Article Per Year (5 Year)
p-Index From 2021 - 2026
9.652
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Jurnal Khatulistiwa Informatika JIEET (Journal of Information Engineering and Educational Technology) Indonesian Journal of Applied Informatics JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Ilmu Teknik dan Komputer JIKA (Jurnal Informatika) Jurnal Teknik Informatika (JUTIF) Jurnal Informatika Terpadu Journal of Artificial Intelligence and Engineering Applications (JAIEA) TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi Journal of Software Engineering and Information System (SEIS) Jurnal Kecerdasan Buatan dan Teknologi Informasi Informasi interaktif : jurnal informatika dan teknologi informasi
Prihartono, Willy
Unknown Affiliation
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 81 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 81 Documents
Search

 5   6   7   8   9 
Enhanced U-Net Cnn For Multi-Class Segmentation And Classification Of Rice Leaf Diseases In Indonesian Rice Fields Faturrohman, Faturrohman; Nurdiawan, Odi; Prihartono, Willy; Herdiana, Rully
Jurnal Teknik Informatika (Jutif) Vol. 6 No. 5 (2025): JUTIF Volume 6, Number 5, Oktober 2025
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2025.6.5.5258

Abstract

Rice is a strategic food crop whose productivity is often threatened by leaf diseases and pests. This study aims to develop an Enhanced U-Net CNN model for multi-class segmentation and classification of rice leaf conditions from field images to support early detection and plant health management. The methodology includes direct field image acquisition of rice leaves, preprocessing for image quality enhancement, expert data labeling, segmentation using a U-Net architecture, and classification using CNN. The dataset was divided into training and testing data with balanced distribution across four classes: Healthy, BrownSpot, Hispa, and LeafBlast. Evaluation results show that the model can identify rice leaf conditions with high accuracy, although signs of overfitting were observed from the performance gap between training and validation data. The implementation of this model is expected to accelerate automatic disease detection in the field, reduce reliance on manual inspection, and support precision agriculture. This study achieved a testing accuracy of 76.36% with a macro-average F1-score of 0.34. While the results indicate limitations in generalization, the proposed Enhanced U-Net CNN demonstrates the feasibility of combining segmentation and classification in field conditions. This research contributes to agricultural informatics by supporting scalable deployment in precision agriculture systems, reducing reliance on manual inspection, and providing a foundation for further optimization studies.
Implementasi Algoritma Naïve Bayes untuk Prediksi Penerima Bantuan Sosial di Desa Cigayam Hoeriah, Dede; Nurhakim, Bani; Permana, Sandy Eka; Prihartono, Willy; Dwilestari, Gifthera
TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi Vol 4 No 1 (2024): TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/tamika.Vol4No1.pp52-58

Abstract

Social assistance is one of the government's programmes aimed at improving the lives of people especially for those who are economically disadvantaged. However, there are several reasons why some people are unable to access social assistance. In the case of this study, the authors used the Naïve Bayes algorithm with the KDD (Knowledge Discovery Database) method to predict the population in obtaining social assistance. The data was taken from the population data of Cigayam Village and the social welfare recipient data in the village ofCigayam with the results showing high accuracy in this study, for the true or false outcome of 1047 data and 53 data with the precision grade of 95.18%, 81.17%, for the real outcome, and 28.38% for the wrong outcome. So with the ROC curve shows the accuracy of the spinning visually, with an AUC of 0.868% for naïve bayes using the ROK curve of 0.90.1.
ANALISIS SENTIMEN ULASAN PENGGUNA TERHADAP APLIKASI PEMBELAJARAN BERBAHASA DUOLINGO MENGGUNAKAN ALGORITMA NAÏVE BAIYES CLASSIFIER saninah, annisa; Prihartono, Willy; Rohmat, Cep Lukman
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.v13i1.5691

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi Duolingo di Google Play Store menggunakan algoritma Naïve Bayes Classifier. Sebanyak 2.000 ulasan dianalisis dan diklasifikasikan ke dalam sentimen positif dan negatif. Hasil analisis menunjukkan bahwa algoritma ini memiliki kinerja yang sangat baik dengan accuracy mencapai 88%, precision sebesar 95%, recall sebesar 92%, dan F1-Score sebesar 93%. Sebagian besar ulasan menunjukkan sentimen positif terutama mengapresiasi fitur interaktif dan kemudahan penggunaan aplikasi, sementara beberapa ulasan negatif mengungkapkan masalah teknis, seperti bug dan lag.  Hasil penelitian ini menunjukkan bahwa algoritma Naïve Bayes Classifier efektif untuk analisis sentimen berbasis teks sekaligus memberikan wawasan berharga kepada pengembang aplikasi untuk meningkatkan kualitas layanan. Penelitian ini merekomendasikan pengumpulan data ulasan yang lebih banyak dengan cakupan waktu lebih luas untuk mendapatkan hasil analisis yang lebih representatif. Selain itu, membandingkan kinerja algoritma ini dengan metode lain, seperti SVM, Random Forest atau LSTM dapat membantu menemukan pendekatan yang lebih optimal dalam menangani ulasan pengguna yang lebih kompleks. Penelitian juga mengungkapkan potensi aplikasi Duolingo dalam mendukung pembelajaran bahasa asing bagi anak berkebutuhan khusus di sekolah. Dengan fitur interaktif dan fleksibilitasnya, aplikasi ini memungkinkan siswa belajar sesuai kebutuhan individu. Dukungan seperti pelatihan bagi guru dan bimbingan yang tepat dapat memastikan penggunaan aplikasi ini lebih efektif. Penelitian ini diharapkan dapat berkontribusi pada pengembangan teknologi untuk meningkatkan pengalaman pengguna dan pembelajaran bahasa yang inklusif. 
CLUSTERING PENERIMA BANTUAN PANGAN BERBASIS ALGORITMA K-MEANS UNTUK MENINGKATKAN EFEKTIVITAS PROGRAM SOSIAL DI KOTA/KABUPATEN CIREBON HIDAYATULLAH, NAUFAL ARIF; Prihartono, Willy; rohman, Fathur
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.v13i1.5692

Abstract

Distribusi bantuan sosial pangan sering menghadapi tantangan berupa ketidakmerataan akibat pengelompokan penerima yang belum optimal. Penelitian ini bertujuan untuk mengelompokkan penerima bantuan sosial di Kota dan Kabupaten Cirebon menggunakan Algoritma K-Means. Variabel utama yang dianalisis meliputi kelurahan, kecamatan, jarak ke lokasi distribusi, dan usia penerima. Algoritma K-Means dipilih karena kemampuannya memproses data besar secara efisien dan menghasilkan klaster yang terpisah dengan baik. Optimalisasi jumlah klaster dilakukan menggunakan Davies-Bouldin Index (DBI) pada rentang K=2 hingga K=6. Hasil menunjukkan nilai optimal K=3 dengan DBI sebesar 0,505, menghasilkan tiga klaster. Cluster  0 memiliki rata-rata jumlah kelurahan tertinggi (188,434) dan jarak distribusi terpendek (412,873 meter), cocok untuk wilayah padat penduduk. Cluster  1 memiliki jarak distribusi terjauh (2979,891 meter) dan usia penerima rata-rata 49,217 tahun, mencakup area dengan tantangan distribusi yang lebih kompleks. Cluster  2 memiliki jarak distribusi sedang (1422,595 meter) dan usia rata-rata 51,564 tahun, mencerminkan wilayah yang luas tetapi tetap mudah dijangkau. Penelitian ini menunjukkan bahwa Algoritma K-Means mampu meningkatkan efektivitas distribusi bantuan sosial dengan memastikan alokasi yang lebih tepat berdasarkan karakteristik demografis dan geografis penerima.
ANALISIS SEGMENTASI PELANGGAN UNTUK MENYUSUN STRATEGI PROMOSI MENGGUNAKAN K-MEANS: STUDI KASUS DI PT XYZ Haryandini, Nur Anindya Putri; Prihartono, Willy; ., Fathurrohman
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.v13i1.5697

Abstract

Perkembangan teknologi informasi telah membawa dampak signifikan dalam strategi pemasaran, termasuk di industri otomotif. Penelitian ini bertujuan untuk menyusun strategi promosi berbasis segmentasi pelanggan dengan menggunakan algoritma data mining K-Means di PT XYZ. Segmentasi ini memungkinkan perusahaan untuk menargetkan kelompok pelanggan tertentu dengan strategi yang relevan dan lebih efektif. Data yang digunakan meliputi atribut usia, jenis kelamin, alamat, dan preferensi kendaraan dari faktur transaksi periode Desember 2023 hingga Mei 2024. Metode penelitian ini mengadopsi tahapan Knowledge Discovery in Databases (KDD) yang mencakup seleksi data, preprocessing, transformasi, klasterisasi dengan K-Means, dan evaluasi hasil. Penentuan jumlah cluster optimal dilakukan menggunakan indeks Davies-Bouldin (DBI). Penelitian ini menemukan bahwa segmentasi terbaik diperoleh pada jumlah cluster (k) sebesar 2 dengan nilai DBI sebesar 0,802. Klaster ini mengidentifikasi karakteristik utama pelanggan, seperti preferensi kendaraan, usia, dan distribusi wilayah tempat tinggal. Hasil segmentasi digunakan untuk merancang strategi promosi yang lebih terarah. Strategi berbasis data ini membantu PT XYZ dalam mengoptimalkan sumber daya pemasaran, meningkatkan loyalitas pelanggan, dan memaksimalkan potensi pasar. Penelitian ini memberikan kontribusi signifikan terhadap penerapan K-Means di industri otomotif dan menyediakan dasar bagi inovasi strategi pemasaran berbasis data.
ANALISIS POLA PEMBELIAN KONSUMEN UNTUK OPTIMASI INVENTARIS MENGGUNAKAN ALGORITMA FP-GROWTH DI UD TRITUNGGAL JAYA Agustin, Nia; Prihartono, Willy; ., Fathurrohman
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.v13i1.5701

Abstract

Dalam dunia bisnis, memahami kinerja penjualan dan pola pembelian konsumen sangat penting untuk mendukung pengambilan keputusan strategis. Penelitian ini menganalisis pola pembelian konsumen di UD Tritunggal Jaya menggunakan algoritma Frequent Pattern Growth (FP-Growth). Algoritma ini membantu mengoptimalkan manajemen inventaris berdasarkan pola pembelian konsumen. Data transaksi penjualan dari Mei hingga Juni 2024 digunakan dengan parameter support 0,5 dan confidence 0,8, menghasilkan 23 aturan asosiasi dengan validitas tinggi. Hasil penelitian menunjukkan produk yang paling sering dibeli adalah Bolpoin AE7, HVS A4 Copy Paper, dan Lakban OPP Daimaru, sedangkan produk yang jarang dibeli meliputi Label Koala, Stopmap, Amplop 310 ExE, dan Buku Campus 36 Sidu. Pola pembelian bersama yang signifikan ditemukan antara lain Buku Sidu 38 dengan Bolpoin AE7, Amplop 104 PPS dengan HVS A4 Copy Paper, serta Lakban OPP Daimaru dengan Bolpoin AE7. Algoritma FP-Growth terbukti efektif mengidentifikasi keterkaitan antar produk, memberikan wawasan perilaku konsumen, dan mendukung strategi cross-selling secara efisien. Aturan asosiasi ini juga merekomendasikan pengelolaan stok yang lebih optimal, seperti menjaga ketersediaan produk dengan permintaan tinggi dan mengurangi stok produk kurang diminati.
PREDIKSI DIABETES MELLITUS TIPE 2 DENGAN ALGORITMA LOGISTIC REGRESSION UNTUK PENDETEKSIAN DINI Gunawan, Sepriyan; Astuti, Rini; Prihartono, Willy; Hamonangan, Ryan
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.v13i1.5747

Abstract

Diabetes Mellitus Tipe 2 merupakan penyakit kronis yang prevalensinya terus meningkat di dunia, termasuk Indonesia. Deteksi dini risiko diabetes penting untuk mencegah komplikasi serius. Penelitian ini bertujuan untuk menerapkan algoritma Logistic Regression dalam memprediksi risiko Diabetes Mellitus Tipe 2 menggunakan data kesehatan pasien dari Puskesmas Jatibarang. Data yang digunakan meliputi variabel umur, jenis kelamin, kebiasaan merokok, konsumsi alkohol, hasil IMT, tekanan darah sistole dan diastole, serta riwayat penyakit. Evaluasi model dilakukan menggunakan metrik akurasi, precision, recall, F1-score, dan AUC, serta diukur tingkat kesalahannya dengan RMSE. Hasil penelitian menunjukkan bahwa Logistic Regression memiliki performa baik dengan akurasi 82,51%, precision 88,04%, recall 89,76%, F1-score 88,89%, AUC 83,12%, dan RMSE sebesar 0.4182. Fitur utama yang berpengaruh terhadap prediksi adalah umur, pola makan (kurang sayur/buah), dan tekanan darah diastolik. Model ini efektif untuk deteksi dini risiko Diabetes Mellitus Tipe 2 dan dapat digunakan sebagai dasar pengambilan keputusan di fasilitas kesehatan primer.
PENERAPAN ALGORITMA NAIVE BAYES UNTUK ANALISIS SENTIMEN PENGUNJUNG DI PANTAI KEJAWANAN Apriliansyah, Rizal Dwi Rizki; Astuti, Rini; Prihartono, Willy; Hamonangan, Ryan
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.v13i1.5774

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengunjung terhadap objek wisata Pantai Kejawanan dengan menggunakan algoritma Naïve Bayes. Sentimen diklasifikasikan menjadi dua kategori, yaitu positif dan negatif. Ulasan daring merupakan sumber data penting untuk memahami persepsi pengunjung terhadap destinasi wisata. Algoritma Naïve Bayes dipilih karena keunggulannya dalam menganalisis teks. Dataset terdiri dari 998 ulasan yang dikumpulkan melalui scraping menggunakan SerApi, dengan periode data dari 2020 hingga 2024. Analisis dilakukan melalui tahapan Knowledge Discovery in Databases (KDD), mencakup pemilihan data, pre-processing (pembersihan data, case folding, tokenisasi, penghapusan stopword, dan stemming), serta transformasi menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF). Dataset dibagi menjadi 70% data pelatihan dan 30% data pengujian sebelum penerapan algoritma. Hasil menunjukkan bahwa model mampu mencapai akurasi 78%, presisi 92%, recall 80%, dan F1-score 86%, yang mencerminkan performa baik dalam klasifikasi sentimen. Evaluasi menggunakan confusion matrix menunjukkan model konsisten dalam membedakan sentimen positif dan negatif. Analisis ini menunjukkan bahwa mayoritas ulasan pengunjung Pantai Kejawanan bersentimen positif, menggambarkan pengalaman yang memuaskan. Keywords: naïve bayes; objek wisata, data mining; analisis sentimen; pengunjung.
PREDIKSI CHURN PELANGGAN PADA LAYANAN DESAIN GRAFIS HOME DESAIN MENGGUNAKAN ALGORITMA NAÏVE BAYES DAIPAH, IIP IMRON; ASTUTI, RINI; PRIHARTONO, WILLY
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.v13i1.5811

Abstract

Abstrak. Penelitian ini bertujuan untuk mengembangkan model prediksi churn pelanggan di Home Desain menggunakan algoritma Naïve Bayes. Dataset yang digunakan mencakup data transaksi dari tahun 2021 hingga 2024, dengan fitur-fitur seperti jenis layanan, jumlah revisi, harga, status pembayaran, kategori revisi, dan keterlambatan pembayaran. Proses analisis mengikuti tahapan dalam metode Knowledge Discovery in Databases (KDD), yang mencakup seleksi, praproses, transformasi data, pembuatan model, dan evaluasi. Pada tahap seleksi data, fitur yang relevan dengan churn pelanggan dipilih, sementara praproses dilakukan untuk memastikan konsistensi data. Transformasi data digunakan untuk mempersiapkan data sebelum dimasukkan ke dalam model prediksi. Model dikembangkan menggunakan algoritma Naïve Bayes, yang terbukti efektif dalam menangani data besar dan masalah klasifikasi. Hasil evaluasi menunjukkan bahwa model yang dikembangkan memiliki performa sangat baik, dengan akurasi 99%, presisi 1.00, recall 0.99, dan F1-score 0.99, yang menandakan bahwa model ini sangat handal dalam mengidentifikasi pelanggan yang berisiko churn. Temuan ini membuktikan bahwa Naïve Bayes adalah alat yang efektif dalam merancang strategi retensi yang lebih efisien, serta berguna bagi perusahaan di sektor jasa kreatif untuk meningkatkan pengambilan keputusan berbasis data. Penelitian ini memberikan kontribusi signifikan terhadap literatur mengenai penggunaan algoritma prediktif dalam industri kreatif, membuktikan bahwa Naïve Bayes dapat diandalkan dalam menganalisis data besar dan memprediksi churn pelanggan dengan akurasi tinggi. Temuan ini juga membantu perusahaan merancang strategi yang lebih efektif untuk mempertahankan pelanggan dan meningkatkan daya saing  pasar.
IMPLEMENTASI NAÏVE BAYES UNTUK MENGANALISIS SENTIMEN TERHADAP PERILAKU PENGGUNA DAN KUALITAS LAYANAN DIGITAL RADIO Laksamana, Patria Gita; Prihartono, Willy; ., Fathurrohman
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.v13i1.5847

Abstract

Penelitian ini bertujuan untuk mengkaji sentimen pengguna terkait perilaku dan kualitas layanan aplikasi radio digital dengan memanfaatkan algoritma Naïve Bayes. Data yang dianalisis mencakup 450 ulasan pengguna yang dikumpulkan dari Google Play Store menggunakan teknik web scraping. Proses analisis melibatkan pelabelan data secara manual, pra-pemrosesan teks melalui langkah-langkah seperti pembersihan data, stemming, dan penghapusan kata-kata umum (stopword), serta transformasi data dengan metode TF-IDF. Untuk mengatasi ketidakseimbangan data, diterapkan teknik SMOTE sehingga data menjadi lebih seimbang. Model Naïve Bayes yang dikembangkan menghasilkan akurasi sebesar 84% dengan kinerja yang baik berdasarkan evaluasi menggunakan confusion matrix dan cross-validation. Hasil penelitian ini menunjukkan bahwa algoritma Naïve Bayes efektif untuk analisis sentimen dan memberikan wawasan penting mengenai pola perilaku konsumen terhadap layanan radio digital. Penelitian ini menyimpulkan pentingnya inovasi yang berkelanjutan dalam meningkatkan pengalaman pengguna dan daya saing di era digital.
Co-Authors ., Fathurrohman Agustin, Nia Aini Nurul Ainisa, Nurul Al Lutfani, Thariq Kemal Al Maeni, Nurul Amarullah, Khairunnisa Ameliana, Nikan Apriliansyah, Rizal Dwi Rizki Aprilla, Anggita Arifqi, Tri Astuti , Rini Ayu Azzahra, Fadita Ayuni, Putri DAIPAH, IIP IMRON Dalifah, Nurul Dita, Fio Eka Permana, Sandy Erpian, Soni Fachry Abda El Rahman Fathur Rohman, Fathur Fathurrohman Fathurrohman Faturrohman, Faturrohman Faujia, Agnes Firmansyah, Fajar Gifthera Dwilestari Gunawan, Sepriyan Haikal, Harisman Hamonangan, Ryan Haryandini, Nur Anindya Putri Herdiana, Rulli Herdiana, Rully Hidayah, Nurni Hidayat, Pierre Galuh HIDAYATULLAH, NAUFAL ARIF Hoeriah, Dede Irfan Ali, Irfan Jannah, Nursuviyani Jihan, Aminatun Julianti, Okta Nur Kholifa, Nur Kusmawanti, Nisa Laksamana, Patria Gita Lita, Arlita lita Maulana, Aldi Maulida, Nida Mega Fatimah Rosana Muharromah, Oom Nining Rahaningsih Nur Amalia, Ocsana Nur Apriliani, Nur Nur Kirana, Anita Nur Pangestika, Fanny Nurdin Nurhakim, Bani Nurhayah, Nurhayah Nuri Nuri Nurjanah, Nurul Nurliana, Nicky NURUL AZIZAH Nurwanda, Nurwanda Nurzaman Nurzaman Odi Nurdiawan OKTAVIANI, ERNA Oktaviany, Nurul Optarina, Yasni Peni Peni Permana, Sandy Eka PUJI LESTARI Putri Nabilla Putriana, Puput RAHMAWATI, RULI Retnasari, Peni Rini Astuti RIZKI, ALVA FAUZIR Rohmat, Cep Lukman Rosiana, Rosa Salsabila, Fauhan saninah, annisa Saniyah, Nilta Sayuti Hanapiah, Neneng Suarna, Nana Yuslia Devitri Zaelani, Nursehan