Article Per Year (5 Year)
p-Index From 2021 - 2026
0.817
P-Index
This Author published in this journals
All Journal Jurnal Teknik Informatika STMIK Antar Bangsa Journal of Artificial Intelligence and Engineering Applications (JAIEA) Jurnal Insan Journal of Accounting Information System
Alfarobi, Ibnu
Unknown Affiliation
Automotive Engineering Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
Identifikasi Keakuratan Data Pelanggan PT.XYZ dengan menggunakan C4.5, Naive Bayes dan Algoritma Preprocessing Agasya Tutupoly, Taransa; Alfarobi, Ibnu
Jurnal Teknik Informatika Vol. 4 No. 2 (2018): JTI Periode Agustus 2018
Publisher : LPPM STMIK ANTAR BANGSA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51998/jti.v4i2.260

Abstract

Abstract — The accuracy of customer data in a company is very important, especially in corporate loyalty, where it takes a lot of data in campaign, promotion, digital marketing, email blast, sms blast which aims to create brand awareness from the customer side and of course increase the level of sales and liveliness members in doing transactions using point, the current method used to measure the accuracy of data using Naive Bayes, C4.5 and help Algorithm Preprocessing to improve data accuracy, from the test results that the processing using the method Naive Bayes, C4.5 has an accuracy of 96.2 % with AUC 0.9627 while the test results using Naive Bayes, C4.5 and Preprocessing Algorithm obtained 99% yield, with AUC 0.9908, it can be proven that the addition of processing with Preprocessing Algorithm get more optimal results Intisari— Penulisan ini digunakan mencari Keakuratan data pelanggan dalam suatu perusahaan amatlah penting, khususnya pada perusahaan loyalty, dimana dibutuhkan banyak data dalam melakukan campaign, promosi, digital marketing, email blast, sms blast yang tujuannya membuat brand awareness dari sisi pelanggan dan tentunya meningkatkan tingkat penjualan dan keaktifan member dalam melakukan transaksi menggunakan point, saat ini metode yang digunakan untuk mengukur tingkat akurasi data menggunakan Naive Bayes, C4.5 dan bantuan Algoritma Preprocessing untuk meningkatkan akurasi data. Sehingga didapatkan hasil bahwa dengan proses preprocessing hasil pengukuran menjadi lebih baik. Kata Kunci— Algoritma Preprocessing, Algoritma C4.5, Algoritma Naive Bayes, Data Pelanggan
Identifikasi Keakuratan Data Pelanggan PT.XYZ dengan menggunakan C4.5, Naive Bayes dan Algoritma Preprocessing Agasya Tutupoly, Taransa; Alfarobi, Ibnu
Jurnal Teknik Informatika Vol 4 No 2 (2018): JTI Periode Agustus 2018
Publisher : LPPM STMIK ANTAR BANGSA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51998/jti.v4i2.260

Abstract

Abstract — The accuracy of customer data in a company is very important, especially in corporate loyalty, where it takes a lot of data in campaign, promotion, digital marketing, email blast, sms blast which aims to create brand awareness from the customer side and of course increase the level of sales and liveliness members in doing transactions using point, the current method used to measure the accuracy of data using Naive Bayes, C4.5 and help Algorithm Preprocessing to improve data accuracy, from the test results that the processing using the method Naive Bayes, C4.5 has an accuracy of 96.2 % with AUC 0.9627 while the test results using Naive Bayes, C4.5 and Preprocessing Algorithm obtained 99% yield, with AUC 0.9908, it can be proven that the addition of processing with Preprocessing Algorithm get more optimal results Intisari— Penulisan ini digunakan mencari Keakuratan data pelanggan dalam suatu perusahaan amatlah penting, khususnya pada perusahaan loyalty, dimana dibutuhkan banyak data dalam melakukan campaign, promosi, digital marketing, email blast, sms blast yang tujuannya membuat brand awareness dari sisi pelanggan dan tentunya meningkatkan tingkat penjualan dan keaktifan member dalam melakukan transaksi menggunakan point, saat ini metode yang digunakan untuk mengukur tingkat akurasi data menggunakan Naive Bayes, C4.5 dan bantuan Algoritma Preprocessing untuk meningkatkan akurasi data. Sehingga didapatkan hasil bahwa dengan proses preprocessing hasil pengukuran menjadi lebih baik. Kata Kunci— Algoritma Preprocessing, Algoritma C4.5, Algoritma Naive Bayes, Data Pelanggan
Sistem Absensi Karyawan Pada Perusahaan KU Creatives Unlimited Menggunakan Teachable Machine Tambunan, Marselino Raja Putra; Alfarobi, Ibnu
Jurnal INSAN Journal of Information System Management Innovation Vol. 4 No. 2 (2024): Desember 2024
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/jinsan.v4i2.7561

Abstract

Dalam era digital, pencatatan kehadiran secara manual memiliki banyak kekurangan seperti rentan terhadap kesalahan dan manipulasi data. Oleh karena itu, diperlukan sistem yang lebih efisien dan akurat. Teknologi pengenalan wajah menggunakan algoritma Convolutional Neural Networks (CNN) diintegrasikan dengan Teachable Machine yang dikembangkan oleh Google untuk melatih model pengenalan wajah karyawan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem absensi karyawan berbasis pengenalan wajah menggunakan Teachable Machine di Perusahaan KCU. Sistem ini diuji dalam berbagai kondisi dan menunjukkan tingkat akurasi yang tinggi. Hasil penelitian menunjukkan bahwa sistem ini tidak hanya meningkatkan efisiensi dan akurasi pencatatan kehadiran, tetapi juga mengurangi risiko kesalahan dan manipulasi data. Implementasi teknologi ini sejalan dengan perkembangan industri 4.0 yang menekankan otomatisasi dan digitalisasi proses bisnis
Implementasi Sistem Informasi Data Pasien Yang Terintegrasi Dengan Platform Satu Sehat Kemenkes Pada Rumah Sakit Mitra Keluarga Lutfianto, Lutfianto; Wira Hadi, Sofian; Alfarobi, Ibnu; Kurniawan, Wawan; Hoiriah, Hoiriah; Mulyadi, Mulyadi
JAIS - Journal of Accounting Information System Vol. 5 No. 01 (2025): Juni
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/jais.v5i01.9013

Abstract

Sistem informasi merupakan suatu faktor penting dalam sebuah instansi baik pemerintah maupun swasta. Dan saat ini, pihak pemerintah juga banyak melakukan kerjasama dengan rumah sakit yang ada di Indonesia dalam hal integrasi dengan mengumpulkan data-data kunjungan pasien ke rumah sakit. Kendala yang dialami sekarang ini pihak Rumah Sakit melakukan pengisian manual ke website kementrian kesehatan, tidak terkecuali Rumah Sakit Mitra keluarga yang mulai ikut dalam kebijakan pemerintah Indonesia untuk melakukan integrasi data riwayat kesehatan. Untuk memudahkan integrasi data tersebut, maka dibutuhkan sebuah sistem yang mampu menfasilitasinya. Sistem Informasi yang terintegrasi dengan Satusehat ini bertujuan untuk mempermudah pengguna sistem tidak melakukan 2 (Dua) kali input di sistem yang berbeda. Metode yang digunakan dalam perancangan sistem ini adalah menggunakan metode Prototype dengan langkah Communication, Quick Plan, Modelling Quick Design, Construction of Prototype, Deployment Delivery & Feedback. Dengan adanya integrasi data pasien dengan platform satusehat milik Kemenkes, maka memudahkan proses pemadanan data tanpa harus dilakukan penginputan kembali di website Kemeterian Kesehatan
Sistem Absensi Karyawan Pada Perusahaan KU Creatives Unlimited Menggunakan Teachable Machine Tambunan, Marselino Raja Putra; Alfarobi, Ibnu
Jurnal INSAN Journal of Information System Management Innovation Vol. 4 No. 2 (2024): Desember 2024
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/jinsan.v4i2.7561

Abstract

Dalam era digital, pencatatan kehadiran secara manual memiliki banyak kekurangan seperti rentan terhadap kesalahan dan manipulasi data. Oleh karena itu, diperlukan sistem yang lebih efisien dan akurat. Teknologi pengenalan wajah menggunakan algoritma Convolutional Neural Networks (CNN) diintegrasikan dengan Teachable Machine yang dikembangkan oleh Google untuk melatih model pengenalan wajah karyawan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem absensi karyawan berbasis pengenalan wajah menggunakan Teachable Machine di Perusahaan KCU. Sistem ini diuji dalam berbagai kondisi dan menunjukkan tingkat akurasi yang tinggi. Hasil penelitian menunjukkan bahwa sistem ini tidak hanya meningkatkan efisiensi dan akurasi pencatatan kehadiran, tetapi juga mengurangi risiko kesalahan dan manipulasi data. Implementasi teknologi ini sejalan dengan perkembangan industri 4.0 yang menekankan otomatisasi dan digitalisasi proses bisnis
Comparison of Random Forest and K-Nearest Neighbors in Heart Disease Prediction Erni; Alfarobi, Ibnu; Wawan Kurniawan
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 5 No. 2 (2026): February 2026
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v5i2.1942

Abstract

Heart disease is one of the leading causes of death worldwide, with a death toll reaching 17.9 million cases annually according to the World Health Organization (WHO) and a prevalence of 1.5% in Indonesia. This high mortality rate demonstrates the importance of early detection and accurate prediction to prevent more serious complications. The development of artificial intelligence technology, particularly machine learning, offers a new approach in the medical field through the ability to analyze clinical data quickly and efficiently. This study was conducted to compare the performance of two machine learning algorithms, namely Random Forest and K-Nearest Neighbors (KNN), in predicting heart disease using a clinical dataset from Kaggle containing 20 samples and 9 attributes related to the patient's physiological condition. The parameter optimization process in both algorithms was carried out using grid search techniques with cross-validation to obtain the best model that can perform optimally on a limited dataset. Performance evaluation was carried out using accuracy, recall, and precision metrics to comprehensively measure the quality of the model predictions. The results of the study showed that the Random Forest algorithm provided superior performance with an accuracy of 0.75, a recall of 0.88, and a precision of 0.86, compared to KNN which only achieved an accuracy of 0.50, a recall of 0.67, and a precision of 0.67. These findings indicate that Random Forest is more effective in identifying the presence of heart disease, especially in terms of sensitivity to positive cases and prediction consistency. Thus, Random Forest has the potential to be a more appropriate algorithm for implementation in machine learning-based clinical decision support systems, to support the process of diagnosing heart disease more accurately and efficiently.
Co-Authors Agasya Tutupoly, Taransa Erni Hoiriah, Hoiriah Lutfianto, Lutfianto Mulyadi Mulyadi Tambunan, Marselino Raja Putra Wawan Kurniawan Wawan Kurniawan Wira Hadi, Sofian