Article Per Year (5 Year)
p-Index From 2020 - 2025
1.554
P-Index
This Author published in this journals
All Journal Journal of Public Administration and Government (JPAG) GOVERNANCE: Jurnal Ilmiah Kajian Politik Lokal dan Pembangunan LETS: Journal of Linguistics and English Teaching Studies Malikussaleh Social and Political Reviews Journal of Computers and Digital Business Journal of Scientific Research, Education, and Technology Komunita: Jurnal Pengabdian dan Pemberdayaan Masyarakat Integralistik
Farhanuddin
Unknown Affiliation
Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Public Health Social Sciences

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Journal of Computers and Digital Business

 1 
Perancangan Sistem Pendukung Keputusan Pemilihan Investasi Menggunakan Metode AHP Pada DPMPTSP Kota Medan Farhanuddin
Journal of Computers and Digital Business Vol. 3 No. 1 (2024)
Publisher : PT. Delitekno Media Madiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56427/jcbd.v3i1.367

Abstract

Perkembangan Teknologi Informasi (TI) telah mengubah paradigma kehidupan manusia, termasuk dalam konteks Sistem Pendukung Keputusan (SPK). Penelitian ini mengkaji penerapan SPK menggunakan metode Analytical Hierarchy Process (AHP) dalam pemilihan investasi di DPMPTSP Kota Medan. Investasi memiliki dampak strategis, namun pengambilan keputusan investasi kompleks melibatkan banyak faktor. Dengan memanfaatkan TI, SPK dapat meningkatkan efisiensi dan transparansi proses pengambilan keputusan investasi. Penelitian ini merancang SPK dengan fokus pada keberlanjutan dan kualitas layanan perizinan di DPMPTSP Kota Medan. Metode AHP dipilih karena kemampuannya menangani kompleksitas dan variasi kriteria investasi. Hasil penelitian menunjukkan Gedung Parkir sebagai opsi investasi terunggul, dengan skor sintesis tertinggi. Pengujian sistem membuktikan kinerja baik SPK dalam membantu pengambilan keputusan investasi. Diharapkan penelitian ini memberikan kontribusi positif dalam meningkatkan efisiensi dan ketepatan keputusan investasi di DPMPTSP Kota Medan.
Komparasi Multiple Linear Regression dan Random Forest Regression Dalam Memprediksi Anggaran Biaya Manajemen Proyek Sistem Informasi Farhanuddin; Sarah Ennola Karina Sihombing; Yahfizham
Journal of Computers and Digital Business Vol. 3 No. 2 (2024)
Publisher : PT. Delitekno Media Madiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56427/jcbd.v3i2.408

Abstract

Dalam dunia bisnis yang dinamis dengan persaingan yang semakin ketat, manajemen proyek kini menjadi kunci sukses, terutama dalam pengembangan sistem informasi. Memprediksi anggaran biaya merupakan aspek penting dalam manajemen proyek, dengan mengetahui perkiraan anggaran biaya yang akurat, perusahaan dapat membuat keputusan yang lebih tepat terkait dengan alokasi sumber daya dan pengelolaan keuangan proyek. Dengan kemajuan teknologi, machine learning menjadi solusi potensial untuk meningkatkan akurasi dan efisiensi pengelolaan anggaran. Penelitian ini bertujuan untuk menemukan model machine learning yang paling akurat dalam memprediksi anggaran biaya dengan menggunakan dataset dari platform kaggle.com. Membandingkan algoritma machine learning multiple linear regression (MLR) dan random forest regression (RFR) dilakukan sebagai langkah untuk mencapai tujuan tersebut. Pendekatan deskriptif kuantitatif digunakan dengan melakukan Exploratory Data Analysis (EDA) untuk mengidentifikasi pola dalam data. Hasilnya menunjukkan bahwa model random forest regression memiliki akurasi lebih tinggi, mencapai 81,6% dibandingkan multiple linear regression. Kesimpulannya, penggunaan random forest regression lebih efektif dalam memprediksi anggaran biaya proyek sistem informasi. Ini menandakan bahwa random forest regression dapat menjadi pilihan yang lebih baik untuk menghadapi kompleksitas dan ketidakpastian dalam manajemen proyek sistem informasi.
Co-Authors Abbas, Wandi Aji, Muhammad Sajidin Amin, Asma Fajriani gustiana Handayani Razak , Fitriani Sari Hendrawan Inggar Saputra Jayadi Nas, Jayadi Muhammad Muhammad Danial Muhammad Rivai Muhammad Sajidin Muhammad Syihabuddin Taufiq Nila Sari Nurhaeni Rahmatullah Rezki Rahmawati Rezky Ramadhan Antuli Sarah Ennola Karina Sihombing Yahfizham