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 
Implementasi Algoritma Regression Untuk Prediksi Harga Rumah Di Boston Ma'mum, Sukron; Pratama, Reza; Nurkholis Ajie Kurniawan, Muhammad; Putra Mulya, Ageng; Ariyadi Anatasia, Alfi; Fansyuri, Maulana
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

Prediksi harga rumah merupakan aspek krusial dalam industri properti, khususnya di kota besar seperti Boston yang memiliki dinamika pasar yang kompleks. Penelitian ini mengimplementasikan algoritma regresi linier untuk memprediksi harga rumah berdasarkan berbagai atribut seperti jumlah kamar tidur, luas tanah, usia bangunan, dan kedekatannya dengan pusat kota. Dataset yang digunakan terdiri dari 501 data dengan 14 fitur yang mencakup karakteristik rumah dan lingkungan. Proses penelitian melibatkan tahapan Knowledge Discovery in Databases (KDD) mulai dari pemilihan hingga evaluasi model. Hasil analisis menunjukkan bahwa model regresi linier memberikan akurasi yang baik dengan nilai R-squared sebesar 0,745, mengindikasikan bahwa model dapat menjelaskan 74,5% variasi harga rumah. Penelitian ini memberikan wawasan berharga bagi pelaku industri properti untuk mendukung pengambilan keputusan berbasis data yang lebih efektif. Namun, terdapat ruang untuk peningkatan, terutama dalam mengurangi kesalahan prediksi melalui eksplorasi algoritma lain.
Implementasi Metode K-Nearest Neighbors (KNN) Untuk Klasifikasi Penyakit Jantung Fansyuri, Maulana; Fachri Ramdhani, Tyas; Saputra, Rivan; Setiawan, Deni
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

Penyakit jantung merupakan salah satu penyakit yang sangat berbahaya, penyakit ini juga bisa menyerang berbagai kalangan usia. Penyakit jantung meskipun tidak menular, akan menjadi serius bagi semua kalangan usia jika berbagai faktor  seperti kurangnya aktivitas fisik, kebiasaan merokok, konsumsi alcohol dan pola hidup tidak sehat dilakukan. Salah satu yang menyebabkan penyakit ini timbul adalah penyumbatan aliran darah yang masuk ke dalam jantung. Penelitian ini memanfaatkan Teknik data mining untuk menggali informasi dari data besar dengan focus pada metode K-Nearest Neighbors (KNN). K-Nearest Neighbors adalah algoritma sederhana namun efektif untuk klasifikasi data yang bekerja dengan menentukan kedekatan objek baru. Metode ini termasuk dalam kategori supervisored learning, yang menggunakan data berlabel untuk membangun model prediksi. Data yang digunakan dalam penelitian ini diambil dari Kaggle dengan judul “Dataset Penyakit Jantung” yang terdiri dari 1025 entri dan 13 atribut. Tujuan Penelitian ini adalah untuk memancarkan Tingkat akurasi metode K-NN serta mengembangkan aplikasinya dalam klasifikasi penyakit jantung.
Analisa Kenaikan Kunjungan Pasien Di Laboratotium Patologi Klinik Pada Tahun 2022 Sampai 2023 RSUD Kota Bandung Dengan Mengunakan Naive Bayes Fansyuri, Maulana; Kidunga, Lyra; Wulandari Ega M, Nadya; Laela S, Mutiara; Ajeng Trias M, Rizkyanti; Ulfa
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

Penelitian ini bertujuan untuk menganalisis kenaikan kunjungan pasien laboratorium patologi klinik di RSUD Kota Bandung pada tahun 2022 hingga 2023 berdasarkan jenis pemeriksaan dengan mengunakan algoritma Naïve Bayes. Dataset yang digunakan berasal dari data laporan kunjungan pasien yang mencankup informasi jenis pemeriksaan yang dilakukan. Proses analisis meliputi tahapan preprocessing data, pembagian dataset, dan implementasi algoritma Naïve Bayes menggunakan aplikasi RappidMiner, Hasil penelitian menunjukan bahwa algoritma Naïve Bayes mampu mengklasifikasikan data dengan akurasi sebesar 100%, dengan precision sebesar 100% dan rechall sebesar 100%. Penelitian ini diharapkan dapat mendukung pengelolaan dan analisis data kunjungan pasien secara lebih efektif, sehingga membantu dalam pengambilan Keputusan strategis rumah sakit.
Analisis Perbandingan Algoritma Random Forest Dan Decision Tree Pada Prediksi Penyakit Diabetes Ekrinifda, Ardilla; Aulia Ramadhan, Salsabila; Marvella, Shera; Fansyuri, Maulana
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

Diabetes melitus adalah penyakit kronis dengan prevalensi yang meningkat secara global. Diagnosis dini sangat penting untuk mencegah komplikasi, tetapi metode tradisional sering memerlukan waktu dan akses yang terbatas. Penelitian ini membandingkan algoritma Random Forest dan Decision Tree dalam memprediksi diabetes menggunakan dataset dari Kaggle. Algoritma ini dipilih karena kemampuan mereka menangani data kesehatan yang kompleks. Random Forest menggunakan pendekatan ensemble learning untuk meningkatkan akurasi dan stabilitas, sedangkan Decision Tree menawarkan interpretasi hasil yang lebih intuitif. Evaluasi dilakukan dengan metrik seperti akurasi, presisi, recall, dan Area Under Curve (AUC). Hasil menunjukkan Random Forest unggul dalam akurasi (78,78%) dan stabilitas dibandingkan Decision Tree (77,34%). Namun, Decision Tree lebih efisien secara komputasi dan mudah diinterpretasi. Analisis ini memberikan wawasan dalam memilih algoritma prediksi diabetes yang sesuai berdasarkan kebutuhan klinis dan sumber daya. Penelitian ini merekomendasikan Random Forest untuk keandalan prediksi dan Decision Tree untuk skenario yang memerlukan efisiensi dan interpretabilitas. Implementasi lebih lanjut diharapkan membantu tenaga medis dalam pengambilan keputusan yang lebih baik.
Evaluasi Model Naive Bayes Untuk Klasifikasi Data Pasien Dalam Prediksi Penyakit Akbar Prayudi, Lalu; Marsiano, Joseph; Budiman Nadapdap, Panri; Nice, Kristina; Syukur, Abdul; Fansyuri, Maulana
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

Naive Bayes merupakan salah satu algoritma klasifikasi berbasis probabilistik yang sering digunakan dalam analisis data kesehatan, khususnya untuk memprediksi penyakit berdasarkan data pasien. Penelitian ini bertujuan mengevaluasi performa model Naive Bayes dalam klasifikasi data pasien untuk prediksi penyakit tertentu. Model ini diimplementasikan pada dataset pasien yang mencakup berbagai fitur, seperti gejala, riwayat kesehatan, dan demografi. Evaluasi dilakukan dengan menggunakan metrik performa seperti akurasi, presisi, recall. Hasil analisis menunjukkan bahwa Naive Bayes memiliki keunggulan dalam menangani dataset berukuran kecil hingga menengah dengan fitur-fitur independen, namun kinerjanya dapat menurun jika asumsi independensi antar fitur tidak terpenuhi. Studi ini memberikan wawasan mengenai keandalan Naive Bayes dalam membantu pengambilan keputusan klinis, serta membahas tantangan dan peluang untuk meningkatkan akurasi model melalui teknik pra-pemrosesan data dan pemilihan fitur yang tepat.
PELATIHAN PENGENALAN KOMPUTER DAN PEMANFAATAN OFFICE WORD SERTA INTERNET UNTUK MENINGKATKAN KETERAMPILAN DIGITAL SISWA SMP NEGERI 261 JAKARTA Yehezkiel; Teguh Riyanto; Riki Baehaki; Wafiqah Nur Azizah; Deko Triyadi; Muhammad Akhdan Irfan; Nani Suningrat; Robby Azzukruf; Sesilawati; Eduard Elmansius Zebua; Maulana Fansyuri
APPA : Jurnal Pengabdian Kepada Masyarakat Vol 2 No 4 (2024): APPA : Jurnal Pengabdian kepada Masyarakat
Publisher : Shofanah Media Berkah

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

Abstract

Pelatihan Pengenalan Komputer dan Pemanfaatan Microsoft Office Word serta Internet untuk Meningkatkan Keterampilan Digital Siswa SMP Negeri 261 Jakarta bertujuan untuk membekali siswa dengan keterampilan dasar teknologi yang relevan dengan kebutuhan di era digital. Berdasarkan survei awal, mayoritas siswa belum memiliki keterampilan dasar dalam mengoperasikan komputer, menggunakan Microsoft Word, dan memanfaatkan internet secara produktif. Program ini melibatkan pelatihan praktis menggunakan metode diskusi interaktif dan pendekatan praktikum langsung. Hasilnya menunjukkan peningkatan signifikan dalam keterampilan digital siswa, yang mencakup kemampuan mengoperasikan perangkat komputer, menyusun dokumen menggunakan Microsoft Word, dan mengakses internet secara bijak untuk keperluan akademik. Program ini diharapkan memberikan kontribusi dalam mempersiapkan siswa menghadapi tantangan global di masa depan.
Sosialisasi Pengenalan Cyber Security Untuk Pengetahuan Keamanan Digital Alfatah, Alif; Meriansyah, Yuda; Dwitama Saputra, Farhan; Eprilianto, Winky; Valentino Rattu, Samuel; Amalia Monitha Januari, Rossa; Arjuno Wibowo, Rayhan; Pramudya Wirananda, Muhammad; Hibatullah Ferniko, Tegar; Nur Naimah, Fatika; Fansyuri, Maulana
APPA : Jurnal Pengabdian Kepada Masyarakat Vol 2 No 3 (2024): APPA : Jurnal Pengabdian kepada Masyarakat
Publisher : Shofanah Media Berkah

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

Abstract

Kegiatan Pengabdian Kepada Masyarakat atau PKM merupakan komponen penting dalam Tri Dharma Perguruan Tinggi, khususnya mengenai konteks pelayanan kepada masyarakat. Kegiatan ini dilaksanakan di SMK GAMA Tangerang dengan tujuan untuk meningkatkan pemahaman siswa mengenai keamanan siber. Dalam era digital dengan meningkatnya perkembangan teknologi informasi, ancaman seperti peretasan, penipuan daring, dan pelanggaran privasi semakin meningkat. Oleh karena itu, siswa perlu dibekali pengetahuan yang memadai tentang pentingnya menjaga keamanan data pribadi dan mengenali berbagai ancaman siber. Kegiatan sosialisasi ini berfokus pada pengenalan konsep dasar cyber security serta langkah-langkah praktis untuk melindungi diri dari ancaman digital. Melalui seminar interaktif, siswa diajarkan cara membuat kata sandi yang kuat, menggunakan autentikasi multifaktor, dan melakukan pencadangan data. Diharapkan bahwa melalui kegiatan ini, Siswa-siswi tidak hanya mampu menggunakan teknologi secara bijak tetapi mampu menghadapi tantangan dan ancaman siber di dunia digital. Dengan demikian, kegiatan PKM ini memiliki tujuan untuk menciptakan Siswa-siswi yang cerdas, dan bertanggung jawab dalam memanfaatkan teknologi informasi di era digital.
Penerapan Algoritma Naive Bayes Untuk Mendiagnosa Penyakit Diabetes Fansyuri, Maulana; Ikhlas Syahidan Zai, Muhammad; Tri Mustakim, Raka
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

Diabetes atau penyakit gula (gula darah tinggi) merupakan penyakit kronis (jangka panjang) yang perlu diwaspadai. Gejala utama penyakit ini adalah peningkatan kadar gula darah di atas normal. Penderita penyakit diabetes yang semakin meningkat di Indonesia. Sehingga Indonesia menempati peringkat kelima negara dengan jumlah penderita diabetes tertinggi, dengan 19,5 juta orang pada tahun 2021 dan diperkirakan akan mencapai 28,6 juta pada tahun 2045, menurut IDF. Dalam menentukan seseorang dapat memiliki penyakit diabetes bisa dilakukan dengan metode Naive Bayes. Pada penelitian ini digunakan dataset yang didapat dari Kaggle. Hasil yang didapat dari menggunakan algoritma Naive Bayes yaitu 92.60%.
Mengimplementasikan Metode Klasifikasi dengan Menggunakan Algoritma Naïve Bayes dalam Menentukan Pemenang UCL 2024 Maulana Fansyuri; Andika Arya Pratama; Fready Anggara; Ikhwanul Maghsauma; Jordi Ricaldo; Mohamad Ryan Syekhan Ramadan
Buletin Ilmiah Ilmu Komputer dan Multimedia Vol 2 No 5 (2025): Buletin Ilmiah Ilmu Komputer dan Multimedia (BIIKMA)
Publisher : Shofanah Media Berkah

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

Abstract

Data mining merupakan proses penting dalam analisis data yang mencakup teknik seperti klasifikasi, klustering, dan asosiasi. Dalam penelitian ini, algoritma Naïve Bayes diterapkan untuk memprediksi pemenang Liga titleholders UEFA( UCL) 2024 dengan memanfaatkan data statistik tim, performa pemain, dan hasil pertandingan sebelumnya. Penelitian dilakukan menggunakan perangkat lunak RapidMiner untuk mengelola, menganalisis, dan mengevaluasi data. Dataset dibagi menjadi data pelatihan dan dat pengujian dengan teknik validasi split. Model dievaluasi melalui confusion matrix untuk menghitung akurasi, presisi, recall, dan F1- score. Hasil pengolahan data menunjukkan bahwa algoritma Naïve Bayes memiliki potensi dalam memprediksi hasil pertandingan sepak bola, meskipun terdapat kendala dalam akurasi prediksi untuk klub tertentu. Kata kunci Naïve Bayes, Prediksi, Akurasi,Pre-processing data.
Sistem Pendukung Keputusan Seleksi Ikan Lele Konsumsi Terbaik Menggunakan Metode Fuzzy Logic Berbasis Web Fauzan Hazami, Ahmad; Fansyuri, Maulana
BINER : Jurnal Ilmu Komputer, Teknik dan Multimedia Vol. 3 No. 2 (2025): BINER : Jurnal Ilmu Komputer, Teknik dan Multimedia
Publisher : CV. Shofanah Media Berkah

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

Abstract

Decision Support Systems (DSS) play a vital role in facilitating the selection of the best catfish for consumption based on specific criteria. This study aims to develop a web-based DSS using the Fuzzy Logic method, designed to provide accurate and efficient decision-making outcomes. Fuzzy Logic was chosen for its ability to handle uncertain data and generate decisions resembling human logic. The system was developed through several main stages, including data collection, data processing using fuzzy rules, defuzzification, and decision determination. System testing was conducted to ensure the proper functionality of all features, covering input validation, fuzzy process verification, and defuzzification accuracy in determining the quality category of catfish. The system allows users, such as farmers and consumers, to input data such as size, weight, health, and color of catfish to obtain recommendations for the best quality fish. The results indicate that the system delivers outputs aligned with user input data, achieving high accuracy in decision- making processes. Moreover, functionality tests confirm that the system operates according to predefined specifications, ensuring ease of use and adding value in supporting technology-driven decision-making. Therefore, this system can be relied upon to enhance the efficiency of selecting the best catfish for consumption on both commercial and personal scales. This research is expected to serve as a foundation for developing fuzzy-based systems in other fields requiring uncertain data processing.
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