Article Per Year (5 Year)
p-Index From 2021 - 2026
1.564
P-Index
This Author published in this journals
All Journal Indonesian Journal of Data and Science Journal of System and Computer Engineering Global Abdimas: Jurnal Pengabdian Masyarakat Malcom: Indonesian Journal of Machine Learning and Computer Science International Journal of Artificial Intelligence in Medical Issues Advances in Computer System Innovation Journal (ACSI Journal)
Syam, Rahmat Fuadi
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Automotive Engineering Computer Science & IT Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Environmental Science Health Professions Languange, Linguistic, Communication & Media Library & Information Science Mathematics Medicine & Pharmacology Public Health Social Sciences Transportation Other

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Advances in Computer System Innovation Journal (ACSI Journal)

 1 
APLIKASI HOUSEKEEPING HOTEL BERBASIS WEB PADA NOVOTEL MAKASSAR GRAND SHAYLA MENGGUNAKAN METODE WATERFALL Putra Yuzi Bachmid, Fadel Muhammad; Usman, Syahrul; Syam, Rahmat Fuadi; Jeffry, Jeffry
Advances in Computer System Innovation Journal Vol. 2 No. 1: April 2024, ACSI Journal
Publisher : Unit Publikasi Ilmiah Perkumpulan Intelektual Madani Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51577/acsijournal.v2i1.516

Abstract

Industri perhotelan merupakan salah satu industri yang berkembang pesat dalam dunia bisnis saat ini, maka oleh karena itu suatu hotel yang ingin bersaing ketat dengan hotel lainnya harus memiliki fasilitas, kemudahan, dan struktur manajemen yang lengkap. Namun menurut hasil wawancara dan observasi di Hotel Novotel Makassar Grand Shayla, mereka masih melakukan pengoperasian status kamar secara manual terutama operasional pembersihan kamar dengan informasi yang terdapat celah, sehingga dalam berkomunikasi pertukaran informasi selalu menggunakan WhatsApp. Penulis berinisiatif melakukan penelitian serta penerapan uji coba dengan membuat aplikasi berbasis web yang diharapkan dapat memberikan pengalaman kepada bagian housekeeping, serta supervisor housekeeping dalam melakukan pemantauan room status untuk setiap kamar.Aplikasi ini berbasis web application juga untuk memantau keadaan room status. Aplikasi web ini juga memiliki beberapa fitur diantaranya adalah dapat mengubah status kamar ke dalam beberapa status sesuai keadaan status kamar secara aktual, diharapkan dapat mengubah status pada pukul 2 pagi dengan metode sesuai dengan operasional yang telah berjalan metode penelitian dengan metode waterfall, karena metode penelitian paling tepat digunakan dengan memanfaatkan observasi dan wawancara.
PERAMALAN TRAFIK UNTUK ALOKASI BANDWIDTH JARINGAN SELULER 4G MENGGUNAKAN MODEL HYBRID ARIMA-LSTM Syam, Rahmat Fuadi; Aziz, Firman
Advances in Computer System Innovation Journal Vol. 2 No. 2: Agustus 2024, ACSI Journal
Publisher : Unit Publikasi Ilmiah Perkumpulan Intelektual Madani Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51577/acsijournal.v2i2.585

Abstract

Saat ini, ada beberapa teknik prediksi yang sangat membantu bisnis dalam meningkatkan efisiensi. Salah satunya adalah prediksi alokasi bandwidth. Diharapkan metode ini dapat membantu perusahaan telekomunikasi mengurangi biaya, terutama biaya transfer data dari setiap lokasi. Ketidakmampuan untuk mengelola bandwidth yang diperlukan saat ini adalah masalah umum bagi perusahaan telekomunikasi. Kadang-kadang, ada kekurangan bandwidth atau kelebihan bandwidth pada setiap BTS, yang dapat mengurangi keuntungan yang diperoleh perusahaan. Suatu sistem yang dapat mengatur dan memprediksi kebutuhan bandwidth masa depan diperlukan untuk menyelesaikan masalah tersebut. Dengan menggunakan data dari hasil monitoring bandwidth setiap cell, kami mengeksplorasi prediksi kebutuhan bandwidth pada penelitian ini. Data ini berupa baris waktu. Peneliti mengumpulkan data dari November 2019 hingga Januari 2020. Langkah pertama adalah melakukan simulasi prediksi dengan menggunakan metode LSTM. Setelah mencoba beberapa model LSTM model terbaik adalah LSTM (windows=100, 2 lapisan, 100 neuron), dengan hasil RMSE 387.693019. Peneliti menggunakan hasil model untuk melakukan eksperimen dengan model LTSM. Studi ini menemukan bahwa prediksi dalam waktu lima puluh jam menunjukkan tingkat akurasi yang tinggi.
KLASIFIKASI PERSEDIAAN BARANG MENGGUNAKAN SUPPORT VECTOR MACHINE PADA SISTEM PERIODIC INVENTORY Syam, Rahmat Fuadi; Aziz, Firman
Advances in Computer System Innovation Journal Vol. 2 No. 3: Desember 2024, ACSI Journal
Publisher : Unit Publikasi Ilmiah Perkumpulan Intelektual Madani Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51577/acsijournal.v2i3.633

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem periodic inventory menggunakan algoritma Support Vector Machine (SVM) untuk mengklasifikasikan barang berdasarkan pola permintaan, guna mengatasi keterbatasan metode manual dan terkomputerisasi tradisional. Metodologi mencakup pengumpulan data inventori, pra-pemrosesan, dan penerapan SVM dengan berbagai kernel (Linear, Polynomial, RBF, dan Sigmoid) untuk klasifikasi. Hasil penelitian menunjukkan bahwa kernel RBF memiliki kinerja terbaik dengan akurasi 92%, diikuti oleh kernel Polynomial dengan akurasi 90%. Temuan ini menekankan efektivitas kernel RBF dalam menangani data non-linear dan potensinya dalam meningkatkan sistem pengelolaan inventori. Implikasi praktisnya adalah klasifikasi inventori yang lebih efisien dan akurat, mendukung pengambilan keputusan dan optimalisasi operasional.
Co-Authors Almuhajir Haris, Almuhajir Anirwan Anirwan Arafah, Muhammad Nur Edi Faizal Firman Aziz Ismail Ismail Jeffry Jeffry Kahar Gani Nurdyansa Putra Yuzi Bachmid, Fadel Muhammad Qamal Qamal Rezania Agramanisti Azdy, Rezania Agramanisti Riska Riska Sumardi Sumardi Sumiyatun Syahrul Usman Wijaya, Neti Septi