Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal INTECOMS: Journal of Information Technology and Computer Science
Ahmad Muhammad
Universitas Pamulang
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Evaluasi Kinerja Database Relasional dan Layanan Cloud Storage Untuk Transmisi Data Media Dalam Jaringan Andhi Saputro; Sahrul Ramadhan; Rendinis Rendinis; Oktifar Tri Bandono; Ahmad Muhammad; Toyyibah T
INTECOMS: Journal of Information Technology and Computer Science Vol 7 No 3 (2024): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/intecoms.v7i3.10584

Abstract

Transmisi data media menjadi semakin penting dengan adanya pertumbuhan konten multimedia yang besar dan beragam. Database relasional, seperti MySQL, dan layanan cloud storage, seperti Amazon S3, adalah dua pilihan utama untuk penyimpanan dan transmisi data media. Studi ini mengusulkan metodologi untuk membandingkan kinerja kedua sistem berdasarkan kecepatan transmisi, reliabilitas, skalabilitas, keamanan, biaya, dan kemudahan integrasi dengan infrastruktur jaringan yang ada. Metodologi ini mencakup pengumpulan data empiris dari skenario pengujian yang dirancang untuk mensimulasikan kondisi nyata dalam penggunaan aplikasi multimedia. Penelitian ini bertujuan untuk mengevaluasi dan membandingkan kinerja database relasional dan layanan cloud storage dalam konteks transmisi data media pada sistem jaringan. Hasil penelitian diharapkan dapat memberikan panduan yang bermanfaat bagi pengembang dan administrator jaringan dalam memilih solusi penyimpanan data yang optimal untuk aplikasi media mereka. Selain itu, penelitian ini diharapkan dapat memberikan kontribusi pada literatur akademik di bidang jaringan komputer dan manajemen data dengan menyediakan pemahaman yang lebih mendalam tentang perbandingan kinerja antara database relasional dan layanan cloud storage.
ANALISIS PERILAKU BELAJAR SISWA DI ERA ARTIFICIAL INTELLIGENCE MENGGUNAKAN MODEL DEEP LEARNING TABNET DAN TABTRANSFORMER UNTUK PENGEMBANGAN REKOMENDASI STRATEGI PEMBELAJARAN Ahmad Muhammad; Ahmad Musyafa; Tukiyat Tukiyat
INTECOMS: Journal of Information Technology and Computer Science Vol. 9 No. 2 (2026): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/t0adps90

Abstract

Perkembangan teknologi kecerdasan artifisial (Artificial Intelligence/AI) telah membawa perubahan signifikan terhadap perilaku belajar siswa, terutama dalam cara siswa mengakses informasi, menyelesaikan tugas, dan membangun strategi belajar mandiri. Penelitian ini bertujuan untuk menganalisis perilaku belajar siswa di era AI menggunakan model deep learning TabNet dan TabTransformer untuk memprediksi capaian akademik siswa serta mengembangkan rekomendasi strategi pembelajaran yang adaptif. Penelitian menggunakan pendekatan kuantitatif dengan data tabular yang diperoleh dari 2.052 siswa SMA Plus PGRI Cibinong. Variabel penelitian mencakup aspek akademik, digital, psikologis, sosial, dan penggunaan AI dalam pembelajaran. Tahapan penelitian meliputi preprocessing data, encoding, pembagian data latih dan data uji, pemodelan menggunakan TabNet dan TabTransformer, evaluasi model menggunakan RMSE, MAE, dan R², serta analisis feature importance untuk segmentasi siswa. Hasil penelitian menunjukkan bahwa TabTransformer memiliki performa lebih baik dibandingkan TabNet dalam memodelkan hubungan antara perilaku belajar dan nilai akademik siswa. Variabel usaha belajar, penggunaan AI untuk memahami materi, dan motivasi belajar menjadi faktor dominan yang memengaruhi capaian akademik. Selain itu, penelitian menghasilkan empat segmentasi profil siswa yang digunakan sebagai dasar penyusunan rekomendasi strategi pembelajaran adaptif. Penelitian ini menunjukkan bahwa AI berperan sebagai faktor pendukung pembelajaran, sementara regulasi diri dan usaha belajar tetap menjadi faktor utama keberhasilan akademik siswa.
Co-Authors Ahmad Musyafa Andhi Saputro Oktifar Tri Bandono Rendinis Rendinis Sahrul Ramadhan Toyyibah T Tukiyat Tukiyat