Article Per Year (5 Year)
p-Index From 2021 - 2026
6.133
P-Index
This Author published in this journals
All Journal Elkom: Jurnal Elektronika dan Komputer INFOKAM Jurnal Informatika dan Teknik Elektro Terapan RABIT: Jurnal Teknologi dan Sistem Informasi Univrab Jurnal Sains dan Informatika IKRA-ITH Informatika : Jurnal Komputer dan Informatika Journal of Information Systems and Informatics bit-Tech JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Sistem Komputer dan Informatika (JSON) Jurnal Ilmiah Intech : Information Technology Journal of UMUS Jurnal Digit : Digital of Information Technology Malcom: Indonesian Journal of Machine Learning and Computer Science Journal of Education Technology Information Social Sciences and Health Jurnal Indonesia Sosial Sains JAMU : Jurnal Abdi Masyarakat UMUS Innovative: Journal Of Social Science Research Jurnal Teknik Indonesia Jurnal Multidisiplin Teknologi dan Arsitektur Journal of Citizen Research and Development Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer Jurnal Publikasi Teknik Informatika
Otong Saeful Bachri
Program Studi Teknik Informatika, Fakultas Teknik, Universitas Muhadi Setiabudi, Brebes, Indonesia
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Other

Published : 46 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 46 Documents
Search

 1   2   3   4   5 
Penerapan Algoritma C4.5 untuk Prediksi Prioritas Relokasi Rumah Terdampak Bencana Tanah Gerak di Kabupaten Brebes Apriliani, Rosema Dina; Ramdhan, Nur Ariesanto; Bachri, Otong Saeful
Innovative: Journal Of Social Science Research Vol. 5 No. 4 (2025): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v5i4.20672

Abstract

Bencana tanah gerak di Kabupaten Brebes menyebabkan kerusakan parah pada hunian, sehingga diperlukan sistem pendukung keputusan untuk menentukan prioritas relokasi rumah secara cepat dan akurat. Penelitian ini mengembangkan aplikasi berbasis web menggunakan metode Waterfall dan algoritma Decision Tree C4.5. Data diperoleh dari DINPERWASKIM Brebes dengan atribut seperti jenis bencana, lokasi, status kepemilikan rumah, dan kondisi bangunan (atap, kolom/balok, struktur). Implementasi dilakukan menggunakan Flask dan PostgreSQL, sedangkan evaluasi mencakup pengujian fungsional (Black-Box) dan performa model. Hasil pengujian menunjukkan aplikasi berfungsi sesuai kebutuhan dan model C4.5 mencapai akurasi 98,89% setelah penyeimbangan kelas dengan SMOTE. Atribut kondisi kolom/balok dan kondisi atap menjadi faktor utama dalam penentuan prioritas. Sistem ini diharapkan mendukung pengambilan keputusan pemerintah daerah dalam program relokasi rumah terdampak bencana secara lebih tepat dan efisien.
Sistem Pendukung Keputusan Menentukan Beasiswa di SMKS Maarif Nu 03 Larangan Menggunakan Metode Weighted Aggregatedsum Product Assessment (WASPAS) Nurfikri, Muhammad Ihsan; Bhakti, R M Herdian; Bachri, Otong Saeful
Jurnal Multidisiplin Teknologi dan Arsitektur Vol 3, No 1 (2025): Mei 2025
Publisher : CV. Rayyan Dwi Bharata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57235/motekar.v3i1.6032

Abstract

Penelitian ini bertujuan untuk mempermudah proses seleksi penerima beasiswa di SMKS Maarif Nahdhotul Ulama 03 Larangan, yang diperuntukkan bagi siswa berprestasi namun memiliki keterbatasan ekonomi. Mengingat banyaknya jumlah siswa, penilaian manual terhadap berbagai kriteria seperti nilai akademik, prestasi ekstrakurikuler, dan kondisi ekonomi dinilai kurang efektif. Oleh karena itu, diterapkan Sistem Pendukung Keputusan (SPK) berbasis Metode Weighted Aggregated Sum Product Assessment (WASPAS) yang memberikan bobot pada setiap kriteria, sehingga menghasilkan perankingan yang lebih tepat dan objektif. Hasil penelitian menunjukkan bahwa alternatif A7 memperoleh nilai tertinggi sebesar 1,279662 dan menduduki peringkat pertama, disusul oleh A1 dengan nilai 1,266194 di peringkat kedua, A64 dengan nilai 1,168183 di peringkat ketiga, A95 dengan nilai 1,154944 di peringkat keempat, dan A5 dengan nilai 1,143422 di peringkat kelima. Diharapkan, SPK berbasis WASPAS ini dapat mendukung pengambilan keputusan yang lebih efisien dan adil dalam menentukan penerima beasiswa di sekolah tersebut.
Global Research Trends and Map on Machine Learning Applications in Stunting Detection in Vulnerable Populations: A Bibliometric Analysis Bachri, Otong Saeful; Widodo, Catur Edi; Nurhayati, Oky Dwi
Journal of Information System and Informatics Vol 7 No 3 (2025): September
Publisher : Universitas Bina Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51519/journalisi.v7i3.1248

Abstract

Stunting and malnutrition continue to be significant public health challenges, particularly in low-income and rural populations. With the growing reliance on data-driven strategies in public health, machine learning (ML) has emerged as a promising tool for identifying, classifying, and predicting conditions related to undernutrition. This study presents a bibliometric analysis of global research from 2019 to 2025, focusing on the application of ML techniques—such as clustering, support vector machines (SVM), and random forest—in addressing malnutrition and stunting. A total of 417 Scopus-indexed publications were analyzed using Biblioshiny (R) to assess research trends, key themes, influential authors, prominent journals, and thematic evolution. The analysis reveals a consistent growth rate of 10.72% in publications, with notable contributions from China and other low- and middle-income countries. Keyword mapping highlights that “machine learning,” “spatial analysis,” and “stunting” are central to the research, although they remain areas for further development. Thematic evolution indicates a shift towards more integrated, context-aware approaches, with a growing focus on built environments and vulnerable populations. The study concludes that while ML holds significant promise for advancing decision-making in child health and nutrition, its impact will depend on continued methodological refinement and effective implementation within public health systems.
IMPLEMENTASI SISTEM MONITORING SUHU DAN PH AIR KOLAM BUDIDAYA IKAN LELE MENGGUNAKAN ARDUINO ESP8266 DAN ARDUINO IDE Badruzzaman, Ni'am; Bhakti, Herdian; Bachri, Otong Saeful
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5355

Abstract

Penelitian ini bertujuan untuk meningkatkan efisiensi pemantauan dan pengelolaan kualitas air secara real-time. Suhu dan pH air merupakan faktor penting yang memengaruhi pertumbuhan dan kesehatan ikan lele. Dengan sistem berbasis IoT, sensor suhu dan pH dipasang di kolam untuk mengukur parameter lingkungan secara kontinu, yang kemudian data tersebut dikirimkan ke platform berbasis cloud untuk diakses melalui perangkat mobile atau komputer. Metode penelitian yang digunakan untuk membuat rancang bangun tersebut yaitu menggunakan metode prototype. Tujuan dari metode prototype yang digunakan dalam penelitian ini adalah untuk memahami garis besar aplikasi yang akan dibuat dengan merancang prototype aplikasi dan meminta pengguna mengevaluasinya. Hasil implementasi menunjukkan bahwa sistem ini mampu memantau kondisi air secara efisien, membantu UMKM Paguyuban Putra Lele dalam menjaga parameter lingkungan tetap optimal, serta meminimalkan risiko kerugian akibat perubahan kondisi air yang tidak terpantau. Selain itu, sistem ini juga menyediakan data historis yang dapat digunakan untuk analisis lebih lanjut dalam pengelolaan kolam secara keseluruhan. Nilai suhu dan pH air yang bagus untuk budidaya ikan lele di UMKM Paguyuban Putra Lele, yaitu suhu diangka 26°C – 32°C dan nilai pH diangka 6,5. Penggunaan teknologi IoT dalam budidaya ikan lele memberikan manfaat bagi UMKM dalam hal penghematan biaya, waktu, dan meningkatkan kualitas serta kuantitas produksi ikan lele.
Implementation of Markerless Augmented Reality For Human Anatomy Education Almesta, Adhika Yameraja; Bachri, Otong Saeful; Ramdhan, Nur Ariesanto
Jurnal Indonesia Sosial Sains Vol. 6 No. 9 (2025): Jurnal Indonesia Sosial Sains
Publisher : CV. Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59141/jiss.v6i9.1900

Abstract

This research aims to develop and implement Augmented Reality (AR) technology as an interactive learning medium for introducing human body anatomy using a markerless method. The background of this research is the lack of interest and understanding among students regarding biology, particularly anatomy, which has been delivered through conventional methods such as textbooks or two-dimensional images. AR technology allows students to visualize three-dimensional models of human body parts directly in the real world, without the need for physical markers, thereby creating a more engaging, flexible, and accessible learning experience. The methods used in this research include planning stages, needs analysis, data collection through interviews and observations, application development using Unity and Vuforia SDK, and finally implementation and evaluation. The application developed was tested at SMAN 1 Bulakamba and resulted in an increase in students' understanding and interest in learning anatomy. The evaluation results show that the majority of students stated they understood the material very well after using this AR application, with high average scores on each questionnaire indicator. Thus, the application of markerless AR technology has proven effective as an interactive visual education tool and holds great potential for implementation in biology education as well as other subjects that require complex visualizations
Analisis Tingkat Stres Pengguna Twitter pada Menfess “Tanyarl” Menggunakan IndoBERT Nadia Nur Alifiana; Bambang Irawan; Otong Saeful Bachri
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 3 (2026): Maret 2026
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i3.9433

Abstract

Twitter merupakan salah satu media sosial berbasis teks yang banyak dimanfaatkan pengguna sebagai ruang untuk mengekspresikan kondisi emosional dan tekanan psikologis secara terbuka, khususnya melalui akun menfess yang bersifat anonim. Karakter anonim tersebut mendorong pengguna untuk menyampaikan keluhan, perasaan tertekan, dan stres yang dialami dalam kehidupan sehari-hari. Namun, tingginya volume dan variasi bahasa informal dan kontekstual pada menfess menyebabkan proses identifikasi tingkat stres secara manual menjadi tidak efisien dan rentan terhadap subjektivitas. Penelitian sebelumnya umumnya masih terbatas pada klasifikasi biner atau menggunakan metode konvensional yang kurang mampu menangkap konteks semantik bahasa Indonesia secara optimal. Berdasarkan permasalahan tersebut, penelitian ini bertujuan untuk mengembangkan sistem deteksi tingkat stres pengguna Twitter pada menfess “Tanyarl” dengan memanfaatkan pendekatan kecerdasan buatan melalui fine-tuning model IndoBERT. Data unggahan (tweet) dikumpulkan melalui proses crawling menggunakan Harvest-Tweet, kemudian diproses melalui tahapan preprocessing teks dan pelabelan semi-otomatis ke dalam tiga kategori tingkat stres, yaitu stres, tidak stres, dan netral. Dataset yang telah diproses selanjutnya digunakan untuk melatih model IndoBERT dengan pendekatan klasifikasi multi-kelas. Hasil evaluasi menunjukkan bahwa model IndoBERT mencapai nilai akurasi sebesar 84% serta macro F1-score sebesar 85%, yang menandakan performa model yang konsisten pada seluruh kelas stres. Hasil ini membuktikan bahwa IndoBERT efektif dalam memahami konteks linguistik dan ekspresi emosional pada teks media sosial berbahasa Indonesia. Kontribusi penelitian ini meliputi penerapan model transformer untuk mendeteksi tingkat stres berbasis menfess anonim, pengembangan klasifikasi multi-kelas stres, serta penyediaan bukti empiris efektivitas IndoBERT dalam analisis kesehatan mental berbasis data media sosial.
Classification of Sentiment of Emina Product Reviews Using the Naive Bayes Algorithm Wiwik Astriani; Otong Saeful Bachri; Bambang Irawan
bit-Tech Vol. 8 No. 2 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v8i2.3554

Abstract

The rapid development of e-commerce in Indonesia has led to an increase in the number of consumer reviews containing opinions and experiences of using products. In the cosmetic product category, text reviews have an important role in influencing purchasing decisions. However, the large volume of data and the imbalance of sentiment distribution are the main challenges in conducting manual and accurate sentiment analysis. Therefore, an automated approach based on machine learning is needed that is efficient and capable of handling large-scale and unbalanced data. This study aims to analyze the sentiment of reviews of Emina brand cosmetic products on the Tokopedia platform and evaluate the effectiveness of the Multinomial Naïve Bayes algorithm combined with TF-IDF and SMOTE data balancing techniques in classifying positive, neutral, and negative sentiments. The research data was obtained through web scraping of Emina product reviews, resulting in 446,325 review data. The research stages include text preprocessing, rule-based sentiment labeling, feature extraction using TF-IDF, data balancing using SMOTE, and classification modeling with the Naïve Bayes Multinomial algorithm. Model performance evaluation was carried out using accuracy, precision, recall, F1-score, and confusion matrix metrics. The test results showed that the model achieved an accuracy of 94.72% with a stable F1-score value in all sentiment classes, including minority classes, after the implementation of SMOTE. This study proves that the combination of Multinomial Naïve Bayes, TF-IDF, and SMOTE is effective for large-scale analysis of cosmetic product review sentiment and is able to significantly overcome the problem of data imbalance.
Pengenalan Emosi Ucapan Menggunakan Bidirectional Long Short Term Memory Pada Podcast Malaka Kharisma Dwi Pratiwi; Bambang Irawan; Otong Saeful Bachri
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 3 (2026): Maret 2026
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i3.9432

Abstract

Penelitian ini mengembangkan sistem pengenalan emosi ujaran berbahasa Indonesia menggunakan metode Bidirectional Long Short Term Memory (BiLSTM) dengan sumber data berupa ujaran alami dari podcast Malaka. Dataset diperoleh dari audio YouTube yang di konversi ke format WAV, disegmentasi, serta dilabeli emosi marah, netral, sedih dan senang berdasarkan acuan dataset CREMA-D. Tahapan prapemrosesan meliputi silce removal, normalisasi sinyal, dan augmentasi data. Ektrasi ciri dilakukan menggunakan Mel-Frequency Cepstral Coefficients (MFCC) beserta fitur delta dan delta-delta untuk mempresentasikan karakteristik spektral dan temporal sinyal suara. Model Bidirectional Long Short Term Memory dilatih dengan pembagian data 80% data latih, 10% data validasi, dan 10% data uji, serta dioptimasi dengan menggunakan algoritma adam. Hasil pengujian menunjukan bahwa model mencapai akurasi terbaik sebesar 80.32% dengan nilai pecision, recall, dan f1-score yang relatif seimbang pada seluruh kelas emosi. Hasil ini menunjukan bahwa Bidirectional Long Short Term Memory (BiLSTM) efektif dalam memodelkan dinamika temporal emosi pada ujaran podcast berbahasa indonesia.
KLASIFIKASI SENTIMEN ULASAN PRODUK SAMSUNG PADA PLATFORM E-COMMERCE TOKOPEDIA MENGGUNAKAN ALGORITMA NAIVE BAYES Rahayu; Bambang Irawan; Otong Saeful Bachri
Rabit : Jurnal Teknologi dan Sistem Informasi Univrab Vol 11 No 1 (2026): Januari
Publisher : LPPM Universitas Abdurrab

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36341/rabit.v11i1.7557

Abstract

The rapid growth of e-commerce in Indonesia has positioned customer reviews as a primary source of information reflecting consumer satisfaction and dissatisfaction with products. This study analyzes sentiment in Samsung product reviews on Tokopedia using natural language processing techniques. Data were collected from reviews on the official Samsung store on Tokopedia, followed by text pra-pemrosesan stages including cleaning, slang normalization, noise removal, selective stemming with the Sastrawi library, and stratified data splitting (80% training, 20% testing). Feature extraction was performed using Term Frequency–Inverse Document Frequency (TF-IDF) with n-gram integration (1-2), followed by training a Multinomial Naïve Bayes model optimized through GridSearchCV hyperparameter tuning. The primary objective was to develop an accurate sentiment classification model and identify dominant word patterns that reflect customer opinions. Evaluation results demonstrated an overall accuracy of 91.28%, with macro-average precision of 0.9112, recall of 0.9123, and F1-score of 0.9117. The negative class achieved the highest precision (0.9263), while the positive class showed strong recall (0.9079). TF-IDF analysis and word cloud visualization revealed that the words “barang” (product) and “kirim” (send) dominated across the dataset, with negative patterns centering on “lambat” (slow), “kecewa” (disappointed), and “rusak” (damaged), and positive patterns dominated by “bagus” (good), “cepat” (fast), “original”, and “mantap” (excellent). This study concludes that the Multinomial Naïve Bayes model is effective for sentiment analysis of unstructured Indonesian-language e-commerce reviews and provides valuable insights for official Samsung sellers to improve delivery services and product descriptions. Limitations in handling ambiguous or sarcastic reviews suggest opportunities for future research using transformer-based models such as IndoBERT or data augmentation techniques.
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN AYAM PETELUR MENGGUNAKAN METODE SAW (STUDI KASUS BUMDES KARANGASEM-CIREBON): Studi Kasus Bumdes Karangasem-Cirebon Trisena Pramuja; Otong Saeful Bachri; Agyztia Premana
Elkom: Jurnal Elektronika dan Komputer Vol. 19 No. 1 (2026): Juli : Jurnal Elektronika dan Komputer
Publisher : STEKOM PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/elkom.v19i1.3755

Abstract

Pemilihan jenis ayam petelur yang tepat sangat penting untuk meningkatkan produktivitas peternakan BUMDes Desa Karangasem. Proses penilaian yang masih manual cenderung subjektif sehingga diperlukan Sistem Pendukung Keputusan menggunakan metode Simple Additive Weighting (SAW). Penelitian ini menggunakan kriteria produktivitas telur, kesehatan ayam, konsumsi pakan, daya tahan tubuh, adaptasi lingkungan, kualitas telur, dan tingkat kematian ayam dengan alternatif Ras Brown, KUB, Leghorn, Lohmann Brown, Hy-Line, dan Elba. Sistem berbasis website dibangun menggunakan PHP dan MySQL. Hasil penelitian menunjukkan bahwa metode SAW mampu memberikan penilaian dan perangkingan secara objektif, dengan ayam Elba memperoleh nilai tertinggi sebesar 0.9671 sehingga direkomendasikan sebagai jenis ayam petelur terbaik.  
Co-Authors Abdi R, Aulia Agung Permana, Tegar Agyztia Premana Ahmad Najmi Fuadi Almesta, Adhika Yameraja Andi Yulianto Anin, Anindia Anindia Ardiani Apriliani, Rosema Dina Ariestanto Ramdhan, Nur Badruzzaman, Ni'am Bagus W, Teguh Bambang Irawan Bambang Irawan Bambang Irawan /E21207042 Budiasih, Kristanti Catur Edi Widodo Desi Permata Sari Dumadi, Dumadi Eko Fuji Pangestu Elis Afriyani Fa Wa Id Ali Ersadi, Fawaid Fery Sofian Efendi Firman Putra Perdana Fitro, Achmad Gagas Prasetya Gian Fitralisma Harliana Harliana Harliana Harliana Irmansyah, Teguh Bagus Wicaksono Iza Azkiah Khalid Iskandar Khalid Iskandar Kharisma Dwi Pratiwi Moh. Syaogi Muhami, Rizal Muhammad Bagus Irwana Aji Muhammad Lutfi Jamaludina Mukson Mukson Nadia Nur Alifiana Nur Ariesanto Ramdhan Nur Ariesanto Ramdhan Nur Ariesanto Ramdhan Nurfikri, Muhammad Ihsan Oky Dwi Nurhayati Pandhu Wijaya, Akhmad Pratama Putra, Rizki Premana, Agyztia R.M.Herdian Bhakti Rahayu Ramdhan, Nur Ariesanto Rifqoh Febriyanti Putri Riono, Slamet Bambang Rizky Esa Riyanto Roby Setiadi Roby Setiadi Rohman, Aulia Abdi Rudianto Rudianto Sarah Hasan Shahib, M Umar Sri Yulianti Susilo, Bayu Tegar Agung Permana Teuku Rizal Adi Pangestu Tri S, Wananda Trisena Pramuja Wahyuningsih, Puji Wiwik Astriani Yenny Ernitawati Yuhano Yuhano