Article Per Year (5 Year)
p-Index From 2021 - 2026
1.819
P-Index
This Author published in this journals
All Journal DEVICE STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Clean Energy and Smart Technology TECHNOMEDIA : Informatics and Computer Science Servis : Jurnal Pengabdian dan Layanan kepada Masyarakat
muhamad Fuat Asnawi
Unknown Affiliation
Religion Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Mechanical Engineering Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
IMPLEMENTASI METODE DECISION TREE UNTUK MANAJEMEN BANDWIDTH BERBASIS WEB Ahmad Afif; muhamad Fuat Asnawi; Muslim Hidayat; Rina Mahmudati; Sukowiyono
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 2 No. 4 (2023): November
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v2i4.2867

Abstract

Affnet merupakan jasa layanan wifi internet yang berada di Desa Gondang, Kecamatan Watumalang, Kabupaten Wonosobo. Affnet hadir sebagai solusi untuk internet murah dengan sistem RT/RW Net. Agar pemakaian internet tidak terlalu banyak Affnet membagi paket internet yaitu premium dan regular. Paket premium merupakan paket yang tidak dikenakan pembatasan kuota, sedangkan paket regular dikenakan batasan pemakaian kuota, dan setelah melampaui kuota yang diberikan maka pelanggan tersebut akan diturunkan kecepatan internetnya. Dengan adanya hal tersebut diperlukannya sistem manajemen bandwidth untuk menentukan pembagian bandwidth pada setiap pelanggan. Metode decision tree merupakan cara yang tepat untuk menentukan pelanggan mana saja yang akan diturunkan kecepatannya sesuai dengan paket yang dipilih. Untuk menentukan pembagian bandwidth pelanggan dibutuhkan data pemakaian pelanggan berupa upload dan download, yang nantinya data tersebut akan di simpan ke database dan di akumulasikan. Dan untuk metode pembatasan kecepatan internet menggunakan metode simple queue pada mikrotik yang ditargetkan kepada setiap alamat ip yang terhubung, yang juga digunakan untuk pengambilan data upload dan download. Dengan adanya sistem ini nantinya akan mempermudah Affnet dalam mengelola pelangannya.
STUDI KOMPARASI ALGORITMA NAIVE BAYES DAN K-NEAREST NEIGHBOR UNTUK KLASIFIKASI KELUARGA MISKIN DI DESA NGADIWARNO KECAMATAN SUKOREJO KABUPATEN KENDAL Wahyu Aji Bayu Pemungkas; muhamad Fuat Asnawi
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 3 No. 2 (2024): Mei
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v3i2.3600

Abstract

Penelitian ini bertujuan untuk mengevaluasi dan membandingkan kinerja algoritma Naive Bayes dan K-Nearest Neighbor (KNN) dalam mengklasifikasikan keluarga miskin di Desa Ngadiwarno, Kecamatan Sukorejo, Kabupaten Kendal. Data yang digunakan mencakup 675 Kepala Keluarga (KK) yang terdaftar dalam Data Terpadu Kesejahteraan Sosial (DTKS) 2023. Data ini diolah menggunakan perangkat lunak RapidMiner Studio, dengan evaluasi berdasarkan akurasi, precision, recall, dan Area Under Curve (AUC). Hasil penelitian menunjukkan bahwa algoritma Naive Bayes memiliki akurasi sebesar 99,26%, precision 100%, recall 95,41%, dan AUC 0,978, sedangkan KNN memiliki akurasi 98,52%, precision 100%, recall 90,82%, dan AUC 0,993. Meskipun KNN memiliki nilai AUC sedikit lebih tinggi, Naive Bayes menunjukkan performa keseluruhan yang lebih unggul dalam klasifikasi keluarga miskin. Penelitian ini menyimpulkan bahwa Naive Bayes lebih efektif untuk digunakan dalam konteks data yang ada, dan diharapkan dapat membantu pemerintah daerah dalam menyusun kebijakan penanggulangan kemiskinan yang lebih tepat sasaran dan efektif
PREDIKSI HARGA BAWANG MERAH KERING DI WONOSOBO MENGGUNAKAN METODE LONG SHORT TERM MEMORY Agus Triyadi; Adi Suwondo; Dian Asmarajati; Nur Hasanah; muhamad Fuat Asnawi
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 3 No. 2 (2024): Mei
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v3i2.3601

Abstract

Penelitian ini bertujuan untuk memprediksi harga bawang merah kering di Wonosobo menggunakan metode Long Short Term Memory (LSTM). Bawang merah merupakan salah satu komoditas sayuran yang banyak dikonsumsi di Indonesia, dan fluktuasi harganya sering kali berdampak pada ekonomi petani dan pedagang. Data harga bawang merah yang digunakan dalam penelitian ini diambil dari Sistem Informasi Pasar (SIP) Dinas Pertanian dan Perkebunan Provinsi Jawa Tengah untuk periode 1 Januari 2021 hingga 31 Agustus 2023. Data ini kemudian diproses melalui beberapa tahap, termasuk pembentukan pola time series, normalisasi, dan pembagian data untuk training dan testing. Model LSTM yang dibangun diuji dengan menggunakan metrik evaluasi Root Mean Squared Error (RMSE) dan Mean Absolute Percentage Error (MAPE), yang menunjukkan nilai RMSE sebesar 862.76 untuk data latih dan 887.62 untuk data validasi, serta nilai MAPE sebesar 1.41% untuk data latih dan 1.80% untuk data validasi. Hasil prediksi menunjukkan bahwa harga bawang merah cenderung mengalami penurunan selama empat bulan ke depan. Meskipun model LSTM memberikan hasil yang cukup akurat, terdapat beberapa faktor eksternal yang mungkin tidak tertangkap oleh model.
THE APPLICATION OF XGBOOST CLASSIFICATION FOR FRAUD DETECTION IN CREDIT CARD TRANSACTIONS Muhamad Fuat Asnawi; Nur Fitriyanto; M. Agoeng Pamoengkas
Clean Energy and Smart Technology Vol. 3 No. 2 (2025): April
Publisher : Nacreva Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/cest.v3i2.131

Abstract

Credit card fraud detection remains a critical challenge due to the inherent imbalance in transaction datasets, where fraudulent transactions are significantly fewer than normal ones. This study investigates the application of the XGBoost classification algorithm to address this issue using the publicly available Kaggle Credit Card Fraud Detection dataset. The research incorporates data preprocessing techniques such as normalization and SMOTE to handle the dataset's imbalance. Hyperparameter tuning using GridSearchCV optimizes the model’s parameters, enhancing its performance. The results indicate that the model achieves an Area Under the Curve (AUC) of 0.97, demonstrating its high accuracy in distinguishing between fraudulent and normal transactions. The evaluation metrics reveal an F1-score of 0.77 for fraudulent transactions, showing the model's reasonable effectiveness in detecting fraud. While the model performs exceptionally well in identifying normal transactions, reducing false negatives remains a challenge. This study underscores the potential of combining advanced machine learning techniques with preprocessing and optimization strategies to develop robust fraud detection systems.
Analisis Model Prediksi Kinerja Karyawan Pada Sebuah Perusahaan Garmen Menggunakan Machine Learning Naf'ul Huja, Wisnu; Muslim Hidayat; Muhamad Fuat Asnawi
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 2 No 1 (2025): Januari
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v2i1.123

Abstract

Penelitian ini bertujuan untuk menganalisis dan memprediksi tingkat efektivitas buruh di pabrik garmen menggunakan metode regresi linier dan teknik machine learning. Efektivitas buruh dipengaruhi oleh faktor-faktor seperti keterampilan, pengalaman, motivasi, kondisi fisik, dan penggunaan teknologi. Model regresi linier, bersama dengan algoritma machine learning, digunakan untuk mengidentifikasi hubungan antara variabel-variabel tersebut dengan tingkat efektivitas buruh. Hasil analisis ini diharapkan dapat membantu manajemen dalam meningkatkan efisiensi operasional, mengurangi biaya produksi, serta melakukan intervensi yang tepat waktu untuk mengatasi penurunan produktivitas. Dengan demikian, perusahaan dapat lebih efektif dalam meningkatkan kinerja buruh dan pengambilan keputusan berbasis data.
IMPLEMENTASI BIG DATA ANALYTICS DALAM KLASIFIKASI KUALITAS UDARA MENGGUNAKAN ALGORITMA GRADIENT-BOOSTED TREE CLASSIFIER PADA PYSPARK Muhamad Fuat Asnawi; Nur Fitriyanto; M. Agoeng Pamoengkas
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 2 No 1 (2025): Januari
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v2i1.124

Abstract

This study aims to classify air quality based on PM1.0, PM2.5, and PM10 parameters using a Big Data Analytics approach with the Gradient-Boosted Tree Classifier (GBT) algorithm implemented on the PySpark framework. The dataset used was downloaded from OpenAQ, covering the period from April 14, 2021, to April 16, 2023, with a total of 1,048,154 entries, representing a large and complex volume of data. The research process includes data preprocessing to address data imbalance, dataset splitting for training and testing, and hyperparameter tuning using grid search and cross-validation to optimize model performance. By leveraging PySpark’s advantage in parallel processing of large data, the GBT model achieved an accuracy of 98.87%, precision of 99.00%, recall of 98.87%, and an F1-Score of 98.90%. This study demonstrates how Big Data Analytics can enhance efficiency and accuracy in air quality classification, contributing significantly to the development of real-time monitoring systems that support air pollution mitigation and data-driven policy-making.
SMARTPHONE RECOMMENDATION DECISION SUPPORT SYSTEM USING THE TOPSIS METHOD Dani Sifa Abdillah; muhamad Fuat Asnawi
Clean Energy and Smart Technology Vol. 2 No. 2 (2024): April
Publisher : Nacreva Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/cest.v2i2.80

Abstract

Many smartphone brands with various specifications and competitive prices often make consumers confused when deciding which smartphone to buy. There are many choice factors for consumers to buy the right smartphone according to their use, while the choice of smartphone is still considered subjective, so it is not uncommon for the choice of smartphone to be less than optimal. The aim of this research is to recommend the best smartphone based on predetermined usability and price criteria, including gaming needs, content creators and low price using the Technique for Others Preference by Similarity to Ideal Selection (TOPSIS) method. The results of the process of implementing the TOPSIS method can display alternative ranking data from the largest value to the smallest value.
INTEGRASI SENSOR KESUBURAN TANAH BERBASIS MODBUS RS485 PADA SISTEM MONITORING PERTANIAN PRESISI BERBASIS DATA Ilham, Ilham Ariawan Al Ashar; Hermawan; Muslim Hidayat; Jenny Febrina Andini; Muhamad Fuat Asnawi
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 4 No. 4 (2025): November
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v4i4.6585

Abstract

Penelitian ini bertujuan untuk mengembangkan dan menguji sistem monitoring kesuburan tanah berbasis Modbus RS485 yang mampu beroperasi secara mandiri tanpa koneksi internet, sebagai solusi offline smart farming di wilayah dengan keterbatasan jaringan. Sistem dirancang menggunakan sensor multiparameter 7-in-1 yang mendeteksi pH, EC, NPK, suhu, dan kelembapan tanah, terintegrasi dengan Human Machine Interface (HMI) untuk menampilkan data secara real-time. Proses akuisisi dan transmisi data dilakukan melalui komunikasi serial industri RS485, memungkinkan pengiriman data hingga 60 meter dengan tingkat stabilitas tinggi. Hasil pengujian menunjukkan sistem mampu mencapai akurasi pengukuran sebesar 96,8% dengan konsumsi daya hanya 1,8 W, sehingga efisien untuk aplikasi lapangan. Secara teknis, sistem ini menunjukkan potensi integrasi embedded system, edge computing, dan komunikasi data industri dalam mendukung digitalisasi pertanian presisi. Pendekatan ini relevan bagi penerapan smart agriculture di daerah rural tanpa infrastruktur jaringan, sekaligus mendukung arah kebijakan Transformasi Pertanian Digital Nasional. Hasil penelitian ini diharapkan menjadi dasar bagi pengembangan arsitektur offline digital agriculture yang efisien, reliabel, dan berkelanjutan untuk monitoring kesuburan tanah berbasis data lokal
Integrasi Sensor PH dan tds dengan Aplikasi Tuya untuk Sistem Kontrol Nutrisi Real-Time pada Pembibitan Kentang Aeroponik: Pendekatan Smart Farming Berbasis IoT Al Ashar, Ilham Ariawan; Hermawan; Muslim Hidayat; Jenny Febrina Andini; Muhamad Fuat Asnawi; Ahmad Irfa’i; Gusti Ilman Prayoga
Device Vol. 15 No. 2 (2025): Bulan November
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/7rnxk043

Abstract

Keterbatasan lahan dan meningkatnya kebutuhan pangan menuntut penerapan teknologi pertanian presisi. Penelitian ini mengembangkan sistem kontrol nutrisi real-time berbasis Internet of Things (IoT) dengan integrasi sensor pH dan TDS yang terhubung ke aplikasi Tuya Smart untuk pembibitan kentang aeroponik. Sistem dirancang menggunakan mikrokontroler ESP32 dengan algoritma kontrol logika ambang. Hasil uji menunjukkan akurasi tinggi (deviasi pH ±0,05; kesalahan TDS <2%) serta kestabilan larutan selama tujuh hari (fluktuasi pH ±0,15; TDS ±80 ppm). Algoritma mampu menjaga pH 5,5–6,5 dan TDS 800–1200 ppm dengan respon 45–60 detik. Pertumbuhan vegetatif meningkat signifikan, meliputi tinggi bibit (6,2–10,4 cm), jumlah daun (2–5), dan panjang akar (4,5–8,2 cm). Berbeda dari studi sebelumnya yang berfokus pada monitoring, penelitian ini menambahkan kontrol otomatis dan memanfaatkan platform Tuya Smart yang responsif (delay 2–3 detik). Hasil ini menunjukkan potensi implementasi praktis untuk meningkatkan produktivitas, efisiensi, dan keberlanjutan budidaya kentang berbasis smart farming.
OPTIMALISASI KONVERGENSI STUNTING DI KELURAHAN WONOREJO MELALUI EDUKASI ANEMIA DAN PEMBERIAN BUKU PROGRAM NUTRIMENU Afra Nurul Fadhila; Fuad Najib; Lutfi Ziddan Fahriza; Farah Dina Alifah; muhamad Fuat Asnawi
Servis : Jurnal Pengabdian dan Layanan kepada Masyarakat Vol. 4 No. 1 (2025): Desember
Publisher : CV. Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/servis.v4i1.152

Abstract

Stunting merupakan masalah kesehatan masyarakat yang memerlukan penanganan konvergen. Kegiatan Kuliah Pengabdian Masyarakat angkatan 51 UNSIQ Wonosobo ini bertujuan untuk mengoptimalkan upaya pencegahan stunting di Kelurahan Wonorejo melalui edukasi anemia dan pemberian Buku Program Nutrimenu. Metode pelaksanaan meliputi observasi, koordinasi dengan pemangku kepentingan, serta serangkaian kegiatan intervensi seperti penyelenggaraan posyandu remaja, sosialisasi anemia di sekolah dasar (SDN Wonorejo), dan workshop pencegahan stunting berbasis program SIGAP (Stunting, Integrasi, Generasi, Aman, Produktif) untuk kader dan perangkat kelurahan. Hasil kegiatan menunjukkan peningkatan pemahaman dan kesadaran masyarakat, khususnya remaja dan kader kesehatan, mengenai pentingnya pencegahan anemia sebagai langkah strategis menekan angka stunting. Pemberian Buku Nutrimenu sebagai pedoman praktis menyusun menu sehat diharapkan dapat mendukung keberlanjutan intervensi gizi di tingkat rumah tangga. Disimpulkan bahwa pendekatan edukatif yang partisipatif dan pemberian media edukasi yang aplikatif efektif dalam mengoptimalkan konvergensi pencegahan stunting.
Co-Authors Afra Nurul Fadhila Agus Triyadi Ahmad Afif Ahmad Irfa’i Al Ashar, Ilham Ariawan Alif Muhammad Nurman Maulana Alya Faradisa Dani Sifa Abdillah dian asmarajati Dwi Murni Oktaviani Farah Dina Alifah Fuad Najib Gusti Ilman Prayoga HERMAWAN Hindun Choirun Nisa’ Ilham, Ilham Ariawan Al Ashar Jenny Febrina Andini Lutfi Ziddan Fahriza M. Agoeng Pamoengkas Mora Arief Nasucha Muhammad Bondan Abhyoso Munaya Putri Khaura Anjali Muslim Hidayat Mutiara Cahyaningrum Rangkuti Naf'ul Huja, Wisnu Najwa Millah Hanifa Nur Fitriyanto NUR HASANAH Rina Mahmudati Sukowiyono Suwondo, Adi Wahyu Aji Bayu Pemungkas Warohmatika Rofikhoh