Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Ali Ibrahim
Sistem Informasi, Universitas Sriwijaya
Computer Science & IT

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
MODEL PREDIKSI TINGGI MUKA AIR SUNGAI MUSI MENGGUNAKAN REGRESI LINEAR BERBASIS CURAH HUJAN DALAM MANAJEMEN BANJIR PALEMBANG Azera Pramesty; Cindy Dinata; Nyimas Princessa Syapeni; Fathoni Fathoni; Ali Ibrahim
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18149

Abstract

Kota Palembang kerap mengalami banjir yang disebabkan oleh meluapnya Sungai Musi ketika curah hujan meningkat dengan intensitas tinggi. Kondisi tersebut menunjukkan perlunya suatu model prediksi yang mampu menggambarkan hubungan antara curah hujan dan kenaikan tinggi muka air sungai secara akurat, namun tetap sederhana untuk digunakan dalam proses pemantauan. Penelitian ini bertujuan untuk mengembangkan model prediksi tinggi muka air Sungai Musi dengan menggunakan metode regi linier sederhana. Penelitian dilakukan melalui pendekatan kuantitatif dengan memanfaatkan data sekunder berupa 72 data bulanan yang mencakup curah hujan dan tinggi muka air pada periode 2019–2024. Proses analisis dilakukan melalui uji korelasi Pearson untuk mengetahui kekuatan hubungan antarvariabel, dilanjutkan dengan pemodelan regresi serta pengujian akurasi menggunakan indikator RMSE, MAE, dan MAPE. Hasil analisis menunjukkan adanya hubungan positif yang cukup kuat antara curah hujan dan tinggi muka air sungai dengan nilai koefisien korelasi (r) sebesar 0,686 dan koefisien determinasi (R²) sebesar 0,47. Persamaan regresi yang dihasilkan adalah Y = 1,7708 + 0,002991X dengan tingkat kesalahan prediksi yang relatif rendah (MAPE 16,21%). Temuan ini menunjukkan bahwa regresi linier sederhana dapat dimanfaatkan sebagai indikator awal dalam pemantauan serta mitigasi potensi banjir di Kota Palembang
ANALISIS KOMPARATIF RANDOM SURVIVAL FOREST DAN COX PROPORTIONAL HAZARDS MODEL DALAM PREDIKSI KELANGSUNGAN HIDUP DAN FAKTOR PROGNOSTIK PADA PASIEN AMYOTROPHIC LATERAL SCLEROSIS Marizka Riffiy Alfiyah; Fadiah Tussholiha; Halona Daffakhansa Nabila; Fathoni Fathoni; Ali Ibrahim
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18198

Abstract

Amyotrophic Lateral Sclerosis (ALS) merupakan penyakit neurodegeneratif progresif dengan heterogenitas klinis tinggi yang menyulitkan prediksi kelangsungan hidup pasien secara akurat. Kondisi ini menjadi tantangan besar dalam manajemen klinis dan perencanaan paliatif. Permasalahan utama muncul karena model statistik konvensional sering kali terbentur pada pelanggaran asumsi fungsional saat menangani data klinis kompleks, dinamis, dan memiliki tingkat censoring tinggi. Ketidakmampuan model menangkap interaksi non-linier antar variabel menyebabkan penurunan akurasi prognosis. Oleh karena itu, penelitian ini melakukan analisis komparatif antara Cox Proportional Hazards (CPH) dan Random Survival Forest (RSF) untuk mengevaluasi performa prediksi survival serta mengidentifikasi faktor prognostik paling berpengaruh. Metodologi penelitian menggunakan data longitudinal dari PRO-ACT database, meliputi tahapan pra-pemrosesan data, penanganan missing values, serta rekayasa fitur slope ALSFRS-R. Hasil pengujian menunjukkan model CPH melanggar asumsi proporsionalitas pada variabel klinis utama (p < 0,05). Namun secara empiris, CPH menunjukkan daya diskriminasi superior dengan Concordance Index (C-index) sebesar 0,91, mengungguli RSF yang mencapai 0,85. Analisis permutation importance pada RSF mengidentifikasi durasi diagnosis (Length_Diag_LNA) sebagai prediktor paling dominan. Penelitian menyimpulkan bahwa meskipun CPH memberikan akurasi prediksi lebih tinggi, Hasil analisis menunjukkan bahwa RSF merupakan metode yang lebih efektif untuk prediksi kelangsungan hidup dan faktor prognosis pada kasus ALS.
DETEKSI DAN KLASIFIKASI KONTEN PROMOSI JUDI ONLINE PADA MEDIA SOSIAL YOUTUBE MENGGUNAKAN PENDEKATAN NATURAL LANGUAGE PROCESSING DAN MACHINE LEARNING M Luthfi Aldi Pratama; Muhammad Emirshah Yusuf; M Rafly Ramdhani; Fathoni Fathoni; Ali Ibrahim
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18440

Abstract

Konten promosi judi online pada kolom komentar YouTube menjadi salah satu bentuk penyalahgunaan media sosial yang sulit dikendalikan. Penyebaran dilakukan dengan variasi teks sehingga menyulitkan proses identifikasi secara langsung. Penelitian ini bertujuan untuk mengembangkan pendekatan otomatis dalam mendeteksi dan mengklasifikasikan konten tersebut. Pendekatan yang digunakan mengombinasikan Natural Language Processing dan Machine Learning. Data yang digunakan berjumlah 10.230 komentar yang terdiri dari kategori judi online dan non-judi. Representasi teks dibentuk menggunakan TF-IDF, kemudian dilakukan proses klasifikasi menggunakan algoritma Support Vector Machine dan Random Forest. Hasil evaluasi menunjukkan bahwa Support Vector Machine menghasilkan performa yang lebih baik dengan akurasi 97,16%, precision 97,67%, recall 95,67%, dan F1-score 96,66%, sedangkan Random Forest memperoleh akurasi sebesar 96,72%. Hasil tersebut menunjukkan bahwa Support Vector Machine lebih efektif dalam menangani karakteristik data pada penelitian ini.
Co-Authors Azera Pramesty Cindy Dinata Fadiah Tussholiha Fathoni Fathoni Halona Daffakhansa Nabila M Luthfi Aldi Pratama M Rafly Ramdhani Marizka Riffiy Alfiyah Muhammad Emirshah Yusuf Nyimas Princessa Syapeni