Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Digital Business Karimah Tauhid
Fauzi, Muhamad Rizki
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Law, Crime, Criminology & Criminal Justice Neuroscience Social Sciences

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

Found 2 Documents
Search

 1 
Pengembangan Produk Pangan Ekspor Potensial Indonesia Studi Kasus Keripik Talas pada Program Studi Independen Bersertifikat di Sekolah Ekspor Fauzi, Muhamad Rizki; Kurniawan, Muhammad Fakih
Karimah Tauhid Vol. 3 No. 10 (2024): Karimah Tauhid
Publisher : Universitas Djuanda

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30997/karimahtauhid.v3i10.15481

Abstract

Program Studi Independen Bersertifikat (MSIB) di Sekolah Ekspor bertujuan untuk meningkatkan keterampilan mahasiswa dalam pengelolaan bisnis ekspor, terutama pada produk pangan lokal Indonesia seperti keripik talas. Penelitian ini berfokus pada inovasi pengembangan produk keripik talas untuk memenuhi standar internasional dan meningkatkan daya saing di pasar global. Talas (Colocasia esculenta L.) merupakan salah satu komoditi lokal dengan kandungan karbohidrat tinggi yang potensial untuk dijadikan produk ekspor unggulan.  Kegiatan produk development melibatkan orientasi bisnis ekspor, proses produksi, dan strategi pemasaran berbasis Business Model Canvas (BMC) yang diterapkan di UMKM erskeeys food. Melalui tahap onboarding media sosial dan marketplace, produk keripik talas dipromosikan secara efektif, sementara pameran bisnis membantu memperluas jaringan pasar. Temuan penelitian ini menunjukkan bahwa inovasi produk dan persiapan ekspor yang matang dapat meningkatkan peluang ekspor produk keripik talas, terutama di negara-negara Asia Timur yang memiliki permintaan tinggi akan makanan ringan dengan rasa unik. Penelitian ini juga mengidentifikasi kendala dalam kesiapan ekspor, seperti standar kualitas, sertifikasi, dan persaingan global, yang dapat diatasi melalui kolaborasi dengan mitra strategis.
Analisis Perbandingan Kinerja Algoritma Linear Regression, Random Forest, dan XGBoost dalam Prediksi Harga Rumah Fauzi, Muhamad Rizki; Handika, Muhamad; Awinanto, Alfian; Wahidin, Ahmad Jurnaidi; Rahmatullah, Beni; Kurniawati, Ika
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.3620

Abstract

Penelitian ini bertujuan untuk mengembangkan dan membandingkan model prediksi harga rumah dengan menggunakan tiga algoritma, yaitu Linear Regression, Random Forest, dan XGBoost, yang memanfaatkan fitur fisik serta faktor lokasi. Variabel yang dianalisis mencakup berbagai karakteristik properti seperti ukuran tanah, luas bangunan, jumlah kamar tidur, kondisi bangunan, serta aspek lokasi seperti kedekatan dengan pusat kota dan akses ke fasilitas publik. Tahapan penelitian ini mencakup pembersihan data untuk mengeliminasi data yang tidak sesuai, transformasi variabel agar seragam, dan rekayasa fitur baru yang dapat meningkatkan ketepatan prediksi model. Hasil penelitian menunjukkan bahwa Linear Regression memberikan prediksi yang paling tepat dengan nilai RMSE terendah sebesar 1.150,87, lebih baik dibandingkan dengan Random Forest yang menghasilkan RMSE sebesar 1.183,11 dan XGBoost yang mencapai 1.200,33. Linear Regression menunjukkan keunggulan karena mampu menangani hubungan linier antar variabel dengan harga rumah. Walaupun Random Forest dan XGBoost lebih efektif untuk menangani hubungan non-linier, Linear Regression lebih optimal dalam penelitian ini karena hubungan antar variabel lebih sederhana. Penelitian ini diharapkan memberikan wawasan yang bermanfaat bagi pengembang properti dan lembaga keuangan dalam pengambilan keputusan yang lebih efisien dan akurat, serta memberikan perkiraan harga rumah yang lebih objektif. Model ini juga dapat digunakan untuk memperkirakan harga rumah di masa depan dengan lebih tepat, yang pada gilirannya dapat mengurangi ketidakpastian dalam pasar properti dan memfasilitasi pengambilan keputusan yang lebih berbasis data.
Co-Authors Ahmad Jurnaidi Wahidin Aminullah Aminullah Awinanto, Alfian Beni Rahmatullah Cahyasiam, Riski Handika, Muhamad Ika Kurniawati Kurniawan, M. Fakih Qodariah, Siti Nurlailatul Sobarudin, Muhammad Fahmi Sudrajat, Fathira Sakinah Anugrawati