Article Per Year (5 Year)
p-Index From 2020 - 2025
5.559
P-Index
This Author published in this journals
All Journal JOIV : International Journal on Informatics Visualization Sinkron : Jurnal dan Penelitian Teknik Informatika Creative Information Technology Journal Techno Nusa Mandiri : Journal of Computing and Information Technology JURNAL ILMIAH INFORMATIKA JurTI (JURNAL TEKNOLOGI INFORMASI) Martabe : Jurnal Pengabdian Kepada Masyarakat Krea-TIF: Jurnal Teknik Informatika CSRID (Computer Science Research and Its Development Journal) Informasi Interaktif CCIT (Creative Communication and Innovative Technology) Journal Indonesian Journal of Business Intelligence (IJUBI) IJIIS: International Journal of Informatics and Information Systems Jurnal Pembelajaran Pemberdayaan Masyarakat (JP2M) Management and Sustainable Development Journal Journal of Applied Data Sciences International Journal of Computer and Information System (IJCIS) Jurnal Pengabdian Kepada Masyarakat Patikala Journal Computer Science and Informatic Systems : J-Cosys Jurnal Ilmiah Edutic : Pendidikan dan Informatika Jurnal Informatika: Jurnal Pengembangan IT ABDIKOM
Musthofa Galih Pradana
Universitas Pembangunan Nasional Veteran Jakarta
Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Library & Information Science Social Sciences

Published : 39 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 39 Documents
Search

 1   2   3   4 
Pembuatan Video Menggunakan Artificial Intelligence di SMA Negeri 87 Jakarta Nindy Irzavika; Musthofa Galih Pradana; Nurul Afifah Arifuddin; Neny Rosmawarni
Jurnal Abdikom Vol 2 No 1 (2023): Jurnal Pengabdian Kepada Masyarakat Bidang Ilmu Komputer (ABDIKOM)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/abdikom.v2i1.6899

Abstract

Video interaktif adalah media pembelajaran yang didalamnya mengkombinasikan suara, gerak, gambar, teks, ataupun grafik yang bersifat interaktif untuk menghubungkan media pembelajaran dengan pengguna atau penikmat video. Penggunaan video interaktif dalam kegiatan belajar mengajar dinilai lebih efektif dalam keberhasilan belajar siswa. Selain dimanfaatkan dalam kegiatan belajar mengajar, video interaktif juga bisa digunakan untuk menarik penonton ketika kita akan memasarkan sebuah produk atau jasa, sehingga tertarik untuk menggunakan produk atau jasa yang kita tawarkan. Namun keterbatasan sumber daya menyebabkan optimalisasi kegiatan belajar mengajar dengan pemanfaatan teknologi masih terhambat dan menjadi salah satu fokus yang akan terus diupayakan perbaikan serta pengembangannya. Pelatihan merupakan salah satu bentuk pengembangan keterampilan yang dibutuhkan siswa saat ini untuk meningkatkan keterampilan dan kompetensi. Pemanfaatan teknologi Artificial Intelligence (AI) dalam pembuatan video menjadi salah satu solusi yang diharapkan dapat mengembangkan bakat dan minat siswa serta meningkatkan motivasi dan minat siswa dalam belajar. Melalui pelatihan ini, siswa dapat merancang proyek-proyek video yang lebih inovatif dengan eksplorasi teknologi AI. Siswa juga dapat menciptakan konten yang lebih menarik dan unik dengan memanfaatkan algoritma dan teknik AI.
Optimalisasi Segmentasi Pelanggan Menggunakan Hierarchical Clustering Musthofa Galih Pradana; Rifka Dwi Amalia; Kharisma Wiati Gusti
JurTI (Jurnal Teknologi Informasi) Vol 7, No 2 (2023): DESEMBER 2023
Publisher : Universitas Asahan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36294/jurti.v7i2.3782

Abstract

Posisi dan peranan pelanggan dalam keberlangsungan usaha bagi sebuah perusahaan sangatlah vital, hal ini menjadikan perusahaan harus bisa melakukan proses kebijakan dan keputusan yang tepat dalam mengoptimalkan segala sumber yang dimiliki untuk dapat merumuskan strategi dan kebijakan yang baik, tak terkecuali bagi perusahaan penyedia layanan pusat perbelannjaan seperti mall. Landasan kebijakan atau keputusan yang baik, pada dasarnya dapat didasarkan pada sebuah fakta ataupun data nyata yang merepresentasikan keadaan sesungguhnya. Proses perumusan dan penentuan keputusan juga dapat berimplikasi secara langsung terhadap keberlangsungan dan jalannya sebuah perusahaan. Salah satu identifikasi yang bisa dilakukan oleh perusahaan diantaranya adalah dengan melakukan segmentasi pelanggan. Proses segmentasi dapat digunakan dengan berbagai macam acuan dan juga ranah keilmuan, salah satunya dalam hal data mining atau proses ekstrasi data menjadi sesuatu yang lebih bernilai. Teknik pendekatan yang dapat diterapkan untuk strategi segmentasi salah satunya dengan proses klustering, hal ini cocok dikarenakan proses pengelompokan data yang secara tidak terbimbing dapat menjadikan dan mengekstrak informasi baru dari sekumpulan data. Salah satu algoritma yang dapat diterapkan adalah hierarchical clustering, algoritma ini menghubungkan baris atau sampel dengan konfigurasi yang sama untuk membentuk struktur pohon. Adapun hasil dari penelitian ini adalah proses penerapan algoritma hierarchical clustering dapat memberikan sudut pandang baru dari data yang ada dan berpeluang dijadikan strategi segmentasi perusahaan. Cluster yang terbentuk dari segmentasi ini sebanyak 5 cluster dengan hasil validasi terhadap penggunaan metode elbow memiliki hasil yang sama.
Classification of Stroke Opportunities with Neural Network and K-Nearest Neighbor Approaches Arifuddin, Nurul Afifah; Pinastawa, I Wayan Rangga; Anugraha, Nurhajar; Pradana, Musthofa Galih
Sinkron : jurnal dan penelitian teknik informatika Vol. 7 No. 2 (2023): Research Article, Volume 7 Issue 2 April, 2023
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v8i2.12228

Abstract

Stroke is one of the deadly diseases. This is illustrated in stroke deaths in Indonesia which reached a death rate of 131.8 cases. Some of the things that cause a stroke to become a disease with the highest mortality rate are related to transitions in human life in 4 aspects, namely epidemiology, demography, technology, and economics, socio-culture. Of the many influencing aspects, one of the transition points of human life in the technological aspect can be an alternative solution and prevention. Aspects of technology with the utilization of data can be used as a preventive measure for stroke. One approach is to use data mining techniques, which can provide an initial picture regarding the chances of getting a stroke so that it can be used as an early warning for patients. With so many techniques in data mining, this study used a classification or grouping approach using 2 algorithms, namely K-Nearest Neighbor and one of the Neural Network groups, namely Multi-Layer Perceptron. This research will focus on finding the accuracy and best results of the two algorithms in classifying. The final result of this study is that the K-Nearest Neighbor algorithm has a better accuracy of 95% compared to the Multi-Layer Perceptron which produces an accuracy of 88%
Edge Detection Model Performance Using Canny, Prewitt and Sobel in Face Detection Pinastawa, I Wayan Rangga; Pradana, Musthofa Galih; Khoironi, Khoironi
Sinkron : jurnal dan penelitian teknik informatika Vol. 8 No. 2 (2024): Article Research Volume 8 Issue 2, April 2024
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v8i2.13497

Abstract

Detection of objects in the form of objects, humans and other objects at this time has been widely applied in many aspects of life. The help of this technology can facilitate human work, one of which is facial detection to get information about a person's identity. Face identification and detection is closely related to Data Mining science with Image Processing sub-science. This facial detection and recognition can use several technical approaches, one of which is to use edge detection. Edge detection is one of the basic operations of image processing. In the image classification process, edge detection is required before image segmentation processing. There are several methods that can be used to perform edge detection such as Canny, Prewitt and Sobel. These three methods are methods that have accurate and good detection results, with the advantages of each method having its own added value. From the results of previous studies that stated these three methods have good results, it became interesting to conduct a comparative study of these three methods in detecting edges in facial images. Edge detection applied to this study identifies facial images, and will get similarities with the original image from the result analysis process, and is reinforced by measurement results using the Mean Square Error error degree. The final result of this study states that this study the most optimal Mean Square Error measurement results obtained the final results in the Canny method of 10, the Prewitt method of 41 and Sobel of 29. These results show that the value of the Canny method has the smallest Mean Square Error value, which indicates that the Canny method on facial image edge detection has the most optimal results.
Maximizing Strategy Improvement in Mall Customer Segmentation using K-means Clustering Pradana, Musthofa Galih; Ha, Hoang Thi
Journal of Applied Data Sciences Vol 2, No 1: JANUARY 2021
Publisher : Bright Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47738/jads.v2i1.18

Abstract

The application of customer segmentation is very vital in the world of marketing, a manager in determining a marketing strategy, knowing the target customer is a must, otherwise it will potentially waste resources to pursue the wrong target. Customer segmentation aims to create a relationship with the most profitable customers by designing the most appropriate marketing strategy. Many statistical techniques have been applied to segment the market but very large data are very influential in reducing their effectiveness. The aim of clustering is to optimize the experimental similarity within the cluster and to maximize the dissimilarity in between clusters. In this study, we use K-means clustering as the basis for the segmentation that will be carried out, and of course, there are additional models that will be used to support the research results. As a result, we have succeeded in dividing the customer into 5 clusters based on the relationship between annual income and their spending score, and it has been concluded that customers who have high-income levels & have a high spending score are also very appropriate targets for implementing market strategies.
Implementasi Algoritma Cosine Similarity dan TF-IDF dalam Menentukan Rumpun Jabatan Saputra, Rangga; Jayanta; Galih Pradana, Musthofa
Krea-TIF: Jurnal Teknik Informatika Vol 12 No 1 (2024): Krea-TIF 2024
Publisher : Fakultas Teknik dan Sains, Universitas Ibn Khaldun Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pada tahun 2019, sebuah instansi pemerintah memperkenalkan sistem rumpun jabatan untuk meningkatkan efisiensi dalam penugasan jabatan pegawai. Namun, tantangan muncul ketika data pegawai tahun sebelumnya tidak memiliki klasifikasi rumpun jabatan, dan data yang tersedia berupa teks dalam jumlah besar. Dikarenakan jumlah pegawai yang banyak, informasi yang melimpah, dan data yang dikelola merupakan data teks dalam jumlah yang besar. Proses pengklasifikasian manual menjadi tidak efisien. Untuk mengatasi permasalahan ini, diperlukan metode bantu yang dapat memproses data dengan cepat dan akurat. Salah satu pendekatan yang digunakan adalah Cosine Similarity menggunakan metode TF-IDF. Evaluasi hasil menunjukkan bahwa metode ini memberikan rata – rata precision sebesar 74%. Lebih rinci, nilai precision untuk keluarga jabatan dan fungsi secara berurutan mencapai 89% dan 81%. Namun, dalam mengklasifikasikan peran, tingkat precision yang dihasilkan rendah sebesar 52%.
Comparison of ARIMA and GRU Methods in Predicting Cryptocurrency Price Movements Pinastawa, I Wayan Rangga; Pradana, Musthofa Galih; Setiawan, Deandra Satriyo; Izzety, Aurel
Sinkron : jurnal dan penelitian teknik informatika Vol. 9 No. 1 (2025): Research Article, January 2025
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v9i1.14235

Abstract

This study compares the effectiveness of the ARIMA and GRU models in predicting Bitcoin price movements, addressing the need for reliable predictive tools amidst the high volatility of the cryptocurrency market. Previous research has highlighted the strengths of each model in financial forecasting: ARIMA for short-term, stationary data and GRU for capturing complex temporal patterns. The purpose of this study is to evaluate which model performs better in the context of Bitcoin price prediction, offering insights for investors to minimize risks and enhance decision-making in this unpredictable market. The research methodology involves applying both models to Bitcoin price data and comparing their accuracy using the Mean Absolute Percentage Error (MAPE) across various forecasting intervals. Results indicate that GRU achieves higher accuracy in long-term forecasts, while ARIMA performs optimally for shorter time frames. However, both models demonstrate limitations, especially as the prediction horizon extends, underscoring the inherent challenges of cryptocurrency price forecasting. These findings suggest that GRU may be better suited for longer investment horizons, while ARIMA remains effective for short-term predictions. The conclusions affirm the potential of using these models selectively to align with specific investment strategies in cryptocurrency markets, although further research is recommended to improve predictive accuracy under evolving market conditions.
Deteksi Kemiripan Dokumen Menggunakan Cosine Similarity Berdasarkan Representasi Teks Count Vectorizer Dan TF IDF Pradana, Musthofa Galih; Irzavika, Nindy; Maulana, Nurhuda
Indonesian Journal of Business Intelligence (IJUBI) Vol 7, No 2 (2024): Indonesian Journal of Business Intelligence (IJUBI)
Publisher : Universitas Alma Ata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21927/ijubi.v7i2.5170

Abstract

Tujuan mata kuliah skripsi atau tugas akhir menumbuhkan budaya berpikir kritis, dan menunjukan kemampuan untuk memecahkan permasalahan dengan konstruksi logis dari penelitian. Akan tetapi, dari banyaknya manfaat tersebut, ada beberapa permasalahan yang juga muncul dikarenakan mata kuliah ini. Plagiarisme adalah masalah umum. Mengambil karya orang lain, termasuk pendapat mereka sendiri, dan membuatnya seperti karya sendiri adalah plagiarisme. Langkah pertama dalam penggunaan teknologi adalah mendeteksi kesamaan dokumen sejak dini. Dalam hal ini, dokumen yang harus dikumpulkan oleh mahasiswa selama proses pengajuan judul skripsi mereka adalah abstrak. Ketika digunakan, algoritma cosine similarity adalah algoritma yang efisien secara komputasi karena sangat mudah dipahami dan dapat digunakan dengan data berskala besar. Penelitian ini dilakukan dengan dua pendekatan representasi teks yaitu dengan menggunakan TF-IDF dan Count Vectorizer. Data korpus yang digunakan dalam penelitian ini adalah 1600 data dokumen abstrak skripsi mahasiswa, dengan pengujian menggunakan 30 data untuk melihat kinerja algoritma cosine similarity dalam mendeteksi kesamaan dokumen abstrak. Hasil penelitian menunjukkan bahwa pendekatan representasi teks TF-IDF mendapatkan kesamaan di angka 7,72861 dan Count Vectorizer mendapatkan hasil di angka 16,85541 atau punya gap sebesar 9,1268 dengan keunggulan Count Vectorizer. Hal ini disebabkan Count Vectorizer menghitung frekuensi kata tanpa mempertimbangkan apakah kata tersebut umum atau jarang, sehingga kata-kata umum tetap berkontribusi penuh terhadap similarity.
PENERAPAN KONSEP COMPUTATIONAL THINKING MELALUI KOMPETENSI PEDAGOGIK GURU DALAM PEMBELAJARAN DI SD NEGERI 032 TILIL BANDUNG MELALUI MEDIA GAME Adrezo, Muhammad; Galih Pradana, Musthofa; Niqotaini, Zatin; Pinastawa, I Wayan Rangga; Maulana, Nurhuda; Alvionita Simanjuntak, Anni; Devira Ayu Martini, Ni Putu
Martabe : Jurnal Pengabdian Kepada Masyarakat Vol 7, No 11 (2024): MARTABE : JURNAL PENGABDIAN MASYARAKAT
Publisher : Universitas Muhammadiyah Tapanuli Selatan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31604/jpm.v7i11.4901-4910

Abstract

Salah satu kemampuan yang penting saat ini adalah pemecahan masalah serta pemikiran logis dan sistematis dengan menguraikan masalah menjadi bagian-bagian kecil sehingga mudah untuk dijalankan sesuai dengan konsep dari Computational Thinking. Kemampuan ini yang sangat berguna di banyak aspek dalam menjalankan kehidupan, baik dalam kehidupan sehari-hari maupun secara profesional. Dalam konteks Pendidikan di Sekolah Dasar, stimulus untuk berpikir secara logis dan rasional dapat membantu untuk menyiapkan siswa yang siap untuk mempersiapkan masa depan yang menuntut kemampuan pemecahan masalah yang baik. Keterkaitan konsep Computational Thinking dengan kondisi pembelajaran di SDN 032 Tilil Bandung berdasarkan observasi dan wawancara awal dengan pihak sekolah yang menyatakan belum ada proses pembelajaran yang menstimulus konsep dan cara berpikir komputasional. Pihak sekolah menyatakan juga bahwa membutuhkan proses penyelarasan konsep Computational Thinking dalam pembelajaran, hal ini merupakan salah satu hal yang ingin diterapkan untuk mampu mewujudkan salah satu misi yang telah dicanangkan yaitu dengan melatih pola pikir anak agar mampu menumbuhkan kreativitasnya. Dalam rangka perwujudan misi SDN 032 Tilil ini dapat dilakukan dalam kegiatan pelatihan pembuatan game sederhana menggunakan game Scratch sebagai media ajar dalam proses penerapan dan integrasi konsep Computational Thinking. Kegiatan ini akan ditargetkan dalam pelatihan kepada guru yang diharapkan nantinya guru dapat memberikan pengajaran pembuatan game sederhana kepada murid dalam penerapan dan integrasi Computational Thinking.
BIMBINGAN TEKNIS METODE STEAM BERBASIS AUGMENTED REALITY UNTUK MENINGKATKAN KOMPETENSI PEDAGOGIK GURU Galih Pradana, Musthofa; Muthia Zahrah, Nada; Maulana, Nurhuda
Martabe : Jurnal Pengabdian Kepada Masyarakat Vol 7, No 12 (2024): MARTABE : JURNAL PENGABDIAN MASYARAKAT
Publisher : Universitas Muhammadiyah Tapanuli Selatan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31604/jpm.v7i12.4964-4971

Abstract

Nilai skor PISA di Indonesia pada bidang matematika, membaca dan sains cenderung mengalami penurunan dalam tiga periode pelaksanaan tes. Tes PISA adalah tes yang mengukur kemampuan siswa dalam aspek matematika, sains dan literasi. Hal ini juga terjadi dan dirasakan oleh Guru di Sekolah Dasar Negeri Tanjungsari 03 dengan masalah yang terjadi pada aspek matematika, sains dan literasi yang perlu ditingkatkan. Salah satu hal yang bisa dilakukan adalah bagaimana membuat pembelajaran pada aspek matematika, sains dan literasi dibuat menjadi lebih menyenangkan dan tidak membosankan. Hal ini bisa dilakukan dengan mengadopsi metode STEAM ke dalam pembelajaran, selain itu media ajarnya juga dapat diberikan variasi dengan menggunakan teknologi, sehingga siswa menjadi lebih antusias dalam mengikuti kegiatan belajar mengajar. Pembelajaran berbasis teknologi dapat menjadi solusi dengan menerapkan Augmented Reality, dengan pembelajaran berbasis Augmented Reality siswa akan bisa mengenali konteks pembelajaran menjadi lebih mudah, karena divisualisasikan ke dalam objek 3D yang menarik, dan tanpa mengesampingkan informasi penting yang didapatkan melalui menu informasi di aplikasi. Kegiatan ini dilakukan dengan bimbingan teknis kepada Guru di SD Negeri Tanjungsari 03 dengan penguatan aspek pedadogik, pengenalan dan pemahaman metode STEAM, serta demonstrasi aplikasi pembelajaran berbasis Augmented Reality. Hasil kuisioner menunjukkan rata-rata responden menyatakan setuju dengan nilai kebermanfaatan kegiatan ini dengan nilai rerata sebesar 4,06, dan memiliki nilai peningkatan dari skor pre test ke post test sebesar 11,5.
Co-Authors Adhien Kenya Anima Estetikha Andri Pramuntadi Anni Alvionita Simanjuntak Budi, Ryan Setya Dema Mathias Lumban Tobing Devira Ayu Martini, Ni Putu Dhina Puspasari Wijaya, Dhina Puspasari Dyah Listianing Tyas, Dyah Listianing Emha Taufiq Luthfi Fandli Supandi Gutama, Deden Hardan Ha, Hoang Thi Henki Bayu Seta I Wayan Rangga Pinastawa Izzety, Aurel Jayanta Kaharuddin Kharisma Wiati Gusti Khoironi, Khoironi Khoirunnisa, Hilda Kusrini Kusrini Kusrini Kusrini Kusrini Kusrini Mu, Jesselyn Muhamad Ridwan Muhammad Adrezo Muthia Zahrah, Nada Neny Rosmawarni Nindy Irzavika Niqotaini, Zatin Nurcahyo, Azriel Christian Nurhajar Anugraha Nurhuda Maulana Nurul Afifah Arifuddin Nyamiati, Retno Dwi Pamekas, Bondan Wahyu Prananto, Muhammad Teguh Pujo Hari Saputro Radinal Setyadinsa Rangga Saputra Ridlo Muttaqien Ridwan Raafi'udin Rifka Dwi Amalia Rifqi Hammad Rusiyono, Ruwet Setiawan, Deandra Satriyo Wahit Desta Prastowo Wari, Valtrizt Khalifah Wiryanto, Fadhli Suko Yulianto Mustaqim Yusuf Hendra Pratama