Article Per Year (5 Year)
p-Index From 2020 - 2025
2.133
P-Index
This Author published in this journals
All Journal Elkom: Jurnal Elektronika dan Komputer KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) Sistemasi: Jurnal Sistem Informasi JITK (Jurnal Ilmu Pengetahuan dan Komputer) JTIK (Jurnal Teknik Informatika Kaputama) Jurnal Infortech KLIK: Kajian Ilmiah Informatika dan Komputer Indonesian Journal of Networking and Security - IJNS JAPI: Jurnal Akses Pengabdian Indonesia
Muhammad Rifqi Firdaus
Universitas Bina Sarana Informatika
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Library & Information Science Nursing Public Health Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Analisis Sentimen Physical Distancing pada Twitter Menggunakan Text Mining dengan Algoritma Naive Bayes Classifier Nila Hardi; Yuris Alkahfi; Popon Handayani; Windu Gata; Muhammad Rifqi Firdaus
Sistemasi: Jurnal Sistem Informasi Vol 10, No 1 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (597.36 KB) | DOI: 10.32520/stmsi.v10i1.1118

Abstract

AbstrakPhysical distancing kini sedang ramai menjadi perbincangan publik sebagai salah satu cara pemerintah dalam menekan penyebaran virus covid-19 yang sedang melanda beberapa negara di belahan dunia. Tidak tersaringnya cuitan terkait physical distancing bisa memunculkan berbagai macam opini, tidak hanya opini yang positif tapi juga yang negatif. Maka dari itu, Twitter di anggap lebih diminati oleh masyarakat indonesia dikarenakan twitter dirasa lebih mudah untuk mengungkapkan opininya. Metode yang digunakan yaitu Naive Bayes Classifier (NBC). Data terkumpul dilakukan filter dari cuitan tersebut dengan menghapus data yang double maka setelah di filter data yang terambil yaitu sebanyak 547 tweets. Pada perhitungan analisis sentimen terhadap physical distancing di tengah pandemi covid-19 menggunakan metode NBC memperoleh hasil akurasi sebesar 50,26%. Tujuan dari penelitian ini, agar dapat mengkategorikan opini negatif atau positif, dari pembahasan physical distancing. Nantinya informasi terkait kebijakan Physical Distancing bisa sampai tepat informasinnya kepada masayarakat.Kata Kunci: naïve bayes, physyical distancing, twitter  AbstractPhysical distancing is now busy becoming a public conversation as a way for the government to spread the Covid-19 virus which is currently hitting several countries around the world. There are public tweets related to physical distance that is free from various kinds of opinions, not only positive but also negative ones. Therefore, Indonesian people consider Twitter to be more desirable because it is easier for Indonesians to express their opinion. The method used is the Naive Bayes Classifier (NBC). The data collected was filtered from the tweets with double data, then after filtering the data were taken as many as 547 tweets. In calculating the sentiment analysis of physical distance in the middle of the Covid-19 pandemic using the NBC method, it gets an accurate result of 50.26%. The purpose of this study, to find and categorize negative or positive opinions, from the discussion of physical distancing. So that the implementation of the Physical Distance policy can get accurate information to the public.Keywords: naïve bayes, physical distancing, twitter
Analisis Kriteria Kelayakan Calon Pendonor Darah Menggunakan Neural Network Muhammad Rifqi Firdaus; Abdul Latif; Windu Gata
Sistemasi: Jurnal Sistem Informasi Vol 9, No 2 (2020): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (669.112 KB) | DOI: 10.32520/stmsi.v9i2.840

Abstract

Organisasi Kesehatan Dunia (WHO) menjelaskan, sekitar 180 juta unit darah yang disumbangkan dikumpulkan secara global setiap tahunnya. Kebutuhan kantong darah di Indonesia sendiri sangat tinggi, sesuai standar WHO, jumlah kantong yang harus tersedia di suatu negara adalah 2% dari populasi nasional. Artinya, untuk Indonesia sendiri, dibutuhkan kantong darah sekitar 4,5 juta dalam setahun. Donor darah merupakan kegiatan memberikan sebagian darah untuk disumbangkan pada pasien yang membutuhkan. Untuk menentukan calon pendonor termasuk layak atau tidak layak nya terdapat kriteria yang harus terpenuhi. Sehingga dataset kriteria kelayakan donor darah yang didapat dari UDD PMI Kota Tasikmaya bisa digunakan sebagai tolak ukur untuk mengukur keakuratan dalam meprediksi layak atau tidak layaknya calon pendonor darah untuk mendonorkan darahnya. Berdasarkan penelitian yang telah dilakukan menggunakan tools Rapid Miner 9.0 terhadap dataset kriteria kelayakan calon pendonor darah UDD PMI Kota Tasikmalaya dengan metode Neural network menghasilkan nilai accuracy sebesar 91.65%, precision sebesar 91.05, recall sebesar 99,75% dengan nilai AUC sebesar 0.806 yang menunjukkan bahwa hasil klasifikasinya baik. Sehingga calon pendonor bisa di prediksi terhadap layak atau tidak layaknya bagi calon pendonor untuk mendonorkan darahnya.
Komparasi Algoritma C4.5 Dan Naïve Bayes Dalam Penentuan Status Kelayakan Donor Darah Kartika Handayani; Lisnawanty Lisnawanty; Abdul Latif; Muhammad Rifqi Firdaus; Fuad Nur Hasan
Sistemasi: Jurnal Sistem Informasi Vol 10, No 3 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (845.648 KB) | DOI: 10.32520/stmsi.v10i3.1440

Abstract

Donor darah merupakan kegiatan kemanusiaan dimana seseorang dengan sukarela AbstrakDonor darah merupakan kegiatan kemanusiaan dimana seseorang dengan sukarela menyumbangkan darahnya untuk disimpan di bank darah yang kemudian digunakan untuk transfusi darah. UDD (Unit Donor Darah) PMI Kota Pontianak merupakan tempat pelayanan donor darah dari masyarakat Kota Pontianak. Dalam prakteknya, tidak semua masyarakat yang ingin mendonorkan darah dapat berhasil mendonorkan darahnya. Dalam memprediksi layak atau tidaknya masyarakat untuk mendonorkan darahnya dapat dilakukkan dengan klasifikasi data mining untuk mengetahui faktor yang paling mempengaruhi prediksi donor darah. Penelitian ini menggunakan metode klasifikasi  algoritma C4.5 dan Naïve Bayes kemudian dilakukan perbandingan dua metode tersebut menggunakan confusion matrix, AUC dan uji beda t-test dengan analisa software rapidminer  berdasarkan umur, jenis kelamin, berat badan, tekanan darah, dan hemoglobin. Dari hasil penelitian ini, hemoglobin adalah variabel paling menentukan kelayakan donor darah kemudian tekanan darah. Algoritma terbaik dalam kasus ini adalah Naïve Bayes dengan akurasi 93,26%, sedangkan tingkat akurasi C4.5 93,22%. Naïve Bayes termasuk dalam predikat good classsification dengan AUC sebesar 0.833, sedangkan C4.5 termasuk dalam predikat fair classsification dengan AUC sebesar 0.758. Dari hasil uji beda t-test diperoleh hasil 0.841 yang menyatakan bahwa tidak ada perbedaan signifikan dalam penentuan  klasifikasi status kelayakan donor darah untuk kedua algoritma.Kata kunci: prediksi, donor darah, c4.5, naïve bayes AbstractBlood donation is a humanitarian activity in which someone voluntarily donates blood to be stored in a blood bank which is then used for blood transfusions. UDD (Blood Donation Unit) PMI Pontianak City is a blood donor service area of the Pontianak City community. In practice, not all people who want to donate blood can successfully donate blood. In predicting the feasibility of whether or not the community to donate blood can be done with the classification of data mining to determine the factors that most influence the prediction of blood donors. This study uses the C4.5 algorithm and Naïve Bayes classification method, then compares the two methods using a confusion matrix, AUC and t-test different test with rapidminer software analysis based on age, sex, weight, blood pressure, and hemoglobin. From the results of this study, hemoglobin is the most determining variable of eligibility for blood donation then blood pressure. The best algorithm in this case is Naïve Bayes with an accuracy of 93.26%, while the accuracy rate of C4.5 is 93.22%. Naïve Bayes is included in the category of good class certification with AUC of 0.833, while C4.5 is included in the category of fair class certification with AUC of 0.758. From the results of the t-test different test results obtained 0.841 which states that there is no significant difference in determining the classification of blood donor eligibility status for the two algorithms.Keywords: prediction, blood donor, c4.5, naïve bayes 
SISTEM INFORMASI PEMBAYARAN SUMBANGAN PARTISIPASI PENDIDIKAN TERINTEGRASI SMS GATEWAY Muhammad Rifqi Firdaus; Muhammad Ifan Rifani Ihsan; Arief Rama Sena; Rizka Dahlia -
Jurnal Infortech Vol 1, No 2 (2019): Desember 2019
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (729.088 KB) | DOI: 10.31294/infortech.v1i2.7100

Abstract

Perkembangan teknologi informasi sangat berperan di dunia pendidikan, bahkan bisa menjadi tolak ukur dalam menentukan kualitas suatu pendidikan, mulai dari proses kegiatan pembelajaran hingga pengelolaan informasi manajemen sekolah untuk mendukung proses pendidikan. Di Sekolah Menengah Kejuruan Nahdlatul Ulama , proses pencatatan pembayaran biaya Sumbangan Partisipasi Pendidikan (SPP) masih dilakukan manual, tentu saja hal ini tidak efisien karena akan membutuhkan waktu yang lama apabila ada banyak siswa yaang akan membayarnya. Dalam proses pembuatan laporan, petugas harus merekap ulang setiap bulannya dan diberikan kepada kepala sekolah. Terlebih masih saja ada siswa yang tidak jujur dengan tidak membayarkan uang yang telah diberikan orangtuanya untuk membayar SPP. Tujuan dari penulisan ini yaitu merancang sebuah sistem informasi pembayaran SPP terintegrasi SMS Gateway, dengan tujuan memecahkan masalah tersebut. Metode yang digunakan adalah metode waterfall sebagai metode pengembangan perangkat lunaknya. Hasil dari penelitian yag dilakukan yakni, menciptakan sistem informasi pembayaran SPP yang sudah terkomputerisasi dan terintegrasi SMS Gateway, dimana nantinya pencatatan laporan bisa dilakukan secara cepat, tidak akan ada lagi siswa yang tidak membayarkan biaya SPPnya, laporan SMS akan terkirim langsung kepada oranguta siswa setiap melakukan pembayaran SPP.
CLASSIFICATION OF THE PROSPECTS FOR CITY TREES LIFE EXPECTANCY USING NAIVE BAYES METHOD Muhammad Rifqi Firdaus; Abdul Latif; Ipin Sugiyarto; Windu Gata
JITK (Jurnal Ilmu Pengetahuan dan Teknologi Komputer) Vol 6 No 1 (2020): JITK Issue August 2020
Publisher : LPPM Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1130.708 KB) | DOI: 10.33480/jitk.v6i1.1405

Abstract

Besides the city is a large and extensive residential area. as a center for the activities of its citizens, both from economic, cultural, and development activities. Development in the city leads to the physical development of the city with the many facilities and infrastructure in the city, making activities in the city cause some pollution problems. To overcome this problem, the government often creates green open space in the middle of the city. Planting shade trees will help to balance the problem of pollution due to development. Trees can reduce temperatures, in addition to absorbing air and climate pollution. trees can help save energy. Naive Bayes is a classification with probability and statistical methods, namely predicting future opportunities based on experience based on the assumption of simplification that attribute values are conditionally free if given an output value. Data processing with Naive Bayes produces a Precision value of 0.840%, a recall value of 0.848%, and an AUC of 0.873%. These results indicate that the results are included in the excellent category.
COMPARATIVE ANALYSIS OF SOFTWARE EFFORT ESTIMATION USING DATA MINING TECHNIQUE AND FEATURE SELECTION Abdul Latif; Lady Agustin Fitriana; Muhammad Rifqi Firdaus
JITK (Jurnal Ilmu Pengetahuan dan Teknologi Komputer) Vol 6 No 2 (2021): JITK Issue February 2021
Publisher : LPPM Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1270.41 KB) | DOI: 10.33480/jitk.v6i2.1968

Abstract

Software development involves several interrelated factors that influence development efforts and productivity. Improving the estimation techniques available to project managers will facilitate more effective time and budget control in software development. Software Effort Estimation or software cost/effort estimation can help a software development company to overcome difficulties experienced in estimating software development efforts. This study aims to compare the Machine Learning method of Linear Regression (LR), Multilayer Perceptron (MLP), Radial Basis Function (RBF), and Decision Tree Random Forest (DTRF) to calculate estimated cost/effort software. Then these five approaches will be tested on a dataset of software development projects as many as 10 dataset projects. So that it can produce new knowledge about what machine learning and non-machine learning methods are the most accurate for estimating software business. As well as knowing between the selection between using Particle Swarm Optimization (PSO) for attributes selection and without PSO, which one can increase the accuracy for software business estimation. The data mining algorithm used to calculate the most optimal software effort estimate is the Linear Regression algorithm with an average RMSE value of 1603,024 for the 10 datasets tested. Then using the PSO feature selection can increase the accuracy or reduce the RMSE average value to 1552,999. The result indicates that, compared with the original regression linear model, the accuracy or error rate of software effort estimation has increased by 3.12% by applying PSO feature selection
KOMPARASI METODE ANN-PSO DAN ANN-GA DALAM PREDIKSI PENYAKIT TUBERKULOSIS Erika Mutiara; Elah Nurlelah; Erni Ermawati; Muhammad Rifqi Firdaus
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 9, No 2 (2022)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v9i2.462

Abstract

Tuberculosis (TB) can attack various organs, especially the lungs caused by the bacteria Mycobacterium tuberculosis. Tuberculosis (TB) is one of the infectious diseases that can infect all groups ranging from infants, children, adolescents to the elderly and disease and death of more than 1 million people every year. According to WHO data (2015), Indonesia is the country with the second most pulmonary tuberculosis sufferers in the world, which is 10% of the total cases of pulmonary tuberculosis in the world. There have been many studies that discuss Tuberculosis (TB) in this study, a comparison of the Artificial Neural Network method with Particle Swarm Optimization (PSO) and the Artificial Neural Network method with Genetic Algorithm (GA) was carried out to eliminate input attributes in the neural network algorithm method in order to improve tuberculosis prediction accuracy. Testing using Neural Network Algorithm by adding Particle Swarm Optimization (PSO) and Genetic Algortihm (GA) proved to get better results. The accuracy value obtained only by adding PSO is 95.66%. Meanwhile, by adding GA, the accuracy get even higher, namely 96.55%, compared to only using the Neural Network without other optimizations, the accuracy rate is 94.51%. Keywords:  Tuberculosis, Artificial Neural Network, Particle Swarm Optimization, Genetic Algorithm Penyakit Tuberkulosis (TBC) dapat menyerang berbagai organ, terutama paru-paru yang disebabkan oleh kuman mycobacterium tuberculosis. Tuberkulosis (TBC) ini merupakan salah satu penyakit menular yang dapat menginfeksi semua kalangan mulai dari bayi, anak-anak, remaja sampai lansia dan menimbulkan kesakitan dan kematian lebih dari 1 juta orang setiap tahun. Menurut data WHO (2015) menyatakan Indonesia sebagai negara dengan penderita tuberkulosis paru terbanyak kedua di dunia yaitu sebanyak 10% dari total global kasus tuberkulosis paru di dunia. Sudah banyak penelitian yang membahas tentang penyakit Tuberkulosis (TBC) pada penelitian kali ini dilakukan komparasi metode Artificial Neural Network dengan Particle Swarm Optimization (PSO) dan metode Artificial Neural Network dengan Genetic Algorithm (GA) untuk mengeliminasi atribut input pada metode Algoritma neural network agar meningkatkan akurasi prediksi penyakit tuberculosis. Pengujian menggunakan Algoritma Neural Network dengan menambahkan Particle Swarm Optimization (PSO) dan Genetic Algortihm (GA) terbukti mendapatkan hasil yang lebih baik. Nilai akurasi yang didapatkan hanya dengan menambahkan PSO sebesar 95,66%. Sementara dengan menambahkan GA mendapat akurasi yang lebih tinggi lagi yakni 96,55%, dibandingkan hanya menggunakan Neural Network saja tanpa optimasi lain, tingkat akurasinya sebesar 94,51%.Kata kunci: Tuberkulosis, Artificial Neural Network, Particle Swarm Optimization,Genetic Algorithm
ANALISIS KUALITAS PORTAL MEDIA ONLINE INILAHTASIK.COM TERHADAP KEPUASAN PENGGUNA MENGGUNAKAN METODE WEBQUAL 4.0 Irwan Herliawan - Universitas Nusa Mandiri; Muhamad Abdul Ghani; Muhammad Rifqi Firdaus - Universitas Bina Sarana Informatika
Indonesian Journal of Networking and Security (IJNS) Vol 11, No 2 (2022): IJNS Juni 2022
Publisher : APMMI - Asosiasi Profesi Multimedia Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55181/ijns.v11i2.1781

Abstract

Abstract - Inilahtasik.com is a website of the City and Regency of Tasikmalaya that provides information including news on Tasik, Info on Tasik, Pesantren, Tourism, UMKM, Cross Village, Manasuka and Khazananah. Website currently arises because of the community's need for information to support their needs, but many people who do not know about the information distributed is true or not. In this study, testing the quality of the website initasik.com whether the information disseminated is well received or not, so the quality of the website based on user perceptions is important to know and use as feedback. In this study, the authors used the Webqual 4.0 method supported by usability, information quality, interaction quality, and user satisfaction then data from respondents were processed using the SPSS application version 16.0. The results of the study the influence of independent variables on the dependent variable is 64.5%, the hypothesis of the variable usability quality, information quality and interaction quality on overall user satisfaction is accepted, and variable usability quality, information quality and interaction quality on user satisfaction simultaneously influence on user satisfaction. Keywords - User Satisfaction, Webqual 4.0, Website Analys Abstrak - Inilahtasik.com merupakan sebuah website Kota dan Kabupaten Tasikmalaya yang menyediakan informasi diantaranya berita Tasik, Info Tasik, Pesantren, Wisata, UMKM, Lintas Desa, Manasuka dan Khazananah. Website saat ini muncul karena kebutuhan masyarakan akan informasi untuk menunjang kebutuhan hidupnya, namun masyarakat banyak yang tidak tahu tentang informasi yang disebarkan itu benar atau tidak. Pada penelitian ini menguji kualitas website inilahtasik.com apakah informasi yang disebar luaskan diterima dengan baik atau tidak, sehingga kualitas website berdasarkan persepsi pengguna merupakan hal yang penting untuk diketahui dan dijadikan umpan balik. Dalam penelitian ini, penulis menggunakan metode Webqual 4.0 di dukung dengan variabel kualitas kegunaan (usability), kualitas informasi (information quality), kualitas interaksi (interaction quality) dan kepuasan pengguna (user satisfaction) kemudian data dari responden diolah menggunakan aplikasi SPSS versi 16.0. Hasil penelitian pengaruh variabel bebas terhadap variabel terikat adalah sebesar 64,5 %, Hipotesis dari variabel kualitas kegunaan, kualitas informasi dan kualitas interaksi terhadap kepuasan pengguna secara keseluruhan diterima, dan variabel kualitas kegunaan, kualitas informasi dan kualitas interaksi terhadap kepuasan pengguna secara simultan berpengaruh terhadap kepuasan pengguna. Kata Kunci: Kepuasaan Pengguna, Webqual 4.0, Analisis Website
ANALISIS PENGUKURAN KUALITAS WEBSITE CAKRAWALAMEDIA.CO.ID DENGAN MENGGUNAKAN METODE WEBQUAL 4.0 Muhammad Rifqi Firdaus; Dini Silvi Purnia; Kartika Handayani; Muhamad Fahmi Julianto
JTIK (Jurnal Teknik Informatika Kaputama) Vol 4, No 1 (2020): VOLUME 4 NOMOR 1, EDISI JANUARI 2020
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (116.392 KB)

Abstract

The development of Information Technology has triggered the emergence of many online media. The cakrawalamedia.co.id website is an online media portal that utilizes these updates. Cakrawalamedia.co.id presents the focus of news around West Java especially the City of Tasikmalaya. The problem related to this research is whether the quality of cakrawalamedia.co.id website influences the readers' satisfaction. This study focuses on user satisfaction with the webqual method which consists of 3 variables, namely usability, information quality and interaction quality. The data used are primary data, namely by distributing questionnaires using a Likert scale with 22 questions to 133 respondents. Data obtained and processed using multiple linear regression analysis techniques using SPSS 16 software. Based on webqual variables, the results of the analysis state the quality of usability, information quality and interaction quality affect user satisfaction. Keywords: Cakrawalamedia.co.id, Webqual 4.0, SPSS, Website Quality
Penggunaan Metode K-Means Untuk Menentukan Clustering Kelompok Belajar Siswa Muhammad Rifqi Firdaus; Amin Nur Rais
Elkom : Jurnal Elektronika dan Komputer Vol 15 No 2 (2022): Desember : Jurnal Elektronika dan Komputer
Publisher : STEKOM PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/elkom.v15i2.922

Abstract

Science and technology will facilitate human work. However, on the other hand it will increase competition. In facing intense competition, it is necessary to have competent human resources. Students are expected to be academically prepared, in the form of knowledge and skill readiness to face increasingly fierce competition. One way to see student competence is to look at learning outcomes that can be represented by the exam scores taken. The midterm exam (UTS) is a form of exam which is an assessment component. By knowing the UTS scores, the lecturer knows the distribution of students in terms of academic competence. For this reason, it is necessary to group (clustering) using the k-means algorithm as a consideration for lecturers in forming student study groups based on UTS value clusters.
Co-Authors Abdul Latif Abdul Latif Abdul Latif Ali Mustopa, Ali Amin Nur Rais Arief Rama Sena Dinar Ismunandar Dini Silvi Purnia, Dini Silvi Elah Nurlelah Erika Mutiara Erni Ermawati Fuad Nur Hasan Gata, Windu Ipin Sugiyarto Irwan Herliawan Irwan Herliawan - Universitas Nusa Mandiri Kartika Handayani Lady Agustin Fitriana Lisnawanty Mia Audina Muhamad Abdul Ghani Muhamad Fahmi Julianto Muhammad Ifan Rifani Ihsan Nila Hardi Popon Handayani Rini Ardila Ipnas Risyda Komaliya Rizka Dahlia Siti Aisyiyah Tri Meliyani Windu Gata Yuris Alkahfi Yuris Alkhalifi