Article Per Year (5 Year)
p-Index From 2021 - 2026
1.285
P-Index
This Author published in this journals
All Journal Jurnal Nasional Komputasi dan Teknologi Informasi JUSTIAN - Jurnal Sistem Informasi Akuntansi Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Indonesian Community Service Journal of Computer Science (IndoComs)
Muhammad Ifan Rifani Ihsan
Universitas Bina Sarana Informatika
Aerospace Engineering Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Environmental Science Neuroscience Transportation

Published : 8 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 8 Documents
Search

 1 
Peningkatan Kapasitas Pengelola UMKM Binaan Desa Punggur Besar melalui Pelatihan Pemanfaatan Artificial Intelligence Muhammad IQBAL; Muhammad Ifan Rifani Ihsan; Eri Bayu Pratama; Muhammad Fahmi Julianto
Indonesian Community Service Journal of Computer Science Vol. 3 No. 1 (2026): Periode Januari 2026
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/indocoms.v3i1.11539

Abstract

Kegiatan pengabdian kepada masyarakat ini bertujuan untuk meningkatkan kapasitas pelaku Usaha Mikro, Kecil, dan Menengah (UMKM) binaan Desa Punggur Besar melalui optimalisasi pemanfaatan teknologi Artificial Intelligence (AI) dalam pengelolaan usaha. Permasalahan utama yang dihadapi mitra meliputi rendahnya literasi digital, pemasaran yang masih konvensional, pencatatan usaha yang belum terstruktur, serta minimnya inovasi produk dan strategi bisnis. Metode pelaksanaan kegiatan dilakukan melalui pelatihan dan pendampingan secara tatap muka dengan pendekatan praktik langsung. Materi yang diberikan mencakup pengenalan AI, pemanfaatan ChatGPT untuk pembuatan konten promosi dan layanan pelanggan, penggunaan Canva AI untuk desain visual dan materi pemasaran, serta Google Trends untuk analisis tren pasar dan perilaku konsumen. Hasil kegiatan menunjukkan adanya peningkatan pemahaman dan keterampilan peserta dalam memanfaatkan AI untuk mendukung aktivitas usaha, khususnya pada aspek pemasaran digital dan pengambilan keputusan berbasis data. Pelaku UMKM mulai mampu menghasilkan konten promosi yang lebih menarik, memahami tren pasar, serta meningkatkan efisiensi kerja. Kegiatan ini diharapkan dapat mendorong transformasi digital UMKM desa secara berkelanjutan dan meningkatkan daya saing usaha di era digital.
Aplikasi Prediksi Churn Pelanggan Menggunakan Algoritma Random Forest pada Perusahaan Telekomunikasi Petrick Ishakar; Andika Andika; Muhammad Ifan Rifani Ihsan

Publisher :

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i6.10028

Abstract

Abstrak - Industri telekomunikasi menghadapi tantangan besar dalam mempertahankan pelanggan karena meningkatnya persaingan. Churn pelanggan, yaitu perpindahan ke kompetitor, menimbulkan kerugian finansial yang signifikan. Penelitian ini mengembangkan aplikasi prediksi churn berbasis web menggunakan algoritma Random Forest dan framework Streamlit. Data yang digunakan berasal dari 7043 pelanggan dengan 21 atribut. Proses penelitian mencakup pengumpulan data, data cleaning, label encoding, pembagian data (80:20), pelatihan model, serta evaluasi. Hasil menunjukkan bahwa model Random Forest mencapai akurasi 78.82%, dengan precision 83% dan recall 90% untuk kelas non-churn, serta precision 63% dan recall 48% untuk kelas churn. Fitur yang paling berpengaruh terhadap churn adalah Contract type, Tenure, TotalCharges, dan MonthlyCharges. Aplikasi ini menyediakan antarmuka interaktif yang memudahkan pengguna dalam menganalisis data dan memprediksi churn, membantu perusahaan telekomunikasi mengidentifikasi pelanggan berisiko tinggi dan meningkatkan strategi retensi.Kata kunci : Churn Pelanggan; Random Forest; Telekomunikasi; Streamlit; Abstract - The telecommunications industry faces major challenges in retaining customers due to increasing competition. Customer churn, or the shift of customers to competitors, causes significant financial losses for companies. This study developed a web-based customer churn prediction application using the Random Forest algorithm and the Streamlit framework. The dataset used consists of 7,043 customers with 21 attributes. The research process includes data collection, data cleaning, label encoding, data splitting (80:20), model training, and evaluation. The results show that the Random Forest model achieved an accuracy of 78.82%, with precision of 83% and recall of 90% for the non-churn class, as well as precision of 63% and recall of 48% for the churn class. The most influential features in predicting churn are Contract type, Tenure, TotalCharges, and MonthlyCharges. The developed application provides an interactive interface that allows non-technical users to analyze data and predict churn, helping telecommunications companies identify high-risk customers and improve retention strategies.Keywords: Customer Churn; Random Forest; Telecommunications; Streamlite;
Perbandingan Metode Naive Bayes, Decision Tree, dan Support Vector Machine dalam Analisis Sentimen Pengguna terhadap Aplikasi E-Wallet Dana Muhamad Dimas Adityawarman; Windi Irmayani; Muhammad Ifan Rifani Ihsan
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 1 (2026): Juni 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i1.1267

Abstract

This research is motivated by the rapid growth of financial technology in Indonesia, where the DANA application has become the most popular digital wallet (e-wallet) with over 200 million registered users . The high usage of this application results in an abundance of reviews on the Google Play Store, representing both customer satisfaction and complaints . The problem addressed in this research is how to automatically process these textual reviews and determine the best classification method among the three tested Machine Learning algorithms . This research aims to analyze and compare the accuracy performance of Naive Bayes, Decision Tree, and Support Vector Machine (SVM) algorithms in classifying user sentiment . The method used in this research is a computational quantitative approach, utilizing a secondary data collection technique consisting of 50,000 reviews from the Google Play Store via Kaggle . The analysis process was conducted by applying five stages of text preprocessing, feature weighting using Term Frequency-Inverse Document Frequency (TF-IDF), handling data imbalance using the Synthetic Minority Over-sampling Technique (SMOTE), data splitting (80% training data and 20% testing data), and model evaluation using a Confusion Matrix . The results showed that the Naive Bayes algorithm had the most superior performance with an accuracy rate of 80%, followed by Decision Tree and Support Vector Machine (SVM), each obtaining an accuracy of 78% . Therefore, it can be concluded that the Naive Bayes algorithm is the most optimal and stable method for conducting sentiment analysis classification on e-wallet application review text data after the class distribution is equalized.
Sistem Informasi Stok Bahan Baku Berbasis Web Framework Laravel Pada Cafe 1/2 Kopi Tiam Sepakat Rasyid Abdur; Windi Irmayani; Muhammad Ifan Rifani Ihsan
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 2 (2026): September 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i2.1290

Abstract

Permasalahan fundamental yang dialami oleh Cafe 1/2 Kopi Tiam Sepakat adalah pengelolaan manajemen persediaan bahan baku yang masih bergantung sepenuhnya pada pencatatan manual menggunakan medium buku besar konvensional. Pendekatan usang ini memicu serangkaian kendala operasional, mulai dari tingginya probabilitas kesalahan pencatatan oleh staf (human error), kesulitan pihak manajerial dalam melacak jumlah sisa stok fisik aktual secara cepat dan presisi, hingga risiko fatal berupa kehilangan atau kerusakan dokumen fisik yang mengacaukan audit bulanan. Sebagai solusi komprehensif, penelitian ini bertujuan untuk merancang dan mengimplementasikan sebuah Sistem Informasi Stok Bahan Baku terkomputerisasi berbasis web dengan memanfaatkan Framework Laravel dan pangkalan data MySQL. Metodologi yang diaplikasikan dalam pengembangan perangkat lunak ini adalah model Waterfall klasik yang sistematis. Proses validasi kelayakan sistem dieksekusi melalui metode Black-Box Testing untuk menguji fungsionalitas logika, dan User Acceptance Test (UAT) untuk mengukur tingkat kepuasan pengguna. Hasil pengujian Black-Box mengonfirmasi bahwa seluruh fitur beroperasi tanpa kecacatan (bug-free). Selanjutnya, evaluasi UAT yang melibatkan 12 responden internal kafe mencatatkan skor empiris sebesar 531 dari total 565 poin, yang menghasilkan persentase kelayakan absolut sebesar 94,63%. Angka ini membuktikan bahwa perangkat lunak yang dibangun masuk ke dalam kategori sangat layak dan secara efektif berhasil mengotomatisasi sirkulasi logistik, mengeliminasi kesalahan entri data melalui fitur Preset Barang, serta mengamankan jejak manipulasi data melalui penerapan Log Aktivitas (Audit Trail).
Sistem Informasi Nota Servis dan Pembelian dengan Tracking dan Notifikasi WhatsApp Otomatis Dimas Rizki Hamzah; Windi Irmayani; Muhammad Ifan Rifani Ihsan
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 2 (2026): September 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i2.1368

Abstract

EC Computer masih mengelola nota servis dan nota pembelian melalui alur yang belum sepenuhnya terintegrasi, sementara pelanggan juga belum memiliki sarana mandiri untuk memantau progres perbaikan perangkat. Kondisi tersebut menyebabkan pencarian data berjalan lambat, informasi status sering bergantung pada admin, dan pembaruan layanan berpotensi terlambat diterima konsumen. Penelitian ini bertujuan membangun sistem informasi yang menyatukan pengelolaan nota servis dan pembelian, menyediakan pelacakan status berbasis web, dan mengirim notifikasi WhatsApp otomatis saat status servis berubah. Metode pengembangan yang digunakan adalah Waterfall melalui tahap analisis kebutuhan, perancangan UML, implementasi dengan Laravel 12, Vue 3, Inertia.js, dan MySQL, serta pengujian Black Box Testing. output penelitian menunjukkan sistem berhasil dibangun dengan fitur pencatatan nota, tracking publik memakai kode nota, QR Code pada nota servis, dasbor admin, serta integrasi SunWa WhatsApp API untuk pengiriman pesan otomatis. Seluruh dua belas skenario pengujian utama berjalan sesuai harapan. Sistem ini meningkatkan keteraturan administrasi, mempercepat penyampaian informasi, dan memberi transparansi layanan yang lebih baik kepada konsumen EC Computer.
Perbandingan Random Forest dan Support Vector Machine untuk Klasifikasi Penyakit Daun Tomat Berbasis Citra Digital Pelagia Melati; Windi Irmayani; Muhammad Ifan Rifani Ihsan
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 2 (2026): September 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i2.1390

Abstract

Penyakit pada daun tomat merupakan salah satu penyebab utama menurunnya kualitas dan produktivitas hasil panen, sehingga diperlukan metode deteksi yang cepat dan akurat. Perkembangan teknologi pengolahan citra digital dan machine learning dapat dimanfaatkan untuk membantu proses identifikasi penyakit daun tomat secara otomatis. Penelitian ini bertujuan untuk membandingkan kinerja algoritma Random Forest dan Support Vector Machine (SVM) dalam mengklasifikasikan penyakit daun tomat berbasis citra digital. Data dikumpulkan melalui studi pustaka dan penggunaan dataset Tomato Leaf Disease Detection yang diperoleh dari Kaggle. Tahapan penelitian meliputi pengumpulan dataset, pra-pemrosesan citra, ekstraksi fitur menggunakan Histogram HSV, Histogram of Oriented Gradients (HOG), dan Gray Level Co-occurrence Matrix (GLCM), pembagian data latih dan data uji dengan rasio 80:20, pelatihan model menggunakan algoritma Random Forest dan SVM, serta evaluasi menggunakan confusion matrix, akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Random Forest memiliki performa lebih baik dibandingkan SVM, dengan akurasi sebesar 86,33%, presisi 87,00%, recall 86,00%, dan F1-score 86,00%, sedangkan SVM memperoleh akurasi 74,67%, presisi 75,00%, recall 75,00%, dan F1-score 74,00%. Berdasarkan hasil tersebut, Random Forest terbukti lebih efektif dalam mengklasifikasikan penyakit daun tomat berbasis citra digital. Penelitian ini diharapkan dapat menjadi referensi dalam pengembangan sistem deteksi penyakit tanaman berbasis machine learning.
Perbandingan Naive Bayes, SVM, dan IndoBERT untuk Analisis Sentimen Publik terhadap Program Makan Bergizi Gratis pada Komentar YouTube Stella Maris; Windi Irmayani; Muhammad Ifan Rifani Ihsan
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 2 (2026): September 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i2.1416

Abstract

Pelaksanaan Program Makan Bergizi Gratis (MBG) pada tahun 2025 dialokasikan anggaran sebesar Rp171 triliun dengan target 82,9 juta penerima manfaat, namun realisasi awal yang tercatat baru mencapai Rp3 triliun untuk 3,98 juta orang. Kesenjangan target pelaksanaan dan tantangan di lapangan tersebut memicu berbagai opini publik pada platform digital seperti YouTube. Studi ini menganalisis sentimen publik terhadap Program MBG dengan membandingkan efektivitas algoritma Naive Bayes, Support Vector Machine (SVM), dan IndoBERT menggunakan 6.419 komentar YouTube dari Kaggle. Metodologi penelitian meliputi preprocessing teks, pelabelan sentimen sberbasis Lexicon, pembagian data, ekstraksi fitur (TF-IDF dan IndoBERT Tokenizer), penerapan SMOTE pada Naive Bayes dan SVM, serta evaluasi kinerja model. Hasil pelabelan awal menunjukkan adanya ketidakseimbangan data yang didominasi oleh kelas netral sebesar 72,9%, diikuti kelas negatif sebesar 15,0%, dan kelas positif sebesar 12,1%. Setelah dilakukan penanganan menggunakan metode SMOTE, distribusi kelas pada data training menjadi seimbang guna mengoptimalkan proses pembelajaran model Naive Bayes dan SVM. Berdasarkan evaluasi akhir eksperimen, IndoBERT mencatatkan kinerja paling superior dengan nilai accuracy tertinggi mencapai 97,35%, mengungguli SVM sebesar 95,72% dan Naive Bayes sebesar 65,11%. Kesimpulannya, pendekatan context-aware pada model IndoBERT serta penanganan data sebelum pemodelan sangat efektif dan andal dalam memetakan persepsi serta kekhawatiran masyarakat terhadap efisiensi pelaksanaan Program Makan Bergizi Gratis.
Implementasi Enterprise Resource Planning Berbasis Odoo Pada Toko Terbis Siti Nurdiani Siti; Muhammad Ifan Rifani Ihsan; Muhammad Fahmi Julianto
Jurnal Sistem Informasi Akuntansi Vol 6 No 1 (2025): Periode Maret 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/justian.v6i1.8711

Abstract

Bagi usaha seperti Toko Terbis, pengelolaan operasional bisnis sehari-hari menjadi tantangan yang signifikan. Tantangan ini meliputi pengelolaan stok yang tidak terstruktur, pencatatan keuangan yang rawan kesalahan, serta pengelolaan pesanan yang sering memakan waktu. Proses manual yang selama ini diterapkan sering kali mengakibatkan ketidakakuratan data, penurunan produktivitas, dan kurang optimalnya penggunaan sumber daya. Hal ini tidak hanya berdampak pada efisiensi internal tetapi juga pada kualitas layanan yang diberikan kepada pelanggan. Penerapan sistem ERP berbasis Odoo menawarkan solusi yang relevan untuk mengatasi tantangan tersebut. Odoo adalah platform ERP bersifat open source yang dirancang untuk memberikan fleksibilitas dan kemudahan dalam mengelola berbagai aspek operasional bisnis.
Co-Authors Andika Andika Dimas Rizki Hamzah Eri Bayu Pratama Muhamad Dimas Adityawarman Muhammad Fahmi Julianto Muhammad Iqbal Pelagia Melati Petrick Ishakar Rasyid Abdur Siti Nurdiani Siti Stella Maris Windi Irmayani