Garuda - Garba Rujukan Digital

Penerapan Metode Analytical Hierarchy Process (AHP) Pada Penilaian Pegawai Teladan Muliawan, Agung; Sabilirrasyad, Iqbal; Fauziah, Difari Afreyna
Journal of Digital Literacy and Volunteering Vol. 2 No. 2 (2024): July
Publisher : Puslitbang Akademi Relawan TIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57119/litdig.v2i2.76

One of the factors supporting the success of a business place is productive employees who have maintained and improved qualification standards. The company's appreciation for exemplary employees can be given by giving gifts or awards. Employee performance assessment can be done to determine employees who are qualified and highly dedicated to the company. However, many companies experience difficulties in evaluating employee performance because the calculations are still manual so that they are less effective and objective, one of which is SMK Visi Global Jember. The research will apply the Analytical Hierarchy Process (AHP) method in determining the best employees at SMK Visi Global Jember so that the selection process is right on target with the needs of the criteria given. The required criteria include honesty, loyalty, commitment, discipline and cooperation which will be processed to produce the highest rank for determining recommendations for exemplary employees. The results of this study produce a Consistency Ratio (CR) value of 0.083 so that the value of giving preferences is consistent and can be used in determining exemplary employees at SMK Visi Global Jember

Penerapan Metode Analytical Hierarchy Process (AHP) Pada Penilaian Pegawai Teladan Muliawan, Agung; Sabilirrasyad, Iqbal; Fauziah, Difari Afreyna
Journal of Digital Literacy and Volunteering Vol. 2 No. 2 (2024): July
Publisher : Puslitbang Akademi Relawan TIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57119/litdig.v2i2.76

One of the factors supporting the success of a business place is productive employees who have maintained and improved qualification standards. The company's appreciation for exemplary employees can be given by giving gifts or awards. Employee performance assessment can be done to determine employees who are qualified and highly dedicated to the company. However, many companies experience difficulties in evaluating employee performance because the calculations are still manual so that they are less effective and objective, one of which is SMK Visi Global Jember. The research will apply the Analytical Hierarchy Process (AHP) method in determining the best employees at SMK Visi Global Jember so that the selection process is right on target with the needs of the criteria given. The required criteria include honesty, loyalty, commitment, discipline and cooperation which will be processed to produce the highest rank for determining recommendations for exemplary employees. The results of this study produce a Consistency Ratio (CR) value of 0.083 so that the value of giving preferences is consistent and can be used in determining exemplary employees at SMK Visi Global Jember

Implementasi Artificial Intelligence untuk Prediksi Penyakit Jantung dengan Pendekatan Explainable AI Bima Wahyu Maulana; Agung Muliawan; Muhammad Hafidh Firmansyah; Angga Dwinanda; Difari Afreyna Fauziah
Insand Comtech : Information Science and Computer Technology Journal Vol. 11 No. 1 (2026): Insand Comtech
Publisher : Universitas Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53712/jic.v11i1.2972

Fokus utama penelitian ini adalah rancang bangun sistem prediksi penyakit kardiovaskular dengan mengimplementasikan algoritma Random Forest. Guna mengatasi masalah "kotak hitam" pada kecerdasan buatan, studi ini mengintegrasikan pendekatan Explainable Artificial Intelligence (XAI) melalui metode SHAP (SHapley Additive exPlanations) untuk memperkuat aspek transparansi model. Analisis dilakukan menggunakan data sekunder dari Heart Disease UCI Dataset, yang mencakup variabel klinis esensial seperti usia, gender, tekanan darah, hingga kadar kolesterol. Siklus riset dimulai dari tahap pra-pemrosesan data, distribusi data latih dan uji, hingga fase konstruksi model. Evaluasi efektivitas sistem diukur menggunakan metrik akurasi, precision, recall, dan F1-score. Temuan empiris menunjukkan bahwa model mampu menghasilkan tingkat akurasi sebesar 83%, dengan kapabilitas klasifikasi yang stabil baik pada pasien positif maupun negatif penyakit jantung. Lebih lanjut, penerapan SHAP mengungkap bahwa variabel oldpeak, thalach, dan ca menjadi determinan paling krusial dalam pembentukan prediksi. Menariknya, fitur seperti kolesterol tidak selalu memberikan dampak linier langsung, melainkan bekerja melalui interaksi kompleks dengan atribut lainnya. Secara keseluruhan, integrasi XAI dalam studi ini terbukti meningkatkan interpretabilitas model machine learning. Hal ini diharapkan dapat memberikan landasan klinis yang lebih kuat bagi tenaga medis dalam proses pengambilan keputusan serta mempertebal kepercayaan terhadap sistem diagnostik berbasis AI.

Strategi Retensi Pelanggan Berbasis Historis: Optimalisasi Model Prediksi Churn Menggunakan Machine Learning Abdul Wahid; Agung Muliawan
SemanTIK : Teknik Informasi Vol. 11 No. 2 (2025): SemanTIK : Teknik Informasi
Publisher : Informatics Engineering Department of Halu Oleo University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55679/semantik.v11i2.237

Retensi pelanggan merupakan aspek strategis yang sangat penting dalam menjaga keberlanjutan bisnis, terutama di era kompetisi yang semakin ketat. Penelitian ini berfokus pada upaya optimalisasi model prediksi customer churn berbasis riwayat historis pelanggan dengan memanfaatkan pendekatan machine learning. Dua algoritma utama yang digunakan adalah Support Vector Machine (SVM) dan Jaringan Saraf Tiruan (Artificial Neural Network/ANN) sebagai representasi dari metode ANN. Untuk meningkatkan performa prediksi, diterapkan pula teknik ensemble classifier berupa bagging dan boosting. Guna mengatasi kompleksitas data dan mengurangi risiko overfitting, digunakan teknik dimensionality reduction melalui Principal Component Analysis (PCA). Dataset yang digunakan mencakup berbagai variabel penting seperti data demografis, perilaku pembelian, serta interaksi pelanggan dengan perusahaan. Hasil penelitian menunjukkan bahwa penerapan PCA mampu meningkatkan akurasi model, di mana ANN mencapai 92,37% dan SVM 85,13%. Penerapan metode boosting meningkatkan performa menjadi 93,34% untuk ANN dan 92,73% untuk SVM, sedangkan hasil terbaik diperoleh melalui bagging dengan akurasi 94,38% dan 94,15%. Temuan ini membuktikan bahwa kombinasi antara reduksi dimensi dan ensemble classifier dapat secara signifikan meningkatkan ketepatan prediksi customer churn, sehingga mendukung pengambilan keputusan strategis dan penyusunan strategi retensi pelanggan yang lebih proaktif, terukur, dan efektif. Customer retention is a very important strategic aspect in maintaining business sustainability, especially in an era of increasingly fierce competition. This study focuses on optimizing the customer churn prediction model based on customer historical data by utilizing a machine learning approach. The two main algorithms used are Support Vector Machine (SVM) and Artificial Neural Network (ANN) as representations of ANN methods. To improve prediction performance, ensemble classifier techniques such as bagging and boosting were also applied. To overcome data complexity and reduce the risk of overfitting, dimensionality reduction techniques were used through Principal Component Analysis (PCA). The dataset used included various important variables such as demographic data, purchasing behavior, and customer interactions with the company. The results show that the application of PCA improves model accuracy, with ANN reaching 92.37% and SVM 85.13%. The application of the boosting method improves performance to 93.34% for ANN and 92.73% for SVM, while the best results are obtained through bagging with an accuracy of 94.38% and 94.15%. These findings prove that the combination of dimension reduction and ensemble classifiers can significantly improve the accuracy of churn prediction, thereby supporting strategic decision-making and the development of more proactive, measurable, and effective customer retention strategies.

Deteksi Deepfake dalam Mitigasi Risiko Disinformasi Digital menggunakan Metode Multi-Task Cascaded Convolutional Network dan Mobilenetv2 di Indonesia Helmi Agus Salim; Agung Muliawan; Difari Afreyna Fauziah
SemanTIK : Teknik Informasi Vol. 11 No. 2 (2025): SemanTIK : Teknik Informasi
Publisher : Informatics Engineering Department of Halu Oleo University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55679/semantik.v11i2.239

Disinformasi digital yang semakin marak melalui penyebaran konten deepfake telah menjadi tantangan serius di era transformasi digital, khususnya di Indonesia. Penelitian ini bertujuan untuk mengembangkan dan membandingkan kinerja dua metode deteksi deepfake berbasis deep learning, yaitu Multi-Task Cascaded Convolutional Network (MTCNN) dan MobileNetV2. Penelitian difokuskan pada deteksi manipulasi citra wajah dengan memanfaatkan kekuatan ekstraksi fitur dari MTCNN dan efisiensi arsitektur ringan MobileNetV2. Proses penelitian melibatkan tahapan pre-processing data menggunakan metode ekstraksi wajah, pelatihan model klasifikasi biner, serta evaluasi performa melalui confusion matrix. Hasil penelitian menunjukkan bahwa MTCNN menghasilkan performa klasifikasi yang lebih baik dibandingkan MobileNetV2, dengan akurasi sebesar 84% dan nilai True Positive serta True Negative yang lebih tinggi. Sebaliknya, MobileNetV2 hanya mampu mencapai akurasi 78,5%, disertai tingkat False Negative dan False Positive yang lebih besar. Temuan ini menunjukkan bahwa MTCNN memiliki keunggulan dalam mendeteksi konten deepfake secara lebih akurat berkat kemampuan ekstraksi fitur wajah yang lebih presisi. Di sisi lain, MobileNetV2 menawarkan kecepatan dan efisiensi pengolahan data, namun kurang optimal untuk mendeteksi manipulasi detail pada wajah. Berdasarkan hasil penelitian, disimpulkan bahwa MTCNN lebih direkomendasikan sebagai metode deteksi deepfake dalam upaya mitigasi risiko disinformasi digital di Indonesia, terutama pada skenario yang menuntut akurasi tinggi. Increasingly widespread digital disinformation through the spread of deepfake content has become a serious challenge in the era of digital transformation, especially in Indonesia. This research aims to develop and compare the performance of two deep learning-based deepfake detection methods, namely Multi-Task Cascaded Convolutional Net-work (MTCNN) and MobileNetV2. The research focused on facial im-age manipulation detection by utilizing the feature extraction power of MTCNN and the lightweight architectural efficiency of MobileNetV2. The research process involved data pre-processing using face extraction methods, binary classification model training, and performance evalua-tion through confusion matrix. The results showed that MTCNN pro-duced better classification performance than MobileNetV2, with 84% accuracy and higher True Positive and True Negative values. In con-trast, Mo-bileNetV2 was only able to achieve 78.5% accuracy, along with higher False Negative and False Positive rates. The findings show that MTCNN has the advantage of detecting deepfake content more accurately thanks to its more precise facial feature extraction capabili-ties. On the other hand, MobileNetV2 offers speed and efficiency in data processing, but is less optimum for detecting manipulation of faci-al details. Based on the results, it is concluded that MTCNN is more recommended as a deepfake detection method in an effort to mitigate the risk of digital disinformation in Indonesia, especially in scenarios that demand high accuracy

Explainable Machine Learning for Credit Risk Prediction as Support for Risk Management Decision-Making: Explainable Machine Learning untuk Prediksi Risiko Kredit sebagai Pendukung Pengambilan Keputusan Manajemen Risiko Jamilatu Badriyah; Agung Muliawan
Journal of Vocational Education and Information Technology (JVEIT) Vol. 7 No. 1 (2026): Jurnal JVEIT : Vol 7 No 1 2026
Publisher : Lembaga Pengembangan dan Inovasi Universitas Dharmas Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56667/jveit.v7i1.2433

Risiko kredit merupakan salah satu risiko utama yang dihadapi lembaga keuangan akibat potensi gagal bayar (default) nasabah. Prediksi risiko kredit yang akurat dan transparan diperlukan untuk mendukung pengambilan keputusan manajemen risiko berbasis data. Penelitian ini bertujuan membangun model prediksi risiko kredit menggunakan pendekatan Explainable Machine Learning pada Taiwan Credit Card Clients Dataset. Tahapan penelitian meliputi data preprocessing, penanganan ketidakseimbangan data menggunakan Synthetic Minority Over-sampling Technique (SMOTE), optimasi hiperparameter menggunakan RandomizedSearchCV dengan 3-fold cross-validation, serta pelatihan model menggunakan algoritma Extreme Gradient Boosting (XGBoost). Evaluasi model menunjukkan nilai Accuracy sebesar 80,65%, Precision 59,39%, Recall 39,56%, F1-Score 47,49%, dan ROC-AUC 75,54%, yang menunjukkan bahwa model memiliki kemampuan klasifikasi dan diskriminasi yang cukup baik dalam membedakan nasabah berisiko default dan tidak default. Interpretasi model menggunakan SHapley Additive exPlanations (SHAP) menunjukkan bahwa PAY_0, LIMIT_BAL, AGE, serta riwayat pembayaran dan jumlah pembayaran nasabah merupakan faktor-faktor yang paling berpengaruh terhadap prediksi risiko kredit. Hasil penelitian ini menunjukkan bahwa kombinasi XGBoost dan SHAP tidak hanya menghasilkan model prediksi dengan performa yang baik, tetapi juga meningkatkan transparansi dalam menjelaskan faktor-faktor yang memengaruhi risiko kredit. Temuan tersebut diharapkan dapat menjadi dasar bagi lembaga keuangan dalam menyusun strategi manajemen risiko kredit yang lebih akurat, objektif, dan berbasis data.

Title

Found 16 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 16 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 16 Documents
Search