliti dan dioptimalkan. Penelitian ini menggunakan dataset dummy prakiraan cuaca dari Kaggle, yang mencakup variabel seperti suhu, kelembaban, kecepatan angin, dan curah hujan, untuk membangun model klasifikasi. Algoritma K-Nearest Neighbors (KNN), yang sering digunakan dalam tugas klasifikasi, diterapkan untuk memprediksi kondisi cuaca. Optimalisasi dilakukan dengan menganalisis pengaruh parameter algoritma dan teknik preprocessing data, seperti normalisasi dan seleksi fitur. Hasil penelitian menunjukkan bahwa model KNN dapat mengklasifikasikan kondisi cuaca dengan akurasi 34,21%. Meskipun hasil ini terbatas, model ini memberikan dasar untuk perbaikan lebih lanjut dalam pengembangan model prediksi cuaca.
Analisis Dataset Pemilu KPU Menggunakan Algoritma Decision Tree Di Rapidminer Fansyuri, Maulana; Murni; Arifin, Teguh; Farhan, Ahmad; Tipalahi, Ramdan; Muhammad Rifaldi, Aldi
Jurnal Riset Informatika dan Inovasi Vol 2 No 9 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi
Publisher : shofanah Media Berkah

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

Abstract

Pemilu merupakan pilar utama demokrasi yang membutuhkan pengelolaan data secara efisien dan akurat untuk menjamin transparansi dan meningkatkan kepercayaan publik. Penelitian ini bertujuan untuk menganalisis data hasil Pemilu yang disediakan oleh Komisi Pemilihan Umum (KPU) melalui algoritma decision tree menggunakan aplikasi RapidMiner. Dataset yang digunakan diperoleh dari Kaggle dan mencakup berbagai informasi terkait hasil Pemilu. Penelitian ini difokuskan pada pengidentifikasian pola data, analisis prediktif, serta evaluasi performa model dengan pendekatan berbasis data. Evaluasi dilakukan menggunakan metrik akurasi, precision, dan recall untuk mengukur sejauh mana algoritma decision tree mampu menghasilkan prediksi yang relevan dan akurat. Hasil penelitian menunjukkan bahwa algoritma decision tree dapat mengidentifikasi pola data penting yang berkontribusi pada analisis prediktif hasil Pemilu. Selain itu, metrik evaluasi memberikan gambaran yang jelas tentang keandalan model dalam memprediksi data dengan tingkat presisi dan akurasi yang signifikan. Penelitian ini diharapkan dapat memberikan wawasan baru bagi pengelolaan data Pemilu di masa depan serta mendukung proses pengambilan keputusan berbasis data dalam sistem demokrasi.
Inovasi Prediksi Harga Emas Berbasis Naive Bayes: Menjembatani Data Dan Pasar Fansyuri, Maulana; Rianto, Risky; Dwi Santoso, Rendi; Mikael Immanuel Christianto; Ikhwan, Muhammad; Rafly Thabroni, Mochammad
Jurnal Riset Informatika dan Inovasi Vol 2 No 9 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi
Publisher : shofanah Media Berkah

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

Abstract

Harga emas telah lama menjadi barometer stabilitas ekonomi dan investasi, tetapi volatilitasnya sering kali menjadi tantangan bagi investor. Penelitian ini menghadirkan sebuah terobosan dalam prediksi harga emas dengan mengadopsi pendekatan Naive Bayes, algoritma berbasis probabilitas yang mengubah kompleksitas data menjadi wawasan yang berharga. Model ini dirancang dengan memadukan data historis harga emas, indikator makroekonomi global, dan pola pasar untuk menciptakan prediksi yang akurat dan mudah dipahami. Hasilnya menunjukkan potensi besar algoritma ini dalam menjawab kebutuhan pasar yang dinamis, sekaligus memberikan perspektif baru bagi pengambilan keputusan strategis di sektor investasi. Penelitian ini bukan hanya sekadar model prediksi, tetapi juga jembatan inovatif yang menghubungkan data ekonomi dengan peluang pasar, membuka cakrawala baru bagi inovasi di era digital.
IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBORS (KNN) UNTUK PREDIKSI PENYAKIT DIABETES PADA PEREMPUAN Maulana Fansyuri; Dian Nurul Iman; Gideon Triman Harefa; Shahrudin; Pratama, Arijal; Muhammad Rizki Rahmatullah
Jurnal Riset Informatika dan Inovasi Vol 2 No 10 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi
Publisher : shofanah Media Berkah

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

Abstract

Diabetes melitus adalah penyakit kronis yang dapat menyebabkan komplikasi serius seperti gagal ginjal, kebutaan, dan penyakit jantung. Deteksi dini risiko diabetes sangat penting untuk mencegah komplikasi dan meningkatkan kualitas hidup pasien. Penelitian ini menggunakan dataset dari Kaggle yang terdiri dari 768 data dengan 9 atribut, termasuk kadar glukosa dan BMI. Algoritma K-Nearest Neighbor (KNN) dipilih karena kesederhanaan dan efektivitasnya dalam prediksi. Proses penelitian dilakukan menggunakan RapidMiner untuk preprocessing, pemodelan, dan evaluasi, dengan pembagian dataset sebesar 80% untuk pelatihan dan 20% untuk pengujian. Hasil evaluasi menunjukkan akurasi model mencapai 80,73%, dengan precision 74,79% dan recall 67,54% untuk kelas positif. Meskipun akurasi yang tinggi, rendahnya nilai recall menunjukkan bahwa beberapa kasus diabetes tidak terdeteksi, sehingga memerlukan optimasi lebih lanjut. Penelitian ini menyoroti potensi KNN dalam deteksi dini diabetes sebagai alat bantu keputusan bagi tenaga medis. Rekomendasi untuk meningkatkan performa model termasuk penggunaan dataset yang lebih besar dan penerapan teknik pembelajaran mesin yang lebih canggih. Diharapkan hasil penelitian ini dapat berkontribusi pada pengembangan teknologi prediktif di bidang kesehatan.
Analisis Dan Prediksi Rating Game Berdasarkan Review Pengguna Steam Menggunakan Algoritma K–Nearest Neighbor Fansyuri, Maulana; Hanif, Abdul; Routya Faizan, Alfreza; Nata Pratama, Fadhil; Aulia Rahman, Verrel
Jurnal Riset Informatika dan Inovasi Vol 2 No 11 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi
Publisher : shofanah Media Berkah

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

Abstract

Industri game digital terus berkembang pesat, dengan platform seperti Steam yang menawarkan ribuan game kepada jutaan pengguna. Namun banyaknya pilihan  membuat pengguna kesulitan menemukan game yang sesuai dengan kebutuhannya. Penelitian ini bertujuan untuk menganalisis dan memprediksi rekomendasi pengguna untuk rating game di Steam menggunakan algoritma K-nearest neighbour (KNN). Kumpulan data yang digunakan terdiri dari 2.800 review pengguna terhadap 7 game yang diperoleh dari Kaggle.com. Melakukan proses pengolahan data  secara sistematis, meliputi pembersihan data, transformasi teks, dan segmentasi data menjadi data latih dan data uji. Algoritma KNN dengan  k=5 diimplementasikan menggunakan software RapidMiner yang mendukung analisis data halus dengan metode non parametrik. Hasil penelitian menunjukkan bahwa algoritma KNN dapat memprediksi statistik permainan dengan akurat. Penggunaan pemrosesan data terstruktur dan  perangkat lunak pendukung menghasilkan model  klasifikasi label berpemilik. Selain itu, penelitian ini menunjukkan potensi pengembangan model lebih lanjut dengan memperluas kumpulan data, memasukkan lebih banyak variabel, dan membandingkan berbagai variabel untuk penilaian kinerja. Selain memberikan solusi praktis, penelitian ini juga memberikan kerangka teoritis untuk penerapan algoritma KNN pada sistem rekomendasi big data, yang dapat meningkatkan pengalaman pengguna dalam mengeksplorasi game baru.
Analisis Data Gempa di Indonesia Menggunakan Algoritma Naive Bayes Maulana Fansyuri; Ricky Tri Setiawan Putra; Afra Anggita Salsabila; Fazril Ramadhan; Muhammad Fiqih
Jurnal Riset Informatika dan Inovasi Vol 2 No 10 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi
Publisher : shofanah Media Berkah

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

Abstract

Gempa bumi merupakan fenomena alam yang memiliki dampak besar terhadap kehidupan manusia, khususnya di wilayah rawan seperti Indonesia. Penelitian ini bertujuan untuk menganalisis dataset gempa bumi di Indonesia menggunakan algoritma Naive Bayes untuk mengklasifikasi wilayah berdasarkan potensi gempa. Dataset yang digunakan diambil dari Kaggle dan mencakup informasi lokasi, kekuatan magnitudo, serta kedalaman gempa. Dalam penelitian ini, data dibersihkan dan diproses sebelum dimasukkan ke dalam model klasifikasi. Hasil analisis menunjukkan bahwa algoritma Naive Bayes mampu memberikan hasil yang cukup akurat dalam mengklasifikasikan potensi gempa di berbagai wilayah. Temuan ini diharapkan dapat mendukung upaya mitigasi bencana di Indonesia.
Co-Authors Abdul Syukur Adinda Fatmah Afra Anggita Salsabila Agus Pangondian Silalahi Ahmad Farhan, Ahmad Ahmad Kahfi Djaelani Ajeng Trias M, Rizkyanti Akbar Prayudi, Lalu Alfatah, Alif Amalia Monitha Januari, Rossa Andika Arya Pratama Arifin, Teguh Ariyadi Anatasia, Alfi Arjuno Wibowo, Rayhan Aulia Rahman, Verrel Aulia Ramadhan, Salsabila Azzahra, Amalia Bagus Firmansyah Budiman Nadapdap, Panri Deanova, Ryanda Deko Triyadi DENI SETIAWAN Devi Yunita Devi Yunita Devi Yunita Dian Nurul Iman Diky Hernadi Dimas Aribi Dimas Setiawan Dwi Santoso, Rendi Dwitama Saputra, Farhan Dzikri Fauzi Ramdhani Eduard Elmansius Zebua Ekrinifda, Ardilla Eprilianto, Winky Erika Alfira Lia Fachri Ramdhani, Tyas Fatimah Az-zarro Fauzan Hazami, Ahmad Fazril Ramadhan Fready Anggara Gideon Triman Harefa Hanif, Abdul Helen Chandra Dewi Hernadi, Diky Hibatullah Ferniko, Tegar hidayatullah Al Islami Ikhlas Syahidan Zai, Muhammad Ikhwanul Maghsauma Jordi Ricaldo Kanisisus Heatubun, Petrus Kartika Putri, Dila Khoirun nisya Khoirunnisya Khoirunnisya Khoirunnisya Khoirunnisya, Khoirunnisya Kidunga, Lyra Laela S, Mutiara Lusiyanti Lu’ay Shafa Apta Hermawan Ma'mum, Sukron Marsiano, Joseph Marvella, Shera Meriansyah, Yuda Mikael Immanuel Christianto Moh Fiqhi Nur Hidayatulloh Mohamad Ryan Herdiyana Mohamad Ryan Syekhan Ramadan Muhamad Faisal Muhammad Akhdan Irfan Muhammad Azzam Pridana Muhammad Fiqih Muhammad Ikhwan Muhammad Rifaldi, Aldi Muhammad Rizki Rahmatullah Murni Nabila, Dhaifina Naia Natasya, Ris Nani Suningrat Nasywa Sakha Ningrum Nata Pratama, Fadhil Nice, Kristina NUR HASANAH Nur Naimah, Fatika Nurhasanah Nurhasanah Nurhasanah Nurhasanah Nurkholis Ajie Kurniawan, Muhammad Nursarah Sahirah Pramudya Wirananda, Muhammad Pratama, Arijal Pratama, Reza Putra Mulya, Ageng Rafly Thabroni, Mochammad Rianto, Risky Ricky Tri Setiawan Putra Riki Baehaki Rivan Saputra, Rivan Rizki Murtadho Rizki Prayogi Widartama Robby Azzukruf Routya Faizan, Alfreza Sagita Octaviani, Kezia Saputra, Saldy sesilawati Shahrudin Shelvi Eka T Sheny Aprilia Ningsih Sherlvi Eka Tassia Silviana, Fijriani Siswirawan, Andhika Prasetyo Susanna Dwi Yulianti Kusuma Tassia, Shelvi Eka Teguh Riyanto Tipalahi, Ramdan Tri Mustakim, Raka Ulfa Valentino Rattu, Samuel Wafiqah Nur Azizah Wahyu Nur Pambuko Wulandari Ega M, Nadya Yaqumi, Zesi Yehezkiel Yulianti K, Susanna Dwi