Article Per Year (5 Year)
p-Index From 2021 - 2026
0.888
P-Index
This Author published in this journals
All Journal METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Information System Journal (INFOS) Jurnal Komputer Antartika
Alfie Nur Rahmi
Universitas AMIKOM Yogyakarta
Computer Science & IT Economics, Econometrics & Finance

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
PENERAPAN METODE FIRST IN FIRST OUT (FIFO) DALAM SISTEM ANTRIAN PELAYANAN ADMINISTRASI MAHASISWA: Studi Kasus: DAAK Universitas AMIKOM Yogyakarta Moch. Farid Fauzi; Alfie Nur Rahmi
METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol. 5 No. 2 (2021): METHOMIKA: Jurnal Manajemen Informatika & Komputersisasi Akuntansi
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (860.824 KB) | DOI: 10.46880/jmika.Vol5No2.pp183-188

Abstract

Queuing can be interpreted as a process starting from the arrival of customers, waiting to be served, to getting service. Queuing system that is not well organized can hamper service. Therefore, along with the development of information technology, many queuing systems have been developed. This study aims to build a system with case studies at AMIKOM University Yogyakarta. Administrative services that exist on the object sometimes cause long queue problems, especially when trouble occurs when filling out the KRS which results in some students having to come directly to campus. Based on the description of the problem, researchers are interested in designing a website-based queuing system by applying the First In First Out (FIFO) method. FIFO is a method of solving the queuing problem that can be applied in a way that the first entry is assumed to be the first out.
PEMBUATAN AUGMENTED REALITY (AR) UNTUK PEMBELAJARAN ORGANEL SEL PADA TUMBUHAN DAN HEWAN: (Studi Kasus: SMA Negeri 1 Dlingo) Sevin Angga Nuransyah Pambudi; Alfie Nur Rahmi
Information System Journal Vol. 5 No. 1 (2022): Information System Journal (INFOS)
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/infosjournal.2022v5i1.840

Abstract

Augmented reality (AR) merupakan sebuah teknologi yang menggabungkan benda maya dua dimensi atau tiga dimensi yang dibuat oleh komputer kemudian memproyeksikan benda maya  tersebut secara realtime dalam waktu nyata. Hal ini dilakukan dengan cara membuat objek tiga dimensi pada marker sehingga dikenali oleh aplikasinya.Teknologi augmented reality ini dapat menyisipkan suatu informasi. Augmented reality dapat dimanfaatkan dalam berbagai bidang salah satunya bidang pendidikan terutama untuk pembelajaran di SMA Negeri 1 Dlingo. SMA Negeri 1 Dlingo sendiri merupakan salah satu sekolah menengah atas di kecamatan Dlingo. Salah satunya bidang biologi yaitu pembelajaran organel sel tumbuhan dan hewan. Sebagian besar siswa di SMA Negeri 1 Dlingo sering mengalami kejenuhan terutama untuk visual pembelajaran yang terlihat monoton dan membuat siswa malas untuk belajar. Aplikasi ini dibuat menggunakan vuforia, blender dan visual studio c# untuk mengembangkan augmented reality. Aplikasi ini dapat membaca marker pada buku pelajaran yang didalamnya terdapat gambar organel sel tumbuhan dan hewan
Segmentasi Perilaku Pengguna Kartu Kredit untuk Prediksi Default dengan K-Means Clustering Faiz Daffa Kurnia; Supriatin Supriatin; Dwi Nurani; Alfie Nur Rahmi
Jurnal Komputer Antartika Vol. 4 No. 2 (2026): Juli
Publisher : Antartika Media Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70052/jka.v4i2.1375

Abstract

Peningkatan penggunaan kartu kredit di berbagai lapisan masyarakat diikuti oleh meningkatnya risiko credit default yang berpotensi menimbulkan kerugian finansial bagi institusi keuangan. Penelitian ini bertujuan untuk melakukan segmentasi perilaku pengguna kartu kredit serta menganalisis potensi default pada setiap segmen menggunakan metode K-Means Clustering. Data yang digunakan berasal dari Credit Card User Behavior and Default Dataset dari Kaggle, yang mencakup 10.000 nasabah dengan 24 atribut. Metodologi penelitian meliputi praproses data, seleksi fitur berbasis korelasi, penentuan jumlah cluster optimal menggunakan Elbow Method dan Silhouette Analysis, serta visualisasi dengan Principal Component Analysis (PCA). Hasil penelitian menunjukkan bahwa jumlah cluster optimal diperoleh pada K=2 dengan nilai Silhouette Score sebesar 0,250, lebih tinggi dibandingkan K=3 (0,195) dan K=4 (0,178). Segmentasi yang dihasilkan mampu mengidentifikasi perbedaan karakteristik perilaku nasabah yang berkaitan dengan tingkat risiko default. Kontribusi penelitian ini terletak pada integrasi metode unsupervised learning untuk segmentasi perilaku dengan analisis risiko pada tiap cluster, serta pengembangan aplikasi berbasis web menggunakan Streamlit untuk mendukung prediksi segmen nasabah secara interaktif.   The increasing use of credit cards across various segments of society has led to a higher risk of credit default, potentially causing financial losses for financial institutions. This study aims to segment credit card user behavior and analyze default risk within each segment using the K-Means Clustering method. The dataset used is the Credit Card User Behavior and Default Dataset from Kaggle, consisting of 10,000 customers with 24 attributes. The research methodology includes data preprocessing, correlation-based feature selection, determination of the optimal number of clusters using the Elbow Method and Silhouette Analysis, and visualization using Principal Component Analysis (PCA). The results indicate that the optimal number of clusters is K=2, achieving the highest Silhouette Score of 0.250, compared to K=3 (0.195) and K=4 (0.178). The resulting segmentation identifies distinct behavioral characteristics associated with different levels of default risk. The main contribution of this study lies in integrating unsupervised learning for behavioral segmentation with risk analysis in each cluster, as well as implementing the model in a web-based application using Streamlit to support interactive decision-making.
PENERAPAN METODE SIMPLE ADDITIVE WEIGHTING DALAM SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN TEMPAT KOS DI CONDONG CATUR YOGYAKARTA Ridhwan Shodiq Ramadhan; Arif Nur Rohman; Alfie Nur Rahmi
Information System Journal Vol. 8 No. 02 (2025): Information System Journal (INFOS)
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/infosjournal.2025v8i02.2429

Abstract

Pemilihan tempat kos yang ideal merupakan tantangan besar bagi mahasiswa yang ingin melanjutkan pendidikannya keluar kota. Namun, proses pencarian proses penilaian fasilitas tempat kos sering kali masih harus dilakukan secara langsung, yang menghabiskan waktu dan biaya. Oleh karena itu dibangunlah sistem pendukung keputusan menggunakan metode Simple Additive Weighting (SAW) berbasis website yang dapat membantu mahasiswa dalam menentukan tempat kos sesuai dengan kriteria yang diinginkan. Metode penelitian dilakukan melalui beberapa tahap: pengumpulan data dari sumber terkait, analisis sistem untuk menyusun alur kerja, perancangan sistem rekomendasi, dan implementasi sistem. Berdasarkan hasil perhitungan perangkingan, Residence Permai terpilih sebagai rekomendasi terbaik dengan nilai akhir 0.8500, diikuti oleh Griya Seturan dengan nilai 0,8400, dan Kos Candi Gebang dengan nilai 0,8000. Hasil pengujian menunjukkan bahwa sistem ini berjalan sesuai dengan yang diharapkan dan mampu memberikan solusi yang lebih komprehensif dan praktis bagi mahasiswa yang mencari tempat kos di Condong Catur, Sleman, Yogyakarta
Co-Authors Arif Nur Rohman Dwi Nurani Faiz Daffa Kurnia Moch. Farid Fauzi Ridhwan Shodiq Ramadhan Sevin Angga Nuransyah Pambudi Supriatin Supriatin