Article Per Year (5 Year)
p-Index From 2021 - 2026
3.167
P-Index
This Author published in this journals
All Journal JURNAL MEDIA INFORMATIKA BUDIDARMA Jurnal Ilmiah Matrik Sebatik Jurnal Nasional Komputasi dan Teknologi Informasi JUTEKIN (Jurnal Manajemen Informatika) JSI (Jurnal sistem Informasi) Universitas Suryadarma METIK JURNAL Building of Informatics, Technology and Science Just TI (Jurnal Sains Terapan Teknologi Informasi) Buletin Poltanesa Lumbung Inovasi: Jurnal Pengabdian Kepada Masyarakat Informatika Wicida Blend Sains Jurnal Teknik Journal of Artificial Intelligence and Digital Business Jurnal Penelitian Rumpun Ilmu Teknik Sasambo: Jurnal Abdimas (Journal of Community Service)
Muhammad Fahmi
STMIK Widya Cipta Dharma
Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Mechanical Engineering Neuroscience Social Sciences Transportation

Published : 26 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Buletin Poltanesa

 1 
Analisis Clustering Trafik Jaringan Menggunakan Metode K-Means Muhammad Fahmi; Ahmad Fajri
Poltanesa Vol 23 No 2 (2022): Desember 2022
Publisher : P2M Politeknik Pertanian Negeri Samarinda

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51967/tanesa.v23i2.1736

Abstract

Penelitian ini dilakukan untuk membuat sebuah model clustering trafik internet dengan menggunakan algoritma K-means. Penggunaan internet di wilayah kampus banyak digunakan oleh mahasiswa dan staf pegawai untuk keperluan proses belajar mengajar, ataupun membantu proses bekerja. Penggunaan internet, pada jam-jam sibuk dan perkuliahan yang aktif membuat kecepatan internet menjadi lambat. Hal ini dipengaruhi oleh banyaknya pengiriman paket header pada flow/arus lalu lintas internet yang membuat koneksi pada internet menjadi semakin berat/lambat. Dalam mengatasi masalah tersebut, maka diperlukan metode clustring penggunaan trafik internet dengan algoritma k-means yang dapat mengetahui jenis atau trafik internet dengan berdasarkan fitur arus/flow paket trafik internet menggunakan metode pengembangan data mining. Data yang digunakan dalam penelitian ini yaitu data yang diambil melalui hasil capture wifi selama 3 hari di sub bagian Pusat Komputer kampus STMIK WiCiDa menggunakan wireshark dan bettercap yang akan melakukan serangan arp spoof, dimana metode ini akan membuat penulis diposisikan sebagai penengah dan dapat menangkap paket dari semua perangkat di jaringan yang sama. Tools ini akan dijalankan di kali linux. Data paket yang sudah dicapturing dan difilter kemudian akan diexport dalam bentuk .pcap. Hasil penelitian ini berupa model algoritma Clustring trafik jaringan dengan metode k-means yang dapat meng-clusterkan arus penggunaan trafik internet dengan tiga cluster yaitu Web, Video VoIP, Network. Pada saat pengujian dengan menggunakan tiga cluster menghasilkan nilai akurasi data yang baik Mendapatkan hasil Clustring yaitu : Cluster 0 = 302638 data, Cluster 1 = 331982 data, dan Cluster 3 = 451426 data.
Implementasi Pemilihan Pengajar Terbaik Pada TK/TPA Amanah dengan Metode Profile Matching Ahmad Fajri; Muhammad Fahmi
Poltanesa Vol 23 No 2 (2022): Desember 2022
Publisher : P2M Politeknik Pertanian Negeri Samarinda

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51967/tanesa.v23i2.1878

Abstract

Dalam era pandemi covid-19 ini terjadi perubahan sistem pendidikan yang membuat para pengajar kesulitan dalam menentukan metode yang tepat dalam menyelenggarakan yang efektif, sehingga sulit untuk mengontrol sistem pendidikan yang baik agar dapat tersampaikan kepada siswa secara maksimal. Pada sistem penunjang keputusan pengajar terbaik ini difungsikan untuk kepala sekolah agar bisa mengetahui pengajar mana saja yang bisa menjadi panutan dan dijadikan contoh yang baik pada saat pandemi saat ini. Sistem penunjang keputusan ini dibuat agar memudahkan kepala sekolah dalam mengambil keputusan pengajar terbaik sebagai percontohan dalam metode pembelajaran baik itu daring maupun luring. Ada banyak metode pembelajaran yang beredar dalam dunia pendidikan saat ini, tetapi tidak semua bisa diterapkan pada semua sekolah, karena setiap sekolah memiliki Sumber Daya Manusia (SDM) dan Sumber Daya Alam (SDA) yang berbeda beda seperti tingkat pendidikan sekolah maupun fasilitas yang disiapkan setiap daerah berbeda beda pula. Metode yang digunakan penelitian ini menggunakan metode profile matching atau biasa disebut sebagai pencocokan profil. Pada metode profile matching, semua pengajar didata sebagai pembanding antara pengajar satu dengan pengajar lainnya, dan diambil nilai dari metode cara mengajar, agar lebih mudah dalam pembobotan dari setiap metode yang digunakan, dimulai dari luring hingga daring. Selain dinilai dari metode mengajar, disiplin dan sikap dalam mengajar juga menjadi penentu penilaian dalam menentukan pengajar terbaik. Dalam penelitian ini metode yang di gunakan untuk membangun aplikasi ini adalah prototipe. Rencana kegiatan akan diawali dari mendengarkan yaitu pengumpulan data, observasi, wawancara, studi dokumentasi kemudian membangun sistem penunjang keputusan lalu dilakukan uji coba.
Sentiment Analysis Using the Naïve Bayes Method to Improve E-Commerce Customer Satisfaction at the PedagangAksesoris Store Bai' Fathur Rayhan; Heny Pratiwi; Muhammad Fahmi
Poltanesa Vol 26 No 2 (2025): December 2025
Publisher : P3KM Politeknik Pertanian Negeri Samarinda

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

Abstract

The rapid development of the e-commerce sector in Indonesia has made customer feedback a very important source of information in assessing the quality of goods and services. However, with so many reviews available, the manual assessment process often becomes complicated. The purpose of this study is to analyze customer sentiment towards PedagangAksesoris store on the Shopee platform using the Naïve Bayes Classifier method to identify positive and negative opinions that can help improve customer satisfaction. The data for this study was collected through web scraping of Shopee user reviews, followed by a preprocessing stage that included cleaning, filtering, removing affixes, and separating words. The data was then divided into training data and testing data to train and test the model. The Naïve Bayes method was applied by calculating word probabilities using Laplace smoothing, while model performance was evaluated using a Confusion Matrix through the RapidMiner application. The results of this study show that the Naïve Bayes model can classify customer reviews with a high degree of accuracy, with precision reaching 100% for the negative category and 80% for the positive category, as well as recall of 87.5% and 100%. These findings confirm that the Naïve Bayes method is an effective and efficient way to perform text-based sentiment analysis on reviews in e-commerce. The results of this sentiment analysis can be used as a basis for strategic decision-making by businesses to improve product quality, services, and customer satisfaction.  
Co-Authors Abdur Rohman Ahmad Fajri Ahmad Fajri Ahmad Fajri Andayani Andayani Azahari B.G Darawati Sugiono Bai' Fathur Rayhan Fachry Abda El Rahman Fathurrohman, Fathurrohman Harpad, Bartolomius Heny Pratiwi Ita Arfyanti Junaidi Sabtu Kelik Sussolaikah Kusrini Kusrini Lana Sularto Muhamad Danial Nila, Susan Nur Luthfiani Anfasyah Nursobah, Nursobah Pahrudin, H. Pajar Pahrudin, Pajar Pitrasacha Adytia Pukeng, Ahmad Fahrijal Reza Andrea Rizky Zakariyya Rasyad Salmon Salmon Salmon Salmon, Salmon Taruk Bua, John Alexandro Tino Purniawan Wahyuni - Wahyuni wahyuni wahyuni Yunita Yunita Yunita Yunita Zeni Muhamad Noer