Article Per Year (5 Year)
p-Index From 2021 - 2026
1.817
P-Index
This Author published in this journals
All Journal Jurnal Teknologi dan Manajemen Informatika Jurnal Informatika dan Teknik Elektro Terapan Jiko (Jurnal Informatika dan komputer) Conference on Innovation and Application of Science and Technology (CIASTECH) Jurnal Aplikasi Dan Inovasi Ipteks SOLIDITAS Prosidia Widya Saintek
Putra, Rangga Pahlevi
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mechanical Engineering Social Sciences Transportation

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Prosidia Widya Saintek

 1 
KLASIFIKASI TOPIK SKRIPSI TEKNIK INFORMATIKA BERDASARKAN PEMINATAN MENGGUNAKAN METODE NAIVE BAYES DAN K-NEAREST NEIGHBOR (K-NN) Magai, Etinus; Istiadi, Istiadi; Putra, Rangga Pahlevi
Prosidia Widya Saintek Vol. 4 No. 2 (2025)
Publisher : Universitas Widyagama Malang

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

Abstract

Pemilihan topik skripsi yang sesuai dengan minat mahasiswa menjadi tantangan bagi program studi Teknik Informatika. Penelitian ini bertujuan mengembangkan sistem klasifikasi topik skripsi berdasarkan peminatan menggunakan algoritma Naive Bayes dan K-Nearest Neighbor (K-NN). Dataset berjumlah 121 judul skripsi diklasifikasikan ke dalam empat kategori: Machine Learning, Data Mining, Web/Mobile, dan IoT/Jaringan. Hasil evaluasi menunjukkan bahwa metode K-NN memberikan akurasi tertinggi sebesar 92%, sedangkan Naive Bayes mencapai 88%. Temuan ini menunjukkan bahwa klasifikasi otomatis berbasis machine learning dapat membantu mahasiswa memilih topik skripsi secara lebih efektif dan sesuai minat.
ANALISIS SENTIMEN ULASAN GAME MOBILE FIRST-PERSON SHOOTER DI GOOGLE PLAY STORE MENGGUNAKAN METODE PEMBOBOTAN TF-IDF Iriananda, Syahroni Wahyu; Putra, Rangga Pahlevi; Raihan, Anugrah Ahzul; Saputra, Deni Adi; Verdiansyah, Egi
Prosidia Widya Saintek Vol. 2 No. 2 (2023)
Publisher : Universitas Widyagama Malang

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

Abstract

Paper ini membahas tentang analisis sentimen ulasan game mobile genre FPS menggunakan metode pembobotan TF-IDF. Dalam penelitian ini, penulis menggunakan 2180 ulasan yang telah divalidasi dan dibersihkan, di mana 1258 ulasan diklasifikasikan sebagai positif dan 922 ulasan sebagai negatif. Dengan menggunakan pembobotan TF-IDF dan pengujian model klasifikasi, penelitian ini mencapai tingkat akurasi sebesar 76%, dengan presisi 75%, recall 74%, dan F1-score 75%. Hasil ini menunjukkan bahwa metode pembobotan TF-IDF dapat menghasilkan analisis sentimen yang efektif dan otomatis untuk ulasan game mobile genre FPS, memberikan kontribusi penting dalam pengembangan metode analisis sentimen dalam konteks tersebut.
DETEKSI CITRA SALIVA FERNING UNTUK MASA SUBUR MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK Luruk, Alfrida Demetria; Putra, Rangga Pahlevi; Priyandoko, Gigih
Prosidia Widya Saintek Vol. 5 No. 1 (2026)
Publisher : Universitas Widyagama Malang

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

Abstract

Ovulasi merupakan fase penting dalam siklus menstruasi yang menandai masa subur seorang wanita. Identifikasi masa subur umumnya dilakukan melalui metode kalender, pengujian hormon, maupun pemeriksaan lendir serviks. Namun, metode tersebut memiliki keterbatasan dalam hal akurasi, biaya, serta kenyamanan pengguna. Penelitian ini mengusulkan pengembangan sistem deteksi masa subur berbasis citra saliva ferning menggunakan Convolutional Neural Network (CNN). Data citra saliva dikumpulkan dari 10 wanita berusia 18–35 tahun dengan total 90 sampel, terdiri dari tiga kategori: infertile, intermediate, dan fertile. Setiap citra diproses melalui tahapan cropping, grayscale, dan augmentasi untuk meningkatkan kualitas serta variasi data. Arsitektur CNN dibangun menggunakan tiga lapisan konvolusi dan max-pooling, serta dioptimasi dengan Adam optimizer (learning rate = 0.001). Proses pelatihan dilakukan dengan batch size 60 dan 20 epoch menggunakan Google Colaboratory. Hasil pengujian menunjukkan bahwa model CNN mampu mengklasifikasikan pola ferning saliva dengan akurasi yang tinggi, serta menghasilkan confusion matrix yang konsisten pada tiap kelas. Penelitian ini menunjukkan bahwa metode CNN memiliki potensi tinggi sebagai pendekatan non-invasif dan efisien untuk mendeteksi masa subur wanita berdasarkan citra saliva.
Co-Authors arrozi, lalu muhamad alawi Aviv Yuniar Rahman Chauliah Fatma Putri Da Costa, Zania Abuk Endah Puspitosarie Istiadi Luruk, Alfrida Demetria Ma'rifani Fitri Arisa Magai, Etinus Nugroho, Kuncahyo Setyo Raihan, Anugrah Ahzul Saputra, Deni Adi Syahroni Wahyu Iriananda, Syahroni Wahyu Verdiansyah, Egi