Article Per Year (5 Year)
p-Index From 2019 - 2024
2.147
P-Index
This Author published in this journals
All Journal ILKOM Jurnal Ilmiah Indonesian Journal of Data and Science Buletin Sistem Informasi dan Teknologi Islam Ilmu Komputer untuk Masyarakat
Manga, Abdul Rachman
Univeristas Muslim Indonesia
Computer Science & IT Decision Sciences, Operations Research & Management Mathematics Other

Published : 17 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search
Journal : ILKOM Jurnal Ilmiah

 1 
SISTEM TRACER STUDY ALUMNI FAKULTAS ILMU KOMPUTER UNIVERSITAS MUSLIM INDONESIA MENGGUNAKAN METODE ON-LINE ANALITYCAL PROCESSING (OLAP) Syam, Aminurlah; Manga, Abdul Rachman
ILKOM Jurnal Ilmiah Vol 9, No 1 (2017)
Publisher : Program Studi Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (980.29 KB)

Abstract

Penyimpanan data secara rutin dan terus menerus data alumni Fakultas Ilmu Komputer dapat menimbulkan penumpukan data. Seperti data quesioner alumni yang menjadi salah satu masalah dalam melakukan inputan dikarenakan terkendala jarak. Selama ini pihak fakultas harus mecari data alumni yang telah bekerja atau berada diluar daerah. Sistem yang berbasis website tersebut akan menggunakan data warehouse dan penerapan metode Online Analitycal Processing (OLAP) yang nantinya akan berfungsi sebagai laporan dari data alumni dalam bentuk grafik. Dalam penelitiannya ini data warehouse dirender kedalam metode OLAP yang menghasilkan laporan dalam bentuk grafik. Sistem berbasis website juga memudahkan staff kemahasiswaan dan alumni dalam melakukan inputan karena bisa dilakukan dimanapun dengan adanya koneksi internet
Rekomendasi Pembelian Personal Komputer dengan Metode Ranked Clustering Shabir, Fadly; Manga, Abdul Rachman
ILKOM Jurnal Ilmiah Vol 8, No 2 (2016)
Publisher : Program Studi Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (581.53 KB)

Abstract

Perkembangan teknologi berdampak pada persaingan perusahaan yang cukup ketat, produksi yang beragam dan variatif membuat produk komputer memiliki banyak spesifikasi yang berbeda, tentu hal itu akan semakin menyulitkan bagian pemasaran dalam mempromosikan produk komputer. Penelitian ini bertujuan untuk merekomendasikan komputer dengan spesifikasi yang diinginkan oleh calon pembeli, dengan cara menganalisa basis data produk komputer untuk kemudian di klasifikasi berdasarkan karakteristik tertentu. Implementasi Recommendation system ini menggunakan algoritma AHP dan algoritma K-means, dimana metode untuk proses ranking menggunakan AHP dengan menganalisa basis data produk komputer dan analisis kluster untuk mengelompokkan individu atau objek menjadi beberapa kelompok yang sama mempunyai kemiripan satu dengan yang lain di bandingkan dengan anggota cluster lain. Hasil dari kombinasi algoritma AHP dan K-Means yaitu rekomendasi produk komputer lebih variatif. Pengolahan data menggunakan kombinasi algoritma AHP dan K-Means menghasilkan rekomendasi produk kepada pengguna yang lebih heterogen dibandingkan dengan rekomendasi produk dari data yang diolah hanya menggunakan algoritma AHP tanpa di-cluster K-Means. Sehingga dapat ditarik kesimpulan bahwa proses clustering akan menghasilkan kaidah-kaidah asosiasi dengan kualitas yang lebih baik.
Rekomendasi Pembelian Personal Komputer dengan Metode Ranked Clustering Fadly Shabir; Abdul Rachman Manga
ILKOM Jurnal Ilmiah Vol 8, No 2 (2016)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v8i2.55.119-125

Abstract

Perkembangan teknologi berdampak pada persaingan perusahaan yang cukup ketat, produksi yang beragam dan variatif membuat produk komputer memiliki banyak spesifikasi yang berbeda, tentu hal itu akan semakin menyulitkan bagian pemasaran dalam mempromosikan produk komputer. Penelitian ini bertujuan untuk merekomendasikan komputer dengan spesifikasi yang diinginkan oleh calon pembeli, dengan cara menganalisa basis data produk komputer untuk kemudian di klasifikasi berdasarkan karakteristik tertentu. Implementasi Recommendation system ini menggunakan algoritma AHP dan algoritma K-means, dimana metode untuk proses ranking menggunakan AHP dengan menganalisa basis data produk komputer dan analisis kluster untuk mengelompokkan individu atau objek menjadi beberapa kelompok yang sama mempunyai kemiripan satu dengan yang lain di bandingkan dengan anggota cluster lain. Hasil dari kombinasi algoritma AHP dan K-Means yaitu rekomendasi produk komputer lebih variatif. Pengolahan data menggunakan kombinasi algoritma AHP dan K-Means menghasilkan rekomendasi produk kepada pengguna yang lebih heterogen dibandingkan dengan rekomendasi produk dari data yang diolah hanya menggunakan algoritma AHP tanpa di-cluster K-Means. Sehingga dapat ditarik kesimpulan bahwa proses clustering akan menghasilkan kaidah-kaidah asosiasi dengan kualitas yang lebih baik.
Classification of Coffee Bean Defects Using Gray-Level Co-Occurrence Matrix and K-Nearest Neighbor Mila Jumarlis; Mirfan Mirfan; Abdul Rachman Manga
ILKOM Jurnal Ilmiah Vol 14, No 1 (2022)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

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

Abstract

Defects in coffee beans can significantly affect the quality of coffee production so that defects in coffee beans can cause a decreasing the level of coffee production. The purpose of this study is to implement the GLCM (gray-level co-occurrence matrix) and the K-NN (k-nearest neighbor) method on a web-based program and provided a website to detect coffee bean defects. This study uses the GLCM algorithm to extract the features of the coffee images and uses the K-NN algorithm to classify the defect level of coffee beans. The system development was built using Unified Modeling Language. The development of this website was utilized the programming structure of PHP, HTML, CSS, Javascript, Mozilla Firefox as a browser for the website and MySql for the database management systems. The results show that the system can provide the output in the form of a classification level of the defect level of the coffee bean images. Then, the accuracy of the coffee bean defect assessment was achieved by 90%. Finally, this study concluded that the proposed system could help the coffee farmers determine the defect level of the coffee beans using images input.
SISTEM TRACER STUDY ALUMNI FAKULTAS ILMU KOMPUTER UNIVERSITAS MUSLIM INDONESIA MENGGUNAKAN METODE ON-LINE ANALITYCAL PROCESSING (OLAP) Aminurlah Syam; Abdul Rachman Manga
ILKOM Jurnal Ilmiah Vol 9, No 1 (2017)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v9i1.114.86-90

Abstract

Penyimpanan data secara rutin dan terus menerus data alumni Fakultas Ilmu Komputer dapat menimbulkan penumpukan data. Seperti data quesioner alumni yang menjadi salah satu masalah dalam melakukan inputan dikarenakan terkendala jarak. Selama ini pihak fakultas harus mecari data alumni yang telah bekerja atau berada diluar daerah. Sistem yang berbasis website tersebut akan menggunakan data warehouse dan penerapan metode Online Analitycal Processing (OLAP) yang nantinya akan berfungsi sebagai laporan dari data alumni dalam bentuk grafik. Dalam penelitiannya ini data warehouse dirender kedalam metode OLAP yang menghasilkan laporan dalam bentuk grafik. Sistem berbasis website juga memudahkan staff kemahasiswaan dan alumni dalam melakukan inputan karena bisa dilakukan dimanapun dengan adanya koneksi internet
Detection System of Strawberry Ripeness Using K-Means Dolly Indra; Ramdan Satra; Huzain Azis; Abdul Rachman Manga; Harlinda L
ILKOM Jurnal Ilmiah Vol 14, No 1 (2022)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v14i1.1054.33-39

Abstract

Strawberry is one type of fruit that is favored by the people of Indonesia. The detection process to identify strawberries can be done by utilizing advances in computer technology, One of them is in the field of digital image processing. In this study, we made a strawberry ripeness detection system using the values of Red, Green and Blue as the reference values, while for identification in determining the type of classification using the K-Means algorithm that uses the Euclidean distance difference as the reference. Based on the results of testing using the K-Means algorithm on 51 strawberry images consisting of ripe, semi ripe and raw fruit yielding an accuracy rate of 82.14%, we also conducted tests other than strawberry images as many as 8 images yielded an accuracy rate of 100%.
Co-Authors Adriawan Amrullah Aminurlah Syam Andi Muh Afdal Asman Haris Dedy Atmajaya Dolly Indra Fadly Shabir Farniwati Fattah Harlinda Lahuddin JUMARLIS, MILA Listyan Nur Saida Mirfan Muh Syawal Muhammad Arfah Asis Nabila Vita Dewi Nurhalima Nurhalima Poetri Lestari Lokapitasari Belluano Purnawansyah Purnawansyah Ramdan Satra Shabir, Fadly Siska Anraeni Subhan Ardhiman Syam, Aminurlah Syamsumarlin Syamsumarlin Tasrif Hasanuddin Yulita Salim