Article Per Year (5 Year)
p-Index From 2019 - 2024
1.54
P-Index
This Author published in this journals
All Journal Perfecting a Video Game with Game Metrics JURNAL MEDIA INFORMATIKA BUDIDARMA JPT : JURNAL PROTEKSI TANAMAN (JOURNAL OF PLANT PROTECTION) Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Jurnal Computer Science and Information Technology (CoSciTech)
Gunawan, Rahmad
Universitas Muhammadiyah Riau
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Environmental Science

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

Found 4 Documents
Search
Journal : Jurnal Computer Science and Information Technology (CoSciTech)

 1 
Implementasi Algoritma Brute Force Pada Pencarian Berita Berbasis Web Andriansyah; Soni; Baidarus; Rahmad Gunawan
Jurnal CoSciTech (Computer Science and Information Technology) Vol 2 No 2 (2021): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v2i2.3342

Abstract

Pada web berita yang jadi suatu kabar terpercaya dalam mengenali suatu data, namun terdapat sebagian kekurangan pada berita berbasis website khususnya pada pencarian. Perihal tersebut beberapa kendala yang dihadapi yaitu lambat sistem dalam membaca dari tiap- tiap kata kunci yang kita cari pada database yang terdapat dalam sistem tersebut. Penelitian ini bertujuan untuk mengimplementasi Algoritma Brute Force Pada Pencarian Berita Berbasis Web. Algoritma Brute Force bertujuan pencarian seluruh kemunculan string pendek yaitu pattern di string yang lebih panjang yang di inginkan. Hasil dari penelitian ini implementasi algoitma Brute Force pada website berita bisa menuntaskan permasalahan dalam melaksanakan pencarian informasi berita, sebab algoritma ini menciptakan informasi yang dicari.
Peramalan Kedatangan Wisatawan ke Suatu Negara Menggunakan Metode Support Vector Machine (SVM) Harun Mukhtar; Rahmad Gunawan; Amin Hariyanto; Syahril; Wide Mulyana
Jurnal CoSciTech (Computer Science and Information Technology) Vol 3 No 3 (2022): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v3i3.4211

Abstract

Tourism is one of the most promising ecosystems for economic sectors worldwide. A strong tourism sector directly contributes to the country's national income, fights unemployment, and improves the balance of payments. Tourism development can be seen from the increase in arrivals to a nation; based on data obtained from the UNWTO from 1995-2019, it has increased and decreased. The sudden increase and decrease in tourists will have positive and negative impacts. Forecasting is an activity to predict events that will occur in the future by taking data from the past. So this study will expect tourist arrivals to a country using the Support Vector Machine (SVM) method. SVM has properties about maximizing margins and kernel tricks to map nonlinear data. The results obtained in this study indicate that SVM Confidence is 86.3%, has a MAPE value of 56.00%, and an RMSE worth of 11126.36 from the total data of 53 countries. And forecasting is carried out in 5 countries with the highest tourist visits. The results obtained are excellent: SVM Confidence of 99.13%, a MAPE value of 2.78%, and an RMSE value of 2783.57.
Sistem pakar kerusakan honda beat street 2021 menggunkan metode forward chaining dan certainty factor Yulia Fatma; Rahmad Gunawan; Edi Rian Kartiko; Sunanto
Computer Science and Information Technology Vol 3 No 3 (2022): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v3i3.4377

Abstract

Kebutuhan masyarakat terhadap kendaraan bermotor sangatlah besar khususnya sepeda motor Honda Beat Street 2021, sebab sepeda motor dianggap sebagai sarana transportasi yang sangat memudahkan pengendara untuk menuju tempat dengan pertimbanganwaktu yang lebih cepat dibandingkan dengan menggunakan kendaraan yang beroda empat. Kurangnya pengetahuan masyarakat tentang kerusakan sepeda motor Honda Beat Street 2021 menimbulkan kerugian bagi pengguna dalam hal waktu dan biaya. Dalam masalah tersebut sepeda motor yang mengalami kerusakan dapat diatasi oleh seorang pakar dengan pengetahuan dan pengalamannya. Untuk itu perlu dibuatkan sebuah sistem pakar yang dapat mendiagnosa kerusakan yang terjadi sepeda motor Honda Beat Street 2021, dimana sistem pakar ini bertujuan untuk mentransfer pengetahuan yang dimiliki seorang pakar ke dalam komputer sehingga pengguna lebih menghemat waktu dan biaya. Sistem pakar kerusakan sepeda motor Honda Beat Street 2021 ini dibangun dengan bahasa pemrograman web PHP dan database MySQL. Proses inferensi sistem pakar ini menggunakan metode forward chaining dan proses perhitungan nilai kepastian menggunakan metode certainty factor. Para pengguna dapat mendiagnosis kerusakan yang terjadi pada sepeda motor Honda Beat Street 2021 mereka dengan mudah dan mengetahui cara penanganan kerusakan dengan memilih gejala yang ada pada sistem. Informasi pengetahuan dasar pada sistem dapat diupdate, ditambah, atau dihapus oleh admin (pakar). Presentase hasil diagnosa dengan menggunakan proses perhitungan Certainty Factor (CF) sangat dipengaruhi pada nilai CF yang diberikan oleh pakar. Uji coba sistem untuk 10 kasus menghasilkan tingkat akurasi sebesar 90%.
K-Nearest Neighbor (KNN) untuk Menganalisis Sentimen terhadap Kebijakan Merdeka Belajar Kampus Merdeka pada Komentar Twitter Febby Apri Wenando; Rahman Septiadi; Rahmad Gunawan; Harun Mukhtar; Syahril
Computer Science and Information Technology Vol 3 No 2 (2022): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v3i2.3841

Abstract

On December 11, 2019, the Minister of Education and Culture of the Republic of Indonesia Nadiem Anwar Makarim issued a policy of "Merdeka Belajar". Netizens on Twitter have debated this Merdeka Belajar and became a trending topic. This study tries to analyze the sentiment of tweets about opinions on this policy by classifying whether it is a positive opinion or a negative opinion. The classification method applied is the K-Nearest Neighbor algorithm. In this study, four main processes were carried out, namely text-preprocessing, word-weighting (TF-IDF), classification and validation using k-fold cross validation. Tests were carried out with a dataset of 700 data, training was carried out using 630 training data and 70 testing data. In testing, the highest accuracy of the K-Nearest Neighbor algorithm was obtained at the k-8 value, namely 84.28%. Furthermore, validation is carried out using k-fold cross validation with a value of fold = 10 to get an accuracy of 84.42%.
Co-Authors . Reflinaldon Amin Hariyanto ANDRIANSYAH Baidarus Danang Mulyadipa Suratno Desti Mualfah Edi Ismanto Edi Rian Kartiko Evans Fuad Febby Apri Wenando Hadhrami Ab Ghani Harun Mukhtar Januar Al Amien Nurul Izrin Md Saleh Rahman Septiadi Ramadhoni Soni Sunanto Sunanto Syahril Ulva Elviani Wide Mulyana Yaherwandi Yulia Fatma