Article Per Year (5 Year)
p-Index From 2020 - 2025
0.659
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer dan Bisnis Intechno Journal : Information Technology Journal JURNAL MULTIDISIPLIN BHATARA
Indriyatmoko, Toto
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Nursing

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Relevansi Search Engine Optimization (SEO) On-pages Di 2021 Indriyatmoko, Toto; Rahardi, Majid
Jurnal Ilmu Komputer dan Bisnis Vol. 12 No. 1 (2021): Vol. 12 No. 1 (2021): Vol. 12 No. 1 (2021)
Publisher : STMIK Dharmapala Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47927/jikb.v12i1.106

Abstract

Search Engine Optimizion (SEO) merupakan metode yang dilakukan untuk meningkatkan kualitas dari sebuah website dari sudut pandang peringkat di mesin pencari termasuk mesin pencari google. Google bukan menjadi sebuah rahasia lagi adalah sebuah perantara bagi website untuk mendatangkan pengunjung. Semakin bertambahnya pengguna internet berbanding lurus degan semakin bertambahnya jumlah website yang ada di dunia. Hal itu membuat semakin tingginya pula kompetisi website untuk meningkatkan peringkat di mesin pencari. Banyak cara yang bisa dilakukan utuk meningkatkan peringkat, salah satu caranya adalah dengan menggunakan teknik SEO on-pages. Pada teknik ini banyak sekali tips dan trik yang dapat dilakukan, namun seiring pembaruan yang terus dilakukan oleh google, apakah teknik ini masih berfungsi atau tidak, itu yang menjadi sebuah pertanyaan. Dalam tulisan ini membahas tentang apakah teknik SEO on-pages masih relevan terhadap pembaruan yang dilakukan oleh google dan mencari fakta-fakta yang ada di literatur terkait dan membandingkan dengan apa yang terjad sekarang di laman google.
Strategi Optimisasi Kata Kunci dalam Meningkatkan Visibilitas di Mesin Pencari Indriyatmoko, Toto; Forbenius, Arvin claudy; Diningrat, Mohammad Santosa Mulyo
Intechno Journal : Information Technology Journal Vol. 6 No. 1 (2024): July
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/intechnojournal.2024v6i1.1693

Abstract

Teknologi memungkinkan akses informasi yang cepat dan efisien menjadi kunci penting dalam memenuhi kebutuhan informasi di era digital. Mesin pencari digital seperti Google, memainkan peran krusial dalam memberikan akses cepat dan akurat terhadap informasi yang diinginkan. Pengguna hanya perlu memasukkan kata kunci tertentu, dan dalam sekejap, berbagai sumber informasi relevan akan ditampilkan memberikan gambaran cepat tentang topik yang dicari tanpa harus membuka setiap laman. Mesin pencari menggunakan algoritma canggih untuk menilai relevansi dan kredibilitas laman web berdasarkan kata kunci yang dimasukkan oleh pengguna yang juga mempengaruhi posisi laman dalam hasil pencarian. Optimisasi kata kunci menjadi strategi penting bagi pemilik laman web untuk meningkatkan visibilitas mereka. Penelitian ini bertujuan untuk mengeksplorasi dampak kata kunci terhadap hasil pencarian di mesin pencari dari berbagai perspektif peneliti, dengan fokus pada bagaimana penggunaan kata kunci memengaruhi relevansi, akurasi, dan kepercayaan terhadap informasi yang diperoleh. Melalui tinjauan ini, diharapkan diperoleh pemahaman mengenai strategi optimasi kata kunci dan dampaknya dalam konteks pencarian informasi digital.
Integrasi Augmentasi Data dan Machine Learning dalam Prediksi Magnitudo Gempa Bumi: Analisis dengan Random Forest Regressor dan Visualisasi Geospasial Utama, Hastari; Masruro, Ahlihi; Indriyatmoko, Toto; Sudarmanto, Sudarmanto
BHATARA: Jurnal Multidisiplin Ilmu Vol 2 No 3 (2025): October (In progress issue)
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/jmb.v2i3.233

Abstract

This research aims to enhance the accuracy of earthquake magnitude prediction through an integration of data augmentation techniques and machine learning based on the Random Forest Regressor, supported by geospatial visualization for in-depth analysis. The dataset used originates from the USGS (United States Geological Survey) in CSV format, encompassing over a thousand global earthquake events within one month, with seismic parameters such as location (latitude, longitude), depth, magnitude, and recording quality. In the context of imbalanced data—dominated by small earthquakes and rare large ones—a data augmentation technique based on noise injection into spatial features (latitude, longitude) and depth was applied, resulting in a dataset five times larger than the original. Evaluation results demonstrate significant improvement in model performance: MAE decreased from 0.2467 to 0.1046 (a 57.6% reduction), RMSE dropped from 0.3499 to 0.1868 (a 46.6% decrease), MSE reduced from 0.1225 to 0.0349 (a 71.5% reduction), and R² increased from 0.9493 to 0.9817. These improvements confirm that data augmentation not only reduces overfitting but also strengthens the model’s ability to predict large-magnitude earthquakes—classes most critical for disaster mitigation. Geospatial visualization displays the spatiotemporal distribution of earthquakes, identifying active seismic hotspots in regions such as the Pacific Ring of Fire, California, Alaska, and Indonesia. This research proves that data augmentation is not merely a supplementary technique but a crucial strategy to enhance model generalization and predictive performance, particularly for rare yet high-impact seismic events. The findings offer significant scientific and practical contributions to seismic hazard mitigation and risk mapping, with potential applications in early warning systems and real-time disaster response.
Co-Authors Diningrat, Mohammad Santosa Mulyo Forbenius, Arvin claudy Majid Rahardi Masruro, Ahlihi Sudarmanto Sudarmanto, Sudarmanto Utama, Hastari