Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal jurnal teknik informatika dan sistem informasi Data Sciences Indonesia (DSI)
Muhammad Al Husaini
Universitas Siliwangi
Computer Science & IT Education Physics

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Aplikasi Cerdas Berbasis Website Prediksi Harga Emas dengan Implementasi Algoritma Smoothing Time Series Forecasting Muhammad Al Husaini; Aam Hermansyah; Vega Purwayoga; Hen Hen Lukmana; Delvan Ramadhan
Data Sciences Indonesia (DSI) Vol. 2 No. 2 (2022): Research Artikel Volume 2 Issue 2, Desember 2022
Publisher : ITScience (Information Technology and Science)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v2i2.1888

Abstract

Investasi emas merupakan hal yang umum dilakukan oleh masyarakat pada saat ini. Harga emas adalah salah satu hal penting yang menjadi fokus utama dalam melakukan investasi emas yang perlu akurasi ketepatan prediksi baik dalam kurun waktu minggu, hari ataupun tahun sehingga mampu memudahkan untuk menggunakan prediksi tersebut dalam berinvestasi baik untuk membeli atau menjual emas tersebut. Aplikasi berbasis web dengan implementasi algoritma time series forecasting ini dibangun untuk memudahkan dalam prediksi harga emas dengan menggunakan metode pemulusan moving average simple exponential smoothing hingga holt’s exponential dan holt’s winter’s exponential smoothing. Metode penelitian yang digunakan pada rancang bangun aplikasi berbasis web ini menggunakan metode prototype dari pengumpulan atau analisa kebutuhan sistem, membangun prototyping, mengkodekan sistem, evaluasi sistem, pengujian sistem hingga penggunaan sistem. Implementasi menggunakan algoritma pemulusan time-series forecasting yaitu menggunakan dataset yang diambil dari application programming interface (API) https://metalpriceapi.com dengan jumlah data harga emas yang digunakan sejumlah 872 data yang dilakukan pengujian akurasi menggunakan mean absolute percentage error (MAPE) untuk menguji akurasi data aktual dan prediksi dari ketiga algoritma tersebut yaitu dengan menghasilkan 5,517 % untuk metode simple exponential smoothing, 4,93 % pada metode holt’s exponential smoothing, dan 2,78 % untuk holt’s winter’s exponential smoothing. Penggunaan algoritma holt’s-winter’s menghasilkan akurasi yang lebih baik dari kedua algoritma sebelumnya dengan persentase akurasi yang baik berdasarkan pengujian akurasi mean absolute percentage error dengan nilai pengujian kurang dari 5 %.
Visualisasi Skyline Query untuk Distribusi Tenaga Kesehatan COVID-19 Vega Purwayoga; Muhammad Al Husaini; Hen Hen Lukmana
Jurnal Teknik Informatika dan Sistem Informasi Vol 9 No 1 (2023): JuTISI (in progress)
Publisher : Maranatha University Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28932/jutisi.v9i1.5624

Abstract

The use of health workers in areas with minimal risk can be a solution to help areas with a high risk of spreading COVID-19. Selection of low risk areas can be done by measuring the level of risk in an area. One solution is to use the skyline query algorithm. Skyline query is able to recommend which areas are potential to serve as supporting areas for health workers. Skyline query is able to produce a recommendation model for determining the supporting area for health workers, however, in the process of reading the information, it is necessary to extract the information. Extraction is carried out by developing a system for visualizing the skyline query as a recommendation system for health personnel assistance. This study develops a visualization system using a hybrid approach, which combines the Rapid GIS Development Cycle (RGDC) and Navigational Development Techniques (NDT) methods. The system was developed using R and the shiny library, ggplot2, rpref and leaflets. The system can work as expected, such as displaying a map of the recommended area to become a supporting area, visualizing data with ggplots and visualizing dominance testing on the skyline query.
Co-Authors Aam Hermansyah Delvan Ramadhan Hen Hen Lukmana Purwayoga, Vega