Article Per Year (5 Year)
p-Index From 2021 - 2026
3.821
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Kursor Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Informatika dan Teknik Elektro Terapan JURNAL INSTEK (Informatika Sains dan Teknologi) Jurnal Ilmiah Media Sisfo Journal of Advanced in Information and Industrial Technology (JAIIT) Nusantara Science and Technology Proceedings Journal of Technology and Informatics (JoTI) International Journal of Data Science, Engineering, and Analytics (IJDASEA) Fraction: Jurnal Teori dan Terapan Matematika Data Sciences Indonesia (DSI) IT-Explore: Jurnal Penerapan Teknologi Informasi dan Komunikasi Kohesi: Jurnal Sains dan Teknologi Trigonometri: Jurnal Matematika dan Ilmu Pengetahuan Alam Emerging Statistics and Data Science Journal
Trimono
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Physics Other

Published : 28 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 28 Documents
Search

 1   2   3 
ANALISIS PERBANDINGAN METODE K-MEDOID DAN AGGLOMERATIVE HIERARCHICAL CLUSTERING PADA DATA KONSUMSI REMPAH-REMPAH DI KABUPATEN / KOTA Rhomaningtias, Lina; Kusharyadi, M. Nurhadyatullah; Westerdam Sean Jatindra, Reagen; Trimono; Nasrudin, Muhammad
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3.7071

Abstract

Konsumsi rempah-rempah di Indonesia mencerminkan keragaman budaya, geografi, dan pola hidup masyarakat di berbagai daerah. Namun, kajian kuantitatif yang memetakan pola konsumsi rempah antar kabupaten/kota masih terbatas, meskipun data statistik tersedia secara terbuka. Penelitian ini bertujuan untuk mengeksplorasi dan membandingkan efektivitas dua metode klasterisasi K-Medoid dan Agglomerative Hierarchical Clustering (AHC) dalam mengelompokkan wilayah berdasarkan kesamaan konsumsi enam jenis rempah utama: bawang merah, bawang putih, bawang bombay, cabai merah, cabai hijau, dan cabai rawit. Data sekunder berasal dari Badan Pusat Statistik tahun 2024, dengan preprocessing berupa pembersihan data, standarisasi, serta reduksi dimensi menggunakan Principal Component Analysis (PCA). Evaluasi dilakukan menggunakan metrik validasi internal seperti Silhouette Score, Dunn Index, Davies-Bouldin Index, Calinski-Harabasz Index, dan Cophenetic Correlation. Hasil menunjukkan bahwa metode AHC dengan linkage ward dan lima klaster memberikan performa paling optimal dibandingkan K-Medoid. Segmentasi wilayah berdasarkan hasil klaster mengungkapkan struktur konsumsi rempah yang berbeda antara wilayah pedesaan dan perkotaan. Penelitian ini memberikan kontribusi penting dalam pemetaan konsumsi rempah berbasis data dan dapat dijadikan dasar perumusan kebijakan pangan dan pembangunan wilayah yang lebih tepat sasaran.
ANALISIS HUBUNGAN KETERSEDIAAN GURU, RUANG KELAS DAN ANGKA PUTUS SEKOLAH TERHADAP STATUS SEKOLAH MENGGUNAKAN ONE-WAY MANOVA KHAIRUNISA, ADENDA; fernando, Mochamad Firman; rachmanto, Nugroho Fajar; Nasrudin, Muhammad; Trimono
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3.7188

Abstract

Pendidikan merupakan pilar fundamental dalam pembangunan sumber daya manusia dan kemajuan bangsa. Namun, kesenjangan dalam akses terhadap pendidikan yang berkualitas masih terus terjadi, yang berdampak pada tingginya angka putus sekolah. Studi ini meneliti pengaruh ketersediaan guru, tenaga kependidikan, dan fasilitas ruang kelas terhadap angka putus sekolah, dengan fokus khusus pada perbedaan antara sekolah negeri dan swasta. Dengan menggunakan Analisis Multivariat Satu Arah (MANOVA), penelitian ini menganalisis beberapa variabel dependen secara simultan untuk mengidentifikasi perbedaan signifikan dalam sumber daya pendidikan dan angka putus sekolah. Dataset yang digunakan berasal dari Kementerian Pendidikan Indonesia, mencakup variabel utama seperti jumlah guru, jumlah ruang kelas, dan tingkat putus sekolah. Uji asumsi statistik, termasuk uji Box’s M, Chi-Square Bartlett, dan uji Mardia, dilakukan untuk memvalidasi analisis MANOVA. Hasil penelitian menunjukkan bahwa status sekolah berpengaruh signifikan terhadap distribusi sumber daya pendidikan dan angka putus sekolah siswa. Temuan ini memberikan wawasan berharga bagi para pembuat kebijakan dalam merancang strategi untuk meningkatkan pemerataan pendidikan dan mengurangi angka putus sekolah.
Hyperparameter optimization of XGBoost using artificial bee colony for predicting medical complications in hemodialysis patients Laksana Aryananda, Rangga; Trimono; Syaifullah J, Wahyu; Wan Awang, Wan Suryani
Jurnal Ilmiah Kursor Vol. 13 No. 1 (2025)
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/kursor.v13i1.459

Abstract

Chronic Kidney Disease (CKD) is a serious global health issue, ranking as the 12th leading cause of death in 2019, with a 31.7% increase since 2010. Many CKD patients require hemodialysis, which poses risks of complications such as hypertension, hypotension, and gastrointestinal disorders, increasing mortality. This study predicts hemodialysis complications using XGBoost optimized with the Artificial Bee Colony (ABC) algorithm. The dataset includes numerical and categorical variables such as blood pressure, hemoglobin levels, gender, and complication history. To improve class distribution, the Synthetic Minority Over-sampling Technique is applied. Five test scenarios with different ABC parameter configurations were conducted to optimize XGBoost hyperparameters. Results indicate that balancing the dataset with SMOTE enhances model accuracy. Among the tested scenarios, Test 3, with ABC parameters n_bees set to 30, max_iter set to 30, and limit set to 10, achieved the highest accuracy, increasing from 89% (unbalanced) to 94% (balanced). Although training time increased, the improved performance highlights the potential of the XGBoost-ABC framework for early complication detection. This approach can enhance patient care, reduce mortality risks, and support clinical decision-making for hemodialysis patients.
Implementasi Model BiLSTM-Attention untuk Prediksi Nilai IHSG Berdasarkan Data Historis OHLCV Ramadhanti, Amirah Rizky; Putri, Safira Rahmalia; Trimono; Mohammad Idhom
Jurnal Ilmiah Media Sisfo Vol 19 No 2 (2025): Jurnal Ilmiah Media Sisfo
Publisher : LPPM Universitas Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33998/mediasisfo.2025.19.2.2392

Abstract

The Composite Stock Price Index (IHSG) reflects the performance of the Indonesian capital market, but predicting it is challenging due to high volatility and the influence of various external factors. This study aims to develop and evaluate a deep learning-based predictive model using a Bidirectional Long Short-Term Memory (BiLSTM) architecture combined with an Attention Mechanism to predict the IHSG value based on historical numerical data (OHLCV). This method was chosen for its ability to recognize bidirectional sequential patterns and highlight the most relevant historical information in the prediction process. The research was conducted quantitatively using an experimental approach, and model evaluation was performed using regression metrics such as R², RMSE, MAE, and MAPE. The results obtained showed excellent predictive performance with an R² of 0.9485, MAPE of 0.63%, RMSE of 59.47, and MAE of 45.12. Additionally, attention weight analysis revealed that the model focuses more on the last two days within the prediction time window, indicating that recent information significantly influences IHSG movements. These findings suggest that the BiLSTM-Attention approach is effective in capturing stock market dynamics and has the potential to serve as a strategic tool for data-driven investment decision-making.
Analisis sentimen program makan bergizi gratis menggunakan bidirectional gated recurrent unit Krisnawan; Zufar Abdullah Rabbani; Trimono; Mohammad Idhom
IT Explore: Jurnal Penerapan Teknologi Informasi dan Komunikasi Vol 4 No 3 (2025): IT-Explore Oktober 2025
Publisher : Fakultas Teknologi Informasi, Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/itexplore.v4i3.2025.pp282-294

Abstract

The Free Nutritious Meals (MBG) program launched by the Indonesian government aims to address the problem of malnutrition in children and students. However, the acceptance of this program in the community still requires in-depth evaluation because there are many negative sentiments that dominate on social media. This study aims to analyze the sentiment of the Indonesian community regarding the Free Nutritious Meals program on social media X (Twitter) using the Bidirectional Gated Recurrent Unit (BiGRU) model. Of the 1,405 tweet data obtained, 57% were negative opinions and 43% were positive opinions. The evaluation results show that the BiGRU model with FastText support to handle potential overfitting, is able to classify sentiment effectively, with an accuracy of 80%. Sentiment analysis shows that the majority of public responses to the Free Nutritious Meals (MBG) program tend to be negative, with 798 negative tweets and 607 positive. This reflects public dissatisfaction with the implementation of the program and highlights the need for evaluation and improvements so that the benefits can be more widely felt by the community.
PERBANDINGAN FUNGSI AKTIVASI GAUSSIAN DAN MULTIKUADRATIK PADA RADIAL BASIS FUNCTION NEURAL NETWORK UNTUK PREDIKSI INDEKS HARGA KONSUMEN DI SURABAYA Fiqih Pavita Andharluana; Aviolla Terza Damaliana; Trimono
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 10 No 2 (2025): OCTOBER
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v10i2.56751

Abstract

Indeks Harga Konsumen (IHK) merupakan indikator penting dalam mengukur tingkat inflasi yang digunakan sebagai dasar pengambilan kebijakan ekonomi, termasuk penyesuaian gaji, upah, dan kontrak kerja. Karena IHK memiliki pengaruh penting terhadap perubahan laju inflasi perekonomian Indonesia, maka perlu dilakukan prediksi terhadap IHK untuk membantu pemerintah dalam merumuskan kebijakan yang tepat, baik dalam stabilisasi harga maupun perlindungan terhadap kesejahteraan masyarakat terutama di wilayah dengan aktivitas ekonomi tinggi seperti Kota Surabaya, yang memiliki pertumbuhan Produk Domestik Regional Bruto (PDRB) signifikan. Penelitian ini bertujuan untuk membandingkan kinerja dua fungsi aktivasi dalam model Radial Basis Function Neural Network (RBFNN), yaitu Gaussian dan Multiquadratik, dalam memprediksi laju IHK di Surabaya. Metode RBFNN dipilih karena kemampuannya dalam menangkap pola non-linear pada data deret waktu. Metodologi penelitian meliputi pengumpulan data dari Badan Pusat Statistik (BPS), pra-pemrosesan data, pengembangan model, dan evaluasi menggunakan data uji. Model RBFNN dibangun dengan menentukan kluster, nilai spread, fungsi aktivasi, dan output, serta dievaluasi menggunakan Symmetric Mean Absolute Percentage Error (sMAPE). Data yang digunakan berupa deret waktu Indeks Harga Konsumen (IHK) Kota Surabaya periode Januari 2006 hingga Desember 2024 dengan frekuensi bulanan, sehingga diperoleh 228 data observasi. Berdasarkan hasil analisis, diperoleh bahwa fungsi aktivasi Gaussian memberikan hasil prediksi terbaik dengan nilai SMAPE sebesar 0.70%, yang menunjukkan tingkat akurasi sangat tinggi. Hasil prediksi IHK untuk bulan Januari hingga Mei 2025 berturut-turut adalah 107.61, 108.09, 108.54, 108.95, dan 108.32.
Prediksi Penyaluran Obat Kandungan Misoprostol dengan Metode Temporal Convolutional Networks Ramadani, Nurmalita; Idhom, Mohammad; Trimono
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 6: Desember 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025126

Abstract

Aborsi ilegal di Indonesia masih menjadi permasalahan serius, terutama dengan maraknya penggunaan misoprostol yang diperjualbelikan secara ilegal. Indonesia mencatat sekitar 1,7 juta kasus aborsi per tahun, dengan 42,5 dari setiap 1.000 wanita usia subur di Pulau Jawa terlibat dalam praktik ini. Berdasarkan laporan kasus, penyalahgunaan misoprostol dapat menyebabkan komplikasi serius seperti hipertermia, hipoksia, hingga kematian akibat kegagalan multiorgan. Selain itu, ditemukan bahwa 73% obat aborsi yang dijual online mengandung misoprostol, dan lebih dari 300.000 situs penjual obat ilegal telah diblokir oleh Kementerian Komunikasi dan Informasi. Salah satu celah yang mempermudah penyalahgunaan adalah belum adanya regulasi batas kuantitas penyaluran obat tersebut. Penelitian ini menerapkan model Temporal Convolutional Networks (TCN) untuk memprediksi pola penyaluran obat misoprostol menggunakan data primer dari BPOM dengan periode 2021-2024. Hasil evaluasi menunjukkan bahwa TCN secara konsisten lebih unggul dibandingkan LSTM pada semua panjang input. TCN mencatat rata-rata penurunan NMAE sebesar 85% dan NMSE sebesar 68% dibandingkan LSTM. Pendekatan berbasis TCN ini diharapkan dapat membantu otoritas dalam meningkatkan pengawasan distribusi obat serta mendukung kebijakan pengendalian misoprostol agar tidak disalahgunakan.   Abstract Illegal abortion in Indonesia remains a serious problem, especially with the widespread use of misoprostol, which is sold illegally. Indonesia records around 1.7 million abortion cases per year, with 42.5 out of every 1,000 women of childbearing age on the island of Java involved in this practice. According to case reports, the misuse of misoprostol can lead to serious complications such as hyperthermia, hypoxia, and even death due to multi-organ failure. Additionally, it was found that 73% of abortion drugs sold online contain misoprostol, and over 300,000 illegal drug-selling websites have been blocked by the Ministry of Communication and Information. One loophole that facilitates misuse is the lack of regulations on the quantity of the drug's distribution. This study applied the Temporal Convolutional Networks (TCN) model to predict the distribution patterns of misoprostol using primary data from the Indonesian Food and Drug Administration (BPOM) for the period 2021-2024. Evaluation results show that TCN consistently outperforms LSTM across all input lengths. TCN achieves an average reduction of 85% in NMAE and 68% in NMSE compared to LSTM. This TCN-based approach is expected to assist authorities in enhancing drug distribution oversight and supporting misoprostol control policies to prevent misuse.
ANALISIS JUMLAH TENAGA KESEHATAN DI JAWA TIMUR TAHUN 2022-2023 MENGGUNAKAN METODE RM MANOVA SATU ARAH Rijal Apuila Khufi; Jovanka Vania Sunawan; Ester Yunita Nainggolan; Muhammad Nasrudin; Trimono
Fraction: Jurnal Teori dan Terapan Matematika Vol. 6 No. 1 (2026): FRACTION: Jurnal Teori dan Aplikasi Matematika
Publisher : Jurusan Matematika, Fakultas Teknik, Universitas Bangka Belitung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33019/fraction.v6i1.94

Abstract

Pada tahun 2020, Pandemi COVID-19 memberikan dampak yang cukup signifikan terhadap sektor kesehatan di Indonesia, termasuk dalam hal jumlah dan sebaran tenaga kesehatan. Memasuki fase pemulihan pada tahun 2022, terjadi berbagai perubahan dalam sistem ketenagakerjaan tenaga kesehatan yang dapat mempengaruhi jumlah tenaga kesehatan di berbagai daerah, termasuk di Provinsi Jawa Timur. Penelitian ini bertujuan untuk menganalisis perbedaan jumlah tenaga kesehatan di Jawa Timur antara tahun 2022 dan 2023 dengan menggunakan metode Multivariate Analysis of Variance (MANOVA). Pada penelitian ini, normalitas multivariat diuji dengan menggunakan metode Mardia, sedangkan homogenitas matriks kovarians dianalisis melalui uji Box's M. Hasil pengujian menunjukkan bahwa data memenuhi asumsi-asumsi tersebut, sehingga MANOVA dapat digunakan dengan benar untuk menemukan variabel yang mempengaruhi perbedaan dalam jumlah tenaga kesehatan di Jawa Timur. Hasil ini diharapkan dapat membantu para pembuat kebijakan membuat rencana distribusi tenaga kesehatan yang lebih efektif.
Co-Authors Abda Abda Afidria, Zulfa Febi Ajeng Puspa Wardani Alzam , Muhammad Arsyad Amri Muhaimin Ananta, Aditya Putra Anugrah, Muhammad Cahya Raka Ardiani, Ardia Eva Ardra Jamie Hibatullah Ardra Jamie Hibatullah, Genesis Arfiansyah, Muhammad Nabil Putra Arifta, Septia Dini Aryaputra Jagaddatri Aviolla Terza Damaliana Baktiar Putri, Milla Akbarany Bhalqis, Anissa Andiar Cokro, Risbuwono Heru Diana Novitasari, Diana Elmaliyasari, Shifa Ester Yunita Nainggolan Farhan Syah Putra Wiyono Fatmala, Friza Nur fernando, Mochamad Firman Fiqih Pavita Andharluana Hayu, Nahda Hibatulah, Ardra Hidayah, Amellia Harmaimun I Maruddani , Di Asih idhom, Mohammad Irawan, Tanaya Anindita Jovanka Vania Sunawan Junior, Nouval Arya Kaffi, Laisal Kamila, Rosyidatul Karnaen, Amelia Zafira Kartika Maulida Hindrayani Khairunisa, Adenda Krisnawan Kristanaya, Mirechelin Kusharyadi, M. Nurhadyatullah Kusharyadi, Muhammad Nurhadyatullah Laksana Aryananda, Rangga Maulana, Mohammad Hikmal Maulidya Prastita Syah Melinda Putri Azzahra Mohammad Idhom Muhaimin, Amri Muhammad Nasrudin Namira, Alivia Salma Nurdiana, Pinka Ozzari, Nikita Aprilia Pakpahan, Vera Febrianti Pasha, Naufal Ricko Maulana Prismahardi Aji Riyantoko Puti Cresti Ekacitta Putri, Safira Rahmalia rachmanto, Nugroho Fajar Ramadani, Nurmalita Ramadhanti, Amirah Rizky Rhomaningtias, Lina Rijal Apuila Khufi Rizkiyah, Selly Rizqin, Indira Zein Sakhi, Difta Alzena Selayanti, Nabilah Sinulingga, Kevin Brema Saputra Susrama Masdiyasa, I Gede Syaifullah J, Wahyu Syamsiar, Syamsiar Wan Awang, Wan Suryani Westerdam Sean Jatindra, Reagen Witanto, Steffany Marcellia Zufar Abdullah Rabbani