Article Per Year (5 Year)
p-Index From 2021 - 2026
1.126
P-Index
This Author published in this journals
All Journal Abdi Masyarakat Jurnal Algoritma eProceedings of Engineering Scientific Journal of Informatics
Muhajir, Daud
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Social Sciences Other

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : eProceedings of Engineering

 1 
Implementasi Prediksi Ketersediaan Stok Penjualan Di Koperasi Hita Loka Tara Dengan Metode ARIMA Agustina , Yayuk; Fenaldo Maulana, Rizky; Muhajir, Daud
eProceedings of Engineering Vol. 12 No. 5 (2025): Oktober 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Koperasi Hita Loka Tara merupakan koperasi mahasiswa Universitas Telkom Surabaya yang menyediakan berbagai kebutuhan harian seperti makanan, minuman, dan alat tulis. Sistem manajemen stok yang masih manual menyebabkan rendahkan efesiensi dan ketepatan perencanaan persediaan. Untuk mengatasi hal tersebut, penelitian ini mengimplementasikan metode ARIMA (AutoRegressive Integrated Moving Average), yaitu metode statistik yang digunakan untuk menganalisis serta memprediksi data deret waktu berdasarkan pola historis. ARIMA menggabungkan komponen Autoregresi (AR), Differencing (I), dan Moving Average (MA) dalam membentuk pola estimasi nilai masa depan. Metode ini diterapkan dalam sistem prediksi penjualan berbasis web untuk mendukung pengambilan keputusan berdasarkan data yang tersedia. Data penjualan selama 50 minggu dari lima kategori produk terlaris diproses melalui tahap praproses, uji stasioneritas (ADF), analisis ACF dan PACF, pemodelan arima, serta evaluasi menggunakan MAPE dan RMSE. Hasil prediksi disajikan dalam dashboard web interaktif untuk memudahkan pemantauan. Hasil evaluasi menunjukkan bahwa kategori Minuman memiliki performa terbaik dengan MAPE 13,35% dan RMSE 147,63, sedangkan kategori AICE menunjukkan akurasi terendah dengan MAPE 75,21% dan RMSE 47,75 akibat fluktuasi data yang tinggi. Secara keseluruhan, arima efektif dalam memprediksi stok, namun kurang optimal pada data yang sangat fluktuatif. ata kunci—ARIMA, prediksi stok penjualan, sistem berbasis web, manajemen koperasi, MAPE, RMSE.K
Normalisasi Komentar Media Sosial Pasangan Calon Gubernur 2024 Dengan Statistical Machine Translation Akbar Bayu Adityo , Kahil; Rausanfita, Alqis; Muhajir, Daud
eProceedings of Engineering Vol. 12 No. 5 (2025): Oktober 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Tingginya aktivitas masyarakat dalam membahas pemilihan Gubernur melalui media sosial menghasilkan data komentar dalam jumlah besar, namun komentar tersebut sering menggunakan bahasa informal, bahasa sehari-hari, singkatan, serta bercampur dengan bahasa daerah dan dialek lokal yang sulit dipahami. Hal ini menghambat pemrosesan data komentar untuk keperluan analisis atau tujuan lainnya. Proses normalisasi manual membutuhkan waktu dan sumber daya yang sangat banyak, terutama jika data yang diolah berjumlah besar. Normalisasi secara manual juga rentan terhadap inkonsistensi dan kesalahan manusia. Jumlah data komentar di media sosial yang terus meningkat membuat normalisasi manual semakin tidak mungkin dan tidak efisien untuk dilakukan, sehingga diperlukan solusi otomatisasi. Sistem normalisasi teks otomatis dikembangkan menggunakan pendekatan Phrase-Based Statistical Machine Translation dengan memanfaatkan Moses. Dataset korpus paralel dibangun dari 31.889 pasangan kalimat informal-formal, sedangkan korpus monolingual terdiri dari 1.613.381 kalimat yang diambil dari Wikipedia. Model dievaluasi menggunakan metrik BLEU untuk mengukur kualitas hasil normalisasi. Model terbaik mencapai skor BLEU 82,16 pada data test dan 81,04 pada data validasi, berhasil mengenali berbagai pola bahasa informal seperti singkatan tidak baku, kata berulang dengan angka, dan bahasa gaul. Namun, sistem memiliki keterbatasan terhadap kemampuan penanganan Out-Of-Vocabulary. Kata kunci— normalisasi teks, PBSMT, Moses, media sosial, gubernur
Pengembangan Aplikasi Android Untuk Deteksi Dan Klasifikasi Motif Batik Berbasis Convolutional Neural Network (CNN) Haikal Fikri As’ad , Muhammad; Yusuf Wicaksono, Ardian; Muhajir, Daud
eProceedings of Engineering Vol. 12 No. 5 (2025): Oktober 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Batik merupakan warisan budaya Indonesia yang kaya akan motif dan nilai filosofis. Namun, masyarakat masih mengalami kesulitan dalam mengenali motif batik akibat kompleksitas visual dan keterbatasan akses informasi. Penelitian ini bertujuan mengembangkan aplikasi Android bernama Batikara yang mampu mendeteksi dan mengklasifikasikan motif batik secara otomatis menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2, serta memberikan informasi edukatif melalui artikel batik. Model klasifikasi MobileNetV2 memperoleh akurasi tertinggi sebesar 92%, diikuti oleh DenseNet121 dengan akurasi 90%, serta ResNet50 dengan akurasi 77%. MobileNetV2 menunjukkan performa yang paling stabil dan efisien untuk implementasi pada perangkat mobile, serta memiliki kapabilitas yang unggul dalam mengklasifikasikan motif batik yang memiliki kemiripan visual dan pola yang kompleks. Sebaliknya, ResNet50 cenderung kurang optimal dalam membedakan motif-motif batik yang serupa secara visual. Untuk deteksi objek, model SSD MobileNetV2 mencatat nilai Average Precision (AP) tertinggi 0,722 pada IoU 0,50, meskipun performa menurun pada objek kecil. Evaluasi usability melalui System Usability Scale (SUS), black box testing, dan task scenario menghasilkan skor SUS sebesar 83,17, efektivitas 88,9%, dan efisiensi 77,16%. Responden, termasuk pelaku UMKM, menilai fitur pemindaian sangat membantu dan edukatif. Aplikasi Batikara berpotensi menjadi sarana pelestarian budaya sekaligus memberdayakan UMKM batik melalui teknologi digital. Kata kunci— Aplikasi Android, Batik, CNN, Klasifikasi Citra, MobileNetV2, TensorFlow Lite
Co-Authors Adityo, Kahil Akbar Bayu Agustina , Yayuk Akbar Bayu Adityo , Kahil Alqis Rausanfita Ardian Yusuf Wicaksono Dahliar Ananda Fenaldo Maulana, Rizky Haikal Fikri As’ad , Muhammad Jungjungan, Fadhlan Syahran Pertiwi, Kharisma Monika Dian Pratama, Moch. Andi Divangga Safitri, Pima Hani Santik, Tita Arum Shela Tanzilal Mustaqim Vessa Rizky Oktavia