Article Per Year (5 Year)
p-Index From 2021 - 2026
1.037
P-Index
This Author published in this journals
All Journal JUSIM (Jurnal Sistem Informasi Musirawas) Jurnal Digital Teknologi Informasi Jurnal Computer Science and Information Technology (CoSciTech) Inspiration: Jurnal Teknologi Informasi dan Komunikasi Journal of Innovation and Computer Science
Kusuma, Muhammad Romadhona
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Software Defect Prediction For Quality Evaluation Using Learning Techniques Ensemble Stacking Kusuma, Muhammad Romadhona; Windu Gata; Sigit Kurniawan; Dedi Dwi Saputra; Supriadi Panggabean
Inspiration: Jurnal Teknologi Informasi dan Komunikasi Vol. 13 No. 2 (2023): Inspiration: Jurnal Teknologi Informasi dan Komunikasi
Publisher : Pusat Penelitian dan Pengabdian Pada Masyarakat Sekolah Tinggi Manajemen Informatika dan Komputer AKBA Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35585/inspir.v13i2.58

Abstract

This research aims to improve the software quality and effectiveness of zakat management by the National Amil Zakat Agency (BAZNAS) through the development of a software defect prediction model (SDPM). We used machine learning techniques and ensemble stacking approach on the "Masjid Tower" dataset containing 228 records and 34 attributes. The preprocessing process involved label encoding, feature selection with Pearson correlation, standard normalization, and the use of SMOTE to handle data imbalance. We performed hyperparameter tuning with grid search CV on Machine Learning algorithms such as Ada Boost and Gradient Boosting. The results showed that the ensemble stacking approach with a combination of Gradient Boosting, Ada Boost, Decision Tree, Bayesian Ridge, and LightGBM meta learner algorithms provided high accuracy with R2 score reaching 0.97, MAE of 0.037, and MSE of 0.006. This finding proves that the ensemble stacking approach is able to overcome the problem of software defects with accurate prediction results, provide useful guidance in the management of zakat and other software applications, and has the potential to improve software quality and the effectiveness of BAZNAS in managing zakat.
Analisis sentimen masyarakat terhadap informasi penerapan PPN atas renovasi dan membangun rumah sendiri pada media sosial youtube dengan metode svm dan naive bayes kusuma, muhammad romadhona; gata, windu; kurniawati, laela; rivan, almay faiz; kurniawan, triadi
Jurnal Digital: Telnologi Informasi Vol 6, No 2 (2023): Jurnal Digital Teknologi informasi
Publisher : Universitas Muhammadiyah Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32502/digital.v6i2.4758

Abstract

Penelitian ini dilakukan untuk menganalisis komentar masyarakat terhadap informasi penerapan pajak pertambahan nilai atas kegiatan renovasi dan membangun rumah sendiri  yang kini telah diumumkan oleh pemerintah melalui kementrian keuangan. Analisis ini dilakukan untuk mengetahui bagaimana pandangan masyarakat terhadap adanya informasi tersebut dengan memfokuskan pada gaya bahasa yang digunakan masyarakat dalam menyampaikan komentarnya serta maksud dari komentar yang disampaikan atau ditulis.  Karena tidak mudah untuk menganalisis sentimen dari berbagai komentar, hal ini karena komentar mengandung teks yang tidak terstruktur, terutama dalam teks Indonesia. Prapemrosesan teks dalam penambangan teks merupakan bagian penting untuk mendapatkan informasi dasar yang terkandung dalam komentar. Adapun penelitian yang dilakukan menggunakan pra-pemrosesan teks Indonesia dengan Textmining menggunakan rapid minner. Teknik pengumpulan data dilakukan melalui pengumpulan komentar di media sosial youtube kanal berita viva.co.id dari tanggal 10 april 2022 hingga 30 juni 2022 dengan jumlah 1650 komentar . Kemudian dilanjutkan dengan mengekstraksi informasi menggunakan metode klasifikasi Naïve Bayes dan Support Vector Machine yang dioptimalkan menggunakan Particle Swarm Optimization. Hasil penelitian ini menunjukkan bahwa komentar masyarakat mengenai informasi penerapan pajak pertambahan nilai atas kegiatan renovasi dan membangun rumah sendiri beraneka ragam. Ada yang setuju, ada yang tidak setuju, dan ada pula yang tidak tahu menahu. Simpulan dari penelitian ini hendaknya pemerintah melalui kementerian keuangan RI memberikan sosialisasi yang luas kepada masyarakat, agar masyarakat tidak bingung terhadap informasi tersebut sehingga masyarakat tidak akan asal berkomentar dengan pendapatnya masing-masing.
PENDEKATAN ANALISIS PREDIKTIF REGRESI MENGGUNAKAN METODE PEMBELAJARAN MESIN UNTUK MEMPERKIRAKAN EFFORT PENGEMBANGAN PERANGKAT LUNAK PADA APPLIKASI MENARA MASJID BAZNAS RI Jupriyanto, Jupriyanto; Kusuma, Muhammad Romadhona
JUSIM (Jurnal Sistem Informasi Musirawas) Vol 10 No 1 (2025): JUSIM : Jurnal Sistem Informasi Musi Rawas JUNI
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jusim.v10i1.2595

Abstract

Suatu proyek pastinya membutuhkan suatu estimasi, pada proyek pengembangan perangkat lunak estimasinya berfokus untuk memperkirakan effort apa saja yang diperlukan pada saat mengembangkan perangkat lunak dengan mencakup sumber daya, kebutuhan tenaga kerja yang diperlukan, waktu serta pengolahan jadwal kegiatannya serta berusaha menekan anggaran menjadi seminimal mungkin. Biasanya seorang Manajer proyek yang akan bertanggung jawab serta memberi keputusan untuk menangani perhitungan proyek estimasi tersebut. Seringkali membuat keputusan di bawah ketidakpastian yang tinggi adalah masalah kritis dalam pengembangan perangkat lunak. Sedangkan dalam hal Memprediksi tentunya membutuhkan suatu pengalaman tingkat lanjut dan juga alat bantu yang dapat digunakan untuk meningkatkan keakuratan prediksi tersebut. Sebuah prediksi berbasis algortima machine learning dapat memprediksi effort pengembangan perangkat lunak secara efisien dan berguna yang keakuratannya membantu memprediksi kinerja berdasarkan data historis metrik pengembangan perangkat lunak, tentu hal ini bagi manajer proyek dapat bermanfaat sebagai salah satu opsi sistem pendukung keputusan untuk meningkatkan ketepatan dalam hal memperkirakan effort pengembangan perangkat lunak. Berdasarkan latar belakang tersebut maka pada penelitian ini adalah bagaimana melakukan pengukuran untuk meningkatkan efisiensi dalam memperkirakan effort pembangunan perangkat lunak. kami mencoba membangun model estimasi regresi prediktif untuk memprediksi effort pada proses proyek pengembangan perangkat lunak, menggunakan beberapa algortima machine learning seperti Linier Regresion (LR), K-Nearest Neighbors (KNN), maupun Support Vector Machine (SVM) dan Random Forest (RF) serta Decision Tree (DT)
Information Technology Infrastructure Library Framework Implementation Using Machine Learning Method Kusuma, Muhammad Romadhona; Shidiq, Muchamad Bachram; Sudrajat, Agung
Journal of Innovation and Computer Science Vol. 1 No. 1 (2024): Journal of Innovation and Computer Science
Publisher : Yayasan Mitra Peduli Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57053/jics.v1i1.52

Abstract

A business company must be able to adapt to the rapid development of information technology. An organization's success depends on its users' ability and desire to use technology in business activities. If a company can provide technology but fails to achieve the expected results, this can be caused by less than optimal use of technology. This study aims to discuss the importance of ITIL implementation in maintaining and constantly monitoring technology in running business processes in the company. In addition, implementation evaluation can be assessed by looking at performance in handling IT problems based on historical data on the ticketing system application. It can be analyzed using machine learning methods to obtain the best analysis results for evaluation and input for future improvement of PT Wansya Indotama Jaya.
Tinjauan Penerapan CNN dan YOLO pada Pengolahan Citra Agraria Medis Industri Cerdas Robby Saputra; Rianto, Yan; Kusuma, Muhammad Romadhona
Computer Science and Information Technology Vol 7 No 1 (2026): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v7i1.10988

Abstract

The Rapid growth of Artificial Intelligence (AI), particularly Deep Learning, is driving significant transformations in digital image processing in the argricultural, medical, and smart industrial sectors. Two approaches are most dominant in this research Convolutional Neural Network (CNN) for image classification and You Only Look Once (YOLO) for real-time object detection. The purpose of this reasearch is to systematically review the application, performance, and defense of CNN and YOLO in various domains with different data characteristics. The method used is a Systematic Literatur Review (SLR) of the latest relevant scientific publications, focusing on evaluation matrics such as accuracy, pression, recall, F1-score, and Mean Average Precision (mAP). The review results show that CNN excels in image classification tasks with a high level of accuracy, especially on data with relatively stabel visual patterns, while YOLO is more effective in applications that demand inference speed and direct object detection. However, several major limitations were found, including decreased performance in extreme lighting conditions, complex backgrounds, small objects, and visual similarity between classes. It is concluded that the choice of architecture must be adjusted to the characteristics of the data and application needs,
Co-Authors Agung Sudrajat, Agung Dedi Dwi Saputra Gata, Windu Jupriyanto . Kurniawan, Triadi Laela Kurniawati, Laela Rianto, Yan rivan, almay faiz Robby Saputra Shidiq, Muchamad Bachram Sigit Kurniawan Supriadi Panggabean