Article Per Year (5 Year)
p-Index From 2021 - 2026
5.01
P-Index
This Author published in this journals
All Journal Jurnal TIMES Jurnal Informatika dan Teknik Elektro Terapan JURNAL LENTERA : Kajian Keagamaan, Keilmuan dan Teknologi JOURNAL OF APPLIED INFORMATICS AND COMPUTING Technomedia Journal DoubleClick : Journal of Computer and Information Technology J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Informasi dan Komputer Jurnal Teknologi Terpadu Jurnal Ilmu Komputer dan Bisnis Generation Journal JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Pemberdayaan Komunitas MH Thamrin Informatics and Digital Expert (INDEX) Jurnal Ilmiah Wahana Pendidikan J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Informatika dan Rekayasa Komputer
Rozikin, Chaerur
Unknown Affiliation
Religion Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Medicine & Pharmacology Nursing Public Health Social Sciences Other

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

Found 35 Documents
Search

 1   2   3   4 
Penerapan Algoritma Extreme Gradient Boosting (Xgboost) Untuk Analisis Risiko Kredit Saputra, Aldo Andika; Sari, Betha Nurina; Rozikin, Chaerur
Jurnal Ilmiah Wahana Pendidikan Vol 10 No 7 (2024): Jurnal Ilmiah Wahana Pendidikan
Publisher : Peneliti.net

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.10960080

Abstract

Berdasarkan data outstanding pinjam online, pada bulan Maret tahun ini kredit tidak lancar (30-90 hari) melonjak sebesar Rp3,58 triliun (71,13% YoY) dengan pinjaman perseorangan tertinggi sebesar Rp3,3 triliun dan selebihnya dari badan usaha. Kemudian yang mengalami kredit macet melebihi 90 hari pada bulan Maret 2023 sebesar Rp1,43 triliun dari total sisa pinjaman yang belum terbayar oleh debitur. Nilai ini meningkat jauh sebesar Rp1,35 triliun (65,33%) dibandingkan pada periode sebelumnya (YoY), di mana sebesar Rp1,14 triliun adalah kredit macet dari perseorangan. Hal ini terjadi karena berawal dari kurangnya keakuratan dalam proses screening customer. Penelitian ini bertujuan untuk mengklasifikasikan calon debitur menggunakan teknik data mining dengan menggunakan algoritma XGBoost. Metode atau langkah-langkah untuk mencapai tujuan dari penelitian ini adalah metodologi Knowledge Discovery in Database (KDD), yang terdiri dari lima langkah yaitu data selection, data preprocessing, data transformation, data mining, dan evaluation. Dataset berjumlah 1000 row data yang terdiri dari 700 good dan 300 bad, dengan 21 variabel (V1 sampai dengan V20) sedangkan V21 merupakan target atau output. Untuk menganalisis data, 10 skenario model dibangun untuk mengidentifikasi model yang terbaik. Hasil model menunjukan bahwa performa model semakin baik setelah dilakukan SMOTE dengan nilai accuracy dan nilai AUC yang mengalami peningkatan. Model terbaik didapatkan pada skrenario 1 (data train 90% dan 10 data test) dengan nilai accuracy 0,83 dan AUC 0,918. Dari hasil evaluasi model menunjukan bahwa algoritma XGBoost dapat digunakan untuk menganalisis data kredit sebelum menerima/ menolak pengajuan kredit.
PERANCANGAN DAN PEMBANGUNAN SISTEM OTOMASI BERBASIS IOT PADA PERTANIAN HIDROPONIK Afif, Ramadhan Nur; Rozikin, Chaerur; Sari, Betha Nurina
Jurnal Ilmiah Wahana Pendidikan Vol 10 No 9 (2024): Jurnal Ilmiah Wahana Pendidikan
Publisher : Peneliti.net

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.11181075

Abstract

Hydroponics is a growing method that replaces soil with water. It means you can grow anywhere without worrying about soil quality. And that makes water important for hydroponics. The amount of nutrients and the pH of the water affect the plants. The ideal pH for hydroponic plants is around 5.5 - 6.5 on average. The amount of nutrients in the water varies depending on the type of plant. This research uses TDS, pH and float switch sensors connected to the ESP32, which then communicates with the Blynk application. This application can be monitored and managed via the internet. This application is available on android, ios and Web. The test is performed on the tank by setting the target value. The results of calibrating the pH sensor using the one-point method are stable, giving relatively good measurement results.
Prediksi Harga Rumah Di Jakarta Pusat Menggunakan Algoritma Machine Learning Qolbi, Muhammad Brillian Syifa; Puteh, Teuku Nurmansyah; Rivandi, Rivandi; Rozikin, Chaerur
Jurnal Ilmu Komputer dan Bisnis Vol. 16 No. 1 (2025): Vol. 16 No. 1 Mei (2025)
Publisher : STMIK Dharmapala Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47927/jikb.v16i1.840

Abstract

Kebutuhan akan rumah sebagai tempat tinggal utama semakin meningkat di Indonesia akibat pertumbuhan penduduk yang pesat. Selain sebagai kebutuhan dasar, rumah juga dipandang sebagai investasi berharga dengan nilai yang dapat berubah seiring waktu. Keragaman informasi harga perumahan seringkali membingungkan masyarakat dalam memilih rumah yang sesuai dengan kebutuhan dan kemampuan mereka. Oleh karena itu, diperlukan pengembangan model yang dapat mensimulasikan harga berdasarkan preferensi dan kemampuan masyarakat. Data dikumpulkan menggunakan teknik web scraping dengan batasan berlokasi di Jakarta Pusat. Prediksi harga rumah dilakukan menggunakan algoritma Regresi Linear, Support Vector Machine (SVM), dan Random Forest (RF). Hasil prediksi menunjukkan bahwa luas tanah dan luas bangunan merupakan variabel dengan pengaruh terbesar terhadap harga rumah. Dari pengujian yang dilakukan, Random Forest menunjukkan performa terbaik dengan nilai mean absolute error (MAE) 3023,501, root meansquared error (RMSE) 7112,713, koefisien determinasi (R²) 0,942, dan mean absolute percentage error (MAPE) 0,269.
Perancangan Data Pipeline Untuk Analisis Pola Makan Sehat Sebagai Upaya Pencegahan Gizi Buruk di Indonesia Putri Yunisa, Ghaida; Akmaliah, Fitri; Putri Nadila Agustin, Allya; Cantika Parhati, Yusma; Rozikin, Chaerur
Informatics and Digital Expert (INDEX) Vol. 7 No. 2 (2025): INDEX, November 2025
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v7i2.2424

Abstract

Masalah gizi di Indonesia, termasuk stunting dan obesitas sentral, masih menjadi tantangan kesehatan yang signifikan akibat pola makan yang tidak seimbang dan rendahnya pengetahuan masyarakat tentang nutrisi. Penelitian ini bertujuan merancang data pipeline untuk mengintegrasikan, membersihkan, dan menyiapkan data gizi dari dataset publik, seperti Kaggle, sehingga analisis pola makan sehat dapat dilakukan secara komprehensif. Pipeline yang dikembangkan mencakup tahap data ingestion, data cleaning dan preprocessing, transformasi data, penyimpanan, serta analisis dan visualisasi data. Hasil implementasi menunjukkan bahwa setiap individu memiliki variasi asupan nutrisi harian yang berbeda, yang kemudian dibandingkan dengan standar kecukupan gizi harian WHO/Kemenkes. Sistem memberikan ringkasan status gizi individu dalam kategori “Seimbang”, “Perlu Perbaikan”, dan “Kurang Sehat”, dengan mayoritas responden masuk kategori “Perlu Perbaikan” (59,6%). Temuan ini menekankan perlunya intervensi berbasis data untuk meningkatkan pola makan masyarakat. Dataset yang dihasilkan bersih, terstruktur, dan siap digunakan untuk analisis lebih lanjut, sehingga dapat mendukung tenaga kesehatan, pembuat kebijakan, dan peneliti dalam merancang program pencegahan gizi buruk yang tepat sasaran.
ANALISIS KOMPARATIF EFEKTIVITAS PIPELINE DATA CLEANING BERBASIS ATURAN DAN LEMMATISASI UNTUK KLASIFIKASI SENTIMEN Khainur, Ahmad Fauzidan Yahya; Yuares, Taufiqurrohman; Fathurrohman, Muhammad Hafiz; Widianingsih; Rozikin, Chaerur
Jurnal TIMES Vol 14 No 2 (2025): Jurnal TIMES
Publisher : STMIK TIME

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pertumbuhan data teks tidak terstruktur menuntut metode pra-pemrosesan (preprocessing) yang efektif untuk analisis sentimen. Penelitian ini mengembangkan dan membandingkan dua pipeline automasi pembersihan data (data cleaning) berbasis Python menggunakan dataset IMDB Movie Reviews (50.000 sampel). Pipeline pertama menerapkan pendekatan Berbasis Aturan (Rule-Based) menggunakan ekspresi reguler (Regex), sedangkan pipeline kedua menerapkan pendekatan Berbasis Lemmatisasi menggunakan pustaka NLTK. Kualitas data hasil pembersihan dievaluasi menggunakan algoritma Multinomial Naive Bayes dan Logistic Regression dengan ekstraksi fitur TF-IDF (Unigram dan Bigram). Hasil eksperimen menunjukkan bahwa pendekatan Berbasis Aturan (Regex) secara signifikan lebih efisien dalam waktu komputasi (8,87 detik vs 38,43 detik) dan menghasilkan akurasi yang sedikit lebih tinggi (89,43% vs 88,93% pada Logistic Regression) dibandingkan pendekatan Lemmatisasi. Penelitian ini menyimpulkan bahwa untuk analisis sentimen pada dataset ulasan film berskala besar, pembersihan data sederhana berbasis pola (pattern-based) lebih efektif dan efisien daripada normalisasi linguistik yang kompleks, serta menegaskan pentingnya pemilihan teknik preprocessing yang tepat dalam siklus hidup rekayasa data.
Co-Authors Afif, Ramadhan Nur Akmaliah, Fitri Al Qodr, Muhammad Ramadhan Syahrul Ali Ridha, Azhari Alifa, Rizal Fahmi Amalia, Indira Nur Apriade Voutama Aries Suharso Arip Solehudin Armeilia, Rida Aurelly Claudia Budianto, Theresia Ayu Syaharani, Maesha Azzahrah, Nur Salamah Badriah, Siti Cantika Parhati, Yusma Eddy Ryansyah Eka Purnama, Karolina Enri, Ultach Fahlevi, Raihan Fahmi, Ikbal Fajar Estu Nugroho, Muhammad Fathurrohman, Muhammad Hafiz Fatoni, Hilman Fauzi, Ihsan Firdaus, Joyce Rosita Garno, G. Hafizh Ridwan, Muhammad Holiyanti, Ranti Ibnu Adam, Riza Islami Pasha, Ramadhan Jamaludin, Asep Jaman, Jajam Haerul Kamila, Ahista Tasya Khaerunnisa, Luthfi Sifa Khainur, Ahmad Fauzidan Yahya Kusnadi, Putri Aulia Lenteraningati, Anggun M Rayhan Rizqullah Syarif Ma'arif, Muhammad Samsul Maulana, Dzikri Maulana, Yuzril Nur Medistarani, Ririn Miftakhurahmat, Moh. Aulia Muhammad Fajar Estu Nugroho Nurian, Andriani Nurul Abada, Oki Oktavirani, Yurike Pradana, Bintang Ary Prihandani, Kamal Puteh, Teuku Nurmansyah Putra, Ikhwan Wiratama Putri Nadila Agustin, Allya Putri Yunisa, Ghaida Putri, Juliana Widianti Dwi Qolbi, Muhammad Brillian Syifa Ramadani, Daffa Tama Rika Yunita, Rika Rismawati, Imas Rivandi, Rivandi Riza Ibnu Adam, Riza Ibnu Rizka, Alifa Maha Rizkika, Putri Rizky Fawzy, Ray Safaat, Ilham Safitri, Nur Sallamah, Afifah Nur Salsabila, Alifa Sanjaya, Nurlana Saputra, Aldo Andika Saputra, Reza Aditya Sarwanti, Ruth Tika savina, savina Setiawan, Fikri Maulana Sinambela, Annabella Dian Dameria Sopiatul Ulum Sukma Nurmakarim, Hilmy Sunandar, Adi Syach, Reiza Alithian Syafi’i, Malik Syauri, Sopian Tubagus, Ayu Shafira Wati, Sukma Widianingsih Winanto, Tawang Sahro Yuares, Taufiqurrohman