Article Per Year (5 Year)
p-Index From 2020 - 2025
1.288
P-Index
This Author published in this journals
All Journal Journal of Economic, Business and Engineering (JEBE) Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer (JURITEK) STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Biner : Jurnal Ilmiah Informatika dan Komputer TECHNOMEDIA : Informatics and Computer Science
Saifu Rohman
Unknown Affiliation
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN TINGKAT KELULUSAN PESERTA LDK OSIS DI MA AN-NAWAWI BERJAN PURWOREJO MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) Saifu Rohman; Ahmad Panji Hafiidh; Hidayatus Sibyan
Biner : Jurnal Ilmiah Informatika dan Komputer Vol 2 No 2 (2023): Juli
Publisher : Program Studi Teknik Informatika, Fakultas Teknik dan Ilmu Komputer, Universitas Sains Al-Qur'an

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

Abstract

Latihan Dasar Kepemimpinan (LDK) merupakan kegiatan yang dilaksanakan oleh Organisasi Siswa Intra Sekolah (OSIS), sebuah organisasi resmi bernaung dibawah sekolah yang berada pada jenjang sekolah mengah sampai atas. Latihan Dasar Kepemimpinan (LDK) dilakukan untuk melakukan pelatihan serta seleksi dalam memilih anggota baru di Organisasi Siswa Intra Sekolah (LDK) sebagai wujud regenerasi keorganisasian. Penyeleksian calon anggota dilakukan berdasarkan dengan penilaian selama kegiatan kepada peserta sehingga hasil akhir akan diputuskan sesuai dengan tingkat kelulusan masing-masing peserta. Dalam proses penilaian, permasalahan yang muncul adalah mengenai ketidakseimbangan antara jumlah peserta dan pemandu acara Latihan Dasar Kepemimpinan (LDK) serta rumitnya jenis metode penilaian yang ada sehingga pemandu kewalahan dalam menentukan tingkat kelulusan peserta. Dengan adanya sistem pendukung keputusan (SPK) beberapa masalah tersebut dapat diatasi. Salah satu metode dalam menyelesaikan masalah mengenai Sistem Pendukung Keputusan (SPK) adalah Metode Simple Additive Weighting (SAW). Cara kerja dari metode Simple Additive Weighting (SAW) adalah dengan melakukan pembobotan dalam masing-masing kriteria kemudian akan dilakukan normalisasi nilai sehingga nilai preferensi dan perangkingan masing-masing alternatif dapat diketahui. Hasil preferensi dan perankingan merupakan nilai yang dapat dijadikan sebagai refrensi dalam menentukan keputusan untuk tingkat kelulusan peserta Latihan Dasar Kepemimpinan (LDK).
SISTEM PENDUKUNG KEPUTUSAN SELEKSI HAFLAH JUZ-AMMA PPTQ AL-ASY’ARIYYAH MENGGUNAKAN METODE SIMPLE MULTI ATTRIBUTE RATING TECHNIQUE (SMART) Saifu Rohman; Nulngafan Nulngafan; Basuki Nurkhalim
Journal of Economic, Business and Engineering (JEBE) Vol 5 No 1 (2023): Oktober
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) Universitas Sains Al Qur'an

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32500/jebe.v5i1.5796

Abstract

Sistem pendukung keputusan seleksi haflah juz-amma di PPTQ Al-Asy’ariyyah ini di latar belakangi berdasarkan hasil penelitian peneliti masih mengalami kendala, diantaranya proses pengolahan nilai dan pencatatanya masih manual , yang tentunya membutuhkan waktu yang relatif lebih lama dan kurang objektif dalam mengambil keputusan hasil seleksi santri yang layak untuk mengikuti kegiatan haflah khotmil qur’an kategori juz-amma. Permasalahan peneliti adalah bagaimana cara membangun suatu Sistem Pendukung Keputusan (SPK) yang berfungsi sebagai alat bantu pengambilan keputusan dalam kasus menyeleksi santri yang layak atau tidak layak untuk mengikuti kegiatan haflah kategori juz-amma, untuk mendapatkan hasil sesuai dengan harapan tentunya Pondok Pesantren harus mempunyai sistem yang tepat agar tercipta hasil yang lebih efektif dan objektif. Oleh karena itu diperlukan sebuah sistem pendukung keputusan untuk membantu Pondok Pesantren terutama panitia pemilihan untuk memutuskan santri mana yang layak atau tidak yang layak yang akan dipilih sesuai dengan kriteria yang ditentukan. Simple Multi Attributte Rating Technique (SMART) merupakan salah satu metode yang dapat digunakan dalam proses pengambilan keputusan. Hal ini dikarenakan metode SMART mampu memberikan penilaian secara fleksibel dan tepat. Metode SMART juga dapat memperluas pengambilan keputusan dalam memproses data / informasi untuk pengambilan keputusan. Pada sistem pendukung keputusan ini menggunakan bahasa pemrograman PHP dan MySQL. Sistem ini dapat membantu Pondok Pesantren atau panitia pemilihan dalam mengelola data nilai santri dan dapat memberi solusi dalam pemilihan pengambilan keputusan.
PERBANDINGAN ALGORITMA C4.5 DAN NAÏVE BAYES DALAM MEMPREDIKSI KETEPATAN WAKTU LULUS MAHASISWA FASTIKOM UNSIQ Reza Tri Kurniawan; Adi Suwondo; Saifu Rohman; Nur Hasanah; Sukowiyono
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 2 No. 4 (2023): November
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v2i4.2886

Abstract

Fakultas Teknik dan Ilmu Komputer merupakan salah satu fakultas dari Universitas Sains Al-Quran yang memiliki mahasiswa cukup banyak. Banyaknya mahasiswa baru tidak sebanding dengan mahasiswa yang lulus. Hal ini berpengaruh terhadap fakultas itu sendiri untuk proses akreditasi. Observasi dan wawancara dengan mahasiswa Fakultas Teknik dan Ilmu Komputer mengungkapkan beberapa kendala atau faktor yang membuat mahasiswa Fakultas Teknik dan Ilmu Komputer terlambat lulus. Penelitian ini menggunakan dua metode yaitu Algoritma C4.5 dan Naïve Bayes untuk mengetahui bagaimana penerapan Algoritma C4.5 dan Naïve Bayes dalam memprediksi ketepatan waktu lulus mahasiswa Fakultas Teknik dan Ilmu Komputer, dan dilakukan pengujian dengan aplikasi RapidMiner dan hasilnya menunjukan bahwa Algoritma Naïve Bayes memiliki akurasi yang tinngi sebesar 100% dan Algoritma C4.5 sebesar 71,21%. Dapat disimpulkan bahwa algoritma Naïve bayes memiliki kinerja yang lebih baik daripada Algoritma C4.5
OPTIMASI PENJADWALAN TEKNISI PT TUNAS MULTI DATA MENGGUNAKAN ALGORITMA GENETIKA Muhammad Choirul Fadhli Nurfauzi; Asnawi, Muhamad Fuat; Saifu Rohman
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 3 No. 4 (2024): November
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v3i4.4446

Abstract

PT Tunas Multidata dalam proses pelayanan terhadap pelanggan khususnya dalam penanganan keluhan pelanggan masih menggunakan pesan pribadi melalui aplikasi Whatsapp yang kemudian dicatat untuk dimasukkan kedalam daftar kegiatan teknisi. Proses pelayanan tersebut hanya bisa diproses ketika jam kerja, sedangkan diluar jam tersebut keluhan atau pendaftaran pelanggan akan diproses keesokan hari sekaligus dilakukan penyusunan jadwal kegiatan teknisi untuk merespon laporan dari pelanggan. Setelah jadwal dibuat kemudian dicetak dan disampaikan kepada teknisi untuk dikerjakan, setelah pengerjaan selesai teknisi akan mencentang status kegiatan yang ada di kertas jadwal dan menuliskan informasi pengerjaan yang meliputi tanggal, waktu, biaya, keterangan, dan status yang nantinya akan dikumpulkan kembali kepada admin setelah semua jadwal selesai, selain mengisi pada kertas jadwal teknisi juga diharuskan melakukan konfirmasi kepada admin melalui aplikasi Whatsapp jika sudah selesai melakukan penanganan masalah pada pelanggan, namun terkadang teknisi tidak melakukan laporan status pengerjaan sehingga admin tidak dapat mengetahui progres pengerjaan jadwal. Jika ada keluhan pelanggan masuk ketika teknisi masih dilapangan untuk pengerjaan maka admin akan mengecek jadwal apakah masih bisa dilakukan pengerjaan pada hari yang sama atau tidak berdasarkan jadwal dan status pengerjaan dari teknisi yang sudah masuk, jika masih bisa maka admin akan mengirim pesan pribadi kepada teknisi jika ada tambahan dan teknisi akan menambahkan tambahan tersebut kedalam kertas jadwal secara manual.
SISTEM PREDIKSI HASIL LABA PENJUALAN DI UNSIQ MART MENGGUNAKAN METODE NAIVE BAYES Rina Mahmudati; Saifu Rohman; Ishlahus Sa’adah
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 4 No. 1 (2025): Februari
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v4i1.4849

Abstract

UNSIQ Mart merupakan sebuah bisnis retail yang mulai mengembangkan bank data untuk mendapatkan informasi berharga,namun belum memiliki sistem prediksi hasil laba tiap bulannya. Tujuan penelitian ini untuk merancang bangun sistem prediksi laba penjualan yang bermanfaat dalam membantu mengawasi kinerja bisnis dan mengambil keputusan yang tepat berbasis website. Pengumpulan data dilakukan melalui studi literatur dan wawancara terbuka, sementara metode prediksi menggunakan Naïve Bayes dengan atribut pendapatan, modal perusahaan, dan beban operasional. Hasil penelitian ini menunjukkan tingkat akurasi sistem mencapai 70% dengan nilai F1 Score 81% untuk menilai performa model. Pengujian menggunakan teknik Blackbox menunjukkan kesesuaian sistem prediksi dengan analisis dan rancangan sistem. Dengan memanfaatkan data yang telah diprediksi, UNSIQ Mart berupaya meningkatkan persaingan dan keuntungan bisnisnya.
Sistem Pakar Diagnosa Penyakit pada Tanaman Jambu Kristal Menggunakan Metode Dempster Shafer Berbasis Web Saifu Rohman; Rina Mahmudati; Wiko Anang Ansoruloh
Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer Vol. 4 No. 1 (2024): Maret
Publisher : Pusat Riset dan Inovasi Nasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/juritek.v4i1.2892

Abstract

The Crystal Guava plant can be attacked by several types of diseases. Diseases in crystal guava plants can cause significant losses in fruit production. Some pests and diseases that can attack crystal guava plants include fruit flies, bagworms, whiteflies, anthracnose, and red rust. Therefore, accurate and timely disease diagnosis is crucial in controlling and managing these diseases. In this study, an Expert System for Disease Diagnosis in Crystal Guava Plants Using the Dempster Shafer Method-Based Web was developed. The Dempster Shafer method calculates the likelihood of a disease attacking crystal guava plants based on the density probability values of each symptom. The results produced by this expert system include the type of disease, solution, and the percentage probability value of the disease, with an average accuracy of 83.33%. Hence, it can be concluded that the system can diagnose diseases in crystal guava plants effectively.
SISTEM DETEKSI DAN KLASIFIKASI PENYAKIT TANAMAN PADI BERDASARKAN DAUN MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN ARSITEKTUR ResNet-50 Zulian Firmansyah; Dian Asmarajati; Muslim Hidayat; Nur Hasanah; Muhammad Alif Muwafiq Baihaqy; Nulngafan; Saifu Rohman
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 2 No 2 (2025): Juli
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v2i2.150

Abstract

Diagnosa penyakit padi secara konvensional dinilai bergantung pada pengamatan manual yang lambat dan kurang akurat maka diperlukan solusi yang lebih efisien dan objektif dengan pemanfaatan kecerdasan buatan. Penelitian ini bertujuan untuk mengembangkan sistem deteksi penyakit tanaman padi menggunakan bagian dari kecerdasan buatan yaitu metode Convolutional Neural Network (CNN) dengan arsitektur ResNet-50. Sistem dirancang untuk mendeteksi enam penyakit padi berdasarkan citra daun yaitu Blast, Bacterial Blight, Brown Spot, Tungro, False Smut dan Cercospora. Dataset berasal dari kombinasi data publik (kaggle.com) dan citra lapangan yang diambil langsung di daerah Kabupaten Wonosobo. Model dikembangkan dan di modifikasi dengan penambahan GlobalAveragePooling, Dense layer dengan aktivasi ReLU dan regularisasi L2, serta Dropout untuk mengurangi overfitting. Lapisan output menggunakan softmax untuk klasifikasi multi kelas. Evaluasi model menggunakan metrik akurasi, presisi, recall, dan F1-score. Model dapat menunjukkan akurasi pengujian yang tinggi sebesar 79.52% dan performa efektif dengan akurasi 92% pada Classification Report. Hasil deteksi langsung ditampilkan pada sistem berbasis web berupa skala probabilitas penyakit yang terdeteksi.
Co-Authors Ahmad Panji Hafiidh Asnawi, Muhamad Fuat Basuki Nurkhalim dian asmarajati Hidayatus Sibyan Ishlahus Sa’adah Muhammad Alif Muwafiq Baihaqy Muhammad Choirul Fadhli Nurfauzi Muslim Hidayat Nulngafan Nulngafan Nulngafan NUR HASANAH Reza Tri Kurniawan Rina Mahmudati Sukowiyono Suwondo, Adi Wiko Anang Ansoruloh Zulian Firmansyah