Article Per Year (5 Year)
p-Index From 2021 - 2026
2.957
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Jurnal Khatulistiwa Informatika JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Informatika Terpadu JUSTIN (Jurnal Sistem dan Teknologi Informasi)
Rohmat, Cep Lukman
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Education

Published : 19 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 19 Documents
Search

 1   2 
OPTIMALISASI UPAYA PENCEGAHAN STUNTING PADA BALITA DI KOTA CIREBON MENGGUNAKAN METODE NAÏVE BAYES Lita, Arlita lita; Prihartono, Willy; Rohmat, Cep Lukman
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.5868

Abstract

Abstrak. Stunting adalah kondisi kekurangan gizi kronis yang menyebabkan tinggi badan anak berada di bawah standar usianya. Di Puskesmas Nelayan Kota Cirebon, prevalensi stunting pada balita cukup tinggi akibat pola makan yang kurang baik, minimnya pengetahuan gizi orang tua, dan akses terbatas pada makanan bergizi. Penelitian ini bertujuan untuk mengoptimalkan peran Posyandu dalam pencegahan stunting pada balita melalui klasifikasi pembagian makanan berdasarkan usia, berat badan, tinggi badan, dan lingkar lengan atas (LILA) menggunakan metode Naïve Bayes. Penelitian dilakukan di Puskesmas Nelayan Kota Cirebon dengan menggunakan data antropometrik balita sebagai dasar analisis. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes mampu mengklasifikasikan status gizi balita dengan tingkat akurasi yang memadai, sehingga dapat digunakan sebagai referensi dalam merancang strategi distribusi makanan yang lebih terarah. Temuan ini memberikan kontribusi terhadap pengembangan strategi intervensi stunting yang lebih efektif di masa mendatang.
PEMANFAATAN K-MEANS UNTUK PEMETAAN EPIDEMIOLOGI KASUS KUSTA DI KABUPATEN CIREBON Dimin, Egi Susanto; Rahaningsih, Nining; Dana, Raditya Danar; Rohmat, Cep Lukman
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6276

Abstract

Kusta merupakan masalah kesehatan masyarakat di Kabupaten Cirebon, dengan 240 kasus aktif pada 2022–2023. Penyebaran penyakit ini menunjukkan perlunya strategi pengendalian berbasis data. Penelitian ini menerapkan algoritma K-Means untuk mengelompokkan wilayah berdasarkan tingkat kerawanan kasus kusta karena kemampuannya mengidentifikasi pola distribusi epidemiologi. Metode yang digunakan mencakup pengumpulan data dari portal data terbuka Kabupaten Cirebon, preprocessing untuk memastikan kualitas data, penerapan K-Means, serta evaluasi hasil klasterisasi menggunakan Davies-Bouldin Index. Dataset terdiri dari jumlah kasus, lokasi geografis, jenis kusta, dan faktor demografi. Hasil analisis menunjukkan bahwa wilayah Kabupaten Cirebon terbagi dalam tiga klaster kerawanan: tinggi, sedang, dan rendah. Wilayah dengan tingkat kerawanan tinggi memiliki kepadatan kasus lebih besar serta keterbatasan akses layanan kesehatan. Temuan ini dapat menjadi dasar bagi pemerintah dalam menyusun kebijakan intervensi yang lebih terarah, seperti distribusi tenaga medis dan edukasi masyarakat. Studi ini menekankan pentingnya pemanfaatan teknologi berbasis data untuk meningkatkan efektivitas program pengendalian kusta di masa depan.
PEMANFAATAN ALGORITMA K-MEANS DALAM ANALISIS DATA PENJUALAN TOKO BUYUNG UPIK JS DI LAZADA Angraeni, Devita Fitri; Rahaningsih, Nining; Dana, Raditya Danar; Rohmat, Cep Lukman
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6438

Abstract

Banyaknya produk yang dijual oleh Toko Buyung Upik JS di Lazada menimbulkan kesulitan dalam menentukan produk yang laku dan kurang laku, sehingga terjadi ketidakseimbangan stok, seperti kelebihan pada produk yang kurang diminati dan kekurangan pada produk yang populer. Penelitian ini bertujuan mengelompokkan produk berdasarkan pola penjualan menggunakan teknik data mining untuk membantu strategi penjualan dan pengelolaan stok yang lebih efektif. Algoritma K-Means digunakan untuk clustering data penjualan, mencakup jumlah stok, transaksi, dan harga. Proses data mining meliputi tahapan Selection, Preprocessing, Transformation, Data Mining, dan Interpretation/Evaluation. Penentuan jumlah cluster optimal dilakukan dengan Elbow Method, sedangkan kualitas clustering dievaluasi menggunakan Davies Bouldin Index (DBI). Hasil penelitian menunjukkan jumlah cluster optimal adalah empat: Cluster 0 (83 produk, penjualan stabil), Cluster 1 (121 produk, penjualan tinggi), Cluster 2 (14 produk, kurang diminati), dan Cluster 3 (38 produk, penjualan moderat). Nilai rata-rata jarak dalam cluster adalah 54.941.560,812, dengan DBI sebesar 0,386 yang menunjukkan kualitas clustering cukup baik. Hasil ini memberikan wawasan bagi toko untuk memprioritaskan pengelolaan stok dan mengoptimalkan penjualan.
OPTIMASI ANALISIS SENTIMEN APLIKASI GLINTS MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) Rahmasari, Fanny; Rahaningsih, Nining; Dana, Raditya Danar; 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.v13i1.5681

Abstract

Teknologi informasi telah mengubah cara orang mencari pekerjaan, dan aplikasi seperti Glints adalah salah satu contohnya. Namun, lebih banyak ulasan pengguna membuat analisis sentimen sulit. Pengelolaan fitur yang relevan dan pemilihan parameter yang ideal adalah masalah utama. Dengan menggunakan algoritma Support Vector Machine (SVM), penelitian ini mengoptimalkan analisis sentimen ulasan Glints. Sebanyak 2000 ulasan dari Playstore dikumpulkan melalui scraping, dengan 69,2% positif, 16,6% netral, dan 14,2% negatif. Dalam proses pra-pemrosesan, case folding dan transformasi fitur menggunakan TF-IDF dengan unigram dan bigram dilakukan. Model SVM memiliki tingkat akurasi tinggi sebesar 92 persen, presisi sebesar 87%, recall sebesar 86%, dan F1-Score sebesar 86%. Implementasi berbasis Streamlit memungkinkan analisis sentimen dalam waktu nyata. Hasil ini membantu pengembang Glints meningkatkan layanan yang diberikan oleh pengguna.Keyword : Analisis Sentimen, Support Vector Machine (SVM), Aplikasi Glints, Klassifikasi Sentimen.
ANALISIS SENTIMEN PENGGUNA APLIKASI MYBLUEBIRD DENGAN ALGORITMA NAÏVE BAYES DI PLAYSTORE Prasetia, Deni; Rahaningsih, Nining; Dana, Raditya Danar; 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.v13i1.5687

Abstract

Transportasi berbasis aplikasi digital, termasuk MyBlueBird , menjadi kebutuhan penting di era modern. Namun, kualitas layanan aplikasi ini sering menjadi sorotan, terutama dari ulasan pengguna yang mengindikasikan adanya keluhan. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi MyBlueBird guna memancarkan kualitas layanannya. Analisis dilakukan menggunakan algoritma Naïve Bayes untuk mengklasifikasikan ulasan menjadi sentimen positif, negatif, dan netral. Penelitian menggunakan data sekunder dari Google Playstore dengan total 1.000 ulasan yang diproses melalui tahapan pengumpulan data, preprocessing teks, dan evaluasi model menggunakan akurasi, presisi, dan recall. Hasil menunjukkan algoritma Naïve Bayes mampu mengklasifikasikan sentimen dengan akurasi 92%. Sebagian besar ulasan bersifat positif, menunjukkan tingkat kepuasan yang tinggi, meskipun terdapat keluhan terkait kelemahan pengemudi dan kualitas kendaraan. Analisis ini menjadi alat strategi untuk meningkatkan layanan berbasis data pengguna dan dapat diterapkan pada sektor lain.
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. 
OPTIMALISASI UPAYA PENCEGAHAN STUNTING PADA BALITA DI KOTA CIREBON MENGGUNAKAN METODE NAÏVE BAYES Lita, Arlita lita; Prihartono, Willy; Rohmat, Cep Lukman
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.5868

Abstract

Abstrak. Stunting adalah kondisi kekurangan gizi kronis yang menyebabkan tinggi badan anak berada di bawah standar usianya. Di Puskesmas Nelayan Kota Cirebon, prevalensi stunting pada balita cukup tinggi akibat pola makan yang kurang baik, minimnya pengetahuan gizi orang tua, dan akses terbatas pada makanan bergizi. Penelitian ini bertujuan untuk mengoptimalkan peran Posyandu dalam pencegahan stunting pada balita melalui klasifikasi pembagian makanan berdasarkan usia, berat badan, tinggi badan, dan lingkar lengan atas (LILA) menggunakan metode Naïve Bayes. Penelitian dilakukan di Puskesmas Nelayan Kota Cirebon dengan menggunakan data antropometrik balita sebagai dasar analisis. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes mampu mengklasifikasikan status gizi balita dengan tingkat akurasi yang memadai, sehingga dapat digunakan sebagai referensi dalam merancang strategi distribusi makanan yang lebih terarah. Temuan ini memberikan kontribusi terhadap pengembangan strategi intervensi stunting yang lebih efektif di masa mendatang.
PEMANFAATAN K-MEANS UNTUK PEMETAAN EPIDEMIOLOGI KASUS KUSTA DI KABUPATEN CIREBON Dimin, Egi Susanto; Rahaningsih, Nining; Dana, Raditya Danar; Rohmat, Cep Lukman
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6276

Abstract

Kusta merupakan masalah kesehatan masyarakat di Kabupaten Cirebon, dengan 240 kasus aktif pada 2022–2023. Penyebaran penyakit ini menunjukkan perlunya strategi pengendalian berbasis data. Penelitian ini menerapkan algoritma K-Means untuk mengelompokkan wilayah berdasarkan tingkat kerawanan kasus kusta karena kemampuannya mengidentifikasi pola distribusi epidemiologi. Metode yang digunakan mencakup pengumpulan data dari portal data terbuka Kabupaten Cirebon, preprocessing untuk memastikan kualitas data, penerapan K-Means, serta evaluasi hasil klasterisasi menggunakan Davies-Bouldin Index. Dataset terdiri dari jumlah kasus, lokasi geografis, jenis kusta, dan faktor demografi. Hasil analisis menunjukkan bahwa wilayah Kabupaten Cirebon terbagi dalam tiga klaster kerawanan: tinggi, sedang, dan rendah. Wilayah dengan tingkat kerawanan tinggi memiliki kepadatan kasus lebih besar serta keterbatasan akses layanan kesehatan. Temuan ini dapat menjadi dasar bagi pemerintah dalam menyusun kebijakan intervensi yang lebih terarah, seperti distribusi tenaga medis dan edukasi masyarakat. Studi ini menekankan pentingnya pemanfaatan teknologi berbasis data untuk meningkatkan efektivitas program pengendalian kusta di masa depan.
PEMANFAATAN ALGORITMA K-MEANS DALAM ANALISIS DATA PENJUALAN TOKO BUYUNG UPIK JS DI LAZADA Angraeni, Devita Fitri; Rahaningsih, Nining; Dana, Raditya Danar; Rohmat, Cep Lukman
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6438

Abstract

Banyaknya produk yang dijual oleh Toko Buyung Upik JS di Lazada menimbulkan kesulitan dalam menentukan produk yang laku dan kurang laku, sehingga terjadi ketidakseimbangan stok, seperti kelebihan pada produk yang kurang diminati dan kekurangan pada produk yang populer. Penelitian ini bertujuan mengelompokkan produk berdasarkan pola penjualan menggunakan teknik data mining untuk membantu strategi penjualan dan pengelolaan stok yang lebih efektif. Algoritma K-Means digunakan untuk clustering data penjualan, mencakup jumlah stok, transaksi, dan harga. Proses data mining meliputi tahapan Selection, Preprocessing, Transformation, Data Mining, dan Interpretation/Evaluation. Penentuan jumlah cluster optimal dilakukan dengan Elbow Method, sedangkan kualitas clustering dievaluasi menggunakan Davies Bouldin Index (DBI). Hasil penelitian menunjukkan jumlah cluster optimal adalah empat: Cluster 0 (83 produk, penjualan stabil), Cluster 1 (121 produk, penjualan tinggi), Cluster 2 (14 produk, kurang diminati), dan Cluster 3 (38 produk, penjualan moderat). Nilai rata-rata jarak dalam cluster adalah 54.941.560,812, dengan DBI sebesar 0,386 yang menunjukkan kualitas clustering cukup baik. Hasil ini memberikan wawasan bagi toko untuk memprioritaskan pengelolaan stok dan mengoptimalkan penjualan.
Co-Authors Ahmad Faqih Angraeni, Devita Fitri Aprilla, Anggita Arya Wijaya, Arya Damayanti Damayanti Dikananda, Arif Rinaldi Dimin, Egi Susanto Eka Permana, Sandy Fathurrohman Fathurrohman Faturrohman, Faturrohman Iin, Iin Indriya Efendi, Dendy Irfan Ali, Irfan Kaslani Lestari, Gifthera Dwi Lita, Arlita lita Nining Rahaningsih Nurrochmah, Dina Siti Odi Nurdiawan Prasetia, Deni Pratama, Denni Prihartono, Willy R, Nining Raditya Danar Dana Rahmasari, Fanny Rendi Maulana Rizki Rinaldi, Ade saninah, annisa Solihudin, Dodi Tito Aprilianto, Rizky Zapar, Rizky