Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal Jurnal Responsif : Riset Sains dan Informatika Jurnal Teknologi Sistem Informasi
Kusuma, Muhammad Rangga Panji
Unknown Affiliation
Computer Science & IT

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Perancangan Enterprise Architecture Planning pada Perusahaan Makanan (Studi Kasus CV. Permata Prima Catering) Muzakki, Ahmad; Kusuma, Muhammad Rangga Panji; Rizky, Aldy Charlie
Jurnal Teknologi Sistem Informasi Vol 5 No 2 (2024): Jurnal Teknologi Sistem Informasi
Publisher : Program Studi Sistem Informasi, Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jtsi.v5i2.8598

Abstract

Persaingan bisnis di saat masa seperti ini tentunya mengandalkan strategi teknologi informasi selain dari strategi manajemen bisnis. Sebuah teknologi yang telah berkembang pesat dapat membuat perusahaan mengadopsi teknologi informasi menjadi bagian dari perkembangannya. Untuk itu dibutuhkan perencanaan yang matang untuk merancang sebuah teknologi informasi, seperti halnya manajemen bisnis. EAP atau Enterprise Architecture Planning adalah metodologi yang digunakan dalam penelitian di perusahaan CV.Permata Prima Catering dalam pembuatan perencanaan enterprise nya. Bertujuan untuk membuat hasil enterprise untuk memajukan strategi teknologi informasi dalam penelitian kali ini. Tujuannnya untuk mengetahui kondisi bisnis dalam segi teknologi informasi, pada pemodelan bisnisnya dengan analisis value chain. Membuat rancangan bisnis dimulai dengan mengidentifikasi arsitektur data, arsitektur aplikasi, dan arsitektur teknologi. Penerapan Enterprise Architecture Planning (EAP) dalam penelitian ini untuk membuat rancangan dan implementasi strategi pada sistem informasi terhadap CV. Permata Prima Catering. Rencana implementasi sistem informasi yang diusulkan ditujukan untuk memajukan CV Permata Prima Catering agar dapat bersaing di masa depan.
PREDIKSI JUMLAH PRODUKSI IKAN TAHUN 2018-2022 PADA TELUK BANTEN MENGGUNAKAN SUPPORT VECTOR REGRESSION Rizky, Aldy Charlie; Muzakki, Ahmad; Kusuma, Muhammad Rangga Panji
Jurnal Responsif : Riset Sains dan Informatika Vol 6 No 2 (2024): Jurnal Responsif : Riset Sains dan Informatika
Publisher : LPPM Universitas Adhirajasa Reswara Sanjaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jti.v6i2.1588

Abstract

Teluk Banten adalah salah satu bagian penting pada perairan laut Jawa Indonesia termasuk kedalam perairan yang kaya akan sumber daya ikan untuk mengoptimalkan manfaat dari sumber daya ini, perlu dilakukan pemantauan dan prediksi produksi ikan yang akurat. Oleh karena itu, tujuan dari penelitian meningkatkan pada model prediksi jumlah produksi ikan di Teluk Banten selama periode tahun 2018-2022 menggunakan metode Support Vector Regression (SVR). Data historis produksi ikan yang telah dikumpulkan selama lima tahun terakhir digunakan sebagai input untuk melatih dan menguji model prediksi. SVR adalah salah satu metode pembelajaran mesin yang telah terbukti efektif dalam melakukan prediksi untuk masalah regresi. Langkah awal penelitian dengan melakukan pra-pemrosesan data, termasuk pengolahan data yang hilang dan penyesuaian skala data. Setelah itu, data yang telah diproses digunakan untuk melatih model SVR. Pada tahap ini, parameter SVR yang optimal ditentukan melalui teknik optimasi yang tepat, seperti penggunaan validasi silang atau optimasi parameter grid. Penelitian ini menunjukkan bahwa model prediksi menggunakan metode SVR mampu memberikan prediksi yang akurat untuk jumlah produksi ikan di Teluk Banten selama periode 2018-2022. Dengan memanfaatkan model ini, pemangku kepentingan dan peneliti di bidang perikanan dapat memperoleh wawasan yang berharga untuk perencanaan dan pengelolaan sumber daya perikanan di wilayah tersebut. Selain itu, penelitian ini juga memberikan kontribusi penting dalam pengembangan dan penerapan metode pembelajaran mesin untuk analisis prediksi dalam konteks perikanan.
PREDIKSI JUMLAH PRODUKSI IKAN TAHUN 2018-2022 PADA TELUK BANTEN MENGGUNAKAN SUPPORT VECTOR REGRESSION Rizky, Aldy Charlie; Muzakki, Ahmad; Kusuma, Muhammad Rangga Panji
Jurnal RESPONSIF: Riset Sains & Informatika Vol 6 No 2 (2024): Jurnal Responsif : Riset Sains dan Informatika
Publisher : LPPM Universitas Adhirajasa Reswara Sanjaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jti.v6i2.1588

Abstract

Teluk Banten adalah salah satu bagian penting pada perairan laut Jawa Indonesia termasuk kedalam perairan yang kaya akan sumber daya ikan untuk mengoptimalkan manfaat dari sumber daya ini, perlu dilakukan pemantauan dan prediksi produksi ikan yang akurat. Oleh karena itu, tujuan dari penelitian meningkatkan pada model prediksi jumlah produksi ikan di Teluk Banten selama periode tahun 2018-2022 menggunakan metode Support Vector Regression (SVR). Data historis produksi ikan yang telah dikumpulkan selama lima tahun terakhir digunakan sebagai input untuk melatih dan menguji model prediksi. SVR adalah salah satu metode pembelajaran mesin yang telah terbukti efektif dalam melakukan prediksi untuk masalah regresi. Langkah awal penelitian dengan melakukan pra-pemrosesan data, termasuk pengolahan data yang hilang dan penyesuaian skala data. Setelah itu, data yang telah diproses digunakan untuk melatih model SVR. Pada tahap ini, parameter SVR yang optimal ditentukan melalui teknik optimasi yang tepat, seperti penggunaan validasi silang atau optimasi parameter grid. Penelitian ini menunjukkan bahwa model prediksi menggunakan metode SVR mampu memberikan prediksi yang akurat untuk jumlah produksi ikan di Teluk Banten selama periode 2018-2022. Dengan memanfaatkan model ini, pemangku kepentingan dan peneliti di bidang perikanan dapat memperoleh wawasan yang berharga untuk perencanaan dan pengelolaan sumber daya perikanan di wilayah tersebut. Selain itu, penelitian ini juga memberikan kontribusi penting dalam pengembangan dan penerapan metode pembelajaran mesin untuk analisis prediksi dalam konteks perikanan.
Co-Authors Ahmad Muzakki Rizky, Aldy Charlie