Article Per Year (5 Year)
p-Index From 2021 - 2026
0.659
P-Index
This Author published in this journals
All Journal RABIT: Jurnal Teknologi dan Sistem Informasi Univrab Digital Zone: Jurnal Teknologi Informasi dan Komunikasi TECHSI - Jurnal Teknik Informatika
Mukti Qamal
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Education Engineering Other

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
WEBSITE MEDIA PEMBELAJARAN ONLINE AMAZON WEB SERVICES Mukti Qamal; Defry Hamdhana; Rio Pratomo
TECHSI - Jurnal Teknik Informatika Vol 11, No 2 (2019)
Publisher : Teknik Informatika Universitas Malikussaleh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29103/techsi.v11i2.1847

Abstract

Cloud computing adalah teknologi yang menjadikan internet sebagai pusat pengelolaan data dan aplikasi. Terdapat banyak platform Cloud computing yang tersedia saat ini, salah satu nya adalah Amazon Web Services (AWS). Amazon Web Services (AWS) adalah platform cloud paling komprehensif dan digunakan secara luas di dunia, menawarkan lebih dari 165 layanan unggulan lengkap dari pusat data secara global dengan tawarn biaya yang murah. Akan tetapi masih sedikit orang yang mengetahui  platform cloud ini, oleh karena itu dibutuhkan sebuah media pembelajaran online (E-Learning) berbasis bahasa indonesia untuk memudahkan dalam mempelajari Amazon Web services (AWS) 
SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT ANGINA PEKTORIS (ANGIN DUDUK) DENGAN METODE FORWARD CHAINING BERBASIS WEB Mukti Qamal; Defry Hamdhana; Martin Martin
TECHSI - Jurnal Teknik Informatika Vol 12, No 1 (2020)
Publisher : Teknik Informatika Universitas Malikussaleh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29103/techsi.v12i1.2150

Abstract

Sistem pakar biasa diterapkan dalam bidang kedokteran untuk penanganan suatu penyakit. Angina pektoris atau disebut juga Angin Duduk adalah penyakit jantung iskemia didefinisikan sebagai berkurangnya pasokan oksigen dan menurunnya aliran darah ke dalam miokardium. Angina pektoris dibagi menjadi 3 jenis yaitu Angina klasik (stabil), angina printzmeta, dan Angina tidak stabil. Penelitian ini dilakukan untuk mempelajari aplikasi sistem pakar dengan menggunakan metode Forward Chaining yang diimplementasikan dalam aplikasi sistem pakar untuk mendiagnosa penyakit angina pektoris. Kemudian data dianalisa untuk diaplikasikan pada arsitektur sistem pakar. Kemudian pada pada penentuan nilai gejala untuk rule gejala menggunakkan deep learning. Implementasinya sistem pakar ini di buat dengan menggunakan bahasa pemrograman PHP dan MYSQL. Dari hasil 100 data yang diuji pada sistem didapatkan bahwa jumlah data yang tepat adalah 88 data. Sehingga hasil akurasi yang didapat dari pengujian keakrutan sistem adalah 88%.
Implementation of Fuzzy Logic Sugeno on a Website-Based for Flood Monitoring and Early Detection System Pohan, Fadlyani; Mukti Qamal; Said Fadlan Anshari
Digital Zone: Jurnal Teknologi Informasi dan Komunikasi Vol. 15 No. 2 (2024): Digital Zone: Jurnal Teknologi Informasi dan Komunikasi
Publisher : Publisher: Fakultas Ilmu Komputer, Institution: Universitas Lancang Kuning

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31849/digitalzone.v15i2.23356

Abstract

Floods are common in Indonesia, especially in Aceh, and are caused by various factors, such as high rainfall during the rainy season, resulting in material and life losses. Developing a flood monitoring and early detection system is essential to reduce the negative impact of flooding. This research introduces the implementation of the Fuzzy Logic Sugeno method on a web-based flood monitoring and early detection system, which uses ESP32 and accurate sensors to monitor water level and water flow. Testing is done through two approaches. First, the water level and flow parameters were manipulated manually to test the system's response to changing conditions. Secondly, tests were conducted automatically until the prototype aquarium was complete to see the system's ability to detect potential flooding. The test results show that the system can automatically recognize potential flooding, take preventive actions, such as opening or closing floodgates, and provide real-time condition information through a Website.
KLASIFIKASI TINGKAT KECANDUAN PENGGUNA APLIKASI TIKTOK PADA MAHASISWA UNIVERSITAS MALIKUSSALEH MENGGUNAKAN METODE NAÏVE BAYES Wardina Ningsih; Mukti Qamal; Fadlisyah
Rabit : Jurnal Teknologi dan Sistem Informasi Univrab Vol 11 No 1 (2026): Januari
Publisher : LPPM Universitas Abdurrab

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36341/rabit.v11i1.6603

Abstract

Penggunaan media sosial, khususnya TikTok , meningkat pesat di kalangan pelajar. Hal ini dapat menyebabkan kecanduan yang mempengaruhi pendidikan dan kehidupan sehari-hari mereka. Penelitian ini bertujuan untuk mengetahui tingkat Kecanduan TikTok di kalangan mahasiswa Universitas Malikussaleh dengan mengumpulkan data dari 466 mahasiswa dari tujuh fakultas dan menggunakan metode Naïve Bayes . Kelas yang akan dihasilkan tiga kategori yaitu Kecanduan ingan, Kecanduan Sedang, dan Kecanduan Berat. Dataset dibagi menjadi data pelatihan dan pengujian dengan rasio 80:20. Hasil analisis menunjukkan bahwa sebagian besar siswa (258 orang atau 69,4%) berada pada tingkat kecanduan sedang, diikuti oleh tingkat kecanduan ringan (22,6%) dan berat (8,1%). Menurut evaluasi kinerja model, metode Naive Bayes menunjukkan akurasi sebesar 85%, presisi rata-rata sebesar 84%, dan recall sebesar 83% pada data pengujian, yang menjadikannya pilihan yang tepat. Fakultas Pertanian memiliki proporsi kecanduan ringan tertinggi sebesar 14,6%, sedangkan Fakultas Ekonomi memiliki proporsi kecanduan ringan tertinggi sebesar 27,1%. Penelitian ini menunjukkan bahwa teknik Naive Bayes efektif dalam mengklasifikasikan tingkat kecanduan pengguna TikTok dan dapat digunakan sebagai acuan untuk upaya pencegahan dampak negatif Kecanduan media sosial di dunia akademik.
Sistem Pendukung Keputusan Penentuan Penerimaan Bantuan PKH Menggunakan Metode Naïve Bayes Mukti Qamal; Ilham Sahputra; Nurdin Nurdin; Maryana Maryana; Mukarramah Mukarramah
TECHSI - Jurnal Teknik Informatika Vol. 14 No. 1 (2023)
Publisher : Teknik Informatika Universitas Malikussaleh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29103/techsi.v14i1.6960

Abstract

Kemiskinan adalah salah satu masalah sosial yang ada di negeri ini. Kemiskinan terjadi tetapi tetapi tidak terpenuhinya hak-hak dasar masyarakat miskin untuk mempertahankan dan memenuhi kehidupan yang bermartabat sebagian dari hak-hak manusia yang paling dasar. Setiap orang memiliki tanggung jawab untuk memiliki pekerjaan dan kehidupan yang baik, serta memiliki tempat tinggal yang baik untuk meningkatkan kualitas hidupnya. Salah satu cara untuk mengurangi tingkat kemiskinan adalah dengan melaksanakan Program Harapan Masyarakat (PKH). Metode Naive Bayes digunakan dalam penelitian ini; merupakan salah satu metode yang dapat digunakan dalam proses penentuan suatu masalah. Metode Naive Bayes dapat digunakan untuk menentukan layak atau tidaknya seseorang menerima hibah dari Program Keluarga Harapan (PKH) berdasarkan kriteria tertentu, seperti pendapatan bulanan, jumlah tanggungan, usia anak, jumlah saudara kandung, usia saudara kandung anak, usia saudara kandung anak, usia saudara kandung anak, usia saudara kandung anak, usia saudara kandung anak, usia. Metode naive bayes dapat memberikan informasi yang akurat dan tepat waktu berdasarkan hasil data mining. Hasil dari penelitian ini adalah bahwa sistem aplikasi untuk melacak klaim PKH telah dikembangkan untuk menentukan apakah suatu klaim sah atau tidak berdasarkan kriteria yang telah ditetapkan. Sistem ini dapat merekomendasikan tindakan kepada peserta PKH agar mereka tetap pada jalurnya. Dari hasil pengujian yang dilakukan dengan menggunakan data sebanyak 500, 400 as data training dan 100 as data testing, akurasi polanya sebesar 86,00 persen dan errornya 14,00 persen, yang jumlah data yang tepat sebanyak 86 dan yang tidak tepat sebanyak 14. Kata kunci :  Sistem Pendukung Keputusan, Naïve Bayes, PKH
Co-Authors Fadlisyah Hamdhana, Defry ilham - sahputra Martin Martin Maryana Maryana MUKARRAMAH Nurdin Nurdin Pohan, Fadlyani Rio Pratomo Said Fadlan Anshari Wardina Ningsih