Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Infotech Journal Antivirus : Jurnal Ilmiah Teknik Informatika
Muhamad Rovi
Universitas Bhakti Husada Indonesia
Computer Science & IT

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

Found 3 Documents
Search

 1 
IMPLEMENTASI METODE NDLC PADA INFRASTRUKTUR JARINGAN UNIVERSITAS BHAKTI HUSADA INDONESIA DENGAN MEMANFAATKAN WHATSAPP GATEWAY SEBAGAI MONITORING Yayan Sopyan; Muhamad Rovi
INFOTECH journal Vol. 11 No. 2 (2025)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v11i2.14835

Abstract

Internet merupakan komponen vital dalam menunjang aktivitas akademik dan administrasi di lingkungan kampus Universitas Bhakti Husada Indonesia (UBHI). Stabilitas dan kecepatan internet sangat dibutuhkan oleh Mahasiswa, Dosen, dan Staf untuk menunjang kinerja harian. Penelitian ini bertujuan untuk merancang dan mengimplementasikan infrastruktur jaringan dengan pendekatan metode Network Development Life Cycle (NDLC), serta mengintegrasikan sistem monitoring dengan WhatsApp Gateway sebagai notifikasi real time ketika terjadi gangguan internet. Metode NDLC yang digunakan terdiri dari enam tahap yaitu Analysis, Design, Simulation/Prototyping, Implementation, Monitoring, dan Management. Hasil akhir dari penelitian ini yaitu sistem jaringan yang stabil dan dapat dimonitor secara real time.
IMPLEMENTASI ALGORITMA K-MEANS DALAM PENGELOMPOKAN GAYA BELAJAR MAHASISWA UBHI MENGGUNAKAN MODEL VARK Muhamad Rovi; Hendra Rustama
INFOTECH journal Vol. 12 No. 1 (2026)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v12i1.16970

Abstract

Perkembangan teknologi informasi mendorong perguruan tinggi menerapkan pembelajaran adaptif yang berpusat pada mahasiswa. Pemahaman gaya belajar menjadi salah satu strategi penting untuk mendukung pembelajaran tersebut. Penelitian ini bertujuan mengimplementasikan algoritma K-Means Clustering untuk memetakan gaya belajar mahasiswa Universitas Bhakti Husada Indonesia (UBHI) berdasarkan model VARK (Visual, Aural, Read/Write, dan Kinesthetic). Penelitian menggunakan pendekatan kuantitatif dengan metode unsupervised learning. Data dikumpulkan melalui kuesioner VARK yang diisi oleh 100 mahasiswa dari Fakultas Bisnis dan Ilmu Sosial (FBIS) serta Fakultas Ilmu Kesehatan (FIKES). Pra-pemrosesan data dilakukan melalui tahapan konversi skor dan normalisasi data menggunakan metode StandardScaler. Jumlah klaster optimal ditentukan menggunakan metode Elbow dan Silhouette, yang menghasilkan empat klaster. Hasil klasterisasi menunjukkan variasi gaya belajar mahasiswa yang beragam. Mahasiswa FBIS cenderung dominan pada gaya belajar visual dan aural, sedangkan mahasiswa FIKES menunjukkan kecenderungan gaya belajar yang lebih seimbang dan multimodal. Visualisasi menggunakan Principal Component Analysis (PCA) memperlihatkan pemisahan klaster yang cukup jelas. Penelitian ini menyimpulkan bahwa integrasi model VARK dan algoritma K-Means efektif untuk memetakan gaya belajar mahasiswa sebagai dasar perancangan pembelajaran adaptif.
DESIGN AND DEVELOPMENT OF AN ESP32-BASED GAS MONITORING SYSTEM USING FUZZY LOGIC ALGORITHMS AND A WHATSAPP GATEWAY Muhamad Rovi; Yayan Sopyan; Muhamad Wildan Khaerudin
Antivirus : Jurnal Ilmiah Teknik Informatika Vol 20 No 1 (2026): Mei 2026
Publisher : Universitas Islam Balitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35457/03qmka72

Abstract

Keselamatan kerja di laboratorium kesehatan masyarakat sangat penting, khususnya dalam mencegah paparan gas beracun yang sulit terdeteksi secara langsung. Penelitian ini bertujuan mengembangkan sistem deteksi gas beracun berbasis Internet of Things (IoT) yang mampu memberikan peringatan cepat melalui notifikasi WhatsApp.Sistem dirancang menggunakan mikrokontroler ESP32 yang dipadukan dengan sensor MQ-135 dan algoritma Fuzzy Logic untuk mengklasifikasikan tingkat bahaya menjadi tiga kategori: aman, waspada, dan bahaya. Sistem juga terintegrasi dengan WhatsApp Gateway untuk mengirimkan notifikasi secara otomatis. Pengujian dilakukan di Laboratorium Kesehatan Masyarakat Universitas Bhakti Husada Indonesia (UBHI). Sistem mampu mendeteksi kebocoran gas secara akurat, mengaktifkan alarm suara dalam waktu kurang dari 3 detik, dan mengirimkan notifikasi WhatsApp secara real-time. Implementasi algoritma Fuzzy Logic meningkatkan akurasi klasifikasi tingkat bahaya, sedangkan integrasi IoT memastikan pemantauan udara dilakukan secara berkesinambungan. Sistem deteksi gas berbasis IoT dengan algoritma Fuzzy Logic dan WhatsApp Gateway terbukti efektif, hemat biaya, serta dapat meningkatkan kesiapsiagaan pengguna laboratorium terhadap risiko paparan gas beracun.
Co-Authors Hendra Rustama Muhamad Wildan Khaerudin Yayan Sopyan Yayan Sopyan