Article Per Year (5 Year)
p-Index From 2021 - 2026
2.319
P-Index
This Author published in this journals
All Journal JURTEKSI JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Jurnal Pengabdian kepada Masyarakat Nusantara Jurnal Sains Student Research Jurnal of Information Technology and Society (JITS) Jurnal Ilmiah Nusantara JURNAL AKADEMIK EKONOMI DAN MANAJEMEN Riau Jurnal Teknik Informatika Mars: Jurnal Teknik Mesin, Industri, Elektro dan Ilmu Komputer Journal of Informatics and Vocational Education
Arvi Pramudyantoro
Universitas Muhammadiyah Bangka Belitung
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Social Sciences Other

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 15 Documents
Search

 1   2 
Face Recognition-Based Attendance System for Village Officials Using YOLOv8n, ArcFace, and Web-Based Microservice Architecture Wenni Siswanti; Zikri Wahyuzi; Arvi Pramudyantoro
Journal of Informatics and Vocational Education Vol. 9 No. 3 (2026): November 2026
Publisher : Informatics Education Department, Faculty of Teacher Training and Education, Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/joive.v9i3.3516

Abstract

The attendance system at Bencah Village has been conducted manually, creating vulnerability to data manipulation, recording errors, and lack of transparency in managing village official attendance data. This study aimed to design and develop a face recognition-based attendance system for Bencah Village officials using deep learning technology, implemented as a web-based platform. The system was developed using the Waterfall Software Development Life Cycle (SDLC) model with a layered microservice architecture, integrating face detection using the lightweight YOLOv8n model, face feature extraction using InsightFace buffalo_l with the ArcFace approach generating 512-dimensional embedding vectors, and identity matching using cosine similarity with a threshold of 0.5. The backend was built with Laravel 12 and Python Flask, containerized using Docker and communicating via REST API. Functional testing using the black-box testing method on 25 main system functions confirmed that all functions performed as expected. Face recognition performance evaluation on 30 test data yielded a Recognition Accuracy of 93.33%, a False Acceptance Rate (FAR) of 0%, and a False Rejection Rate (FRR) of 10%. The FAR of 0% confirmed the system successfully prevented unauthorized identity acceptance, which is critical for attendance data integrity. These results demonstrate the system is feasible as a biometric attendance solution for village government environments.
PENGENALAN POLA KASUS POTENSI BANJIR DI PANGKALPINANG DENGAN ALGORITMA RANDOM FOREST DAN XGBOOST MENGGUNAKAN GOOGLE EARTH ENGINE Randi Atul Aufa; Eka Altiarika; Arvi Pramudyantoro; Yudistira Bagus Pratama; Zikri Wahyuzi
Jurnal Teknologi Informasi dan Masyarakat Vol 3 No 1 (2025): Journal of Information Technology and Society (JITS)
Publisher : Universitas Muhammadiyah Bangka Belitung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35438/jits.v3i1.1415

Abstract

Banjir merupakan bencana yang sering terjadi di Kota Pangkalpinang dan menimbulkan dampak sosial serta ekonomi yang signifikan. Setiap tahun, curah hujan tinggi dan elevasi wilayah yang rendah menyebabkan genangan air di berbagai titik, mengganggu aktivitas masyarakat dan infrastruktur kota. Oleh karena itu, diperlukan sistem peringatan dini yang efektif berbasis teknologi untuk mengenali pola potensi banjir secara akurat dan cepat. Penelitian ini bertujuan untuk mengenali pola kasus banjir dengan menggabungkan data historis lingkungan dan iklim menggunakan algoritma pembelajaran mesin melalui platform Google Earth Engine (GEE). Metode yang digunakan dalam penelitian ini meliputi pengumpulan data spasial dan klimatologis dari GEE, seperti curah hujan, kelembapan tanah, suhu permukaan, tutupan lahan, dan elevasi. Data selanjutnya diproses menggunakan Google Colab, termasuk tahapan preprocessing dan feature engineering. Algoritma Random Forest dan XGBoost digunakan dalam pendekatan ensemble learning dengan metode soft voting. Data dibagi menjadi 80% untuk pelatihan dan 20% untuk pengujian. Evaluasi model dilakukan menggunakan metrik Accuracy, Precision, Recall, dan F1 Score. Hasil penelitian menunjukkan bahwa model memiliki performa tinggi dengan Accuracy 0.98, Precision 0.97, Recall 0.99 dan F1 Score 0.98. Prediksi potensi banjir tahun 2025–2030 menunjukkan tren perubahan jumlah titik banjir dengan probabilitas tinggi setiap tahunnya. Visualisasi pengenalan pola potensi banjir dalam bentuk peta interaktif di GEE mempermudah analisis spasial dan mendukung pengambilan keputusan mitigasi. Penelitian ini diharapkan dapat menjadi solusi praktis dalam peringatan dini dan strategi adaptasi terhadap bencana banjir.
Perbandingan Sentimen Komentar Youtube pada Video Promosi Bisnis Kuliner di Bangka Belitung Menggunakan Algoritma Machine Learning Al Ahfaz Reza Ramdani; Yudistira Bagus Pratama; Arvi Pramudyantoro; Eka Altiarika; Zikri Wahyuzi
Jurnal Teknologi Informasi dan Masyarakat Vol 3 No 1 (2025): Journal of Information Technology and Society (JITS)
Publisher : Universitas Muhammadiyah Bangka Belitung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35438/jits.v3i1.1416

Abstract

Penelitian ini membandingkan sentimen komentar youtube pada video promosi bisnis kuliner di Bangka Belitung menggunakan algoritma machine learning. Penelitian ini bertujuan untuk memahami persepsi masyarakat terhadap bisnis kuliner lokal yang tersebar di platform youtube, serta mengetahui algoritma mana yang lebih efektif dalam mengklasifikasikan sentimen komentar. Metode yang digunakan adalah analisis sentimen dengan pendekatan kualitatif. Algoritma machine learning yang digunakan adalah Support Vector Machine (SVM) dan Naïve Bayes. Data diperoleh melalui proses web scraping terhadap 27 video kuliner khas Bangka Belitung, seperti lempah kuning, mie Koba, otak-otak, dan martabak Bangka, yang kemudian dikumpulkan menjadi 13.692 komentar. Komentar-komentar tersebut diproses melalui tahapan preprocessing, seperti case folding, penghapusan simbol dan angka, tokenisasi, stopword removal, serta stemming. Setelah itu, dilakukan pelabelan sentimen secara manual dan otomatis untuk mengklasifikasikan komentar ke dalam kategori positif, negatif, dan netral. Model klasifikasi kemudian dibangun menggunakan algoritma SVM dan Naïve Bayes, dan dilakukan evaluasi menggunakan metrik akurasi, presisi, recall, dan f1-score. Hasil evaluasi menunjukkan bahwa SVM memiliki akurasi lebih tinggi (86.55%) dibandingkan Naïve Bayes (84.63%). Hasil penelitian menunjukkan bahwa mayoritas komentar memiliki sentimen netral, dengan sedikit komentar positif dan negatif. Penelitian ini memberikan wawasan tentang sentimen masyarakat terhadap bisnis kuliner di Bangka Belitung, yang dapat bermanfaat bagi pelaku bisnis kuliner dalam meningkatkan strategi pemasaran dan pelayanan mereka.
PENGENALAN POLA PREDIKSI POTENSI KASUS KEBAKARAN HUTAN DAN LAHAN DI BANGKA SELATAN DENGAN ALGORITMA RANDOM FOREST MENGGUNAKAN GOOGLE EARTH ENGINE A. Resti Supraeni resti; Yudistira Bagus Pratama; Arvi Pramudyantoro
Jurnal Teknologi Informasi dan Masyarakat Vol 3 No 2 (2025): Journal of Information Technology and Society (JITS)
Publisher : Universitas Muhammadiyah Bangka Belitung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35438/jits.v3i2.1430

Abstract

Kebakaran hutan dan lahan di Kabupaten Bangka Selatan terjadi hampir setiap tahun dan menimbulkan dampak serius terhadap lingkungan, kesehatan, dan aktivitas masyarakat. Penelitian ini bertujuan memprediksi potensi kebakaran serta mengenali pola penyebabnya menggunakan data penginderaan jauh multitemporal dan algoritma Random Forest melalui Google Earth Engine (GEE). Data lingkungan yang digunakan meliputi suhu permukaan (LST), indeks vegetasi (NDVI), curah hujan (CHIRPS), indeks kekeringan (SPI-30), topografi (slope dan aspect), dan tutupan lahan untuk periode 2010–2020. Data diproses melalui tahap pra-pemrosesan, pembuatan citra multiband, pelatihan model, dan evaluasi menggunakan confusion matrix. Hasil penelitian menunjukkan bahwa model Random Forest memiliki performa sangat baik dengan akurasi 96,31%. Prediksi spasial menunjukkan pola wilayah rawan kebakaran yang konsisten, terutama pada area dengan suhu tinggi, vegetasi rendah, serta curah hujan rendah. Hasil ini dapat menjadi dasar bagi BPBD dan DAMKAR Bangka Selatan dalam peringatan dini dan mitigasi kebakaran yang lebih tepat sasaran.
Pelatihan Pembuatan Media Pembelajaran Digital Berbantuan Canva Bagi Guru SDN 2 Lepar Vika Martahayu; Arvi Pramudyantoro; Nurzaidah Putri Dalimunthe; Andesta Granitio Irwan; Ari Juliansyah
Jurnal Pengabdian kepada Masyarakat Nusantara Vol. 7 No. 2 (2026): Edisi Mei - Agustus
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jpkmn.v7i2.6013

Abstract

Pemanfaatan teknologi informasi dan komunikasi (TIK) memiliki peran penting dalam meningkatkan kualitas proses pembelajaran. Guru yang belum menguasai TIK, khususnya dalam pembuatan media pembelajaran digital, cenderung mengalami kesulitan dalam menyampaikan materi kepada peserta didik sehingga efektivitas pembelajaran menurun. SD Negeri 2 Lepar sebagai mitra pengabdian belum pernah mendapatkan pelatihan pembuatan media pembelajaran digital berbantuan Canva. Berdasarkan kondisi tersebut, kegiatan pengabdian ini dilaksanakan dengan tujuan meningkatkan kompetensi guru dalam mengembangkan media pembelajaran digital yang kreatif, menarik, dan relevan dengan kebutuhan pembelajaran saat ini. Metode pengabdian dilaksanakan melalui empat tahapan, yaitu: (1) pembukaan dan penyampaian pengantar mengenai urgensi penguasaan media digital dalam pembelajaran; (2) pemberian materi tentang teknik pembuatan media pembelajaran menggunakan Canva; (3) praktik langsung oleh para guru untuk menghasilkan produk media pembelajaran; dan (4) evaluasi untuk mengidentifikasi kendala serta tingkat pemahaman guru terhadap materi yang diberikan. Selama kegiatan berlangsung, para guru menunjukkan antusiasme tinggi dan berpartisipasi aktif dalam setiap sesi pelatihan. Hasil pengabdian menunjukkan bahwa seluruh peserta pelatihan berhasil membuat satu media pembelajaran digital berbantuan Canva sebagai luaran individu. Temuan ini mengindikasikan bahwa pelatihan mampu meningkatkan pengetahuan dan keterampilan guru dalam memanfaatkan teknologi untuk menunjang proses pembelajaran. Dengan demikian, kegiatan pengabdian ini memiliki makna penting dalam mendorong peningkatan kualitas pembelajaran di SD Negeri 2 Lepar melalui penguatan kapasitas guru dalam penggunaan media digital.
Co-Authors A. Resti Supraeni resti Al Ahfaz Reza Ramdani Andesta Granitio Irwan Andesta Granitio Irwan Ari Ardiansyah Ari Juliansyah Dalimunthe, Nurzaidah Putri DHANI ARIATMANTO Eka Altiarika Eka Altiarika Ema Utami Fidya Farasalsabila Hendi Hendra Bayu Jangkung Tri Nugroho Muhamad Kurniawan Muhamad Mustaqim Nugroho, Jangkung Tri Rakha Piadika Randi Atul Aufa Syandhu Dea Fermanda Tito Dian Permana Verra Budhi Lestari Vika Martahayu Wenni Siswanti Yudistira Bagus Pratama Zikri Wahyuzi Zikri Wahyuzi