Article Per Year (5 Year)
p-Index From 2021 - 2026
4.862
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 JOURNAL OF APPLIED INFORMATICS AND COMPUTING 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 : 46 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 46 Documents
Search

 1   2   3   4   5 
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.
Boosting CNN Accuracy for Sundanese Script Recognition through Feature Extraction Techniques Pradana, Musthofa Galih; Khoirunnisa, Hilda
Journal of Applied Informatics and Computing Vol. 9 No. 6 (2025): December 2025
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v9i6.11332

Abstract

Sundanese script is included in the cultural heritage in Indonesia, especially the culture in West Java. As a society that appreciates and preserves Indonesian culture and art, active participation can be realized through efforts to strengthen and preserve this script, one of which is by utilizing digital media. One of the technology-based digital media that can be used to preserve culture is image detection to make it easier to recognize Sundanese script. One of the models that can be used is the Convolutional Neural Network (CNN) with the MobileNetV2 architecture, with limited resources this architecture is able to produce good detection. This study applies the Convolutional Neural Network (CNN) algorithm with the MobileNetV2 architecture which will be tested with two main test scenarios, namely by applying feature extraction and without using feature extraction. The focus of this study will explore the influence and significance of the influence of feature extraction on the final results of image detection using the Convolutional Neural Network (CNN). The two feature extraction models used are Local Binary Pattern and Gray-Level Co-occurrence Matrix. These two feature extraction models will be tested with Sundanese script image data with data of 2,300 Sundanese script images. The results of this study show that the best results were obtained in the Convolutional Neural Network (CNN) with Gray-Level Co-occurrence Matrix (GLCM) with the best accuracy results at 93.8%. This is because the addition of the Gray-Level Co-occurrence Matrix (GLCM) is able to capture spatial texture statistics such as contrast, homogeneity, entropy, and correlation between pixel pairs. With these results, it can be concluded that in this study feature extraction has an effect and is able to increase the detection accuracy of the Convolutional Neural Network (CNN) model with the MobileNetV2 architecture in Sundanese script image data.
KOMPARASI METODE NAÏVE BAYES DAN C4.5 DALAM KLASIFIKASI LOYALITAS PELANGGAN TERHADAP LAYANAN PERUSAHAAN Pradana, Musthofa Galih; Saputro, Pujo Hari
Indonesian Journal of Business Intelligence (IJUBI) Vol 3 No 1 (2020): Indonesian Journal of Business Intelligence (IJUBI)
Publisher : Universitas Alma Ata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21927/ijubi.v3i1.1205

Abstract

Keberadaan pelanggan bagi jalannya sebuah usaha sangatlah penting. Pelanggan memiliki  kecenderungan yakni  untuk tetap lanjut berlangganan dengan perusahaan atau sebaliknya berhenti berlangganan. Salah satu teknik yang dapat digunakan untuk mengidentifikasi kecenderungan loyalitas pelanggan  adalah dengan klasifikasi data. Berdasarkan data pelanggan yang dimiliki perusahaan dapat dilakukan pengolahan data atau data mining dengan mengkelompokan pelanggan yang loyal dan yang tidak loyal. Ada banyak metode yang dapat diterapkan untuk klasifikasi data, diantaranya adalah algortima Naïve Bayes dan C4.5. Kedua metode ini menghasilkan akurasi yang berbeda ketika digunakan untuk proses klasifikasi data. Digunakan 2 skenario dalam proses pengujian kedua algoritma,  skenario membagi data dalam data testing dan training serta skenario pengujian menggunakan cross validation. Hasil kedua skenario ini menunjukan bahwa metode C4.5 lebih unggul dibandingkan dengan metode Naïve Bayes dengan akurasi skenario 1 sebesar 78,6086 % dan skenario 2 akurasi sebesar 78,61%. AbstrakKeberadaan pelanggan bagi jalannya sebuah usaha sangatlah penting. Pelanggan memiliki  kecenderungan yakni  untuk tetap lanjut berlangganan dengan perusahaan atau sebaliknya berhenti berlangganan. Salah satu teknik yang dapat digunakan untuk mengidentifikasi kecenderungan loyalitas pelanggan  adalah dengan klasifikasi data. Berdasarkan data pelanggan yang dimiliki perusahaan dapat dilakukan pengolahan data atau data mining dengan mengkelompokan pelanggan yang loyal dan yang tidak loyal. Ada banyak metode yang dapat diterapkan untuk klasifikasi data, diantaranya adalah algortima Naïve Bayes dan C4.5. Kedua metode ini menghasilkan akurasi yang berbeda ketika digunakan untuk proses klasifikasi data. Digunakan 2 skenario dalam proses pengujian kedua algoritma,  skenario membagi data dalam data testing dan training serta skenario pengujian menggunakan cross validation. Hasil kedua skenario ini menunjukan bahwa metode C4.5 lebih unggul dibandingkan dengan metode Naïve Bayes dengan akurasi skenario 1 sebesar 78,6086 % dan skenario 2 akurasi sebesar 78,61%.
KOMPARASI METODE SUPPORT VECTOR MACHINE DAN NAÏVE BAYES DALAM KLASIFIKASI PELUANG PENYAKIT SERANGAN JANTUNG Pradana, Musthofa Galih; Saputro, Pujo Hari; Wijaya, Dhina Puspasari
Indonesian Journal of Business Intelligence (IJUBI) Vol 5 No 2 (2022): Indonesian Journal of Business Intelligence (IJUBI)
Publisher : Universitas Alma Ata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21927/ijubi.v5i2.2659

Abstract

The death rate in the world per year is 17.9 million due to cardiovascular disease, including heart and blood vessel disorders. This needs to be given more attention to anticipate the possible risk of a heart attack. One of the contributions in the field of technology to provide useful information about the risk of heart disease is by using a data processing approach or data mining technique by classifying the vulnerability to heart disease risk. The classification method used is Support Vector Machine and Naïve Bayes. The classification method will be carried out in a comparative process and the method that has the best accuracy will be sought. The scenarios used are 2 test scenarios, namely dividing the training data by 20% in scenario 1 and 40% in scenario 2. The final results of the research obtained are the best accuracy in the Support Vector Machine with scenario 1 of 87%.
Analisis Performa Algoritma Convolutional Neural Networks Menggunakan Arsitektur LeNet dan VGG16 Pradana, Musthofa Galih; Khoirunnisa, Hilda
Indonesian Journal of Business Intelligence (IJUBI) Vol 6 No 2 (2023): Indonesian Journal of Business Intelligence (IJUBI)
Publisher : Universitas Alma Ata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21927/ijubi.v6i2.3765

Abstract

Identifying a person's self-identity can be done by recognizing facial images, where faces can often represent a person's identity. Facial identification with technology can benefit the effectiveness efficiency and accuracy of data. This identification process can be used with the help of algorithms that will check digital images with the necessary detection results. One algorithm that can be applied in classifying and detecting gender through facial image algorithms is Convolutional Neural Networks. Convolutional Neural Network algorithms have various architectures that have advantages in each architecture. This study compared the process of identifying a person's face to obtain information in the form of gender. The models compared in this study are the LeNet model and the VGG16 model. The identification and detection process was carried out using 800 photos for data training with gender labeling data and 240 photos for testing data. A comparison of these two models is necessary to get the best final model result. The final results obtained from this study the best accuracy of both architectures was obtained in the VGG16 architecture which reached an average accuracy of 100 in several epochs compared to the VGG16 architecture at 0.925 in the 46th epoch. This is due to a Rectified Linear Unit (ReLU) on the VGG16 architecture which can minimize errors and saturation.
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.
Co-Authors Adhien Kenya Anima Estetikha Andri Pramuntadi Anni Alvionita Simanjuntak Budi, Ryan Setya Dema Mathias Lumban Tobing Dhina Puspasari Wijaya, Dhina Puspasari Dwi Nyamiati, Retno Dyah Listianing Tyas, Dyah Listianing Emha Taufiq Luthfi Fadhli Suko Wiryanto 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 MARTINI, NI PUTU DEVIRA AYU Mu, Jesselyn Muhamad Ridwan 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 Pinastawa, I Wayan Rangga Saputra Ridlo Muttaqien Ridwan Raafi'udin Rifka Dwi Amalia Rifqi Hammad Rusiyono, Ruwet Setiawan, Deandra Satriyo Wahit Desta Prastowo Wari, Valtrizt Khalifah Yulianto Mustaqim Yusuf Hendra Pratama