Article Per Year (5 Year)
p-Index From 2019 - 2024
1.857
P-Index
This Author published in this journals
All Journal JSI: Jurnal Sistem Informasi (E-Journal) Jurnal Pseudocode Jurnal Informatika Upgris JSAI (Journal Scientific and Applied Informatics) Journal of Technopreneurship and Information System (JTIS) Jurnal Ilmu Komputer Dan Informatika JPMTT (Jurnal Pengabdian Masyarakat Teknologi Terbarukan)
Muhammad Husni Rifqo
Universitas Muhammadiyah Bengkulu
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Library & Information Science Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Pseudocode

 1 
Implementasi Algoritme Boyer-Moore pada Aplikasi Kamus Istilah Komputer Berbasis Android Muhammad Husni Rifqo; Andilala Andilala
Jurnal Pseudocode Vol 7, No 1 (2020): Volume 7 Nomor 1 Februari 2020
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (743.414 KB) | DOI: 10.33369/pseudocode.7.1.69-77

Abstract

Abstrak: String Matching merupakan proses pencocokan string untuk menemukan kesamaan antara teks dan pattern. Pada proses pencarian kata pada aplikasi Kamus android terbilang sulit, dikarenakan banyaknya data didalam database, sehingga proses pencarian tersebut cukup lama jika dicari satu persatu. Untuk pemecahan masalah tersebut, salah satu algoritme string matching yang digunakan adalah algoritme Boyer-Moore karena algoritme ini merupakan algoritme string matching yang paling efesien dibandingkan algoritme-algoritme string matching lainnya. Tujuan penelitian ini ialah menerapkan algoritme Boyer-Moore pada aplikasi kamus komputer. Adapun manfaat penelitian ini diharapkan dapat mempermudah khususnya bagi mahasiswa Fakultas Teknik untuk mencari kata-kata istilah komputer untuk media pembelajaran. Diharapkan aplikasi ini mendapat tanggapan yang baik bagi pengguna supaya bisa dikembangkan lagi kedepannya. Aplikasi ini masih terdapat kekurangan dan dapat dikembangkan lagi kedepannya, seperti pencariannya tidak otomatis huruf besar dan kecilnya, bisa juga dikembangkan berbagai macam kamus lainnya seperti kamus obat, beladiri, bahasa daerah dan lain sebagainya.Kata Kunci: String matching, Boyer-Moore, Aplikasi, Kamus, Android
Implementasi Algoritme Naïve Bayes Berbasis Particle Swarm Optimization Dalam Penentuan Pemberian Kredit Muhammad Husni Rifqo; Nuri David Maria Veronica
Jurnal Pseudocode Vol 6, No 1 (2019): Volume 6 Nomor 1 Februari 2019
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (979.446 KB) | DOI: 10.33369/pseudocode.6.1.1-12

Abstract

Sewa guna usaha (leasing) atau sering disingkat SGU adalah kegiatan pembiayaan dalam bentuk penyediaan barang modal baik secara sewa guna usaha dengan hak opsi (finance lease) maupun sewa guna usaha (lessee) selama jangka waktu tertentu berdasarkan pembayaran secara angsuran, kegiatan ini bisa dikatakan sebagai kegiatan kredit, kredit adalah penyediaan uang atau tagihan yang dapat dipersamakan dengan itu, berdasarkan persetujuan atau kesepakatan pinjam meminjam antara lembaga keuangan dengan pihak lain yang mewajibkan pihak peminjam melunasi utangnya setelah jangka waktu tertentu dengan pemberian bunga.Pengajuan aplikasi kredit oleh calon pelanggan sekarang sangatlah mudah, hal ini dikarenakan pengajuan kredit bisa dilakukan oleh semua orang sepanjang memenuhi syarat tertentu. Persaingan perusahaan penyedia kredit menjadi sangat pesat dan prediksi konsumen kredit adalah hal yang sangat penting. Dari permasalahan ini diperlukan suatu model yang mampu mengklasifikasikan sekaligus memprediksi pelanggan mana saja yang bermasalah dan tidak bermasalah. Model Naïve Bayes berbasis Particle Swarm Optimization (PSO) ternyata mampu meningkatkan akurasi dalam menganalisa kelayakan kredit, semakin besar data set yang digunakan maka akurasi model Naïve Bayes berbasis Particle Swarm Optimization (PSO) akan semakin meningkat, akurasi yang didapat oleh model ini untuk data set yang digunakan adalah: Agiing 2010 (96,75%), Agiing 2011 (97,95%), Japan credit approval (84,77%) dan Australia credit approval (87,83%).Kata Kunci: Analisa kredit, penilaian kredit, Naïve Bayes berbasis PSO.
Co-Authors Ahmad Leo Andi Lala Andilala, Andilala Dedy Agung Prabowo Deslianti, Dwita Firmansyah Firmansyah Heni Aprianti Jaka Dernata Muflih Haura Nuri David Maria Veronica Pahrizal, Pahrizal Putra, Erwin Dwika