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 
ALGHORITMA BACKPROPAGATION NEURAL NETWORK DENGAN MENGOPTIMASI PARTICLE SWARM OPTIMIZATION UNTUK MEMPREDIKSI SAHAM BANK BCA Muzani, Muhamad; Martanto, Martanto; Dikananda, Arif Rinaldi; Rifai, 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.v13i2.6208

Abstract

Pasar saham menjadi instrumen investasi menarik di tengah pesatnya perkembangan teknologi informasi. Namun, volatilitas harga saham yang tinggi sering menyulitkan investor mengambil keputusan. Prediksi harga saham menjadi penting untuk membantu menyusun strategi investasi yang efektif. Penelitian ini menggunakan kerangka kerja Knowledge Discovery in Databases (KDD), mencakup tahap data selection, data preprocessing, data transformation, data mining, dan interpretation/evaluation. Data historis harga saham Bank BCA dikumpulkan dari sumber terpercaya dan dianalisis untuk memilih fitur relevan yang memengaruhi harga saham. Model Backpropagation Neural Network (BPNN) diterapkan untuk prediksi, dengan optimasi menggunakan Particle Swarm Optimization (PSO) guna meningkatkan akurasi dan kecepatan konvergensi model. Evaluasi model dilakukan dengan metrik Squared Error (SE) dan Root Mean Squared Error (RMSE). Hasil menunjukkan SE sebesar 0.325 dengan margin kesalahan ±0.565, menandakan kesalahan prediksi rendah. RMSE sebesar 0.570 dengan margin ±0.000 mengindikasikan model memiliki akurasi tinggi, dengan prediksi yang sangat mendekati nilai aktual.
ALGORITMA REGRESI LINIER UNTUK MENINGKATKAN MODEL PREDIKSI PENJUALAN PADA TOKO DEVANJAYABAN Hardika, Hardika; 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.v13i2.6357

Abstract

Penjualan ban mobil menghadapi tantangan akibat volatilitas pasar dan pola permintaan yang kompleks, sehingga diperlukan model prediksi yang andal. Penelitian ini mengembangkan model prediksi penjualan di Toko Devan Jaya Ban menggunakan regresi linear. Data historis penjualan bulanan (Januari–April 2024) dianalisis dengan metode Knowledge Discovery in Databases (KDD), mencakup seleksi data, preprocessing, transformasi, pemodelan, dan evaluasi. Model dibangun menggunakan RapidMiner dan dievaluasi dengan Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), dan Relative Error (RE). Hasil menunjukkan performa baik dengan RMSE 1.778, MAE 1.478 ± 0.989, dan RE 6.81% ± 5.09%. Preprocessing, seperti normalisasi data dan pemilihan variabel relevan, meningkatkan akurasi model. Regresi linear terbukti efektif dalam memprediksi penjualan serta mendukung optimalisasi stok, perencanaan pemasaran, dan pengambilan keputusan bisnis. Pengembangan lebih lanjut dapat mencakup variabel eksternal seperti tren pasar, musim, dan faktor ekonomi, serta membandingkan regresi linear dengan algoritma pembelajaran mesin lain untuk model yang lebih adaptif.
ALGORITMA REGRESI LINEAR UNTUK PREDIKSI HASIL PANEN DAN STRATEGI PRODUKSI PADI DI KABUPATEN CIREBON Fatimah, Lilis; Martanto, Martanto; Dikananda, Arif Rinaldi; Rifa’i, Ahmad
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 2 (2025): EDISI 24
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i2.5139

Abstract

Kabupaten Cirebon berperan strategis dalam mendukung ketahanan pangan nasional melalui produksi padi. Penelitian ini bertujuan merancang model prediksi hasil panen menggunakan algoritma regresi linear. Data tujuh tahun terakhir meliputi luas tanam, luas panen, dan penggunaan pupuk dianalisis menggunakan metode KDD yang mencakup seleksi data, praproses, transformasi, data mining, dan evaluasi model. Hasil penelitian menunjukkan nilai MSE 1.392.394,91, RMSE 1.179,99, MAE 763,29, dan R² 0,992, dengan korelasi luas panen dan luas tanam masing-masing 0,99 dan 0,98. Strategi peningkatan hasil panen meliputi pemanfaatan varietas unggul, penggunaan lahan tidur, adopsi teknologi modern, dan perlindungan lahan dari alih fungsi. Model ini andal dalam mendukung perencanaan produksi padi dan dapat diterapkan pada sektor pertanian lain untuk meningkatkan produktivitas berkelanjutan.
ALGORITMA K-MEANS UNTUK MENGELOMPOKAN BANTUAN SOSIAL DALAM PENENTUAN STRATEGI DISTRIBUSI DESA SIGONG Mirna, Mirna; Martanto, Martanto; Dikananda, Arif Rinaldi; Rifa’i, Ahmad
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 2 (2025): EDISI 24
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i2.5141

Abstract

Distribusi bantuan sosial di Desa Sigong, Kabupaten Cirebon sering terkendala ketidaktepatan sasaran. Penelitian ini bertujuan mengoptimalkan pengelompokan penerima bantuan sosial menggunakan algoritma K-Means dan metodologi Knowledge Discovery in Databases (KDD). Data sosial-ekonomi 500 keluarga dianalisis melalui seleksi data, praproses, transformasi, pengelompokan, dan evaluasi model dengan indeks Davies-Bouldin (DBI). Hasil menunjukkan dua klaster optimal dengan nilai DBI 0,614, yaitu klaster pertama (945 penerima) dengan kebutuhan rendah dan klaster kedua (139 penerima) dengan kebutuhan tinggi. Rekomendasi berbasis data dari klaster ini meningkatkan keakuratan distribusi bantuan yang lebih adil dan efisien. Hasil penelitian menunjukkan bahwa algoritma K-Means dapat menjadi alat yang efektif dalam mendukung pengambilan keputusan berbasis data untuk kebijakan sosial yang tepat sasaran.
Analisis Sentimen Aplikasi SeaBank dengan Algoritma Naive Bayes untuk Optimalisasi Pelayanan Putri, Niken Zeliana; Martanto, Martanto; Dikananda, Arif Rinaldi; Rifa’i, Ahmad
Jurnal Informatika Terpadu Vol 11 No 1 (2025): Maret, 2025
Publisher : LPPM STT Terpadu Nurul Fikri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54914/jit.v11i1.1721

Abstract

The rapid development of digital banking technology requires improvements in service quality to remain competitive in the financial industry. Seabank Indonesia is one of the widely used digital banking applications, making sentiment analysis of user reviews an essential aspect of understanding their perceptions of the provided services. This study evaluates user sentiment toward the Seabank application by implementing the Naïve Bayes algorithm to optimize service quality. The research data was obtained through a web scraping process from the Google Play Store, totalling 1,000 reviews. The Knowledge Discovery in Databases (KDD) approach was applied in the analysis, encompassing preprocessing stages such as cleaning, casefolding, tokenization, stopword removal, stemming, and Term Frequency-Inverse Document Frequency (TF-IDF) representation. The classification model was built by splitting the dataset into 70% training and 30% test data. The evaluation results indicate that the developed model achieved an accuracy of 88%, with a precision of 95%, recall of 87%, and F1-score of 91%. An analysis of all reviews revealed that 70.5% were positive, while 29.5% were negative. These findings demonstrate that the Naïve Bayes algorithm is effective in analyzing user sentiment and provides valuable insights for developers to enhance the quality of Seabank Indonesia’s services.
Augmented Reality Dalam Mendeteksi Produk Rotan Menggunakan Metode Multimedia Development Life Cycle (MDLC) Dikananda, Arif Rinaldi; Nurdiawan , Odi; Subandi, Husein
MEANS (Media Informasi Analisa dan Sistem) Volume 6 Nomor 2
Publisher : LPPM UNIKA Santo Thomas Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1129.165 KB) | DOI: 10.54367/means.v6i2.1512

Abstract

The furniture business has developed quite well every year, but the promotions used by the company still use the usual methods, such as using brochures that only display 2D information and images. With so much competition, consumers want something unique and different so they can find out more detailed and real product information offered. Augmented reality is the right technology to meet these consumer needs. Augmented reality is a technology that combines the virtual world with the real world directly. Therefore, an application was designed that functions as a company profile as well as displays 3D rattan chair products using Augmented reality technology on android devices. The method used in this research is the Multimedia Development Life Cycle (MDLC) which includes Concept, Design, Material Collecting, Assembly, Testing, and Distribution. This Augmented reality application requires streaming video taken from a smartphone camera as an input source, then this application will track and detect markers using a tracking system, after the marker is detected, the 3D chair model in the catalog will appear above the marker as if it were a chair model. it's real. the results of the hypothesis test with a significant level of 0.139, which is greater than 0.05, then what is accepted is H1. It can be stated that an augmented reality-based electronic catalog application can increase buying interest in potential consumers of Raffi cushion rotan
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.
ANALISIS SENTIMEN ULASAN APLIKASI PINTU DI GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA NAIVE BAYES Khotimah, Khusnul; Martanto, Martanto; Dikananda, Arif Rinaldi; Rifa'i, Ahmad
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.v13i1.5789

Abstract

Aplikasi berbasis blockchain seperti Pintu semakin populer di Indonesia sebagai platform investasi modern. Namun, tantangan utama dalam menganalisis ulasan pengguna adalah volume data yang besar dan variasi sentimen yang kompleks. Tujuan dari penelitian ini yaitu untuk mengimplementasikan algoritma Naïve Bayes guna meningkatkan analisis sentimen aplikasi Pintu di ulasan Google Play Store. Data ulasan dikumpulkan melalui web scraping dan diproses melalui tahapan pembersihan teks, normalisasi, penghapusan stopwords, tokenisasi, dan translasi. Sentimen diberi label menggunakan TextBlob, dengan menghapus ulasan netral untuk menyederhanakan klasifikasi menjadi positif dan negatif. Ketidakseimbangan data diatasi menggunakan teknik oversampling SMOTE. Dataset akhir terdiri dari 2.510 ulasan positif (92,9%) dan 191 ulasan negatif (7,1%). Hasil evaluasi menunjukkan akurasi model sebesar 95,07%. Presisi dan recall untuk kelas positif masing-masing mencapai 97% dan 98%, namun performa pada kelas negatif masih terbatas dengan presisi 62% dan recall 58%. Teknik SMOTE berhasil meningkatkan performa keseluruhan, meskipun tantangan dalam mengenali sentimen minoritas tetap ada. 
ALGORITMA K-MEANS UNTUK MENINGKATKAN SEGMENTASI POLA KEKERASAN Fithriyani, Nurul Muna; 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.v13i1.5795

Abstract

Abstrak. Meningkatnya angka kekerasan terhadap perempuan dan anak-anak di berbagai wilayah telah menimbulkan kebutuhan mendesak akan strategi yang efektif untuk mengidentifikasi dan mengelompokkan daerah-daerah yang rawan kekerasan. Penelitian ini bertujuan untuk mengembangkan metode klasterisasi berbasis algoritma K-Means dalam upaya meningkatkan segmentasi pola kekerasan, khususnya dalam kasus yang melibatkan perempuan dan anak. Dengan menggunakan data kekerasan dari berbagai wilayah, algoritma K-Means diterapkan untuk mengelompokkan kasus berdasarkan karakteristik tertentu yang relevan. Hasil penelitian menunjukkan bahwa algoritma K-Means memiliki potensi yang kuat dalam segmentasi data kekerasan dan mampu memberikan hasil yang lebih optimal dibandingkan metode lain pada kasus yang dipelajari. Penelitian ini memberikan wawasan baru dalam pengelompokan data sosial menggunakan pendekatan klasterisasi, yang pada akhirnya dapat meningkatkan upaya penanganan kasus kekerasan di berbagai wilayah. Penelitian ini menggunakan tahapan Knowladge Discovery in Database (KDD). Data yang diperoleh bersumber dari situs portal https://www.kaggle.com/datasets . Metode k-means clustering yang berfungsi untuk memecah dataset menjadi beberapa kelompok/cluster. Berdasarkan hasil penelitian ini terdapat 2 cluster yaitu cluster 0 dengan jumlah anggota 1573 dan cluster 1 dengan jumlah anggota 3431. pengukuran kinerja menggunakan DBI, K=2 dengan tingkat kinerja 0,459 maka tingkat kinerja yang terbaik karena tingkat dalam dex mendekati 0.133 
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.
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