Article Per Year (5 Year)
p-Index From 2021 - 2026
4.552
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Bianglala Informatika : Jurnal Komputer dan Informatika Akademi Bina Sarana Informatika Yogyakarta AL-TANZIM : JURNAL MANAJEMEN PENDIDIKAN ISLAM JOURNAL INFORMATICS, SCIENCE & TECHNOLOGY Building of Informatics, Technology and Science Jurnal Teknik Informatika C.I.T. Medicom MEANS (Media Informasi Analisa dan Sistem) Jurnal Informatika Terpadu JUSTIN (Jurnal Sistem dan Teknologi Informasi) D'computare: Jurnal Ilmiah Teknologi Informasi dan Ilmu Komputer Jurnal Informatika Teknologi dan Sains (Jinteks) J-Icon : Jurnal Komputer dan Informatika Jurnal Sistem Informasi dan Manajemen
Dikananda, Arif Rinaldi
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education

Published : 35 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 35 Documents
Search

 1   2   3   4 
IMPLEMENTASI TEKNOLOGI QUICK RESPONSE CODE DALAM SISTEM E-TICKETING PADA EVENT ORGANIZER Almadina, Muhammad Fitrian Shousyade; Martanto, Martanto; Dikananda, Arif Rinaldi; Rohman, Dede
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5730

Abstract

Penelitian bertujuan untuk merancang dan menguji seberapa efektif sistem dengan teknologi Quick Response Code untuk mengoptimalkan manajemen acara dan mengevaluasi kepuasan pengguna. Tingkat kepuasan diukur menggunakan metode System Usability Scale (SUS) yang dibagikan kepada 60 responden. Analisis kuesioner menghitung rerata nilai final_score SUS, disertai uji validitas dan reliabilitas menggunakan Cronbach's Alpha. Pengujian Kruskal-Wallis dilakukan untuk menilai perbedaan kepuasan sebelum dan setelah sistem diimplementasi. Hasil analisis menunjukkan nilai rerata final_score SUS sebesar 72.2 (kategori GOOD), dengan tingkat kepuasan HIGH hingga ACCEPTABLE. Uji validitas menyatakan semua pertanyaan valid, dan uji reliabilitas menghasilkan nilai Cronbach Alpha sebesar 0.69, hal ini menunjukkan konsistensi yang baik. Uji Kruskal-Wallis mengungkap perbedaan signifikan (p < 0.001), menunjukkan dampak positif sistem terhadap pengalaman pengguna.
Comparing optimization hyperparameter long short term memory for rainfall prediction model Nur Hermawan, Ilham; Martanto, Martanto; Dikananda, Arif Rinaldi; Mulyawan, Mulyawan
Jurnal Teknik Informatika C.I.T Medicom Vol 16 No 6 (2025): January : Intelligent Decision Support System (IDSS)
Publisher : Institute of Computer Science (IOCS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35335/cit.Vol16.2025.942.pp405-414

Abstract

Improving the accuracy of weather prediction, especially rainfall, is very important in various sectors such as agriculture, water resource management, and disaster mitigation. This research aims to optimize the Long Short-Term Memory (LSTM) model in rainfall prediction through the application of hyperparameter optimization using two main techniques: Grid Search and Bayesian Optimization (Optuna). This hyperparameter optimization includes finding the best configuration of important parameters, such as the number of LSTM units, batch size, learning rate, and number of epochs. A historical rainfall dataset from BMKG is used, which is then divided into training and test data to build and test the prediction model. Grid Search performs a thorough exploration of all possible parameter combinations, while Optuna uses a probabilistic Bayesian approach to speed up the optimization process. The results show that hyperparameter optimization significantly improves the performance of LSTM models. The model optimized with Optuna produces a Mean Squared Error (MSE) value of 0.179578 with an execution time of 105.26 seconds, while Grid Search has an MSE of 0.286778 with an execution time of 457.69 seconds. The lower MSE value indicates that the Optuna model has a smaller prediction error, making it more accurate in predicting rainfall. The faster execution time of Optuna also confirms its efficiency in finding the optimal hyperparameter configuration compared to Grid Search. The conclusion of this study confirms that hyperparameter optimization plays an important role in improving the prediction accuracy of LSTM for rainfall. The developed method is expected to be the basis for the development of other weather prediction models as well as support decision-making in various sectors that rely on weather prediction. In addition, this research opens up opportunities for further studies in the optimization of deep learning models in handling complex climate data.
PENERAPAN FP-GROWTH UNTUK ANALISIS POLA PEMBELIAN PRODUK SKINCARE Khoirunisa, Pitria; Martanto, Martanto; Dikananda, Arif Rinaldi; Rohman, Dede
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 1 (2025): EDISI 23
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i1.5213

Abstract

Kemajuan teknologi informasi dan persaingan di industri kecantikan menghasilkan data transaksi yang besar. Algoritma FP-Growth dipilih dalam penelitian ini karena efisiensinya dalam menganalisis data besar tanpa perlu menghasilkan kandidat itemset seperti algoritma Apriori. Data ini, jika dianalisis dengan tepat, dapat memberikan wawasan yang berguna untuk memperbaiki strategi pemasaran, meningkatkan efisiensi operasional, dan meningkatkan kepuasan pelanggan. CV Leika Skincare belum memiliki panduan dalam memanfaatkan data transaksi secara optimal. Penelitian ini bertujuan untuk mengidentifikasi pola pembelian produk skincare menggunakan data transaksi penjualan dari Januari hingga Juni 2024, terdiri dari 25.818 entri data dan 22 atribut. Data dalam industri kecantikan sangat penting karena memberikan wawasan terkait perilaku pelanggan, preferensi produk, dan kebutuhan pasar, sehingga membantu perusahaan seperti CV Leika Skincare dalam merancang kampanye pemasaran yang relevan dan berbasis data. Dengan metode FP-Growth, bagian dari pendekatan Knowledge Discovery in Databases (KDD), serta bantuan perangkat lunak Rapid Miner, ditemukan 10 aturan asosiasi yang signifikan. Hasil penelitian ini memberikan wawasan strategis untuk promosi bundling produk, rekomendasi produk, dan manajemen stok yang lebih baik. Penelitian ini menunjukkan pentingnya pemanfaatan data secara strategis dalam meningkatkan daya saing di industri kecantikan.
MENINGKATKAN EFISIENSI PANEL SURYA MELALUI IOT BERBASIS ARDUINO Hamam, Moh; Martanto, Martanto; Dikananda, Arif Rinaldi; Rifa'i, Ahmad
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 1 (2025): EDISI 23
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i1.5231

Abstract

Krisis energi global dan meningkatnya kebutuhan akan solusi ramah lingkungan menjadikan energi surya sebagai salah satu alternatif utama. Namun, efisiensi panel surya tradisional sering terhambat oleh posisi yang statis, menyebabkan penyerapan energi kurang optimal. Penelitian ini bertujuan untuk meningkatkan efisiensi panel surya dengan sistem otomatis berbasis Internet of Things (IoT) dan Arduino. Metode yang digunakan mencakup pengembangan prototipe yang mengintegrasikan sensor Light Dependent Resistor (LDR) untuk mendeteksi intensitas cahaya, mikrokontroler Arduino untuk pengendalian, dan aplikasi Blynk untuk pemantauan real-time. Data intensitas cahaya digunakan untuk mengatur posisi panel surya secara otomatis mengikuti perubahan posisi matahari sepanjang hari. Hasil penelitian menunjukkan bahwa sistem ini mampu meningkatkan efisiensi penyerapan energi panel surya secara signifikan. Sistem ini memungkinkan pemantauan dan pengendalian yang mudah, menjadikannya solusi yang ekonomis dan praktis untuk energi terbarukan yang lebih efisien
Media Pembelajaran Media Pembelajaran Fiqih dan Tajwid Berbasis Game Edukasi “Ngazee : Finding Hidayah” Menggunakan Metode MDLC Bahrul Jawahir, Muhammad; Dana, Raditya Danar; Dikananda, Arif Rinaldi
D'computare: Jurnal Ilmiah Teknologi Informasi dan Ilmu Komputer Vol 14 No 1 (2024): Edisi Januari 2024
Publisher : Universitas Cokroaminoto Palopo Fakultas Teknik Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30605/dcomputare.v14i1.71

Abstract

Perkembangan game saat ini berkembang dengan sangat cepat, dari permainan atau game konvensional dan tradisional bertransformasi menjadi game yang canggih dan modern dengan memanfaatkan kemajuan teknologi. Saat ini game dapat diakses dan dimainkan kapan saja dan dimana saja di berbagai platform. Zaman sekarang ini game tidak hanya dimainkan sebagai hiburan, namun sudah banyak game edukasi yang digunakan sebagai media pembelajaran dan pelayanan di berbagai lembaga pendidikan maupun lembaga masyarakat. Salah satu jenis game yang populer adalah game open world atau game simulasi. Media pembelajaran kitab kuning di Pondok Pesantren hanya bisa didapat atau diperoleh ketika sedang mondok di pesantren dengan tatap muka, ketika siswa atau santri sudah keluar atau lulus dari pesantren mereka tidak dapat mengulang pembelajaran dengan informasi yg sama. Dengan adanya game edukasi pembelajaran kitab kuning maka memungkinkan pembelajaran dapat diakses secara berulang.
Pengembangan Model Pengelompokan Jenis Bencana Alam di Jawa Barat menggunakan Algoritma K-Means Pura, Panji Adi; ., Martanto; Dikananda, Arif Rinaldi; Rohman, Dede
Bianglala Informatika Vol 13, No 1 (2025): Bianglala Informatika 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/bi.v13i1.24700

Abstract

Salah satu masalah terbesar yang dihadapi masyarakat Jawa Barat adalah bencana alam. Analisis berbasis data diperlukan untuk memahami pola kejadian bencana dan mendukung kebijakan mitigasi yang efektif karena berbagai jenis bencana. Untuk menganalisis data kejadian bencana di Jawa Barat selama periode 2020–2023, penelitian ini menggunakan pendekatan Knowledge Discovery in Databases (KDD).Tahapan KDD meliputi pembuatan dataset, preprocessing untuk normalisasi dan penanganan data hilang, serta transformasi guna menentukan atribut utama. Algoritma K-Means digunakan dalam proses data mining untuk mengelompokkan wilayah berdasarkan jenis bencana dan intensitasnya. Tahap terakhir adalah interpretasi hasil, yang bertujuan untuk memahami pola distribusi bencana. Hasil klasterisasi menghasilkan lima kluster utama. Cluster 0 menunjukkan dominasi kejadian banjir dan kebakaran lahan, sering ditemukan di dataran rendah dengan karakteristik lingkungan yang rawan pembakaran liar. Cluster 1 didominasi oleh kejadian tanah longsor di wilayah perbukitan yang curah hujannya tinggi. Cluster 2 mencerminkan kombinasi kejadian hujan angin dan kekeringan di daerah pedesaan dengan sumber daya air terbatas. Cluster 3 menunjukkan kejadian bencana dengan frekuensi rendah dan distribusi yang merata, seringkali terkait dengan daerah urban. Sementara itu, Cluster 4 memiliki tingkat heterogenitas tertinggi, mencakup berbagai jenis bencana dengan intensitas bervariasi di wilayah pegunungan dan lembah. Kualitas klasterisasi diukur menggunakan Davies-Bouldin Index (DBI) sebesar 0.085, mengindikasikan pemisahan kluster yang baik. Selain itu, analisis Performance Vector menunjukkan jarak total antar-kluster sebesar 2.311, dengan jarak terbesar pada Cluster 4 (4.672). Selain memberikan wawasan mendalam tentang pola bencana di Jawa Barat, penelitian ini diharapkan dapat membantu dalam perencanaan dan alokasi sumber daya yang lebih tepat sasaran untuk mitigasi bencana.
APPLICATION OF K-MEANS ALGORITHM IN KINDERGARTEN SCHOOL LOCATION CLUSTERING OF SCHOOL SELECTION STRATEGY BY PARENTS Syifa, Nurkhasanah Fadhila; Martanto, Martanto; Dikananda, Arif Rinaldi; Rohman, Dede
J-Icon : Jurnal Komputer dan Informatika Vol 13 No 1 (2025): March 2025
Publisher : Universitas Nusa Cendana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35508/jicon.v13i1.20202

Abstract

This research aims to improve the kindergarten school location clustering model to support parents' school selection strategies. The main issue raised is the need to understand parents' preferences more deeply in choosing the right school for their children. To achieve this goal, the K-Means algorithm was applied and analyzed to cluster parents' data based on characteristics such as occupation, education, and residential location. This research utilizes a quantitative method with an exploratory descriptive approach. The results showed that the K-Means algorithm successfully formed two clusters with different characteristics. Cluster_0 includes groups with more centralized or close locations, education levels that tend to be low, and types of jobs that are at the lower middle economic level, while cluster_1 groups with more dispersed or distant locations, higher education levels, and jobs that are at higher economic levels. The quality of the resulting clusterization is considered quite good, with a Davies-Bouldin Index (DBI) value of 0.151. The application of the K-Means algorithm is proven to be effective in identifying groups of parents with different preferences, so it can be a foundation for schools in developing more targeted and tailored service strategies. This research makes an important contribution to the application of clustering techniques to support marketing strategies and decision-making in the early childhood education sector.
ANALISIS PERBANDINGAN ANTARA PROTOKOL OPEN SHORTEST PATH FIRST DAN BORDER GATEWAY PROTOCOL UNTUK KUALITAS JARINGAN hermansyah, Muhammad ikhwan adholf; -, Martanto -; Dikananda, Arif Rinaldi; Rifa'i, Ahmad
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6179

Abstract

Penelitian ini membandingkan kinerja Open Shortest Path First (OSPF) dan Border Gateway Protocol (BGP) dalam kualitas jaringan, khususnya latency dan stabilitas koneksi. Faktor ini krusial untuk memastikan performa jaringan yang andal, terutama pada sistem dengan tingkat keandalan tinggi. Simulasi dilakukan menggunakan EVE-NG dengan menerapkan kedua protokol pada beberapa Virtual Router dan mengujinya menggunakan Virtual PC (VPC). Pengujian dilakukan dengan perintah ping untuk mengirim paket ICMP ke server eksternal, sementara Wireshark digunakan untuk memantau latency dan kestabilan koneksi. Data dikumpulkan dari beberapa titik uji yang tersebar di jaringan dengan berbagai jumlah hop. Hasil menunjukkan bahwa BGP memiliki latency yang lebih stabil dengan rentang 48.253 ms hingga 59.779 ms, sedangkan OSPF memiliki variasi yang lebih besar antara 47.356 ms hingga 59.130 ms. Meskipun OSPF terkadang memiliki latency lebih rendah, fluktuasi tinggi menunjukkan ketidakstabilan jaringan. Dari segi kestabilan, BGP lebih konsisten dengan variasi antar-paket yang lebih kecil dibandingkan OSPF. Kesimpulannya, BGP lebih cocok untuk jaringan yang membutuhkan kestabilan tinggi, sementara OSPF, meskipun memiliki latency lebih rendah di beberapa kasus, cenderung kurang stabil pada jaringan yang kompleks.
IMPLEMENTASI ALGORITMA REGRESI LINEAR UNTUK MODEL PREDIKSI PENJUALAN DI TOKO AMANDA BROWNIES Syahri, Ibnu Nava; Martanto, Martanto; Dikananda, Arif Rinaldi; Mulyawan, Mulyawan
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6337

Abstract

Teknologi informasi telah mendorong pengembangan metode prediksi berbasis data untuk meningkatkan efisiensi bisnis, termasuk di industri ritel. Amanda Brownies Outlet Kesambi Cirebon menghadapi tantangan dalam memprediksi penjualan akibat pola konsumen yang dinamis. Penelitian ini bertujuan untuk mengembangkan model prediksi penjualan menggunakan regresi linear guna meningkatkan akurasi dan efisiensi pengelolaan stok. Pendekatan CRISP-DM digunakan dalam penelitian ini, dengan enam tahap utama: pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan implementasi. Data penjualan dari Juni hingga Agustus 2024 digunakan sebagai sumber utama analisis. Model dibangun menggunakan RapidMiner dengan pembagian data 70% untuk pelatihan dan 30% untuk pengujian. Evaluasi model menunjukkan nilai Root Mean Squared Error (RMSE) sebesar 16,890, yang mengindikasikan tingkat kesalahan prediksi yang rendah. Hasil ini menunjukkan bahwa model regresi linear dapat membantu pengelolaan stok secara lebih efektif, mengurangi risiko kelebihan atau kekurangan stok, dan mendukung optimalisasi rantai pasokan. Temuan ini menegaskan efektivitas regresi linear dalam prediksi penjualan dan membuka peluang untuk pengembangan model lebih lanjut dengan mempertimbangkan variabel tambahan atau algoritma machine learning yang lebih kompleks.
ANALISIS PREDIKSI PENJUALAN TISU MENGGUNAKAN REGRESI LINEAR Ardhanur, Ichlas; Martanto, Martanto; Dikananda, Arif Rinaldi; Mulyawan, Mulyawan
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6310

Abstract

Abstrak. Penelitian ini dilakukan untuk mendukung pengambilan keputusan dalam strategi produksi dan distribusi penjualan tisu yang efisien. Dalam dunia bisnis yang semakin kompetitif, prediksi penjualan yang akurat menjadi elemen penting untuk memastikan ketersediaan produk sesuai dengan permintaan pasar sekaligus menghindari kelebihan atau kekurangan stok. Model regresi linear dipilih dalam penelitian ini karena kesederhanaannya, penerapannya yang luas, dan kemampuannya untuk memberikan gambaran hubungan antara variabel-variabel tertentu terhadap penjualan. Penelitian ini bertujuan untuk memprediksi penjualan tisu menggunakan regresi linear dan mengevaluasi keakuratan modelnya melalui metrik R-squared (R²), Mean Squared Error (MSE), Root Mean Squared Error (RMSE), dan Mean Absolute Error (MAE). Hasil penelitian menunjukkan bahwa model regresi linear dapat menjelaskan 83% variasi data penjualan tisu (R² = 0,83), menunjukkan efektivitas model ini dalam menggambarkan hubungan variabel. Namun, nilai RMSE sebesar 78,34 dan MAE sebesar 56,69 menunjukkan adanya kesalahan prediksi yang signifikan. Oleh karena itu, disarankan untuk menambahkan variabel prediktor lain, seperti faktor musiman atau promosi, serta menggunakan model lebih kompleks, seperti regresi non-linear atau Random Forest, untuk hasil yang lebih akurat. Penelitian ini menyimpulkan bahwa regresi linear merupakan metode dasar yang bermanfaat, tetapi pengembangan model dan data yang lebih komprehensif diperlukan untuk meningkatkan akurasi prediksi.
Co-Authors -, Martanto - ., Martanto abdullah, nur syarief Ade Rizki Rinaldi Ahmad Faqih Ahmad Rifai Almadina, Muhammad Fitrian Shousyade Ardhanur, Ichlas Bahrul Jawahir, Muhammad Cakranegara, Pandu Adi Dadang Sudrajat Fasa, Saefullah fatimah, lilis Fithriyani, Nurul Muna Gifthera Dwilestari Hamam, Moh Hardika Hardika, Hardika hermansyah, Muhammad ikhwan adholf Irfan Ali, Irfan Khoirunisa, Pitria khusnul khotimah Martanto . Mirna Mirna Mulyawan, Mulyawan Muzani, Muhamad Nining Rahaningsih Nur Hermawan, Ilham Nurcholis, Rifki Odi Nurdiawan Pratama, Fidya Arie Pura, Panji Adi Purnamasari, Ade Irma Putra, Purniadi Putri, Haidah Putri, Niken Zeliana Raditya Danar Dana Rifa'i, Ahmad Rifa’I, Ahmad Rohman, Dede Rohmat, Cep Lukman Saeful Anwar, Saeful Subandi, Husein Syahri, Ibnu Nava Syifa, Nurkhasanah Fadhila Wijaya, Nurjana Adi Yunus, Shofian