Article Per Year (5 Year)
p-Index From 2021 - 2026
2.147
P-Index
This Author published in this journals
All Journal Journal of Governance and Local Politics (JGLP) Jurnal Sistem Komputer & Kecerdasan Buatan Journal of System and Computer Engineering JURPIKAT (Jurnal Pengabdian Kepada Masyarakat) Indonesian Journal of Intellectual Publication (IJI Publication) Golden Ratio of Community Services and Dedication Journal Pharmacy and Application of Computer Sciences Advances in Computer System Innovation Journal (ACSI Journal) Indonesian Journal of Intellectual Publication (IJI Publication) Bhakti: Jurnal Pengabdian dan Pemberdayaan Masyarakat
Muhammad Rijal
Institut Teknologi dan Bisnis Nobel Indonesia
Religion Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Education Electrical & Electronics Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Medicine & Pharmacology Public Health Social Sciences Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : journal of system and computer engineering

 1 
Perancangan Aplikasi Resep Masakan Dan Kue Khas Makassar Berbasis Android Muhammad Rijal; Firman Aziz; Rohmah Nur Hidayah; Satar Satar
Journal of System and Computer Engineering (JSCE) Vol 2 No 2 (2021): JSCE: JULI 2021
Publisher : Universitas Pancasakti

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47650/jsce.v2i1.238

Abstract

Penelitian ini bertujuan untuk membuat suatu mobile aplication yang dapat digunakan oleh user untuk mengetahui tentang resep-resep masakan dan kue khas tradisional Makassar. Saat ini, aplikasi yang menggunakan perangkat bergerak semakin meningkat dan beragam. Pada sistem ini, development tools yang digunakan adalah Java Eclips yang diimplementasikan pada perangkat smartphone android. Hasil penelitian menunjukkan bahwa sistem ini mampu memberikan informasi kepada user tentang resep-resep masakan dan kue khas tradisional Makassar, yang di tempatkan di perangkat mobile
Klasifikasi Ulasan Konsumen Menggunakan Random Forest dan SMOTE Istiqamah, Nurul; Rijal, Muhammad
Journal of System and Computer Engineering Vol 5 No 1 (2024): JSCE: Januari 2024
Publisher : Universitas Pancasakti

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61628/jsce.v5i1.1061

Abstract

Ulasan berupa deskripsi teks direpresentasikan dalam bentuk skala peringkat tidaklah cukup sebagai acuan dalam menentukan sentimen yang seringkali bias. Penelitian ini dilakukan untuk mengklasifikasi ulasan konsumen dengan menerapkan teknik klasifikasi sentimen pada tingkat dokumen. Penelitian ini berfokus pada imbalanced class klasifikasi ulasan konsumen. Metode yang digunakan dalam mengatasi permasalahan imbalanced class adalah Synthetic Minority Oversampling Technique (SMOTE) dan Random Under-sampling (RUS) pada tahap pre-processing dan pada klasifikasi menggunakan Random Forest. Fitur data yang digunakan adalah fitur teks ulasan (proses analisis dan klasifkasi sentimen) dan fitur peringkat (proses pelabelan). Penerapan teknik class imbalanced (dalam hal ini SMOTE dan RUS) pada tahapan pre-processing mampu memberikan perubahan peningkatan akurasi dan mengenali data yang awalnya dianggap minor.
Performance Exploration of Tree-Based Ensemble Classifiers for Liver Cirrhosis: Integrating Boosting, Bagging, and RUS Techniques Aziz, Firman; Jeffry, Jeffry; Wungo, Supriyadi La; Rijal, Muhammad; Usman, Syahrul
Journal of System and Computer Engineering Vol 6 No 3 (2025): JSCE: July 2025
Publisher : Universitas Pancasakti

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61628/jsce.v6i3.2031

Abstract

Liver cirrhosis, as a significant chronic liver disease, exhibits a rising global prevalence, demanding more effective preventive approaches. In an effort to enhance early detection and patient management, this research proposes the development of a liver cirrhosis risk prediction model using machine learning technology, specifically comparing the performance of three ensemble tree models: Ensemble Boosted Tree, Ensemble Bagged Tree, and Ensemble RUSBoosted Tree. Utilizing clinical and laboratory data from adults with a history or risk of cirrhosis, the study reveals that Ensemble Bagged Tree achieved the highest accuracy at 71%, followed by Ensemble Boosted Tree (67.2%) and Ensemble RUSBoosted Tree (66%). Analysis of clinical and laboratory variables provides further insights into the most significant contributors to risk prediction. The findings lay the groundwork for the advancement of a more sophisticated liver cirrhosis risk prediction tool, supporting a vision of more personalized and effective preventive strategies in liver disease management
Co-Authors Abasa, Sustrin Adnan Adnan Agunawan, Agunawan Andani Achmad Arfadilah Amir Aulyah Zakilah Ifani Eva Delilah Firman Aziz Fyan Wijaya Komputra Ahmadi Hamdana Jamaluddin Hikmah Manganni Imriani Idrus Istiqamah, Nurul Jeffry Jeffry M. Maryadi Masyita Risna Muhammad Yassir Musdhalifah Yusran Muthi Syahidah Arifuddin Nurani Nurhaeda Nurhaeda Nurul Istiqamah Nuzul Tenriana Paula Eka Wijaya Putri Ayu Lestari Raden Wirawan Rohmah Nur Hidayah Satar Satar Syahrul Usman Wungo, Supriyadi La Zulfikar S