Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal SisInfo : Jurnal Sistem Informasi dan Informatika In Search (Informatic, Science, Entrepreneur, Applied Art, Research, Humanism)
Muhammad Achya Arifudin
Unknown Affiliation
Arts Computer Science & IT Economics, Econometrics & Finance Other

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

Found 2 Documents
Search

 1 
Rancang Bangun Aplikasi Diagnosis Error Code Kerusakan pada Mesin ATM Berbasis Android R. Yadi Rakhman Alamsyah; Reni Nursyanti; Muhammad Achya Arifudin; Muhammad Abdul Baqrik
SisInfo Vol 7 No 1 (2025): SisInfo
Publisher : Universitas Informatika dan Bisnis Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37278/sisinfo.v7i1.1114

Abstract

An ATM that encounters a problem typically displays an indicator in the form of an error code. This code provides detailed information about the issue and instructions for resolving it. However, the detailed instructions can only be viewed on the ATM itself, making it difficult to analyze the problem outside the machine. If the ATM is located in a remote or inaccessible area, a solution is needed to facilitate remote analysis of the error code. To address this, an Android-based application has been developed to assist technicians in diagnosing faults and completing work reports. Data was collected through observation, interviews, and literature reviews, while system analysis utilized UML. The application was developed using PHP and MySQL, with tools such as Visual Studio Code and Flutter. The study concludes that this diagnostic application simplifies the process of diagnosing faults and filling out reports, thereby enhancing work efficiency and effectiveness.
Penerapan Metode K-Nearest Neighbor untuk Identifikasi Produk Nike Paling Laris Terjual Danestiara, Venia Restreva; Arifudin, M. Achya; Aprilla, Aura Tifa; Setiawan, Dani
In Search (Informatic, Science, Entrepreneur, Applied Art, Research, Humanism) Vol 23 No 2 (2024): In Search
Publisher : LPPM UNIBI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37278/insearch.v23i2.1129

Abstract

Industri ritel menghadapi persaingan yang semakin ketat, sehingga kemampuan untuk memprediksi produk terlaris menjadi faktor penting dalam memaksimalkan keuntungan. Nike, sebagai salah satu produsen sepatu olahraga terkemuka, mengalami penurunan signifikan selama pandemi COVID-19 dengan pendapatan turun sebesar 38% dan kerugian mencapai $790 juta pada tahun 2020. Oleh karena itu, prediksi akurat terhadap produk terlaris periode 2020-2021 menjadi krusial untuk memulihkan kinerja pasar global. Penelitian ini menerapkan algoritma K-Nearest Neighbors (KNN) untuk memprediksi produk Nike yang paling laris menggunakan dataset open-source dari Kaggle. Penelitian ini melibatkan tahapan preprocessing data, seperti feature selection, normalisasi, dan label encoding. Model KNN diimplementasikan dengan variasi nilai k untuk mengevaluasi pengaruhnya terhadap akurasi. Evaluasi model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-Score. Hasil penelitian menunjukkan akurasi model mencapai 87% dengan keseimbangan baik antara precision (0.89) dan recall (0.87). "Women's Street Footwear" teridentifikasi sebagai produk terlaris dengan 57,737unit terjual. Model menunjukkan performa optimal dengan akurasi 75%. Penelitian ini memberikan kontribusi signifikan dalam pengambilan keputusan strategis untuk optimasi inventory dan strategi penjualan Nike.
Co-Authors Aprilla, Aura Tifa Dani Setiawan Muhammad Abdul Baqrik R. Yadi Rakhman Alamsyah Reni Nursyanti Venia Restreva Danestiara