Claim Missing Document
Check
Articles

Found 6 Documents
Search

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)
Design of a Free Nutritious Food Menu Preparation System with Interactive Nutrition Calculation Simulation Kusuma, Muhammad Romadhona
Journal of Innovation and Computer Science Vol. 1 No. 2 (2025): 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.v1i2.94

Abstract

The government's preparation of free nutritious food menus represents a strategic initiative to improve public health, particularly for vulnerable populations such as underprivileged families. This study presents a web-based simulation system designed to assist the government in planning menus with processes that are not only quantitatively adequate but also aligned with balanced nutritional standards. The platform enables users to select food ingredients based on specific nutritional targets, including calories, carbohydrates, protein, and fat. To ensure that each stage—ingredient selection, nutrition calculation, validation, and result presentation—proceeds in a structured and efficient sequence, the system adopts a Finite State Automata (FSA) approach. Implementation results demonstrate that the system can accurately compute and visualize nutritional values using interactive pie charts, helping users evaluate the nutritional balance of selected menus. The key contribution of this study lies in integrating the FSA method to structure the menu preparation process, combined with interactive data visualization techniques to enhance user comprehension. This approach aims to improve public nutritional literacy and ensure that distributed meals deliver optimal health benefits.
Classification of Software Defect Prediction for Bisnissyariah.co.id Media Portal using Machine Learning Technology Ismaya, Fikri; Gata, Windu; Kusuma, Muhammad Romadhona; Saputra, Dedi Dwi; Kurniawan, Sigit
Journal of Innovation and Computer Science Vol. 1 No. 2 (2025): 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.v1i2.96

Abstract

This research was conducted to develop software defect prediction using a dataset from Bisnissyariah, a forum website with up-to-date news related to Islamic business. The study employed a straightforward research design to ensure easy comprehension for the readers. Machine learning models, including Random Forest, Gradient Boosting, and Support Vector Machine, were utilized in this research—the application of these models aimed to evaluate and compare the accuracy of software defect predictions. The research findings indicated that the Random Forest model outperformed the others, achieving an accuracy rate of 96.7%. This result shows the high effectiveness of the Random Forest model in predicting software defects based on data from Bisnissyariah. In addition, these findings significantly impact the development of more reliable and high-quality software, particularly in Islamic business. This research makes a valuable contribution to enhancing our understanding of software defect prediction using data from sources like Bisnissyariah.
Design of a User-Friendly Financial Tracker for Daily Household Spending Based on JavaScript and Bootstrap Ramadhania, Dina; Kusuma, Muhammad Romadhona
Journal of Innovation and Computer Science Vol. 1 No. 2 (2025): 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.v1i2.99

Abstract

In today's digital era, recording expenses is crucial to effective financial management, especially for individuals and Micro, Small, and Medium Enterprises (MSMEs). This study aims to design and implement a web-based financial system using JavaScript and Bootstrap 5 that can record transactions dynamically and in real time. The system is designed to be lightweight, responsive, and easy to use. Thus, it is accessible to users with varying levels of technological literacy. Evaluation results find that the system records expenses accurately and receives positive feedback from users regarding its usability. In particular the system is especially suitable for household users, particularly individuals who manage their daily spending routines at home.