Article Per Year (5 Year)
p-Index From 2021 - 2026
5.689
P-Index
This Author published in this journals
All Journal JURNAL PENDIDIKAN TAMBUSAI PHILOSOPHICA Jurnal Bahasa, Sastra, dan Budaya Jurnal Pendidikan dan Konseling Sasando : Jurnal Bahasa, Sastra Indonesia, dan Pengajarannya Jurnal Ilmiah SEMANTIKA Jurnal Dinamika Informatika (JDI) Alinea: Jurnal Bahasa, Sastra, dan Pengajaran Jurnal Pengabdian Masyarakat dan Riset Pendidikan Journal of Innovative and Creativity Jurnal Intelek Dan Cendikiawan Nusantara Jurnal Intelek Insan Cendikia Jurnal Pustaka Cendekia Hukum dan Ilmu Sosial Al Maktabah Jurnal kajian Ilmu dan Perpustakaan
Asriyani, Wahyu
Universitas Pancasakti Tegal
Religion Arts Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Social Sciences Other

Published : 47 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 47 Documents
Search

 1   2   3   4   5 
Analisis Pengelompokan Komposisi Kaca Forensik menggunakan Algoritma K-Means dan Software Rapid Miner Hanjiyan Riyan Hidayat; Hasbi Firmansyah; Wahyu Asriyani; Rizki Prasetyo Tulodo
Jurnal Intelek Insan Cendikia Vol. 2 No. 12 (2025): Desember 2025
Publisher : PT. Intelek Cendikiawan Nusantara

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

Abstract

Penelitian ini bertujuan untuk mengelompokkan jenis kaca forensik berdasarkan komposisi kimia yang terkandung di dalamnya menggunakan algoritma K-Means Clustering dan perangkat lunak RapidMiner. Data yang digunakan adalah Glass Identification Dataset yang terdiri dari 9 atribut kimia (seperti RI, Na, Mg, Al, dll.) dan 214 sampel. Sebelum proses clustering, data dinormalisasi menggunakan Z-Transformation untuk memastikan kontribusi atribut yang setara. Algoritma K-Means diimplementasikan dengan nilai k (jumlah cluster) yang ditentukan sebesar 5, dengan 10 kali percobaan (max runs) untuk menemukan struktur pengelompokan yang paling stabil. Hasil menunjukkan pembentukan lima kelompok (cluster) yang berbeda dengan kualitas pengelompokan yang baik (nilai WCSS rendah). Analisis Tabel Centroid mengungkapkan profil kimia yang unik dan dominan untuk setiap kelompok. Misalnya, Cluster X dicirikan oleh kandungan Magnesium (Mg) tertinggi dan Kalsium (Ca) terendah. Pengelompokan ini memvalidasi potensi K-Means dalam mengidentifikasi pola komposisi material yang signifikan, yang sangat berguna dalam aplikasi forensik dan ilmu material.
Analisis Prediksi Harga Properti Menggunakan Algoritma Regresi Linear Berbasis Rapid Miner Irfandi Irfandi; Hasbi Firmansyah; Wahyu Asriyani; Rizki Prasetyo Tulodo
Jurnal Intelek Insan Cendikia Vol. 2 No. 12 (2025): Desember 2025
Publisher : PT. Intelek Cendikiawan Nusantara

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

Abstract

Penentuan nilai pasar properti yang akurat merupakan tantangan signifikan bagi pelaku ekonomi karena dipengaruhi oleh berbagai faktor infrastruktur dan letak geografis. Penelitian ini bertujuan untuk membangun model yang mampu memprediksi harga unit properti di Distrik Sindian, New Taipei City, menggunakan teknik Data Mining dengan algoritma Linear Regression. Data yang digunakan berasal dari UCI Machine Learning Repository yang mencakup 414 catatan transaksi dengan 6 variabel independen, yaitu usia bangunan, jarak ke stasiun MRT, jumlah toko ritel, serta koordinat lokasi (latitude dan longitude). Penelitian ini dilakukan menggunakan perangkat lunak RapidMiner Studio dengan metode evaluasi korelasi dan error metric. Hasil penelitian menunjukkan bahwa algoritma Linear Regression mampu memprediksi harga properti secara efektif dengan tingkat akurasi yang diukur melalui Root Mean Squared Error (RMSE). Berdasarkan analisis koefisien, variabel jarak ke stasiun MRT memiliki pengaruh negatif paling signifikan, yang berarti semakin dekat lokasi properti dengan akses transportasi publik, maka harga unit properti akan meningkat secara drastis. Penelitian ini membuktikan bahwa faktor aksesibilitas merupakan penentu utama nilai real estat, sehingga model ini dapat digunakan sebagai Sistem Pendukung Keputusan (Decision Support System) bagi tenaga profesional di bidang properti.
Analisis Kinerja Algoritma C4.5 pada Dataset Titanic yang Tidak Seimbang Menggunakan Gain Ratio: Penelitian Kuncoro Singgih Prasojo; Hasbi Firmansyah; Wahyu Asriyani; Ali Sofyan
Jurnal Pengabdian Masyarakat dan Riset Pendidikan Vol. 4 No. 2 (2025): Jurnal Pengabdian Masyarakat dan Riset Pendidikan Volume 4 Nomor 2 (October 202
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jerkin.v4i2.4402

Abstract

This study aims to analyze the performance of the C4.5 algorithm in classifying passenger survival status using the Titanic dataset, which exhibits an imbalanced class distribution. The research employed a quantitative approach consisting of data preprocessing, manual calculation of entropy, information gain, split information, and gain ratio using Microsoft Excel, followed by model implementation using RapidMiner. The dataset contains 800 passenger records with the survived attribute defined as the class label. Manual calculation results indicate that the Gender attribute has the highest information gain value of 0.955, making it the root node of the decision tree, while other attributes such as Pclass, Age Group, and Fare Group contribute very limited information. The experimental results show that the C4.5 model achieves an accuracy of 62.50%; however, all test instances are predicted as non-survived, resulting in 0% precision and recall for the survived class. In addition, the generated decision tree structure is very shallow with no significant branching. These findings demonstrate that class imbalance in the Titanic dataset strongly affects the performance of the C4.5 algorithm, indicating the need for imbalanced data handling techniques to improve classification results.
Prediksi Unit Price Properti Menggunakan Algoritma Neural Network Berbasis RapidMiner: Penelitian Bimo Aryo Pangestu; Hasbi Firmansyah; Ali Sofyan; Wahyu Asriyani
Jurnal Pengabdian Masyarakat dan Riset Pendidikan Vol. 4 No. 2 (2025): Jurnal Pengabdian Masyarakat dan Riset Pendidikan Volume 4 Nomor 2 (October 202
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jerkin.v4i2.4439

Abstract

This study aims to predict property unit price using the Neural Network algorithm based on RapidMiner. The dataset used consists of property-related attributes, with unit price as the target variable. The research stages include attribute role assignment, data normalization, and data partitioning using the estimation method with a 70:30 split between training and testing data. The Neural Network model is built using the training data and applied to the testing data to generate unit price predictions. Model performance is evaluated using the Performance (Regression) method with the Root Mean Squared Error (RMSE) metric. The experimental results show that the Neural Network algorithm is able to predict property unit price accurately, as indicated by an RMSE value of 0.028. The low RMSE value indicates a small difference between the actual and predicted unit price values, demonstrating that the proposed model has good predictive performance. Therefore, it can be concluded that the Neural Network algorithm based on RapidMiner is effective for predicting property unit priprice and can be used as an alternative approach in property price analysis.
Penerapan Algoritma Logistic Regression untuk Memprediksi Keberhasilan Terapi Kutil (Cryotherapy) Muhammad Fiqih Ainurohman; Hasbi Firmansyah; Wahyu Asriyani; Rizki Prasetyo Tulodo
Jurnal Intelek Dan Cendikiawan Nusantara Vol. 2 No. 6 (2025): Desember 2025 - Januari 2026
Publisher : PT. Intelek Cendikiawan Nusantara

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

Abstract

Cryotherapy (terapi beku) adalah cara umum untuk mengobati kutil, tetapi tingkat keberhasilannya berbeda-beda antar pasien. Penelitian ini bertujuan membuat model untuk memprediksi apakah Cryotherapy berhasil atau tidak, menggunakan teknik Data Mining dengan algoritma Logistic Regression. Data yang digunakan berasal dari UCI Machine Learning Repository, yang berisi 90 data pasien dan 6 informasi klinis, yaitu usia, jenis kelamin, durasi terapi, jumlah kutil, jenis kutil, dan luas area kutil. Penelitian dilakukan dengan menggunakan perangkat lunak RapidMiner dan metode validasi 10-Fold Cross Validation. Hasil menunjukkan algoritma Regresi Logistik mampu memprediksi keberhasilan terapi dengan akurasi sebesar 86,67%. Penelitian juga menemukan bahwa variabel usia pasien yang muda, yaitu antara 15 sampai 20 tahun, berpengaruh paling besar terhadap hasil pengobatan.
PREDIKSI RISIKO KESEHATAN IBU HAMIL DENGAN MENGGUNAKAN METODE DECISION TREE Raihan Adyatma; Hasbi Firmansyah; Wahyu Asriyani; Rizki Prasetyo Tulodo
Jurnal Intelek Dan Cendikiawan Nusantara Vol. 2 No. 6 (2025): Desember 2025 - Januari 2026
Publisher : PT. Intelek Cendikiawan Nusantara

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

Abstract

Kesehatan ibu hamil merupakan prioritas utama dalam tujuan pembangunan kesehatan global, mengingat masih tingginya Angka Kematian Ibu . Salah satu penyebab kematian ibu adalah keterlambatan dalam mendeteksi faktor risiko seperti hipertensi dan diabetes gestasional. Penelitian ini bertujuan untuk membangun model prediksi tingkat risiko kesehatan ibu hamil  menggunakan teknik Data Mining dengan algoritma Decision Tree. Data yang digunakan bersumber dari UCI Machine Learning Repository yang terdiri dari 1.014 data rekam medis dengan atribut meliputi usia, tekanan darah, kadar gula darah, suhu tubuh, dan detak jantung. Pengolahan data dilakukan menggunakan perangkat lunak RapidMiner Studio. Hasil penelitian menunjukkan bahwa algoritma  mampu mengklasifikasikan risiko ke dalam tiga kategori (Low, Mid, High Risk) dengan tingkat akurasi sebesar [Akurasi 74.43%]. Berdasarkan struktur pohon keputusan yang terbentuk, atribut kadar gula darah  ditemukan sebagai faktor paling dominan dalam menentukan tingkat risiko. Model ini diharapkan dapat membantu tenaga medis dalam melakukan deteksi dini komplikasi kehamilan.Kata kunci: Klasifikasi Sampah; Convolutional Neural Network (CNN); Deep Learning; Pengelolaan Sampah; Visi Komputer
Pemanfaatan Perpustakaan sekolah Sebagai sumber Belajar Bahasa Indonesia di SD Negeri Krandon 1 Tegal Sri Mulyati; Yulia Prima Sari; Wahyu Asriyani; Muhammad Rasyid Ridho; Yoandini Saputri
AL Maktabah Vol 5, No 1 (2020): JUNI
Publisher : Pusat Publikasi Ilmiah UIN Fatmawati Sukarno Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29300/mkt.v5i1.2506

Abstract

Perpustakaan SD Negeri Krandon 1 Tegal sangat aktif dalam memberikan perhatian dan kepedulian terhadap optimalisasi kegiatan pembelajaran di sekolah.Perpustakaan sekolah di SD Negeri Krandon 1 Tegal tersebut sudah cukup baik dalam menunjang pembelajaran Bahasa Indonesia, hal itu dapat dilihat banyaknya peminjaman buku Kesusastraan dan Bahasa Indonesia pada bulan Juli - September. Penelitian ini menggunakan jenis penelitian hukum empiris dengan pendekatan kualitatif. Pengambilan sumber data penelitian ini menggunakan teknik “purpossive sampling” dengan subjek yang diteliti adalah siswa kelas 3, 4, 5, dan 6 yang karena cara pikir dan kematangan psikologis mereka sudah lebih baik dalam dengan tujuan untuk menghilangkan kemungkinan terjadinya “kemencengan” (bias). Sedangkan objeknya adalah kegiatan-kegiatan yang dilakukan di perpustakaan dalam rangka pemanfaatan Perpustakaan Sekolah SD Negeri Krandon 1 Tegal sebagai penunjang kegiatan belajarmengajar terutama mata pelajaran Bahasa Indonesia. Selain mewawancarai para siswa, peneliti juga mewawancarai pihak- pihak internal sekolah, serta mewawancarai ahli/pakar di dunia Bidang Ilmu Pendidikan dan Pakar Ilmu Perpustakaan terkait dengan Pemanfaatan Perpustakaan Sekolah sebagai Sumber Belajar Bahasa Indonesia. Berdasarkan hasil penelitian serta menganalisis data-data yang diperoleh maka dapat disimpulkan bahwa perpustakaan di SD Negeri Krandon 1 Tegal sangat baik dalam menunjang pembelajaran Bahasa Indonesia, dari segi sarana dan prasarana sudah memenuhi standar perpustakaan hanya ada beberapa sarana yang kurang lengkap.
Klasterisasi Pola Transaksi Online Retail Menggunakan Metode Self-Organizing Map Mohamad Faris Fadil; Hasbi Firmansyah; Wahyu Asriyani
Journal of Innovative and Creativity Vol. 5 No. 3 (2025)
Publisher : Fakultas Ilmu Pendidikan Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/joecy.v5i3.5899

Abstract

Perkembangan perdagangan elektronik (e-commerce) mendorong peningkatan volume transaksi pada platform penjualan daring (online retail) yang menghasilkan data dalam jumlah besar dan kompleks. Kondisi ini menimbulkan tantangan dalam proses analisis data, khususnya untuk memahami pola pembelian konsumen yang tidak dapat diidentifikasi melalui analisis statistik konvensional. Oleh karena itu, diperlukan metode data mining yang mampu mengelompokkan data transaksi berdasarkan kemiripan karakteristik tanpa menggunakan label kelas. Penelitian ini bertujuan untuk menganalisis dan mengklasterisasi pola transaksi pada dataset Online Retail menggunakan metode Self-Organizing Map (SOM). Dataset diperoleh dari UCI Machine Learning Repository dan terdiri dari lebih dari 500.000 data transaksi. Atribut yang digunakan dalam penelitian ini meliputi Quantity, UnitPrice, dan TotalBelanja yang dibentuk dari hasil perkalian Quantity dan UnitPrice. Proses penelitian meliputi tahapan praproses data, sampling data, normalisasi menggunakan Z-score, pemodelan SOM, visualisasi hasil menggunakan U-Matrix dan Component Plane, serta klasterisasi lanjutan untuk memperoleh kelompok transaksi yang lebih terdefinisi. Seluruh proses pengolahan dan analisis data dilakukan menggunakan perangkat lunak RapidMiner Studio. Hasil penelitian menunjukkan bahwa SOM mampu memetakan struktur kemiripan data transaksi secara topologis, meskipun tidak membentuk batas klaster alami yang tegas. Klasterisasi lanjutan menghasilkan beberapa kelompok transaksi dengan karakteristik berbeda, di mana mayoritas transaksi bernilai kecil dan sebagian kecil transaksi memiliki nilai ekstrem yang dipengaruhi oleh harga produk. Temuan ini memberikan gambaran yang komprehensif mengenai pola transaksi online retail dan berpotensi mendukung analisis perilaku konsumen serta deteksi transaksi tidak wajar pada sistem penjualan daring.
Penerapan Algoritma Linear Regression untuk Prediksi Harga Rumah Berdasarkan Faktor Lokasi dan Usia Bangunan Muhamad Aris Purwanto; Hasbi Firmansyah; Wahyu Asriyani; Rizki Prasetyo Tulodo
Jurnal Intelek Insan Cendikia Vol. 3 No. 1 (2026): JANUARI 2026
Publisher : PT. Intelek Cendikiawan Nusantara

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

Abstract

Harga properti merupakan nilai yang fluktuatif dan dipengaruhi oleh banyak faktor kompleks, sehingga sulit untuk diprediksi secara manual dengan akurasi tinggi. Penelitian ini bertujuan untuk membangun model prediksi harga rumah per satuan luas menggunakan algoritma Linear Regression. Dataset yang digunakan adalah data Real Estate Valuation yang terdiri dari 414 data transaksi dengan variabel prediktor meliputi tanggal transaksi, usia bangunan, jarak ke stasiun MRT terdekat, jumlah convenience store, serta koordinat geografis (latitude dan longitude). Penelitian dilakukan menggunakan perangkat lunak RapidMiner Studio. Hasil analisis korelasi menunjukkan bahwa jarak ke stasiun MRT memiliki hubungan negatif yang paling kuat terhadap harga rumah. Model regresi linear yang dihasilkan mampu memprediksi harga dengan tingkat Root Mean Squared Error (RMSE) sebesar [Nilai RMSE 8.290 +/- 0.000]. Penelitian ini menyimpulkan bahwa faktor lokasi (aksesibilitas) memiliki pengaruh lebih signifikan dibandingkan usia bangunan dalam penentuan harga properti pada dataset ini.
Analisis Pola Fitur Statistik Citra Digital untuk Klasifikasi Uang Kertas Menggunakan Metode K-Nearest Neighbor Chandra Pratama Putra Raharja; Hasbi Firmansyah; Wahyu Asriyani; Rizki Prasetyo Tulodo
Jurnal Intelek Insan Cendikia Vol. 3 No. 1 (2026): JANUARI 2026
Publisher : PT. Intelek Cendikiawan Nusantara

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

Abstract

Pemalsuan mata uang merupakan masalah global yang berdampak signifikan terhadap stabilitas ekonomi. Deteksi keaslian uang kertas secara manual seringkali tidak efisien dan rentan terhadap kesalahan manusia, sehingga diperlukan sistem deteksi otomatis yang presisi. Penelitian ini bertujuan untuk mengevaluasi performa algoritma K-Nearest Neighbor (K-NN) dalam mengklasifikasikan keaslian uang kertas berdasarkan ekstraksi fitur statistik citra digital. Dataset yang digunakan bersumber dari UCI Machine Learning Repository yang terdiri dari 1.372 sampel data dengan empat atribut fitur utama: Variance, Skewness, Curtosis, dan Entropy yang dihasilkan dari Transformasi Wavelet. Pengujian dilakukan menggunakan metode validasi silang 10-lipatan (10-fold Cross Validation) untuk memastikan konsistensi model. Hasil eksperimen menunjukkan performa yang sangat tinggi dengan tingkat akurasi mencapai 99,93%. Analisis confusion matrix memperlihatkan bahwa model hanya mengalami kesalahan klasifikasi pada 1 data sampel dari total keseluruhan data uji, dengan nilai Recall untuk kelas uang asli mencapai 100%. Penelitian ini menyimpulkan bahwa fitur statistik yang diekstraksi dari citra uang kertas memiliki pola data yang sangat kuat dan algoritma K-NN sangat efektif untuk diterapkan dalam sistem forensik deteksi uang palsu.
Co-Authors . Eko Budiraharjo Abrori Musafic Al Rasyid Afsun Aulia Afsun Aulia Nirmala Ahmad Ferdi Dwi Nugroho Ai Djamilatul Wahidah Aifa Inayati Ali Sofyan Ali Sofyan Amelia Laura Ardianti Aminatuz Zahro Arief Priyono Armand Cahya Nugraha Bimo Aryo Pangestu Burhan Eko Purwanto Chandra Pratama Putra Raharja Devina Anggraeni Eko Budi Raharjo Erza Rifa Nihayah Fauziah Elis Cholisatul Fifit Solihatun Fuada, Sania Fitra Hanjiyan Riyan Hidayat Hasbi Firmansyah Hasbi Firmansyah Hasby Firmansyah Ihya Bahrul Alam Inayah, Dwi Nita Laeli Intan Puspita Sari Irfandi Irfandi Khusnul Khotimah Kuncoro Singgih Prasojo Leli Triana Leli Triana Lisa Nur Amelia Lyswidia Andriarsih M.Fery Ardiansyah Mohamad Faris Fadil Mohamad Raffi Iskandar Mohamad Shofy Muhamad Aris Purwanto Muhammad Fiqih Ainurohman Muhammad Hanif Fathurahman Muhammad Rasyid Ridho Musthofa, Zaeny N Tahta Phudjashakty Panji Pangestu Saputra Priyo Haryoko Purwanto, Burhan Eko Rafli Juan Lauda Al Faiq Raihan Adyatma Ramadhani Zidan Arifin Rawoyo Ria indah fitria Ridlo, Muhammad Rasyid Riski Prasetyo Tulodo Rizki Prasetyo Tulodho Rizki Prasetyo Tulodo Sania Fitra Fuada Saputri, Yoandini Sari, Yulia Prima Sri Mulyati Sri Mulyati SRI UTAMI Sutji Muljani Syamsul Anwar Syamsul Anwar Tri Mulyono Tri Mulyono Widiastuti Widiastuti Winda Gunansi Windi Listiyawati Yoandini Saputri Yosephus Arpan Polado Sinurat Yulia Prima Sari Zaeny Musthofa