Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Jurnal Teknologi dan Sistem Komputer Jurnal SITECH : Sistem Informasi dan Teknologi Journal of Computer Networks, Architecture and High Performance Computing
Afandi Nur Aziz Thohari, Afandi Nur Aziz
Unknown Affiliation
Computer Science & IT Education Electrical & Electronics Engineering

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

Found 3 Documents
Search

 1 
Implementasi Test Driven Development Dalam Pengembangan Aplikasi Berbasis Web Thohari, Afandi Nur Aziz; Amalia, Andika Elok
Jurnal SITECH : Sistem Informasi dan Teknologi Vol 1, No 1 (2018): JURNAL SITECH VOLUME 1 NO 1 TAHUN 2018
Publisher : Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (667.133 KB) | DOI: 10.24176/sitech.v1i1.2255

Abstract

Sebuah perangkat lunak dikatakan siap untuk dipakai apabila sudah melalui tahap pengujian. Pada era pengembangan perangkat lunak dengan metodologi tradisional, pengujian dilakukan dengan cara mencoba satu persatu menu aplikasi ketika aplikasi yang dikembangkan sudah jadi. Cara pengujian tersebut akan membutuhkan waktu yang lama apabila developer mengerjakan proyek perangkat lunak dalam skala besar. Selain itu, cara tersebut juga tidak dapat menguji logika dan method dari suatu kelas. Salah satu metode pengembangan perangkat lunak yang dapat menghemat waktu pengujian, namun fungsionalitasnya tetap terjaga adalah test driven development (TDD). Pada metode TDD, pengembangan perangkat lunak dilakukan dengan membuat test case terlebih dahulu baru kemudian melakukan producing code. Pada penelitian ini, dikembangkan sebuah aplikasi web menggunakan TDD. Aplikasi web yang dikembangkan adalah berupa sistem informasi mengenai ulasan film lokal indonesia atau disebut Indonesia Movie Database (IMDB). Bahasa pemrograman web yang dipakai adalah ruby dengan menggunakan framework rails. Sedangkan alat yang dipakai untuk pengujian adalah Rspec. Hasil implementasi TDD membuktikan bahwa fungsi-fungsi dari aplikasi web yang dibangun dapat berkerja dengan baik. Selain itu kode program yang dihasilkan juga menjadi rapi dan mudah dibaca oleh pengembang lain karena menerapkan refactoring. Pengujian unit test menggunakan Rspec membantu pengembang dalam menangani kesalahan dan memudahkan menambah fitur baru dari aplikasi web.
Sistem Penghitung Jumlah Orang Menggunakan Metode SSD-MobileNet dan Centroid Tracking Thohari, Afandi Nur Aziz; Karima, Aisyatul; Wibowo, Angga Wahyu; Santoso, Kuwat
Jurnal Teknologi dan Sistem Komputer Volume 10, Issue 2, Year 2022 (April 2022)
Publisher : Department of Computer Engineering, Engineering Faculty, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jtsiskom.2022.14213

Abstract

Salah satu penerapan kecerdasan buatan untuk mencegah penyebaran virus corona adalah dengan membuat sistem penghitung jumlah orang otomatis untuk mencegah kerumunan di dalam ruangan. Penelitian ini membahas mengenai pembuatan prototipe sistem penghitung jumlah orang menggunakan algoritma deep learning pada single board computer. Tujuan dari penelitian ini adalah untuk menghitung jumlah orang dalam suatu ruangan agar okupansi ruangan dapat ditekan. Kontribusi dari penelitian ini adalah mengkombinasikan dua metode visi komputer yaitu SSD-MobileNet untuk identifikasi objek orang dan centroid tracking untuk menghitung jumlah orang. Berdasarkan pengujian yang telah dilakukan menunjukan bahwa sistem telah dapat menghitung objek orang dengan akurasi 100% apabila jumlah orang yang memasuki ruangan berjumlah satu, dua, atau tiga secara bersama-sama. Kemudian sistem dapat mendeteksi objek dengan jarak maksimal 10 meter dan intensitas cahaya redup atau kurang dari 100 lux. Pada pengujian komputasi menunjukan bahwa sistem dapat memproses video dengan jumlah frame 30 fps dan kualitas video high definition (HD).
Performance Comparison Supervised Machine Learning Models to Predict Customer Transaction Through Social Media Ads Thohari, Afandi Nur Aziz; Ramadhani, Rima Dias
Journal of Computer Networks, Architecture and High Performance Computing Vol. 4 No. 2 (2022): Article Research Volume 4 Number 2, July 2022
Publisher : Information Technology and Science (ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/cnahpc.v4i2.1488

Abstract

The application of machine learning has been used in various sectors, one of which is digital marketing. This research compares the performance of six machine learning algorithms to predict customer transaction decisions. The six algorithms used for comparison are Perceptron, Linear Regression, K-Nearest Neighbors, Naïve Bayes, Decision Tree, and Random Forest. The dataset is obtained from Facebook ads transaction data in 2020. The goal is to get a model that has the best performance so that it can be deployed to the web. The method that is used to compare the results is a confusion matrix and also uses visualization of the model to get the prediction error that occurred. Based on the test results, the random forest algorithm has the highest accuracy, recall, and f1-score values, with scores of 96.35%, 95.45%, and 93.32%. The highest precision value was generated by the logistic regression algorithm, which was 94.44%. Based on the data visualization presented by the random forest algorithm, it has the least prediction errors, there are four data. Therefore, it can be concluded that the random forest algorithm has the best performance because it has the highest value in the three confusion matrix measurements and the smallest data prediction error. The model of the random forest algorithm is deployed to the web platform and can be accessed at the link iklan-sosmed.herokuapp.com.
Co-Authors Airlangga, Gregorius Aisyatul Karima Amalia, Andika Elok Amalia, Andika Elok Ramadhani, Rima Dias Rifki Adhitama, Rifki Roselina Rahmawati Santoso, Kuwat Wibowo, Angga Wahyu