Article Per Year (5 Year)
p-Index From 2020 - 2025
5.239
P-Index
This Author published in this journals
All Journal Unnes Journal of Sport Sciences Literasi: Jurnal Ilmiah Pendidikan Bahasa, Sastra Indonesia dan Daerah Abdi: Jurnal Pengabdian dan Pemberdayaan Masyarakat RESOLUSI : REKAYASA TEKNIK INFORMATIKA DAN INFORMASI Journal of Applied Computer Science and Technology (JACOST) Intan Husada : Jurnal Ilmiah Keperawatan Jurnal Mahasiswa Sistem Informasi (JMSI) Multidiciplinary Output Research for Actual and International Issue (Morfai Journal) Jurnal Teknik Informatika Jurnal Sistem Informasi Dan E-Bisnis INTAN Jurnal Penelitian Tambang JURNAL ILMIAH INFOKOM International Journal of Asian Business and Management (IJABM) Jurnal Ilmiah Dan Karya Mahasiswa JPNM : Jurnal Pustaka Nusantara Multidisiplin Gudang Jurnal Multidisiplin Ilmu Jurnal Yudistira Jurnal Pengabdian Masyarakat dan Riset Pendidikan Jurnal Intelek Dan Cendikiawan Nusantara Prosiding Seminar Nasional Pengabdian kepada Masyarakat (SINAPMAS) International Journal of Social Science and Humanity Jurnal Riset Multidisiplin Edukasi INOVTEK Polbeng - Seri Informatika ACTIVE: Journal of Physical Education, Sport, Health and Recreation
Arif Setiawan
Unknown Affiliation
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Chemical Engineering, Chemistry & Bioengineering 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 Energy Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 41 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search
Journal : Jurnal Mahasiswa Sistem Informasi (JMSI)

 1 
PREDIKSI LATIHAN FISIK MENGGUNAKAN K-NEAREST NEIGHBORS (KNN) BERDASARKAN DATA BMI Muhammad Rafif Rabbani; Iftikhar Rizqullah; Narendra Saputra; Muhammad Wifqi Aufal Maulana; Arif Setiawan
Jurnal Mahasiswa Sistem Informasi (JMSI) Vol. 6 No. 2 (2025): Jurnal Mahasiswa Sistem Informasi (JMSI)
Publisher : Program Studi DIII Sistem Informasi - Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/jmsi.v6i2.8990

Abstract

Perkembangan teknologi informasi telah mendorong pemanfaatan kecerdasan buatan dalam berbagai aspek kehidupan, termasuk bidang kebugaran dan kesehatan. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi latihan fisik berdasarkan status Indeks Massa Tubuh (BMI) menggunakan algoritma K-Nearest Neighbors (KNN). Dataset yang digunakan terdiri dari 500 data dengan atribut jenis kelamin, tinggi badan, berat badan, dan klasifikasi BMI. Data tersebut diproses melalui tahapan preprocessing dan pelatihan model KNN, dengan nilai k=5. Hasil pengujian menunjukkan tingkat akurasi sebesar 92%, dengan precision dan recall tinggi pada semua kelas, mulai dari sangat kurus hingga obesitas. Sistem ini mampu mengklasifikasikan status tubuh dan memberikan rekomendasi latihan seperti bulking, maintenance, atau cutting sesuai kebutuhan individu. Penelitian ini menunjukkan bahwa KNN efektif dalam membangun sistem prediksi sederhana berbasis data BMI, serta membuka peluang pengembangan lebih lanjut di bidang teknologi kesehatan
PENERAPAN MACHINE LEARNING DENGAN K-NEAREST NEIGHBORS (KNN) UNTUK IDENTIFIKASI JENIS BUNGA BERDASARKAN KARAKTERISTIK FISIK Asti Devi Mutiara Khoirun Nisa; Najwa Lailatus Sa’diah; Laili Fitriyani; Avin Nuzula Fitranti; Arif Setiawan
Jurnal Mahasiswa Sistem Informasi (JMSI) Vol. 6 No. 2 (2025): Jurnal Mahasiswa Sistem Informasi (JMSI)
Publisher : Program Studi DIII Sistem Informasi - Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/jmsi.v6i2.8991

Abstract

Identifikasi jenis bunga secara otomatis merupakan hal yang penting untuk mendukung kegiatan di bidang botani, pendidikan, dan teknologi informasi. Penelitian ini bertujuan untuk mengklasifikasikan jenis bunga menggunakan algoritma K-Nearest Neighbor (KNN) berdasarkan data karakteristik fisik bunga seperti tinggi tanaman, masa hidup, dan jumlah kelompok. Data yang digunakan diambil dari situs kaggle, kemudian diproses menggunakan bahasa pemrograman Python. Proses pembelajaran dilakukan dengan membagi data menjadi dua bagian, yaitu data latih dan data uji. Hasil dari pengujian menunjukkan bahwa metode KNN mampu mengelompokkan jenis bunga dengan cukup baik, terutaman ketika parameter dan fitur yang di gunakan sesuai. Penelitian ini membuktikan bahawa meskipun KNN merupakan metode yang sederhana, algoritma ini tetap dapat diandalkan dalam proses klasifikasi awal dengan hasil yang akurat dan konsisten
PENERAPAN MACHINE LEARNING UNTUK PENGENALAN SIDIK JARI MENGGUNAKAN DECISION TREE Tsirwatun Nisail Khasanah; Najwa Hanindya Putri; Syifa Amalia; Revanda Putri Rahmadani; Arif Setiawan
Jurnal Mahasiswa Sistem Informasi (JMSI) Vol. 6 No. 2 (2025): Jurnal Mahasiswa Sistem Informasi (JMSI)
Publisher : Program Studi DIII Sistem Informasi - Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/jmsi.v6i2.9004

Abstract

Perkembangan teknologi informasi di bidang keamanan biometrik telah mendorong penggunaan sidik jari sebagai salah satu cara otentikasi yang efektif dan efisien [1]. Sidik jari memiliki keunikan dan kestabilan seumur hidup yang menjadikannya ideal untuk identifikasi individu. Penelitian ini bertujuan mengembangkan sistem pengenalan sidik jari berbasis citra menggunakan algoritma Decision Tree [2]. Dataset yang digunakan adalah SOCOFing, yang terdiri dari ribuan gambar sidik jari dengan label identitas pengguna [1]. Citra diolah menggunakan metode ekstraksi fitur Local Binary Pattern (LBP) [3], dan model Decision Tree dilatih menggunakan data yang telah diproses. Hasil evaluasi menunjukkan bahwa akurasi model mencapai 84,6% dengan nilai f1-score rata-rata 0,85, menunjukkan bahwa algoritma ini efektif digunakan dalam sistem identifikasi sidik jari. Sistem ini cocok diterapkan pada lingkungan terbatas dengan kebutuhan identifikasi cepat dan interpretasi model yang jelas
PERANCANGAN SISTEM INFORMASI PENGADUAN MASYARAKAT KEPADA DINAS SOSIAL BERBASIS WEB DENGAN METODE WATERFALL Neila Mei Ika Suryani; Endriatna Adellia Wiby; Amanda Nur Alidya Yahya; Kejora Rizka Amanda; Arif Setiawan
Jurnal Mahasiswa Sistem Informasi (JMSI) Vol. 6 No. 2 (2025): Jurnal Mahasiswa Sistem Informasi (JMSI)
Publisher : Program Studi DIII Sistem Informasi - Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/jmsi.v6i2.9110

Abstract

Perkembangan teknologi informasi telah meningkatkan ekspektasi masyarakat terhadap layanan publik yang cepat, transparan, dan mudah dijangkau. Namun, di banyak instansi pemerintah, sistem pengelolaan pengaduan masih dilakukan secara manual, yang menimbulkan berbagai kendala seperti lambatnya penanganan, kesulitan pelacakan, dan kurangnya dokumentasi yang terorganisir. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem informasi pengaduan masyarakat berbasis web yang terintegrasi dengan lembaga terkait, seperti Dinas Sosial. Sistem ini dirancang untuk memfasilitasi masyarakat dalam menyampaikan laporan secara daring serta membantu petugas dalam memantau, menangani, dan mendokumentasikan laporan secara sistematis. Model pengembangan yang digunakan adalah metode Waterfall, yang terdiri dari lima tahapan: requirement analysis, design, implementation, testing, dan maintenance. Hasil dari implementasi sistem menunjukkan peningkatan efisiensi dalam pelayanan, mempercepat waktu respons terhadap aduan, serta memperkuat peran serta masyarakat dalam pengawasan layanan publik. Dengan demikian, sistem ini diharapkan dapat menjadi solusi digital yang mendukung transparansi, akuntabilitas, dan partisipasi aktif masyarakat dalam penyampaian aspirasi, serta meningkatkan kualitas hubungan antara masyarakat dan pemerintah melalui pemanfaatan teknologi informasi.
IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR UNTUK PREDIKSI PRODUKSI PADI NASIONAL: STUDI KASUS PADA DATA PRODUKSI PADI INDONESIA Muhammad Ady Nugroho; Pratiwi Cahyaningtiyas; Rizqi Aufa Eka Prathama; Rengga Arga Deva; Arif Setiawan
Jurnal Mahasiswa Sistem Informasi (JMSI) Vol. 6 No. 2 (2025): Jurnal Mahasiswa Sistem Informasi (JMSI)
Publisher : Program Studi DIII Sistem Informasi - Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/jmsi.v6i2.9112

Abstract

Ketersediaan data yang akurat mengenai produksi beras sangat mempengaruhi ketahanan pangan nasional. Studi ini mengusulkan pendekatan prediktif menggunakan algoritma K-Nearest Neighbor (KNN) dan data produksi historis dari BPS dari tahun 2018 hingga 2023. Model ini dibuat dengan K sama dengan 2 dan fitur waktu, yaitu waktu mutlak dan relatif, yang telah dinormalisasi. Metode evaluasi model menunjukkan bahwa kinerja model memuaskan dengan R² sebesar 0,88. Untuk prediksi 2024 dan 2025, tren produksi terlihat relatif stabil. Berdasarkan hasil tersebut, studi ini menyimpulkan bahwa KNN memang merupakan alternatif yang baik sebagai teknik prediksi yang sederhana dan efektif yang dapat secara aktif membantu keputusan kebijakan berbasis data di sektor pertanian
ANALISIS DATA TREN HIJAB DI INDONESIA DENGAN MODEL DECISION TREE Fadina Salwa Aulia Putri; Arina Fawaida; Nikmatul Khoiriyah; Muhammad Rizki Arrohman; Arif Setiawan
Jurnal Mahasiswa Sistem Informasi (JMSI) Vol. 6 No. 2 (2025): Jurnal Mahasiswa Sistem Informasi (JMSI)
Publisher : Program Studi DIII Sistem Informasi - Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/jmsi.v6i2.9190

Abstract

Penelitian ini membahas penerapan algoritma Decision Tree dalam menganalisis data tren hijab di Indonesia. Dataset yang digunakan merupakan data fiktif yang dirancang menyerupai kondisi pasar nyata, dengan atribut meliputi bahan, warna, panjang, dan motif hijab, serta target klasifikasi berupa jenis hijab: instan, pashmina, segi empat, dan turban. Proses penelitian mencakup tahap pra-pemrosesan data menggunakan Label Encoding, pelatihan model klasifikasi, evaluasi menggunakan confusion matrix dan classification report, serta visualisasi struktur pohon keputusan. Hasil riset menunjukkan bahwa warna menjadi atribut paling dominan dalam proses klasifikasi, diikuti oleh panjang hijab, sementara bahan dan motif berkontribusi dalam tingkat yang lebih rendah. Temuan ini diharapkan dapat menjadi acuan bagi pelaku industri fashion muslimah dalam memahami preferensi konsumen dan menyusun strategi berbasis data yang lebih efektif.
ANALISIS SENTIMEN ULASAN PENGGUNA GOJEK MENGGUNAKAN METODE SUPPORT VECTOR MACHINE Dewi Masitoh; Ahmad Alif Candra Selamet; Sinta Devi Rahmawati; Adinda Bintang Oktavia; Arif Setiawan
Jurnal Mahasiswa Sistem Informasi (JMSI) Vol. 6 No. 2 (2025): Jurnal Mahasiswa Sistem Informasi (JMSI)
Publisher : Program Studi DIII Sistem Informasi - Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/jmsi.v6i2.9191

Abstract

Kemajuan teknologi digital telah mendukung pertumbuhan layanan transportasi daring seperti Gojek. Penelitian ini menggunakan pendekatan klasifikasi dengan algoritma Support Vector Machine (SVM) untuk menganalisis sentimen dari review pengguna Gojek. Sebanyak 2001 ulasan dari tahun 2017–2024 diambil dari Kaggle. Proses meliputi preprocessing (case folding, tokenisasi, filtering, dan stemming), lalu transformasi data menggunakan TF-IDF. Sentimen diklasifikasi menjadi positif, negatif, dan netral berdasarkan rating. Model SVM dilatih dengan data 80:20 untuk pelatihan dan pengujian. Hasil menunjukkan akurasi 84,75%, dengan f1-score prediksi paling akurat dalam kelas positif (0,89) dan terendah pada kelas netral (0,00). Rata-rata berbobot precision, recall, dan f1-score masing-masing 0,83, 0,85, dan 0,83. SVM terbukti efektif untuk klasifikasi sentimen, meskipun akurasi pada kelas netral masih perlu ditingkatkan
Co-Authors Adelia Yunita Setiyadi Adhita Arif Setyawan Adinda Bintang Oktavia Afzal Khan Agung Hadi Saputro Ahmad Alif Candra Selamet Ahsanul In’am Akbar Siregar Aldri Frinaldi Alfiyani, Lina Amanda Nur Alidya Yahya Amelia Vega Utomo Ananda Putri Risang Ayu Andry Akhiruyanto Anindita Hasniati Rahmah Apridiansyah, Yovi Arben, Ali Arina Fawaida Ariq Raihan Hermanto Asep Purwo Yudi Utomo Asmirati Yakob Asti Devi Mutiara Khoirun Nisa Avin Nuzula Fitranti Bernadin Dwi M Cahulul Rizaldy Hasan Danar Rista Saputra Daniel Situmeang Dewi Masitoh Dhila Resky Effenti Diana Laily Fithri Dyah Prabaningrum Effendi, Ihsan Eko Darmanto Endriatna Adellia Wiby Eny Pemilu Kusparlina Eraskaita Ginting Fadina Salwa Aulia Putri Fajar Nugraha Faridhatun Nafi’ah Fitriana Gigit Mujianto Herdiyanto Hermawan Hermawan Iftikhar Rizqullah Ivando Zeldha Damara Jelibseda Karlinda Kejora Rizka Amanda Laili Fitriyani M. Rizaldi Maria Assumpta Wikantari Mesran, Mesran Muhammad Ady Nugroho MUHAMMAD ARIFIN Muhammad Azhari Muhammad Farchan Muntaha Muhammad Rafif Rabbani Muhammad Rizki Arrohman Muhammad Thoriq Akbar Muhammad Wifqi Aufal Maulana Najwa Hanindya Putri Najwa Lailatus Sa’diah Narendra Saputra Neila Mei Ika Suryani Nikmah Ayu Ramadhani Amir Nikmatul Khoiriyah Nugraha Widi Winata Nur Mahfuzah Saffawati Nur Saidah Nurul Fatimah Nurur Rosidah Pahrizal Pandoman, Agus Pramana, Doni Pratiwi Cahyaningtiyas Pratomo Setiaji R Rhoedy Setiawan Ras Tuti Analiah Rembrand Rengga Arga Deva Revanda Putri Rahmadani Ribut Wahyu Eriyanti Rika Santi Rina Aulia Rizqi Ardiansyah Rizqi Aufa Eka Prathama Rossi Galih Kesuma Rozali Toyib Rubianto Hadi Sari, Luthfiana Sinta Devi Rahmawati Sudjalil Suharyo Sumarya Supriyono Supriyono Syifa Amalia Tara Umi Nur Wakhidatun Tsirwatun Nisail Khasanah Umi Wahidasiana Wahyu Astri Hana Widya Kaharani Putri Wijaya, Ardi Wiwik Fitriyani Yudie Irawan