Article Per Year (5 Year)
p-Index From 2021 - 2026
5.067
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) Journal of Artificial Intelligence and Engineering Applications (JAIEA) J-Icon : Jurnal Komputer dan Informatika Jurnal Sistem Informasi dan Manajemen
Dikananda, Arif Rinaldi
Unknown Affiliation
Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education

Published : 40 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 40 Documents
Search

 1   2   3   4 
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.
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.
K-Means Algorithm for Clustering High-Achieving Student at Madrasah Tsanawiyah Yami Waled Muhammad Hilman; Martanto; Dikananda, Arif Rinaldi; Rifai, Ahmad
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 4 No. 3 (2025): June 2025
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v4i3.771

Abstract

This study aims to apply the K-Means algorithm to cluster students based on their mathematics grades at Madrasah Tsanawiyah Islamiyyah Yami Waled. By categorizing students into clusters of low, medium, and high academic achievement, the institution can develop more effective and targeted learning strategies. The data consisted of semester mathematics grades from 112 students, analyzed using the K-Means clustering algorithm. Clusters were evaluated using the Davies-Bouldin Index (DBI), with results showing three distinct clusters: Cluster 0 (low achievers, 54 students), Cluster 1 (medium achievers, 37 students), and Cluster 2 (high achievers, 21 students). The DBI score of 0.893 indicates good clustering quality, providing valuable insights for personalized learning approaches.
Optimization of Kebaya Product Grouping Using K-Means Algorithm for Marketing Strategy of Rental Services at Gifaattire Store Nuraeni; Martanto; Dikananda, Arif Rinaldi; Rifai, Ahmad
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 4 No. 3 (2025): June 2025
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v4i3.776

Abstract

This study aims to implement the K-Means algorithm to improve the kebaya clustering model to support the rental marketing strategy at Gifaattire Store. The K-Means algorithm was used to analyze eight months of historical kebaya rental data, focusing on the attributes of kebaya type and color. Using the Knowledge Discovery in Database (KDD) approach, the research conducted data selection, preprocessing, transformation, data mining, and evaluation of clustering results. Davies-Bouldin Index (DBI) was utilized to assess the quality of clustering, resulting in an optimal value of 6 clusters with a DBI of 0.580. The results showed that each cluster has unique characteristics that reflect customer demand patterns. Cluster 0, the largest cluster, indicates kebayas with high demand but limited color variations. In contrast, Cluster 1 indicates kebayas with a wide variety of colors but specific demand. This information enables Gifaattire Store to design more targeted data-driven marketing strategies and improve stock management efficiency. The research contributes to the development of literature on the application of K-Means in the fashion rental sector and offers practical insights into understanding customer preferences.
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.
Co-Authors -, Martanto - ., Martanto abdullah, nur syarief Ade Rizki Rinaldi Ahmad Faqih Ahmad Rifai Almadina, Muhammad Fitrian Shousyade Ardhanur, Ichlas Artoti, Azzahra Rizky 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 Martanto . Mirna Mirna Muhamad Abdul Fatah Muhammad Hilman Mulyawan Mulyawan, Mulyawan Muzani, Muhamad Nining Rahaningsih Nur Hermawan, Ilham Nuraeni Nurcholis, Rifki Odi Nurdiawan Pratama, Fidya Arie Pura, Panji Adi Purnamasari, Ade Irma Putra, Purniadi Putri, Haidah Putri, Niken Zeliana Raditya Danar Dana Ramadan, Muhamad Firly 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