Article Per Year (5 Year)
p-Index From 2020 - 2025
1.325
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika) Jifosi
Mustika Rizki, Agung
Unknown Affiliation
Computer Science & IT

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
Sistem Pendukung Keputusan Penempatan Posisi Pemain Sepak Bola Menggunakan Metode Profile Matching Boy Diego Lumwartono; Prima Aditiawan, Firza; Mustika Rizki, Agung
Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 2 No. 2 (2021): JIFoSI Volume 2, No 2: Juli 2021
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

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

Abstract

Sistem pendukung keputusan penempatan posisi pemain sepak bola ini menggunakan metode Profile Matching yang bertujuan untuk membantu tim pelatih dalam menentukan posisi yang ideal dari setiap pemain. Dalam sistem ini terdapat kriteria-kriteria yang dijadikan nilai standar dari setiap posisi, data kriteria tersebut diambil dari interview dengan pelatih Teluk Lamong FC sebanyak 21 kriteria. Dalam penelitian ini metode yang digunakan adalah Profile Matching. Proses metode Profile Matching yaitu membandingkan antara nilai individu pemain dengan nilai standar. Sehingga dapat diketahui nilai gapnya, semakin kecil nilai gapnya maka memiliki peluang yang besar untuk menempati suatu posisi. Berdasarkan pengujian akurasi yang dilakukan dengan menggunakan 35 data pemain dari SSB Karah Football School yaitu sebesar 94,28%. Kata kunci: Sistem Pendukung Keputusan, Profile Matching.
IMPLEMENTASI METODE FUZZY TOPSIS DALAM PEMBUATAN WEBSITE PENENTUAN PENERIMA DANA BANTUAN RUMAH TIDAK LAYAK HUNI (RTLH): STUDY KASUS: KANTOR DESA MAGERSARI, TUBAN Noviala Dwijayanti, Ayunda; Nugroho, Budi; Mustika Rizki, Agung
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 5 (2023): JATI Vol. 7 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i5.7954

Abstract

Bantuan Rumah Tidak Layak Huni (RTLH) merupakan salah satu program dari pemerintah berupa bantuan yang berbentuk dana untuk digunakan dalam memperbaiki rumah yang termasuk dalam kategori tidak layak untuk dihuni. Namun dalam pelaksanaanya, terkadang kurang tepat sasaran karena di desa Magersari penilaiannya masih menggunakan metode manual. Dengan kondisi yang hampir sama tiap penduduk serta kuota bantuan yang minim mengingat dana bantuan ini cukup besar, maka seringkali terdapat penilaian yang subjektif dan tidak dapat dipertanggung jawabkan dengan nilai pasti. Penelitian ini mengangkat isu yang ada dengan menggunakan Perhitungan Metode Fuzzy Technique for Order Preference by Similarity to Ideal Solution (Fuzzy TOPSIS) untuk menghitung nilai yang tak terdefinisi sehinga dapat dipertanggung jawabkan secara matematis, serta dibuat berbasis website agar dapat lebih mudah untuk diakses dan akurat. Kemudian Hasil dari penelitian ini berbentuk sebuah sistem pendukung keputusan (SPK) berbasis website yang membantu dalam mengolah data dalam penentuan penerima dana bantuan RTLH, yang sesuai dengan harapan.
ANALISIS SENTIMEN DENGAN ALGORITMA NAÏVE BAYES CLASSIFIER TERHADAP ULASAN APLIKASI MY F&B ID Ayu Puspita, Nabila; Tri Anggraeny, Fetty; Mustika Rizki, Agung
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8842

Abstract

Di era teknologi yang semakin canggih mendorong semua aspek bidang kehidupan ikut dalam perkembangannya, salah satunya pada bidang maknaan atau kuliner. Kecanggihan hal tersebut ialah memebuat perusahaan makanan berlomba-lomba untuk membuat aplikasi mobile untuk memberi kemudahan pada masyarakat terhadap pembelian produk yang mereka jual. Salah satu bentuk implementasi nyata dari hal tersebut dengan adanya Aplikasi My F&B ID. Pada Google Play Store selain dapat mengunduh aplikasi, masyarakat juga dapat memberi pendapat terhadap aplikasi tersebut. Pendapat yang berupa memberi ulasan masukkan, kritik, pujian, keluh kesah terhadap aplikasi yang dapat meningkatkan kualitas dan pelayanan yang ditawarkan aplikasi. Maka dalam penelitian ini akan dilakukan analisis sentimen terhadap ulasan aplikasi My F&B ID pada Google Playstore menggunakan algoritma Naïve Bayes Classifier untuk mengetahui permasalahan tersebut serta performansi dari klasifikasi algoritma tersebut. Penelitian ini menggunakan perbandingan dataset untuk data latih dan data uji sebesar 80:20, 70:30, 60:40 untuk membandingkan performansi nilai accuracy yang dihasilkan. Perbandingan dataset dilakukan untuk mengetahui nilai accuracy terbaik dari ketiganya. Hasil dari penelitian diperoleh nilai accuracy tertinggi didapatkan klasifikasi Multinomial Naïve Bayes Classifier dengan perbandingan dataset 80:20 sebesar 85%.
PENGUJIAN SISTEM INFORMASI AKADEMIK UNIVERSITAS X MELALUI PENDEKATAN PENETRATION TESTING BERDASARKAN OWASP TOP 10 Tinambunan, Fernanda; Junaidi, Achmad; Mustika Rizki, Agung
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8920

Abstract

Universitas X memiliki beberapa situs web yang menjadi sarana penting untuk mengelola data krusial terkait proses perkuliahan. Namun seiring dengan kemajuan teknologi informasi yang semakin kompleks, sehingga ancaman dan tantangan keamanan siber juga meningkat. Oleh karena itu, diperlukan pengujian keamanan menggunakan pendekatan Penetration Testing karena teknik ini tidak hanya mengidentifikasi kerentanan permukaan, tetapi juga mencoba mengeksploitasi kerentanan tersebut secara mendalam, tahapannya pengumpulan data, analisa celah keamanan, pengujian, dan penulisan laporan, dengan fokus pada OWASP Top 10. Pengujian ini bertujuan mengidentifikasi dan mengevaluasi kerentanan keamanan pada Sistem Informasi Akademik Universitas X. Hasil pemindaian menunjukkan 23 celah keamanan, 20 di-antaranya sesuai dengan kategori yang diidentifikasi oleh OWASP TOP 10. Dari hasil ini, dapat disimpulkan bahwa penerapan OWASP TOP 10 sebagai acuan standar keamanan dalam melakukan uji penetrasi terbukti efektif dalam mengidentifikasi dan mengevaluasi celah keamanan yang signifikan pada sistem, serta memberikan arah yang tepat dalam meningkatkan tingkat keamanan pada website Sistem Informasi Akademik.
OPTIMASI ALGORITMA SVM DENGAN PSO UNTUK ANALISIS SENTIMEN PADA MEDIA SOSIAL X TERHADAP KINERJA TIMNAS DI ERA SHIN TAE-YONG Atha Anastasya, Talitha; Diani Putri Saka, Agatha; Juventus Dappa Deke, Milen; Mustika Rizki, Agung
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12298

Abstract

Penelitian ini menganalisis perbandingan performa model Support Vector Machine (SVM) dalam klasifikasi sentimen komentar terkait Timnas Sepakbola Indonesia di era Shin Tae Yong yang diperoleh dari Twitter. Meskipun model SVM memberikan hasil yang memadai, akurasi dan efisiensi klasifikasi sentimen masih memiliki potensi untuk ditingkatkan. Oleh karena itu, tujuan penelitian ini adalah untuk meningkatkan performa model SVM dalam klasifikasi sentimen komentar dengan menggunakan optimasi parameter. Dataset yang digunakan terdiri dari 398 tweet dengan dua atribut utama yaitu komentar dan label. Atribut komentar berisi teks, sementara label menunjukkan klasifikasi sentimen, yaitu positif dan negatif. Model SVM diuji pertama kali tanpa optimasi untuk mendapatkan baseline, kemudian dilakukan optimasi menggunakan Particle Swarm Optimization (PSO). Pengukuran performa dilakukan dengan nilai akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model SVM tanpa optimasi menghasilkan nilai akurasi, presisi, recall, dan F1-score yang memadai namun masih dapat ditingkatkan. Setelah dilakukan optimasi menggunakan PSO, performa model meningkat secara signifikan, dengan peningkatan sebesar 3,8% pada akurasi, presisi, dan recall, serta 4% pada F1-score. Hasil ini menunjukkan bahwa optimasi parameter menggunakan PSO berhasil meningkatkan keakuratan dan efisiensi klasifikasi sentimen, memberikan wawasan lebih dalam tentang persepsi publik terhadap Timnas Sepakbola Indonesia melalui media sosial
ANALISIS PERBANDINGAN OPTIMIZER SGD DAN ADAM PADA MODEL CNN UNTUK KLASIFIKASI JAMUR EDIBLE DAN POISONOUS Prasetyo, Yogi; Faris Al Fatih, Mohammad; Iqbal An Zida, M. Jauharul; Isnan, Mohammad; Mustika Rizki, Agung
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12659

Abstract

Identifikasi jamur secara tradisional menghadapi berbagai tantangan, terutama dalam hal kompleksitas karakteristik morfologi dan kebutuhan akan keahlian khusus yang mendalam. Hal ini dapat meningkatkan risiko kesalahan identifikasi yang berpotensi membahayakan kesehatan manusia, mengingat beberapa jenis jamur bersifat beracun. Untuk mengatasi tantangan tersebut, penelitian ini mengadopsi pendekatan deep learning dengan menggunakan Convolutional Neural Network (CNN) untuk mengklasifikasikan jamur ke dalam kategori edible dan poisonous. Model CNN dikembangkan dan dioptimalkan menggunakan dua algoritma optimasi populer, yaitu Stochastic Gradient Descent (SGD) dan Adaptive Moment Estimation (Adam). Dataset yang digunakan berisi 2.000 gambar jamur dari dua kelas dengan proporsi data pelatihan, validasi, dan pengujian masing-masing sebesar 80%, 10%, dan 10%. Hasil eksperimen menunjukkan bahwa model dengan optimizer SGD mencapai akurasi tertinggi sebesar 95,50% dan F1-Score 0,9550, sedangkan model dengan optimizer Adam menghasilkan akurasi 94,50% dan F1-Score 0,9450. Analisis lebih lanjut menunjukkan bahwa model SGD memiliki performa yang lebih stabil dibandingkan Adam, terutama dalam recall untuk kelas jamur edible sebesar 97%. Dengan demikian, penelitian ini menunjukkan bahwa optimizer SGD lebih unggul untuk implementasi klasifikasi jamur berbasis CNN pada dataset ini. Hasil ini diharapkan dapat memberikan kontribusi bagi pengembangan metode identifikasi jamur yang lebih efisien dan akurat.
PERBANDINGAN ALGORITMA LIGHTGBM DAN ANN UNTUK MENENTUKAN KUALITAS ANGGUR MERAH Rafi Raihan, Ahmad; Wahyu Wardana, Ardiansyah; Pillardien A.R, Esa; Fadilah R, Sofyano; Mustika Rizki, Agung
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12716

Abstract

Penentuan kualitas anggur merah merupakan proses penting dalam industri minuman fermentasi untuk memastikan produk berkualitas tinggi. Penelitian ini bertujuan untuk mengevaluasi penerapan algoritma LightGBM (Light Gradient Boosting Machine) dan Artificial Neural Networks (ANN) dalam memprediksi kualitas anggur merah berdasarkan karakteristik kimia seperti tingkat keasaman, kadar alkohol, dan kandungan sulfur. Dataset yang digunakan mencakup 1599 sampel anggur merah dengan 11 fitur kimia sebagai variabel input dan label "quality" sebagai variabel target. Hasil penelitian menunjukkan bahwa algoritma LightGBM memberikan akurasi yang lebih baik dibandingkan ANN dalam menangani dataset ini, dengan akurasi mencapai 80% dan waktu komputasi yang lebih efisien. Sementara itu, ANN menunjukkan potensi untuk mengidentifikasi pola yang lebih kompleks tetapi memerlukan waktu pelatihan yang lebih lama. Penelitian ini menggarisbawahi pentingnya pemilihan algoritma yang tepat untuk klasifikasi kualitas anggur merah, sekaligus memberikan kontribusi pada pengembangan sistem prediksi berbasis machine learning di industri wine
Co-Authors Achmad Junaidi Atha Anastasya, Talitha Ayu Puspita, Nabila Boy Diego Lumwartono Budi Nugroho Diani Putri Saka, Agatha Fadilah R, Sofyano Faris Al Fatih, Mohammad Fetty Tri Anggraeny Firza Prima Aditiawan Iqbal An Zida, M. Jauharul Isnan, Mohammad Juventus Dappa Deke, Milen Noviala Dwijayanti, Ayunda Pillardien A.R, Esa Rafi Raihan, Ahmad Tinambunan, Fernanda Wahyu Wardana, Ardiansyah yogi prasetyo