Article Per Year (5 Year)
p-Index From 2020 - 2025
2.332
P-Index
This Author published in this journals
All Journal SemanTIK : Teknik Informasi Martabe : Jurnal Pengabdian Kepada Masyarakat Jurnal Tekno Insentif Jurnal Teknologi Dan Sistem Informasi Bisnis JATI (Jurnal Mahasiswa Teknik Informatika) Journal of Computer Networks, Architecture and High Performance Computing Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) Jurnal Teknologi dan Manajemen Industri Terapan Nuansa Informatika Jurnal Informatika: Jurnal Pengembangan IT The Indonesian Journal of Computer Science
Andarsyah, Roni
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Social Sciences

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

Found 15 Documents
Search

 1   2 
Analisa Performa Algoritma Random Forest & Logistic Regression Dalam Sistem Credit Scoring Billy Riantono, Bernadus; Andarsyah, Roni
Jurnal Teknologi Dan Sistem Informasi Bisnis Vol 6 No 2 (2024): April 2024
Publisher : Prodi Sistem Informasi Universitas Dharma Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47233/jteksis.v6i2.1308

Abstract

The rapid advancement of technology, particularly in the field of Artificial Intelligence (AI), has had a significant impact across various industries. One increasingly popular implementation is ChatGPT, enabling more intuitive human-computer interactions. Moreover, AI has transformed the landscape of the financial sector, particularly in Credit Scoring. Using Supervised Machine Learning, algorithms like Random Forest and Logistic Regression are employed to enhance accuracy and efficiency in the Credit Scoring process. However, comparing the accuracy between these two algorithms remains a question. Therefore, this research aims to compare the accuracy levels of Random Forest and Logistic Regression in the context of Credit Scoring. From the research that have been conducted got result Random Forest given better AUC score on 0.90 than Logistic Regression which only got 0.89.
INTEGRITAS DATA PRIVATE BLOCKCHAIN HYPERLEDGER FABRIC MENGGUNAKAN METODE PRACTICAL BYZANTINE FAULT TOLERANCE DAN PROOF OF AUTHORITY Supriadi, Muhammad Rizal; Andarsyah, Roni
SemanTIK : Teknik Informasi Vol 9, No 2 (2023):
Publisher : Informatics Engineering Department of Halu Oleo University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55679/semantik.v9i2.42584

Abstract

Keamanan dan integritas data menjadi hal yang sangat penting dalam menghadapi ancaman di era modern saat ini. Penelitian ini mengembangkan solusi berbasis blockchain dengan menggunakan private blockchain yang diterapkan dengan metode Practical Byzantine Fault Tolerance (PBFT) dan Proof of Authority (PoA) untuk menjaga keamanan dan integritas data intelijen militer serta memberikan otoritas kepada partisipan yang dipercaya untuk validasi transaksi dalam blockchain. Solusi ini juga terintegrasi dengan IPFS untuk penyimpanan dokumen yang aman dan Hyperledger Explorer untuk memantau, mencari, dan memelihara blockchain dan data terkait. Dengan memanfaatkan IPFS, data intelijen militer dapat disimpan dengan aman dan terenkripsi secara terdesentralisasi, sedangkan Hyperledger Explorer memudahkan monitoring dan pemeliharaan blockchain. Penelitian bertujuan untuk memberikan kontribusi pada pengembangan teknologi blockchain yang lebih baik untuk menjaga keamanan dan integritas data dalam lingkungan intelijen militer, serta memperkuat pertahanan negara dari ancaman dan konflik modern. Solusi berbasis blockchain dengan PBFT dan PoA, serta terintegrasi dengan IPFS dan Hyperledger Explorer, diharapkan dapat menjadi alternatif yang efektif dan efisien dalam menjaga keamanan dan integritas data intelijen militer. Kata kunci: Intelijen, Private Blockchain, Practical Byzantine Fault Tolerance, Proof of Authority
Penerapan PCA dan Algoritma Clustering untuk Analisis Mutu Perguruan Tinggi di LLDIKTI Wilayah IV Rianti, Resa; Andarsyah, Roni; Awangga, Rolly Maulana
NUANSA INFORMATIKA Vol. 18 No. 2 (2024): Nuansa Informatika 18.2 Juli 2024
Publisher : FKOM UNIKU

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25134/ilkom.v18i2.211

Abstract

The Internal Quality Assurance System (SPMI) is a guideline used by universities to assess the quality of performance and implementation of higher education internally. SPMI is very important to be considered by universities in order to compete positively with other universities, both at home and abroad, as well as to improve the management and implementation of higher education in the institution. In this study, three machine learning algorithms are applied, namely K- Means, Mean Shift, and DBSCAN, to cluster SPMI data. The methods used include Principal Component Analysis (PCA) to reduce data complexity without losing important information, and three clustering algorithms to group universities based on similarity of quality indicators. The K-Means algorithm clusters data based on distance to the nearest centroid, Mean Shift identifies clusters based on data density, and DBSCAN clusters data based on density and is able to handle outliers and irregularly shaped clusters. The results show that Mean Shift produces the best cluster with Silhouette Score 0.566, Davies- Bouldin Index 0.648, and Calinski-Harabasz Index 971.07. The K-Means algorithm provides quite good results with Silhouette Score 0.466, Davies-Bouldin Index 0.757, and Calinski-Harabasz Index 757.06. Meanwhile, DBSCAN has lower performance with Silhouette Score 0.216, Davies-Bouldin Index 1.045, and Calinski-Harabasz Index 105.67. This research provides the results of identifying universities that need special attention and helps in strategic planning for quality improvement so that they can carry out guidance more effectively and contribute to the development of a quality assurance system for higher education in Indonesia.
GENERATOR STRUCTURE LIBRARY REACT JS MENGUNAKAN METODE USER CENTERED DESIGN Rafi Kusumah, Ariq; Andarsyah, Roni
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 2 (2023): JATI Vol. 7 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i2.6860

Abstract

Penelitian ini membahas tentang pengembangan ekstensi pada aplikasi Visual Studio Code yang bertujuan untuk menghasilkan file library struktur React JS. Permasalahan yang dihadapi adalah kurangnya alat yang memfasilitasi pembuatan aplikasi web yang responsif dan interaktif menggunakan React JS. Oleh karena itu, penelitian ini menggunakan pendekatan User Centered Design (UCD) yang fokus pada pengalaman pengguna. Dalam metode UCD, pengguna dilibatkan dalam setiap tahap pengembangan untuk memastikan bahwa ekstensi yang dihasilkan memenuhi kebutuhan dan harapan pengguna. Peneliti juga melakukan Systematic Literature Review (SLR) sebagai teknik untuk mengumpulkan rekomendasi dan temuan yang dapat digunakan dalam pembuatan ekstensi yang lebih efektif dan efisien. Dengan demikian, hasil penelitian ini memberikan kontribusi penting dalam mengatasi permasalahan kurangnya alat pembangunan aplikasi web yang responsif dan interaktif dengan menggunakan React JS, serta memperluas pemahaman tentang penggunaan metode User Centered Design dalam konteks pengembangan library struktur pada aplikasi Visual Studio Code.
DIAGNOSIS PENYAKIT DEMAM BERDARAH MENGGUNAKAN NAÏVE BAYES Gatto, Petrolina Anastasia; Maulana Awangga, Rolly; Andarsyah, Roni
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 3 (2023): JATI Vol. 7 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i3.6891

Abstract

Demam berdarah (DBD) adalah penyakit menular yang disebabkan oleh virus dengue dan ditularkan melalui gigitan nyamuk Aedes aegypti. Diagnosis dini dan benar adalah kunci untuk mengobati dan mengendalikan penyakit ini. Naive Bayes, metode klasifikasi berdasarkan teori probabilitas, dapat digunakan untuk mendiagnosis dengue dengan memprediksi kemungkinan seseorang terinfeksi berdasarkan gejala dan faktor risiko. Faktor penting yang harus diperhatikan dalam mendiagnosis DBD adalah gejala klinis dan faktor risiko seperti usia, riwayat perjalanan, dan paparan nyamuk Aedes aegypti. Metode Naive Bayes menggunakan data pelatihan untuk menghitung probabilitas posterior dan melatih model yang mengasumsikan independensi fitur yang digunakan. Meskipun asumsi mengenai independensi dan kualitas data pelatihan memiliki keterbatasan, metode naïve bayes menawarkan keuntungan dalam hal kecepatan komputer, penanganan data yang tidak lengkap, dan kemudahan penggunaan dalam praktik medis. Namun, metode ini harus digunakan dengan hati-hati dan harus dikombinasikan dengan evaluasi klinis oleh tenaga medis terlatih. Dengan data pelatihan yang representatif dan lengkap, model Naive Bayes dapat menjadi metode yang efektif untuk mendiagnosis demam berdarah dengan akurasi tinggi
KLASIFIKASI RUMAH TIDAK LAYAK HUNI STUDI PERBANDINGAN 9 MODEL MACHINE LEARNING Fadilla Musdalifa, Deriska; Andarsyah, Roni; Habibi, Roni
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 3 (2023): JATI Vol. 7 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i3.6908

Abstract

Rumah tidak layak huni (RTLH) merupakan masalah serius yang dihadapi oleh banyak masyarakat di berbagai negara. Identifikasi rumah tidak layak huni secara efektif dapat membantu dalam upaya perbaikan dan perencanaan perumahan yang lebih baik. Dalam menentukan keluarga yang berhak menerima bantuan RTLH sering mengalami masalah, seperti kurang tepat sasaran dalam penentuan RTLH. Dalam era kemajuan teknologi, model machine learning telah muncul sebagai alat yang kuat untuk mengatasi berbagai masalah kompleks, termasuk identifikasi rumah tidak layak huni. Tujuan dari penelitian ini adalah untuk melakukan komparasi antara beberapa model machine learning yang paling umum digunakan dalam identifikasi rumah tidak layak huni. Model-model tersebut meliputi K-Nearest Neighbors, Naïve Bayes, Support Vector Machine, pohon keputusan (Decision Tree), Logistic Regression, Random Forest, Neural Network, Gradient Boost, dan XGBoost. Data yang digunakan dalam penelitian ini berisi atribut-atribut rumah yang relevan seperti penghasilan, jumlah penghuni rumah, luas rumah, kondisi struktur bangunan, sanitasi, serta listrik. Evaluasi dilakukan dengan membandingkan performa model-model tersebut berdasarkan metrik evaluasi yang relevan, seperti akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa model Neural Network menjadi model yang optimal untuk di implementasikan dengan nilai akurasi 99,24%, presisi 98,66%, recall 100% serta F1-score 99,32%.
E-learning Academy Untuk Meningkatkan Kapasitas SDM Di Lingkungan Perusahaan Transportasi X Andarsyah, Roni; Prianto, Cahyo
Jurnal Informatika: Jurnal Pengembangan IT Vol 9, No 3 (2024)
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v9i3.7835

Abstract

 Services in the field of land transportation services are still a sector needed by the community for mobility and economic growth. The main problem faced by Transportation Company X in developing human resources (HR) is the uneven skills and knowledge between generations in the organizational structure. Gen X dominates with 57.36%, Gen Y (38.34%) and Gen Z (4.29%). This has an impact on the ability to adapt to the demands of the modern transportation industry. This research aims to develop and implement an e-Learning Academy, to increase the capacity of X Transportation Company's human resources. This research methodology uses SCRUM framework in learning system development, with agile approach that allows adaptation to changes quickly and efficiently. E-Learning Academy features video-based learning and interactive elements that allow employees to learn independently, thus maximizing knowledge transfer and improving skills in various fields. Survey results after testing by users through user acceptance test activities show that on the Ease of Navigation aspect, 55% of respondents stated “strongly agree” the application is easy to use”. The aspect of Confidence in Application Capabilities, the results are 55% of respondents “strongly agree” this application believes it can improve HR skills and abilities. For the Quality of Main Features, 36% of respondents stated “strongly agree” the main features in this application are easy to use and the remaining 64% stated “agree”. On the aspect of Impact on HR Improvement, 46% of respondents “strongly agree” this application has a positive impact and the remaining 54% of respondents stated “agree”. Finally, on the aspect of Benefit for the Company, 36% of respondents “strongly agree” that this application is useful and the remaining 64% stated “agree”. This platform can be accessed across all business sectors so that it becomes a strategic tool that helps Transportation Company X achieve its goals and improve its public transportation services.
Next Word Prediction for Book Title Search Using Bi-LSTM Algorithm Trigreisian, Alwizain Almas; Harani, Nisa Hanum; Andarsyah, Roni
The Indonesian Journal of Computer Science Vol. 12 No. 3 (2023): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i3.3233

Abstract

Finding a suitable book title is still quite difficult at the moment. We often guess what book title we want, but in reality the book title is often not available. This research aims to overcome these problems by producing an accurate and efficient prediction model in predicting the next words in book title search using a deep learning algorithm, namely Bidirectional Long Short Term Memory (Bi-LSTM). The research stages consist of data collection, data preprocessing, data modeling, evaluation, and implementation. This research uses a dataset of Indonesian book titles obtained from the bukukita.com online bookstore website with 5618 data. The results show that the resulting deep learning model can predict the next words in the book title search with an accuracy of 81.82%. The model is implemented in the form of a web application using the Django framework, Python language, and MySQL database.
Penerapan Augmented Reality Sebagai Media Promosi Menggunakan Algoritma Regresi Logistik Prianto, Cahyo; Harani, Nisa Hanum; Andarsyah, Roni
Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) Vol 8, No 2 (2023): Edisi Agustus
Publisher : STIKOM Tunas Bangsa Pematangsiantar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30645/jurasik.v8i2.653

Abstract

Nowadays, some companies use social media to promote their product, with no exception PT. Pos Indonesia also promotes hiring an influencer to become a brand ambassador for introducing Pos and its product. In this era, digital marketing has an important influence on business. A unique way is needed to get attention and increase interaction between customers and posted content. For fulfilling that thing, a promotion app with Augmented Reality is designed. This technology combines the virtual and real world at the same time, in Indonesia itself promotion of AR is still seldom. By using AR, the PT Pos promotion package will be shown in the form of 3D objects when the Logo of PT. Pos is highlighted with Augmented Reality Camera. Then the promo could be shared using social media to emerge a bond with the user, so the user will get a poin that is managed by a logistic regression algorithm. Users will feel involved in promotion and also gain benefits in the form of poins so, indirectly there will be a lot of people who promote the product of PT. Pos voluntarily. Modeling using logistic regression is done with 1498 data, 75% of the data becomes the data train and 25% of the rest becomes the data test, the created model has an accuracy 61.07%.
PENERAPAN UAT DAN AUTOMATION TESTING DENGAN KATALON DALAM QUALITY ASSURANCE UNTUK WEBSITE BELAJAR PERUSAHAAN TRANSPORTASI XYZ Fahrian Bani Ridwan, Auliana; Andarsyah, Roni
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13117

Abstract

Perusahaan transportasi XYZ menghadapi tantangan dalam memastikan platform pembelajaran daring internal berfungsi secara optimal untuk mendukung pengembangan kompetensi karyawan. Masalah utama mencakup stabilitas sistem, validasi fitur, serta kesesuaian platform dengan kebutuhan pengguna akhir. Penelitian ini bertujuan mengimplementasikan metode User Acceptance Testing (UAT) dan automation testing menggunakan Katalon sebagai bagian dari proses Quality Assurance (QA). UAT melibatkan karyawan sebagai pengguna akhir untuk mengevaluasi fungsi dan kenyamanan platform, sedangkan automation testing dilakukan untuk mempercepat proses pengujian teknis dan meminimalkan kesalahan manual. Hasil penelitian menunjukkan tingkat keberhasilan pengujian sebesar 96,36% dari 110 kasus uji, dengan temuan 5 bug utama dan 3 bug minor yang mayoritas berkaitan dengan tampilan visual dan validasi data. Temuan ini menunjukkan bahwa aplikasi secara keseluruhan stabil, meskipun memerlukan perbaikan pada beberapa area untuk meningkatkan pengalaman pengguna dan memastikan keandalan sistem. Dengan pendekatan QA yang sistematis, platform ini mampu mendukung pengembangan kompetensi karyawan secara efektif dan dapat menjadi solusi andal untuk pelatihan daring di sektor transportasi.
Co-Authors Agita Nurfadillah Billy Riantono, Bernadus Fadilla Musdalifa, Deriska Fahrian Bani Ridwan, Auliana Gatto, Petrolina Anastasia Habibi, Roni Harani, Nisa Hanum Nurfadillah, Agita Prianto, Cahyo Rafi Kusumah, Ariq Rianti, Resa Rolly Maulana Awangga, Rolly Maulana Rukmi Juwita Supriadi, Muhammad Rizal Trigreisian, Alwizain Almas