Claim Missing Document
Check
Articles

Found 20 Documents
Search

Analisis Prediksi Hasil Pemilu Legislatif DPR RI DKI Jakarta Tahun 2024 Menggunakan Metode Random Forest dan Gradient Boosting Effendy, Rangga Febrian; Susanto, Agung Budi; Anggai, Sajarwo
Jurnal Ilmu Komputer Vol 2 No 1 (2024): Jurnal Ilmu Komputer (Edisi Juli 2024)
Publisher : Universitas Pamulang

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

Abstract

In general elections, it is closely related to predictions, predictions play an important role in obtaining results in future legislative elections. Predicting general election results can be done through a series of processes to find patterns and knowledge from a set of data using data mining techniques. To get accurate prediction results in the future, a method is needed that can be used as predictive modeling. This research aims to find out the results of model testing and predictions for the 2024 DPR RI DKI Jakarta legislative election using random forest and gradient boosting methods and to find out patterns and knowledge from the prediction results themselves. Based on the model testing results, the gradient boosting method has an accuracy value of 95.8%, precision 72.2% and recall 61.9%. Meanwhile, random forest has an accuracy value of 95.4%, precision 63.6% and recall 33.3%. The pattern and knowledge from the prediction results is that the elected legislative candidates on average are in serial numbers 1 and 2, have valid votes starting from 63,529, are male and have a doctoral degree.
Pengembangan Sistem Employee Self Service (ESS) Berbasis Web Terintegrasi Dengan Kinerja Karyawan (Studi Kasus: Astrido Group) Wibowo, Satria Ardi; Susanto, Agung Budi; Anggai, Sajarwo
Jurnal Ilmu Komputer Vol 2 No 1 (2024): Jurnal Ilmu Komputer (Edisi Juli 2024)
Publisher : Universitas Pamulang

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

Abstract

Technological developments in the 4.0 era require humans to act effectively and efficiently. Astrido Group is a company operating in the automotive sector, especially car sales and services. The expected goal of this research is to build an information sistem that makes it easier for employees to update personal data, download attendance reports, process leave applications and approvals and obtain employee performance information. The sistem development method is Rapid Application Development (RAD) and modeled using the Unified Modeling Language (UML). Focus Group Discussion (FGD) Used as validation testing. The resulting software quality test is based on the four software quality characteristics of the ISO 9126 model, namely: functionality, reliability, usability and efficiency which are combined using the questionnaire method. The Black Box test results were 100%, which indicates the system was well received by users, while testing with Acunetix WVS was at Threat Level 2, which indicates the application being built is quite safe.
Evaluasi Performa Model Ensemble Learning dalam Deteksi Serangan Jaringan Internet of Things pada Dataset CIC-BCCC-IOT-HCRL-2019 Raharja, Yudi; Susanto, Agung Budi; Tukiyat, Tukiyat
Journal of Informatics and Electronics Engineering Vol 5 No 02 (2025): Desember 2025
Publisher : Unit Penelitian dan Pengabdian kepada Masyarakat Politeknik TEDC Bandung Jl. Pesantren Km 2 Cibabat Cimahi Utara – Cimahi 40513 Jawa Barat – Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70428/jiee.v5i02.1454

Abstract

Perkembangan pesat perangkat Internet of Things (IoT) membawa peningkatan kompleksitas sekaligus risiko pada keamanan jaringan. Studi ini bertujuan untuk menilai performa lima algoritma Ensemble Learning, yaitu Random Forest, AdaBoost, CatBoost, XGBoost, dan LightGBM, dalam Sistem Deteksi Intrusi (IDS) pada jaringan IoT dengan menggunakan dataset CIC-BCCC-IoT-HCRL-2019. Metode penelitian melibatkan tahap pra-pemrosesan data termasuk penerapan dua teknik normalisasi yaitu MinMaxScaler dan Normalizer, serta evaluasi model menggunakan validasi silang 5-Fold Cross-Validation dan pembagian data latih dan uji dengan rasio 80:20. Hasil eksperimen menunjukkan algoritma boosting seperti XGBoost, CatBoost, dan LightGBM secara konsisten memiliki kinerja lebih baik dibandingkan dengan model bagging tradisional seperti Random Forest. XGBoost yang dikombinasikan dengan MinMaxScaler mencapai akurasi tertinggi sebesar 0,9980, sementara LightGBM dengan MinMaxScaler mencatat waktu pelatihan tercepat yakni 2,54 detik. Temuan ini mengindikasikan bahwa penggunaan teknik boosting bersama normalisasi MinMaxScaler dapat secara signifikan meningkatkan akurasi serta efisiensi IDS berbasis IoT. Kata Kunci— Internet of Things, Deteksi Intrusi, Machine Learning, Ensemble Learning, Boosting, Normalisasi Data.
Analisis Stok Barang Menggunakan Algoritma K-Nearest Neighbor Dan Naïve Bayes Untuk Meningkatkan Efisiensi Persediaan Barang Retail Pada PT. XXX Restu Putra, Catur; Anggai, Sajarwo; Susanto, Agung Budi
Jurnal Ilmu Komputer Vol 4 No 1 (2026): Jurnal Ilmu Komputer (Edisi Januari 2026)
Publisher : Universitas Pamulang

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

Abstract

Efficient inventory management is a strategic necessity for retail industries that operate under highly fluctuating demand conditions. PT XXX continues to experience inaccuracies in determining stock requirements because the analysis is still carried out manually using a three-month average sales calculation. This approach is unable to capture actual warehouse variations, resulting in frequent overstock and understock conditions. This study develops a machine learning–based stock classification model using the K-Nearest Neighbor (K-NN) and Naïve Bayes algorithms by utilizing key operational warehouse variables, including average sales, ending stock, and Days of Inventory (DOI). The dataset consists of 4,324 records from November 2024 to October 2025 and was processed using Orange Data Mining. Performance evaluation was conducted using accuracy, precision, recall, and confusion matrix. The results show that K-NN achieved the best performance, with 96.80% accuracy in the prediction model and 93.00% in the test & score evaluation, outperforming Naïve Bayes, which achieved approximately 90%. The study also produced a two-level classification mapping stock status (High/Low) and warehouse recommendations (Low/Enough/Excess) which revealed a significant imbalance between High and Low categories. These findings demonstrate that machine learning–based classification methods can enhance stock assessment accuracy and support more adaptive and efficient restocking decisions in retail inventory management
Pemanfaatan Informasi BMKG untuk Peningkatan Kapasitas Mitigasi Gempa dan Tsunami Berbasis Komunitas Susanto, Agung Budi; Winarni, Winarni; Basir, Choirul
KOMMAS: Jurnal Pengabdian Kepada Masyarakat Vol. 7 No. 1 (2026): KOMMAS: JURNAL PENGABDIAN KEPADA MASYARAKAT
Publisher : KOMMAS: Jurnal Pengabdian Kepada Masyarakat

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

Abstract

Indonesia merupakan wilayah rawan bencana gempa bumi dan tsunami karena berada pada pertemuan lempeng tektonik aktif. Di Jawa Barat, keberadaan Sesar Lembang berpotensi memicu gempa bumi dengan magnitudo menengah yang dapat berdampak signifikan pada wilayah padat penduduk. Sementara itu, wilayah pesisir selatan Jawa berada pada zona subduksi aktif yang berpotensi memicu gempa besar dan tsunami. Rendahnya tingkat pemahaman dan kesiapsiagaan masyarakat menjadi salah satu faktor meningkatnya risiko korban saat bencana terjadi. Kegiatan pengabdian kepada masyarakat ini bertujuan untuk meningkatkan kapasitas mitigasi gempa dan tsunami berbasis komunitas melalui pemanfaatan informasi resmi dari Badan Meteorologi, Klimatologi, dan Geofisika (BMKG). Metode pelaksanaan meliputi sosialisasi, pelatihan kebencanaan, pendampingan penggunaan aplikasi informasi kebencanaan, penyusunan peta evakuasi berbasis partisipasi masyarakat, serta simulasi evakuasi mandiri. Hasil kegiatan menunjukkan adanya peningkatan pemahaman dan kesiapsiagaan masyarakat dalam menghadapi ancaman gempa dan tsunami. Pendekatan berbasis komunitas dan penggunaan sumber informasi resmi dinilai efektif dalam mendukung upaya pengurangan risiko bencana. Kata kunci: mitigasi bencana; kesiapsiagaan masyarakat; gempa bumi; tsunami; BMKG
Analisis Transaksi Fraud QRIS pada Industri Perbankan Switching dengan Data Mining Metode Klasifikasi menggunakan Aplikasi Orange Astried Nirmala Safitri; Agung Budi Susanto; Abu Khalid Rivai
Jurnal Unggul Teknologi dan Informatika (JUTIKA) Vol 1 No 1 (2025): Jurnal Unggul Teknologi dan Informatika - Desember
Publisher : YAYASAN KAYYIS MULIA JAYA

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

Abstract

Perkembangan sistem perbankan semakin besar sejalan dengan banyaknya sebagian orang yang memanfaatkan hal tersebut. Banyaknya transaksi mencurigakan di sistem perbankan yang mengindikasi adanya kriminalitas, maka bisnis perbankan memerlukan pengecekan semua data yang ada. QRIS menjadi channel transaksi paling banyak digunakan saat ini. Seiring dengan berkembangnya UMKM dan penjual yang menggunakan QRIS sebagai media pembayaran membuat berkembangnya transaksi QRIS di sistem perbankan switching. Tujuan peneitian ini untuk melakukan pengecekan dari transaksi mencurigakan di sistem perbankan yang mengindikasi adanya transaksi fraud. Banyaknya transaksi setiap harinya membuat sistem yang sudah ada harus dapat menyediakan data yang cepat, tepat dan real time. Keterbatasan SDM dan waktu yang diperlukan untuk pengecekan data transaksi yang cukup banyak sehingga dibutuhkan metode pengecekan yang cepat dan akurat agar pengecekan lebih efektif dan efisien. Data mining dengan aplikasi orange digunakan untuk menyediakan data-data yang dibutuhkan dengan metode klasifikasi yang dapat mengidentifikasi data fraud berdasarkan pola-pola dari sekumpulan data transaksi QRIS yang cukup besar. Metode penelitian digunakan algoritma Naive Bayes Classifier, K-Nearest Neighbors dan Decision Tree untuk mempermudah user mendapatkan data yang dibutuhkan. Dengan membuat matriks (pola) terkait indikator transaksi anomali yang diperlukan, pengecekan dengan menggunakan beberapa metode ini bertujuan sebagai pilihan analisa yang dapat dipilih untuk proses deteksi data-data yang terindikasi fraud. Pada penelitian ini didapatkan hasil penelitian menunjukkan tingkat akurasi maksimal pada penggunaan metode algoritma K-Nearest Neighbors dengan nilai 0,991. Untuk hasil dari algoritma Naive Bayes Classifier dengan nilai 0,961 dan algoritma Decision Tree dengan nilai 0,990 Hasil penelitian ini dapat digunakan pada perusahaan switching untuk membantu tim operasional dalam mendapatkan data untuk kebutuhan laporan perusahaan.
STUDI IMPLIMENTASI SNI ISO/IEC 27001:2022 UNTUK MANAJEMEN RISIKO DATA CENTER BBMKG WILAYAH II Nunuk Irawati; Agung Budi Susanto; Abu Khalid Rivai
INTECOMS: Journal of Information Technology and Computer Science Vol. 9 No. 1 (2026): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/n7pjjt56

Abstract

Sesuai dengan PP No.95 Tahun 2018 (SPBE) dan Peraturan BMKG No.4 Tahun 2020, informasi merupakan aset krusial bagi BBMKG Wilayah II. Sebagai institusi yang bertanggung jawab atas data meteorologi, klimatologi, dan geofisika, (seperti info gempa dan tsunami) akurasi dan keamanan data sangat vital bagi keselamatan publik. Berbagai ancaman yang terjadi seperti terjadinya web defacement, sering terjadinya gangguan kelistrikan yang merusak server sehingga dapat menghambat layanan yang harus real time dan kurangnya kesadaran keamanan informasi dikalangan pegawai. Penelitian ini bertujuan untuk menganalisis kesiapan dan keandalan aset serta dokumen Data Center BBMKG Wilayah II, mengidentifikasi ancaman risiko keamanan informasi keberlangsungan yang harus dimitigasi dan dikontrol, serta melakukan implementasi kerangka kerja SNI ISO/IEC 27001:2022 dalam manajemen risiko keamanan informasi.  Metode yang digunakan dengan pengumpulan data melalui wawancara, observasi, studi dokumen, dan Focus Group Discusion (FGD). Penelitian ini menghasilkan 30 risiko yang harus dimitigasi dengan sistem pengendalian dari SNI ISO/IEC 27001:2022 yang meliputi 3 (tiga) kategori risiko, yaitu keamanan, infrastruktur, dan sumberdaya manusia (SDM), dimana salah satu terindikasi adalah belum adanya kebijakan SMKI dan kebijakan operasional keamanan informasi yang melanggar Klausul 5.2 - Kebijakan. Setelah dilakukan penanganan risiko selama 3 bulan diantaranya dengan pembuatan dokumen SMKI dan dokumen operasional keamanan informasi, hasil pengujian menunjukkan sejumlah 0 NC mayor, 4 NC minor, dan 9 OFI, yang menggambarkan sangat baik untuk status SMKI di Data center BBMKG Wilayah II.
Spatiotemporal Dynamics of El Niño Modoki Impacts on East Java Rainfall Using EOF, BIRCH Clustering, and Wavelet Coherence Diah Ariefianty; Agung Budi Susanto; Arya Adhyaksa Waskita
Journal of Informatics and Vocational Education Vol. 9 No. 3 (2026): November 2026
Publisher : Informatics Education Department, Faculty of Teacher Training and Education, Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/joive.v9i3.3782

Abstract

El Niño Modoki is a variation of El Niño characterized by sea-surface-temperature warming in the central Pacific, flanked by cooling in the eastern and western Pacific, and can influence rainfall patterns in Indonesia, particularly in East Java. This region was selected because it is one of Indonesia’s major food-producing areas, has high rainfall variability, and remains highly vulnerable to drought. This study aimed to analyze the impact of El Niño Modoki on monthly rainfall anomalies in East Java during 1991–2024. The data consisted of the El Niño Modoki Index (EMI) and monthly gridded rainfall data. The analytical methods included rainfall-anomaly calculation, Pearson correlation, Empirical Orthogonal Function (EOF), BIRCH clustering, Wavelet Coherence (WTC), and composite analysis. BIRCH clustering based on the first three EOF modes formed four rainfall-pattern clusters in East Java. WTC analysis showed that the relationship between EMI and rainfall was more dominant at interannual periods of approximately 1–4 years. Composite analysis indicated that El Niño Modoki reduced rainfall in East Java starting from the JJA period and became stronger and more spatially extensive during ASO. Overall, the impact of El Niño Modoki on East Java rainfall was spatial, seasonal, dynamic, and non-homogeneous across regions. These findings provide preliminary information for drought mitigation, water-resource management, and climate early-warning strengthening in East Java.
Digital Literacy Education: The Utilization of Information Technology in Social Media Among Students of SMP Negeri 2 Mekar Baru, Tangerang Regency Ramadhan Ibrahim; Fajar Widianto; Edward Felix Satria Sridana; Jonatan Reky Tasyam; Muhamad Nawawi; Agung Budi Susanto; Winarni
Jurnal Pengabdian Cita Masyarakat Vol. 1 No. 4 (2026): Jurnal Pengabdian Cita Masyarakat (JPCM)
Publisher : Yayasan Cerdas Pedia Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65101/jpcm.v1i4.259

Abstract

The rapid transition towards Society 5.0 exposes adolescents to significant cyber risks, necessitating comprehensive digital literacy education. This community service aimed to enhance digital resilience and ethical social media utilization among students at SMP Negeri 2 Mekar Baru. Utilizing a Participatory Action Research approach combined with experiential learning, the intervention engaged 23 randomly selected students in an interactive workshop. The program uniquely integrated generative artificial intelligence tools, specifically NotebookLM for critical data validation, Pippit AI for ethical visual transformation, and Suno AI for affective musical creation. Results demonstrated a highly significant transformation in student behavior, shifting their paradigm from passive technology consumers to proactive, responsible digital content creators. This integration of advanced technological instruments proved exceptionally effective in building systemic cyber resilience, fostering critical thinking, strengthening data privacy awareness, and preparing youth for complex future digital challenges within modern educational ecosystems to ensure sustainable community empowerment and absolute technological safety.
Evaluasi Performa Model Ensemble Learning dalam Deteksi Serangan Jaringan Internet of Things pada Dataset CIC-BCCC-IOT-HCRL-2019 Yudi Raharja; Agung Budi Susanto; Tukiyat Tukiyat
Journal of Informatics and Electronics Engineering Vol. 5 No. 02 (2025): Desember 2025
Publisher : Unit Penelitian dan Pengabdian kepada Masyarakat Politeknik TEDC Bandung Jl. Pesantren Km 2 Cibabat Cimahi Utara – Cimahi 40513 Jawa Barat – Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70428/jiee.v5i02.1454

Abstract

Perkembangan pesat perangkat Internet of Things (IoT) membawa peningkatan kompleksitas sekaligus risiko pada keamanan jaringan. Studi ini bertujuan untuk menilai performa lima algoritma Ensemble Learning, yaitu Random Forest, AdaBoost, CatBoost, XGBoost, dan LightGBM, dalam Sistem Deteksi Intrusi (IDS) pada jaringan IoT dengan menggunakan dataset CIC-BCCC-IoT-HCRL-2019. Metode penelitian melibatkan tahap pra-pemrosesan data termasuk penerapan dua teknik normalisasi yaitu MinMaxScaler dan Normalizer, serta evaluasi model menggunakan validasi silang 5-Fold Cross-Validation dan pembagian data latih dan uji dengan rasio 80:20. Hasil eksperimen menunjukkan algoritma boosting seperti XGBoost, CatBoost, dan LightGBM secara konsisten memiliki kinerja lebih baik dibandingkan dengan model bagging tradisional seperti Random Forest. XGBoost yang dikombinasikan dengan MinMaxScaler mencapai akurasi tertinggi sebesar 0,9980, sementara LightGBM dengan MinMaxScaler mencatat waktu pelatihan tercepat yakni 2,54 detik. Temuan ini mengindikasikan bahwa penggunaan teknik boosting bersama normalisasi MinMaxScaler dapat secara signifikan meningkatkan akurasi serta efisiensi IDS berbasis IoT. Kata Kunci— Internet of Things, Deteksi Intrusi, Machine Learning, Ensemble Learning, Boosting, Normalisasi Data.