Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal WASTU: Jurnal Wacana Sains & Teknologi OKTAL : Jurnal Ilmu Komputer dan Sains
Rahmat Abdul Sahid
Unknown Affiliation
Astronomy Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Social Sciences

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

Found 2 Documents
Search

 1 
Literatur Review: Klasifikasi Penyakit Menular Seksual (PMS) Menggunakan Naïve Bayes dan Metode Machine Learning Terkait Raharja Adhi Putrayana; Rizki Ramadhan; Rangga Irgi Saputra; Rahmat Abdul Sahid
OKTAL : Jurnal Ilmu Komputer dan Sains Vol 3 No 09 (2024): OKTAL : Jurnal Ilmu Komputer Dan Sains
Publisher : CV. Multi Kreasi Media

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Sexually transmitted diseases (STD) are a significant health problem worldwide. Correct identification and classification of this disease is essential to support early diagnosis and effective treatment. Various machine learning methods, including Naïve Bayes, have been used to automatically classify these diseases. This article reviews existing literature regarding the use of the Naïve Bayes method and other machine learning techniques in PMS classification. Based on analysis of at least five research journals, Naïve Bayes shows good performance in disease classification, although the results still depend on data quality. Several other methods such as Decision Tree, Support Vector Machine (SVM), and K-Nearest Neighbor (KNN) are also often used as comparisons in this research. This review provides insight into the strengths and weaknesses of each method in PMS classification as well as the potential for their integration to increase the accuracy and speed of diagnosis.
Implementasi Sistem Informasi E-Spj Rekanan Berbasis Web Untuk Efisiensi Proses Input Data Pada CV Royal Jaya Indonesia Taufik Afrizal; Gilang Fernando; Rahmat Abdul Sahid; Wasis Haryono
WASTU: Jurnal Wacana Sains & Teknologi Vol. 6 No. 2 (2025): April
Publisher : Fakultas Teknik, Universitas Merdeka Surabaya.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55173/wastu.v6i2.47

Abstract

CV Royal Jaya Indonesia merupakan perusahaan yang bergerak di bidang distribusi barang dan jasa, khususnya dalam pengadaan alat-alat pendidikan dan laboratorium. Dalam praktik operasionalnya, perusahaan masih menggunakan metode pencatatan secara manual untuk proses input data pembelian barang. Hal ini menimbulkan sejumlah permasalahan, antara lain keterlambatan dalam pelaporan, kesalahan pencatatan, duplikasi data, dan kesulitan dalam proses monitoring oleh pihak manajemen. Seiring dengan meningkatnya kebutuhan akan efisiensi dan akurasi dalam pengelolaan data, maka dibutuhkan suatu sistem informasi berbasis teknologi yang mampu mengotomatisasi proses tersebut secara terintegrasi dan real-time. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem informasi berbasis web yang dinamakan e-SPJ Rekanan sebagai solusi digital terhadap permasalahan yang ada. Sistem ini dibangun dengan pendekatan model Waterfall yang terdiri dari lima tahapan utama, yaitu analisis kebutuhan, desain sistem, implementasi, pengujian, dan pemeliharaan. Fitur utama yang tersedia dalam sistem meliputi login multi-user, input data SPJ, unggah bukti transaksi, verifikasi SPJ, pengelolaan data CV rekanan, hingga ekspor laporan. Hasil implementasi menunjukkan bahwa sistem e-SPJ Rekanan berhasil meningkatkan efisiensi kerja, mempercepat proses pelaporan, serta mempermudah proses audit dan kontrol internal perusahaan. Dengan diterapkannya sistem ini, diharapkan CV Royal Jaya Indonesia dapat meningkatkan kinerja operasionalnya secara signifikan dan mendorong akselerasi transformasi digital dalam pengelolaan administrasi pembelian barang.
Co-Authors Gilang Fernando Haryono, Wasis Raharja Adhi Putrayana Rangga Irgi Saputra Rizki Ramadhan Taufik Afrizal