Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal JOIV : International Journal on Informatics Visualization Jurnal Ilmiah Sistem Informasi
Rohman, Muhammad Ghofar
Unknown Affiliation
Computer Science & IT

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

Found 3 Documents
Search

 1 
Hybrid Logistic Regression Random Forest on Predicting Student Performance Rohman, Muhammad Ghofar; Abdullah, Zubaile; Kasim, Shahreen; Rasyidah, -
JOIV : International Journal on Informatics Visualization Vol 9, No 2 (2025)
Publisher : Society of Visual Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62527/joiv.9.2.3972

Abstract

The research aims to investigate the effects of unbalanced data on machine learning, overcome imbalanced data using SMOTE oversampling, and improve machine learning performance using hyperparameter tuning. This study proposed a model that combines logistic regression and random forests as a hybrid logistic regression, random forest, and random search SV that uses SMOTE oversampling and hyperparameter tuning. The result of this study showed that the prediction model using the hybrid logistic regression, random forest, and random search SV that we proposed produces more effective performance than using logistic regression and random forest, with accuracy, precision, recall, and F1-score of 0.9574, 0.9665, 0.9576. This can contribute to a practical model to address imbalanced data classification based on data-level solutions for student performance prediction.
Sistem Prediksi Penjualan Produk pada STARMART Menggunakan Metode Linear Regression dan Weighted Moving Average Adiyatma, Dhias Arsyah; Rohman, Muhammad Ghofar; Munif, Munif
Jurnal Ilmiah Sistem Informasi Vol. 4 No. 3 (2025): November: Jurnal Ilmiah Sistem Informasi
Publisher : LPPM Universitas Sains dan Teknologi Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/g260jt34

Abstract

Penelitian ini bertujuan untuk membuat sistem prediksi penjualan berbasis web pada Starmart dengan menerapkan dua metode, yaitu Linear Regression dan Weighted Moving Average. Penelitian dilakukan dengan beberapa tahap, yaitu pengumpulan data penjualan, pengolahan data, penerapan kedua metode prediksi, serta pengujian akurasi menggunakan Mean Squared Error (MSE) dan Mean Absolute Percentage Error (MAPE).Penulis melakukan pengumpulan data secara langsung yang diambil dari Starmart dengan cakupan data penjualan yang berjumlah 12 kategori produk,Kemudian data diproses untuk membangun aplikasi prediksi penjualan yang bertujuan untuk memprediksi penjualan produk pada Starmart untuk periode selanjutnya.Hasil penelitian menunjukkan bahwa implementasi metode Linear Regression memberikan hasil prediksi yang lebih stabil dan sesuai dengan pola data historis, dengan nilai MSE sebesar 2184.18 dan MAPE sebesar 10.88%. Sementara itu, metode Weighted moving average menghasilkan prediksi yang cenderung fluktuatif dengan nilai MSE sebesar 4715.66 dan MAPE sebesar 17.35%. Berdasarkan perbandingan kedua metode, dapat disimpulkan bahwa Linear regression lebih akurat dibandingkan Weighted Moving Average dalam memprediksi penjualan produk di Starmart.
Sistem Pakar Diagnosa Penyakit pada Sapi Menggunakan Naive Bayes Raudha, Yoevita; Rohman, Muhammad Ghofar; Munif
Jurnal Ilmiah Sistem Informasi Vol. 4 No. 2 (2025): Mei : Jurnal Ilmiah Sistem Informasi
Publisher : LPPM Universitas Sains dan Teknologi Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/pmxpdm56

Abstract

Sapi merupakan salah satu hewan ternak yang memiliki nilai ekonomi tinggi, namun rentan terhadap berbagai penyakit, khususnya penyakit pernapasan. Untuk mendukung proses diagnosis penyakit secara cepat dan akurat, diperlukan sistem pakar berbasis teknologi. Penelitian ini bertujuan untuk mengembangkan sistem pakar yang mampu mendiagnosis penyakit pernapasan pada sapi dengan menggunakan metode Naïve Bayes. Metode ini dipilih karena mampu mengolah data dengan pendekatan probabilistik yang efisien serta menghasilkan prediksi yang akurat meskipun dengan data terbatas. Sistem dirancang dalam bentuk aplikasi berbasis web menggunakan bahasa pemrograman PHP dan basis data MySQL. Data gejala dan penyakit diperoleh melalui wawancara dengan dokter hewan, mencakup 16 gejala dan 9 jenis penyakit pernapasan yang umum terjadi, kemudian digunakan sebagai data latih dalam proses klasifikasi. Sistem menerapkan perhitungan probabilitas melalui tahapan prior, likelihood, dan posterior untuk menghasilkan diagnosis yang paling mungkin. Pengujian dilakukan dengan membandingkan hasil diagnosa sistem dengan diagnosa pakar, dan evaluasi menunjukkan bahwa sistem mencapai tingkat akurasi sebesar 90%, yang membuktikan keandalannya dalam penerapan praktis. Selain memberikan hasil diagnosis berdasarkan gejala yang dipilih pengguna, sistem ini juga menampilkan deskripsi penyakit dan saran penanganan. Dengan adanya fitur tersebut, sistem pakar ini diharapkan dapat membantu peternak dalam mendeteksi penyakit pernapasan pada sapi lebih dini, mempercepat proses penanganan, mengurangi kerugian ekonomi, serta menjadi alat teknologi yang mudah diakses untuk mendukung praktik kedokteran hewan di wilayah pedesaan.
Co-Authors Abdullah, Zubaile Adiyatma, Dhias Arsyah Munif Munif, Munif Rasyidah, - Raudha, Yoevita Shahreen Kasim, Shahreen