Article Per Year (5 Year)
p-Index From 2019 - 2024
3.06
P-Index
This Author published in this journals
All Journal Jurnal Mirai Management JOIV : International Journal on Informatics Visualization JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Jurnal Teknoinfo JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) J-Dinamika: Jurnal Pengabdian Kepada Masyarakat Indonesian Journal of Electrical Engineering and Computer Science JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Computer System and Informatics (JoSYC) Jurnal Sistem Komputer dan Informatika (JSON) Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) Jurnal Indonesia : Manajemen Informatika dan Komunikasi eProceedings of Engineering Jurnal Indonesia : Manajemen Informatika dan Komunikasi
Faqih Hamami
Universitas Telkom
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Other

Published : 23 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 23 Documents
Search

 1   2   3 
Comparison of Apache SparkSQL and Oracle Performance: Case Study of Data Cleansing Process Ilma Nur Hidayati; Tien Fabrianti Kusumasari; Faqih Hamami
JOIV : International Journal on Informatics Visualization Vol 6, No 1-2 (2022): Data Visualization, Modeling, and Representation
Publisher : Politeknik Negeri Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30630/joiv.6.1-2.928

Abstract

A dataset with good quality is a valuable asset for a company. The data can be processed into information to help companies improve decision-making. However, the data increased more and more over time to decrease data quality. Thus, good data management is important to keep data quality meeting company standards. One of the efforts that can be done is conducting data cleansing to clean data from errors, inaccuracies, duplication, format discrepancies, etc. Apache Spark is an engine that can analyze large amounts of data. Oracle Database is a database management system used to manage databases. Both have their own reliability and can be used to analyze SQL-shaped data. This study compared Spark and Oracle performance based on query processing time. Both were tested on queries used to perform data cleansing of millions of rows of the dataset. The research focuses on finding out Spark and Oracle's performance through quantitative analysis. The results of this study showed that there were differences in query processing times on both tools. Apache Spark is rated better because it has a relatively faster query processing time than Oracle Database. It can be concluded that Oracle is more reliable in storing complex data models than in analyzing large data. For future research, it is suggested to add other comparison aspects such as memory and CPU usage. The researchers can also consider using query optimization techniques to enrich query experiments.
KLASIFIKASI CUACA PROVINSI DKI JAKARTA MENGGUNAKAN ALGORITMA RANDOM FOREST DENGAN TEKNIK OVERSAMPLING faqih hamami; Iqbal Ahmad Dahlan
Jurnal Teknoinfo Vol 16, No 1 (2022): Januari
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jti.v16i1.1533

Abstract

Saat ini Indonesia sering mengalami perubahan cuaca ekstrem yang menyebabkan banyak bencana seperti banjir, kebakaran, longsor dan badai. Jenis cuaca bergantung dari banyak faktor seperti suhu, kelembaban, arah angin dan lainnya. Beberapa kegiatan manusia bergantung terhadap perubahan cuaca seperti di sektor pertanian, perkebunan, penerbangan, daerah tinggi dan pantai. Prediksi cuaca menjadi penting untuk lebih memahami perubahan cuaca ekstrem yang didasarkan dari faktor cuaca. Penelitian ini mengadopsi ensemble learning yang mampu melakukan klasifikasi cuaca dengan baik. Algoritma yang digunakan adalah Random Forest yang dikombinasikan dengan teknik oversampling untuk menangani ketidakmerataan jumlah data dari setiap kelas cuaca. Beberapa kategori cuaca yang diklasifikasikan adalah Cerah, Cerah Berawan, Berawan, Berawan Tebal, Hujan Lokal, Hujan Ringan, Hujan Sedang dan Hujan Petir. Hasil eksperimen diperoleh bahwa model Random Forest mencapai akurasi 70%.  Teknik oversampling yang digunakan adalah metode Synthetic Minority Over-sampling Technique (SMOTE). Dengan kombinasi SMOTE prediksi dari setiap kelas minoritas dapat ditingkatkan dengan rata-rata sebesar 50%
WORKSHOP PEMROGRAMAN WEB UNTUK SISWA DAN GURU SMA DI KOTA BANDUNG Rahmat Fauzi; Iqbal Santosa; Faqih Hamami
J-Dinamika : Jurnal Pengabdian Masyarakat Vol 6 No 2 (2021): December
Publisher : Politeknik Negeri Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25047/j-dinamika.v6i2.2435

Abstract

Workshop Pemrograman Web Untuk Siswa dan Guru SMA di Kota Bandung ini bertujuan untuk membangun logika berpikir secara sistematis dan terstruktur dalam bentuk aplikasi/situs web dengan teknik pengkodean yang baik dan benar. Kegiatan ini diharapkan mampu membuat peserta memahami pentingnya pemrograman web, mengenal teknologi yang digunakan dan menumbuhkan minat dalam pemrograman web. Peserta kegiatan ini adalah perwakilan siswa dan guru SMA Alfa Centauri Kota Bandung. Metode pelaksanaan workshop yang digunakan ialah dengan mengkombinasikan peragaan langsung, praktik langsung, dan diskusi interaktif. Peserta dibagi dalam beberapa kelompok kecil yang dibimbing oleh para tutor untuk memahami konsep pemrograman dan mempraktikkannya secara langsung. Konsep dipecah dalam beberapa bagian, dan setiap bagian diakhiri dengan latihan yang kemudian diulas hasilnya. Alat bantu pelaksanaan workshop yang digunakan ialah aplikasi pertemuan online dan situs web kursus online. Peserta mengikuti workshop secara daring menggunakan zoom, sambil mengakses materi dan bahan workshop pada situs web yang telah disiapkan.
Real-time passenger social distance monitoring with video analytics using deep learning in railway station Iqbal Ahmad Dahlan; Muhammad Bryan Gutomo Putra; Suhono Harso Supangkat; Fadhil Hidayat; Fetty Fitriyanti Lubis; Faqih Hamami
Indonesian Journal of Electrical Engineering and Computer Science Vol 26, No 2: May 2022
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijeecs.v26.i2.pp773-784

Abstract

Recently, at the end of December, the world faced a severe problem which is a pandemic that is caused by coronavirus disease. It also must be considered by the railway station's authorities that it must have the capability of reducing the covid transmission risk in the pandemic condition. Like a railway station, public transport plays a vital role in managing the COVID-19 spread because it is a center of public mass transportation that can be associated with the acquisition of infectious diseases. This paper implements social distance monitoring with a YOLOv4 object detection model for crowd monitoring using standard CCTV cameras to track visitors using the DeepSORT algorithm. This paper used CCTV surveillance with the actual implementation in Bandung Railway Station with the accuracy at 96.5 % result on people tracking with tested in real-time processing by using minicomputer Intel(R) Xeon(R) CPU E3-1231 v3 3.40GHz RAM 6 GB around at 18 FPS.
Analisis Sentimen IMBd Film Review Dataset Menggunakan Support Vector Machine (SVM) dan Seleksi Feature Importance Hilda Nuraliza; Oktariani Nurul Pratiwi; Faqih Hamami
Jurnal Mirai Management Vol 7, No 1 (2022)
Publisher : STIE AMKOP

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37531/mirai.v7i1.2222

Abstract

Perkembangan teknologi internet khususnya dalam bidang perfilman memberikan sarana terbuka bagi masyarakat dalam mengekspresikan pendapat dan emosional. Salah satu pendapat yang seringkali masyarkat keluarkan yaitu berupa penilaian sebuah film pada platform tertentu seperti IMDB. Ulasan yang dikeluarkan tentunya mengandung emosional yang dibawakan oleh masyarakat itu sendiri, baik emosional positif maupun negatif yang dinamakan sentimen. Sentimen atau opini masyarakat ini perlu dianalisis untuk mengklasifikasikan opini sesuai dengan kelasnya sehingga kecenderungannya terhadap suatu objek dapat diketahui. Adapun metode yang digunakan dalam penelitian ini yaitu metode data mining dengan Knowledge Discovery in Database (KDD). Tujuan dari penelitian ini yaitu analisa sentiment IMDB film review oleh masyarakat menggunakan algoritma Support Vector Machine dan seleksi Feature importance untuk memperoleh pola dan hasil yang terbaik. Dengan pengujian validasi akurasi data menggunakan metode split data sederhana dan k-fold cross validation yang menghasilkan akurasi sebesar 91.942% dan 87.699%. Lalu Kemudian dilakukan evaluasi menggunakan confusion matrix dengan penetapan max feature sebesar 10000 untuk memeriksa nilai ketepatan prediksi yang dilakukan oleh model yaitu diperoleh akurasi sebesar 88.033%. Dalam hal ini dapat dibuktikan bahwa kemampuan model dalam melakukan klasifikasi dinilai cukup baik. Keywords: Data Mining, KDD, Feature Importance, SVM, Confusion Matrix
Pengembangan Sistem Penyiraman Otomatis Tanaman Anthurium Berbasis IoT Dimas Raihan Zein; Faqih Hamami; Tatang Mulyana
Journal of Information System Research (JOSH) Vol 4 No 1 (2022): October 2022
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (536.659 KB) | DOI: 10.47065/josh.v4i1.2301

Abstract

Ornamental plants are types of plants that are cultivated to provide additional aesthetic value. One of the commercial ornamental plants known in Indonesia is the wave of love or Anthurium plowmanii. This type of Anthurium has a high selling value because of special care, one of which is regular and not excessive water supply. One of the technologies that can help humans in automatically watering anthurium plants is the Internet of Things (IoT). ThingSpeak IoT platform connected with NodeMCU ESP8266 is used as artificial intelligence to control and determine watering time, watering automatically takes place when plants need air. This research was conducted to design an IoT-based automatic anthurium plant watering system and collect data on soil moisture and anthurium temperature from the installed IoT sensors. The method in this research is prototyping which is used to produce certain products, and test the effectiveness of these products. This IoT-based automatic watering system for anthurium plants is calibrated by making comparisons with standard measuring instruments to determine the accuracy of the sensor measurement results. The results of this study are a prototype of an IoT-based automatic watering system for anthurium plants by achieving an average level of sensor accuracy in reading anthurium plant conditions reaching 98.1% for soil moisture sensors while for temperature sensors reaching 98.8%. This research is expected to help farmers and ornamental plants communities to facilitate automatic watering process according soil moisture and temperature.
Implementasi Logika Fuzzy Untuk Pendukung Keputusan Sistem Penyiraman Otomatis Tanaman Anthurium Dina Meliana Saragi; Faqih Hamami; Tatang Mulyana
Jurnal Sistem Komputer dan Informatika (JSON) Vol 4, No 1 (2022): September 2022
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v4i1.4895

Abstract

Anthurium is a class of ornamental plants that are admired by many lovers of ornamental plants, this plant is cultivated on a wide scale in the floriculture industry. There are factors that support the current high price of anthurium plants, first, a unique species with a ratio of 10% of anthurium seeds that grow exactly the same as the parent. In addition, anthurium growth is very slow and difficult to care for. Other factors must be considered in the cultivation of anthurium plants, namely air temperature, humidity, sunlight, acidity (pH) and water requirements. This anthurium plant is a plant that is sensitive to water so it requires supervision of regular watering so that the plant does not die. Farmers need advanced expert knowledge in making different decisions related to agriculture, especially in dosing and timing of crop watering. Therefore, in this study, researchers designed fuzzy logic according to the needs of anthurium plants with a rule base that can change IoT sensor data in the form of DHT11 sensors and Soil Moisture Sensors FC-28 into the output of a decision on the duration of plant watering. In this stage, the process of fuzzification, inference and defuzzification. The results obtained during this research are comparative testing of 15 values from the output devices that are taken at random approximately closer to the values from the simulation with MATLAB with a total difference of 8.61% due to the difference in calculations between IoT devices and simulations with MATLAB, but this can still be categorized accurately because the output results of the MATLAB tool and simulation are still within the range of membership function values.
Analisis Sentimen Review Pengguna Website IMDB Menggunakan Klasifikasi Naïve Bayes Yuni Kardila; Oktariani Nurul Pratiwi; Faqih Hamami
eProceedings of Engineering Vol 10, No 3 (2023): Juni 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak-Website IMDB (Internet Movie Database) merupakan suatu web yang digunakan untuk menyediakan atau melihat berbagai informasi tentang jutaan film yang telah tayang, yang digunakan untuk melihat review, rating, pemeran dan kru dari film tersebut. Para pengguna baru biasanya suka melihat review pengguna lainnya sebelum menentukan film apa yang akan mereka tonton, namun semakin banyak dan semakin besar review yang diberikan akan semakin besar dampak penilaian tersebut terhadap keputusan para pengguna baru, sehingga apabila para pengguna baru tidak dapat mengartikan makna dari review yang diberikan, untuk mengatasi hal tersebut dilakukanlah analisis sentimen. Penelitian yang dilakukan kali ini bertujuan untuk menganalisa analisis sentimen terhadap movie review yang diberikan oleh pengguna website IMDB, dengan menggunakan algoritma Naïve Bayes Multinomial. Penelitian ini juga menggunakan text preprocessing, dan TF-IDF untuk meningkatkan nilai akurasi dari model tersebut. Hasil evaluasi menggunakan confusion matrix menunjukan nilai accuracy 88.93%, nilai precision 89.07%, nilai recall sebesar 89.14% dan nilai F1-Score 89.11%, dengan perbandingan data training dan testing 70:30. Hasil klasfikasi yang dilakukan menghasilkan data 7533 berlabel positif dan 7249 berlabel negatif, nilai tersebut menunjukan sebagian besar para pengguna IMDB berkomentar positif terhadap film yang mereka tonton.Kata kunci-Naïve Bayes, IMDb, sentiment analysis, text preprocessing
Analisis Penempatan Produk Retail dengan Metode Asosiasi pada Swalayan Anugrah Aprilia Mega Puspitasari; Deden Witarsyah; Faqih Hamami
eProceedings of Engineering Vol 10, No 3 (2023): Juni 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak- Perkembangan bisnis di era digital ini sangat pesat dan persaingan antar perusahaan juga semakin ketat dengan mengola strategi pemasaran yang berbeda - beda pula. Salah satu bisnis yang sering kali kita jumpai dimanapun kita tinggal yaitu bisnis ritel. Bisnis ritel merupakan bisnis yang melibatkan penjualan sebuah barang atau produk kepada konsumen dalam bentuk ecer atau satuan pada suatu toko, supermarket, swalayan, dsb. Dalam meningkatkan ketertarikan konsumen terhadap suatu produk diperlukan display toko yang tertata rapi sesuai dengan pola peminatan dan keterkaitan antar item. Algoritma Apriori tepat digunakan dalam penelitian ini berguna untuk menemukan suatu kombinasi pada produk yang muncul secara bersamaan pada setiap transaksi dengan menentukan nilai minimum support sebesar 15% dan confidence sebesar 40% dapat menghasilkan association rule berupa 1 itemset dengan nilai lift lebih dari satu, dengan kemudian agar dapat membentuk pola penempatan item tersebut pada swalayan Anugrah.Kata kunci-Algoritma apriori, ritel, asosiasi, transaksi, Rapid Miner.
Implementasi Algoritma Klasifikasi Naïve Bayes Untuk Klasifikasi Credit Scoring Pada Platform Peer-To-Peer Lending Damanik, Joel Rayapoh; Fauzi, Rahmat; Hamami, Faqih
Journal of Computer System and Informatics (JoSYC) Vol 4 No 4 (2023): August 2023
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josyc.v4i4.4059

Abstract

Di Indonesia, seiring dengan pertumbuhan fintetch mengenai P2P lending, juga timbul P2P lending ilegal yang beroperasi tanpa izin dari otoritas berwenang. Diperkirakan terdapat sekitar 400 perusahaan fintech ilegal yang beroperasi di Indonesia. Masalah umum yang dihadapi oleh platform P2P lending adalah ketidakmampuannya mengantisipasi pembayaran yang gagal oleh peminjam. Hal ini disebabkan oleh tingginya suku bunga yang diterapkan dan kurangnya seleksi terhadap peminjam dengan risiko kredit yang tinggi atau rendah. Untuk mengatasi masalah ini, diperlukan pengembangan model sistem Machine Learning yang dapat mengklasifikasikan data peminjam dan terintegrasi dengan informasi dari lembaga keuangan lainnya. Tujuannya adalah untuk menyaring calon peminjam dengan risiko kredit yang tinggi atau rendah. Salah satu model yang digunakan adalah algoritma Naïve Bayes Classifier. Metode ini berdasarkan teorema Bayes dan merupakan algoritma yang memproses klasifikasi sederhana dengan independensi variabel. Penggunaan algoritma Naïve Bayes Classifier diharapkan dapat menciptakan sistem yang membantu platform P2P lending dalam seleksi calon peminjam. Model ini akan memprediksi risiko kredit rendah atau tinggi bagi pengguna atau pelanggan P2P lending. Untuk mencapai performa klasifikasi optimal, dilakukan tuning hyperparameter pada setiap simulasi. Hyperparameter tuning adalah proses mencari nilai terbaik untuk parameter dalam model machine learning guna meningkatkan performa. Pada algoritma GaussianNB, parameter yang dituning adalah var_smoothing. Hasil tuning hyperparameter terbaik ditemukan dengan nilai var_smoothing sebesar 0.009638958856642498, dengan pembagian train_size dan test_size sebesar 70:30. Dengan konfigurasi ini, model mencapai tingkat akurasi sebesar 95%.
Co-Authors Aprilia Mega Puspitasari Damanik, Joel Rayapoh Deden Witarsyah Dimas Raihan Zein Dina Meliana Saragi Fadhil Hidayat Ferda Ayu Dwi Putri Febrianti Fetty Fitriyanti Lubis Hilda Nuraliza Ilma Nur Hidayati Iqbal Ahmad Dahlan Iqbal Ahmad Dahlan Iqbal Santosa Jody Mardika Khairunnisa Salsabila Riswanti Muhammad Azzam Imaduddin Muhammad Bryan Gutomo Putra Muhammad Hafizh Nurul Hidayati Oktariani Nurul Pratiwi Rachmadita Andreswari Rahmat Fauzi Rahmat Fauzi Riska Yanu Fa'rifah Riska Yanu Fa’rifah Ruth Sesilya Ambarita Sheva Aditya Helmayanti Silmy Sephia Nurashila Suhono Harso Supangkat Syfani Alya Fauziyyah Tatang Mulyana Tatang Mulyana Tien Fabrianti Kusumasari Vina Fadillah Yuni Kardila