Article Per Year (5 Year)
p-Index From 2021 - 2026
0.947
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Buletin Abdi Masyarakat (BAM) Jurnal Informasi Ilmu Komputer (JIIK)
A. Aviv Mahmudi
Universitas YPPI Rembang
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Languange, Linguistic, Communication & Media Social Sciences

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

Found 5 Documents
Search

 1 
PENERAPAN GOOGLE WORKSPACE FOR EDUCATION MELALUI PEMBELAJARAN BERBASIS PROYEK BAGI GURU MTs. M3R REMBANG A. Aviv Mahmudi; Agustina Widodo; Migunani Migunani; Bryan Adi Gunawan; Melia Maldani
Buletin Abdi Masyarakat Vol 3, No 2 (2023): Edisi Februari 2023
Publisher : Universitas YPPI Rembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47686/bam.v3i2.551

Abstract

Teknologi dan informasi berkembang pesat di dunia pendidikan, terutama di sekolah mulai sekolah dasar sampai perguruan tinggi MTs Mu’allimin Mu’allimat Rembang (M3R) merupakan salah satu madrasah di kota Rembang dan menjadi salah satu madrasah tsanawiyah tertua di antara madrasah lain dibawah naungan Kementrian Agama. MTs. M3R sebagai institusi pun dituntut untuk memberikan inovasi terbaru untuk membentuk proses pembelajaran yang sangat efektif, akan tetapi tidak semua guru/tenaga pendidik di belum paham betul mengenai inovasi terbaru yang harus dipakai untuk melakukan pembelajaran selama pandemi. Permasalahan yang dialami oleh mitra adalah model pembelajaran daring belum dapat dilakukan secara optimal karena kurangnya kemampuan guru-guru dalam mebuat konten/materi pembelajaran.  Metode yang digunakan pada program PkM memberikan pelatihan dan praktek serta pendampingan pemanfaatan teknologi informasi dan komunikasi dalam kegiatan pembelajaran di sekolah menggunakan goggle workspace. Luaran dalam program {PkM ini adalah Guru menguasai dan mampu membuat serta menggunakan media pembelajaran goggle workspace dan mengimplementasikannya untuk media pembelajaran.  
Penerapan Metode AHP dan SAW Sebagai Sistem Pendukung Keputusan Penentuan Seleksi Penerima Beasiswa Darmasiswa di Universitas YPPI Rembang Muhammad Ilham Al Asrori; A. Aviv Mahmudi
Jurnal Inovasi Ilmu Komputer Vol. 3 No. 2 (2025): Jurnal Inovasi Ilmu Komputer, Juni 2025
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat (LPPM) STMIK WIT

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

Abstract

Universitas YPPI Rembang merupakan salah satu perguruan tingkat tinggi yang berada di kota Rembag. Setiap tahunnya YPPI Rembang selalu membuka pendaftaran bagi mahasiswa baru, bukan hanya itu YPPI Rembang juga membuka kesempatan bagi mahasiswa untuk mendapatkan beasiswa kuliah, salah satunya ialah dari pemerintah kabupaten Rembang yaitu beasiswa darmasiswa. Dalam seleksi untuk menetukan penerima beasiswa biasanya terdapat tahapan-tahapan dan kriteria-kriteria untuk memastikan beasiswa diterima tepat sasaran, tetapi terdapat beberapa kebingungan dalam menetukan penerima. Oleh itu dalam penelitian ini akan digunakan sistem pendukung keputusan sebagai pembantu dalam seleksi penerimaan beasiswa. Metode yang akan digunakan ialah metode Analytical Hierarchy Process (AHP) dan Simple Additive Weighting (SAW) dengan metode AHP dan SAW akan ditentukan penilaian secara subejktif dan objektif untuk memperoleh kandidat sebagai penerima beasiswa darmasiswa di Universitas YPPI Rembang
SISTEM PENGGAMBIL KEPUTUSAN DALAM PEMILIHAN HELM MENGGUNAKAN METODE AHP Putri anggraeni irawan; A. Aviv Mahmudi
Jurnal Inovasi Ilmu Komputer Vol. 3 No. 2 (2025): Jurnal Inovasi Ilmu Komputer, Juni 2025
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat (LPPM) STMIK WIT

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

Abstract

Pemilihan produk helm yang sesuai standar keselamatan menjadi tantangan tersendiri bagi toko ritel, termasuk Toko EVO Helm di Kabupaten Rembang. Banyaknya pilihan merek dan tipe helm menuntut proses seleksi yang tidak hanya mengandalkan intuisi, melainkan pendekatan yang sistematis dan berbasis kriteria objektif. Penelitian ini bertujuan untuk merancang sistem pendukung keputusan dalam pemilihan helm Cargloss berlisensi Standar Nasional Indonesia (SNI) dengan menggunakan metode Analytical Hierarchy Process (AHP). Lima kriteria utama yang digunakan meliputi desain, harga, fitur, warna, dan tipe busa. Berdasarkan analisis AHP, diperoleh peringkat prioritas alternatif helm, di mana helm tipe YRH (alternatif keempat) menempati posisi tertinggi sebagai rekomendasi utama. Hasil penelitian ini diharapkan dapat membantu toko dalam pengambilan keputusan yang lebih akurat dan efisien sesuai dengan kebutuhan pasar dan standar keselamatan nasional.
PENERAPAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) DAN ANALYTICAL HIERARCY PROCESS (AHP) PADA PEMILIHAN LAPTOP TEPAT GUNA BAGI MAHASISWA SISTEM INFORMASI Zidan Dwi Anggoro; A. Aviv Mahmudi
Jurnal Inovasi Ilmu Komputer Vol. 3 No. 2 (2025): Jurnal Inovasi Ilmu Komputer, Juni 2025
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat (LPPM) STMIK WIT

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

Abstract

Kebutuhan mahasiswa terhadap perangkat laptop semakin meningkat seiring dengan kemajuan teknologi informasi, khususnya pada Program Studi Sistem Informasi. Sayangnya, beragamnya spesifikasi dan harga laptop sering kali menyulitkan mahasiswa dalam menentukan pilihan yang sesuai dengan kebutuhan akademik dan kemampuan finansial. Penelitian ini mengusulkan pendekatan kombinasi metode Analytical Hierarchy Process (AHP) dan Simple Additive Weighting (SAW) sebagai solusi untuk membantu proses pemilihan laptop secara objektif dan terstruktur. AHP digunakan untuk menentukan bobot masing-masing kriteria berdasarkan tingkat kepentingannya, sedangkan SAW dimanfaatkan untuk menghitung skor total dari tiap alternatif. Adapun kriteria yang digunakan mencakup harga, performa, ketahanan baterai, bobot perangkat, dan kualitas tampilan layar. Berdasarkan perhitungan akhir, MacBook Air M1 memperoleh nilai tertinggi dan dinyatakan sebagai pilihan paling optimal. Hasil ini menunjukkan bahwa integrasi metode AHP dan SAW dapat digunakan secara efektif dalam sistem pendukung keputusan pemilihan laptop.
Prediction of new student admissions to higher education using support vector machines Neni Purwati; Windya Harieska Pramujati; A. Aviv Mahmudi; Mira Febriana Sesunan; Yahya Yahya
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 15, No 3: June 2026
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v15.i3.pp2484-2493

Abstract

Higher education institutions across various regions operate using systems that generate large amounts of data. This data is stored and utilized for strategic decision-making, providing significant business value to these institutions. Support vector machine (SVM) has become popular due to its strong generalization capability, high prediction accuracy, and faster training speed. SVM employs kernels as tuning parameters. This study aims to enhance the accuracy of student admissions prediction in higher education institutions using the SVM classification model. The SVM model was applied to a dataset comprising 5,936 records with four attributes and was evaluated using the use training set, 10-fold cross-validation, and percentage splits of 70%–30% and 80%–20%. Initially, the SVM-kernel model achieved high accuracy but failed to identify any true positive instances, indicating its inability to detect the minority “not accepted” class due to severe class imbalance. After applying class balancing techniques, the model’s performance improved significantly in terms of area under the curve (AUC), F-measure, and Matthews correlation coefficient (MCC), reflecting a more balanced classification between majority and minority classes. The SVM with Pearson VII function-based universal kernel (PUK) and classifier version 4.5 (C4.5) models achieved the best performance, indicating that class balancing effectively enhances both sensitivity and fairness in predictive classification.
Co-Authors Agustina Widodo Bryan Adi Gunawan Melia Maldani Migunani Migunani Mira Febriana Sesunan Muhammad Ilham Al Asrori Neni Purwati Putri anggraeni irawan Windya Harieska Pramujati Yahya Yahya Zidan Dwi Anggoro