Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Ilmu Komputer Fakultas Ilmu Komputer Universitas Al Asyariah Mandar Indonesian Journal of Data and Science
Humam Maulana Tsubasanofa Ramadhan
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Mathematics

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
PENERAPAN KECERDASAN BUATAN DALAM PEMILIHAN ARTIFACT PADA GAME GENSHIN IMPACT DENGAN LOGIKA FUZZY TSUKAMOTO Muhammad Rafli Aulia Rojani Lutfi; Humam Maulana Tsubasanofa Ramadhan; Wahyu S. J. Saputra
JURNAL ILMU KOMPUTER Vol 8 No 2 (2022): Edisi September
Publisher : LPPM Universitas Al Asyariah Mandar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35329/jiik.v8i2.226

Abstract

Genshin Impact adalah game yang bergenre open world action RPG (Role Playing Game), yang memungkinkan pemain untuk bebas menjelajah dunia dan meningkatkan kekuatan karakter mereka. Pada game ini pemain dapat memasangkan perlengkapan seperti senjata dan item yang disebut artifact pada karakter untuk meningkatkan kemampuan bertarung karakter. Bagi para pemula pemilihan perlengkapan yang tepat untuk karakter mereka akan terasa membingungkan, terutama ketika pemilihan artifact. Pada paper kali ini akan dibahas tentang penerapan kecerdasan buatan untuk membantu pemain dalam memilih artifact untuk karakter mereka dengan menggunakan logika Fuzzy Tsukamoto yang akan ditulis menggunakan bahasa Python.
UJI VALIDITAS WEBSITE PENDATAAN EKSTRAKURIKULER MENGGUNAKAN METODE CORRELATION PEARSON DAN KAPPA COHEN Rizky Parlika; Rayhan Rizal Mahendra; Muhammad Rafli Aulia Rojani Lutfi; Rizqy Khoirul Waritsin; Humam Maulana Tsubasanofa Ramadhan
JURNAL ILMU KOMPUTER Vol 8 No 2 (2022): Edisi September
Publisher : LPPM Universitas Al Asyariah Mandar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35329/jiik.v8i2.227

Abstract

Pengujian validitas pada website merupakan kegiatan yang digunakan untuk mengukur sejauh mana perangkat lunak apakah sudah layak dipakai atau valid tidaknya suatu kuesioner. Pada pengujian website ini, penulis ingin menguji pada website pendataan ekstrakurikuler pada sekolah SMAN Surabaya. Tidak hanya pendataan ekstrakurikuler melainkan terdapat beberapa nilai dari seorang siswa beserta absensi pada suatu ekstrakulikuler. Untuk menguji pengujian validitas ini, penulis menggunakan kuesioner menggunakan tabel R dan validitas kappa cohen.
Comparison of K-Nearest Neighbor and Decision Tree Methods using Principal Component Analysis Technique in Heart Disease Classification Al Danny Rian Wibisono; Syahrul Hidayat; Humam Maulana Tsubasanofa Ramadhan; Eva Yulia Puspaningrum
Indonesian Journal of Data and Science Vol. 4 No. 2 (2023): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijodas.v4i2.70

Abstract

Heart disease has become a global health issue that can threaten anyone, regardless of age. Numerous research efforts have been made to develop classification methods that can aid in diagnosing heart disease. In this study, we compared two classification methods, namely K-Nearest Neighbor (KNN) and Decision Tree, by applying Principal Component Analysis (PCA) technique to the heart disease classification. The dataset used contains relevant clinical attributes. After analyzing the dataset and performing data preprocessing, we applied PCA to reduce the dataset's dimensions. PCA models with KNN and Decision Tree were implemented and evaluated using performance metrics such as Confusion Matrix, F1 Score, and Accuracy. The analysis results showed that the PCA model with Decision Tree outperformed the PCA model with KNN in terms of accuracy. The Decision Tree model successfully classified all data correctly, while KNN had some misclassifications. This research recommends using the PCA model with Decision Tree for heart disease classification with the best performance. However, further research with larger datasets is needed for a deeper understanding
Co-Authors Al Danny Rian Wibisono Eva Yulia Puspaningrum Muhammad Rafli Aulia Rojani Lutfi Muhammad Rafli Aulia Rojani Lutfi Rayhan Rizal Mahendra Rizky Parlika Rizqy Khoirul Waritsin Syahrul Hidayat Wahyu S. J. Saputra