Article Per Year (5 Year)
p-Index From 2020 - 2025
3.649
P-Index
This Author published in this journals
All Journal Jurnal Agroteknos Jurnal Manajemen Informatika dan Sistem Informasi JATI (Jurnal Mahasiswa Teknik Informatika) MEANS (Media Informasi Analisa dan Sistem) BULLET : Jurnal Multidisiplin Ilmu AMMA : Jurnal Pengabdian Masyarakat Jurnal Pengabdian Sosial Informasi interaktif : jurnal informatika dan teknologi informasi
Wahyudin, Edi
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Chemistry Computer Science & IT Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Medicine & Pharmacology Nursing Public Health Social Sciences

Published : 27 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 27 Documents
Search

 1   2   3 
KLASIFIKASI BARANG PRODUKSI PADA TNT. GUITAR WORKSHOP DENGAN METODE NAIVE BAYES MENGGUNAKAN RAPID MINER Vibrianti, Vera; Wahyudin, Edi; Kaslani, Kaslani; Pratama, Denni; Dwilestari, Gifthera
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8966

Abstract

Minat pembelian gitar semakin berkembang terutama dikalangan anak muda. Permintaan penjualan gitar pun semakin meningkat. Adapun dari TNT.Guitar Workshop yang saya temui di daerah perumnas kota Cirebon, disitu konsumen dapat menentukan sendiri model, jenis kayu, hardware, dan yang lainnya sesuai dengan kemauan konsumen itu sendiri. TNT.Guitar Workshop memiliki masalah dalam mengklasifikasi barang untuk mengetahui model gitar apa saja yang banyak diminati oleh konsumen. Dalam penelitian ini metode perancangan yang akan diterapkan adalah metode algoritma Naive bayes. Naive Bayes merupakan sebuah pengklasifikasian probabilistik sederhana yang menghitung sekumpulan probabilitas dengan menjumlahkan frekuensi dan kombinasi nilai dari dataset yang diberikan. Tujuan dari penelitian ini adalah membantu TNT.Guitar Workshop dalam mengklasifikasi barang untuk mengetahui model gitar apa saja yang banyak diminati oleh konsumen dan untuk melihat berapa tingkat akurasi hasil klasifikasi barang menggunakan algoritma Naive Bayes dengan menggunakan aplikasi RapidMiner. Dengan menggunakan aplikasi RapidMiner versi 9.9 menunjukan bahwa nilai akurasi sebesar 86.49% dengan rincian sebagai berikut: prediksi interest dan true interest memiliki nilai sebesar 157, prediksi interest dan true some interest memiliki nilai 18, prediksi some interest dan true interest memiliki nilai 22, prediksi some interest dan true some interest memiliki nilai sebesar 99. Dengan kelas interest sebesar 87.71% dan kelas some interest sebesar 84.62%.
KLASTERISASI DATA PENJUALAN ALAT TRANSPORTASI DENGAN RAPIDMINER MENGGUNAKAN METODE K-MEDOID Aprilyani, Wiwin; Kaslani, Kaslani; Wahyudin, Edi; Hamonangan, Ryan; Herdiana, Ruli
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8968

Abstract

Penelitian ini bertujuan untuk menerapkan metode klasterisasi K-medoid menggunakan platform Rapidminner pada data penjualan alat transportasi. Melalui Rapidminner sebuah platform analisis data yang kuat, hal ini bertujuan untuk meningkatkan pemahaman terhadap prefrensi dan perilaku pembelian konsumen dalam kaitannya dengan transportasi. Metode K-medoid dipilih karena kemampuannya dalam menghasilkan kelompok-kelompok data yang berbeda secara optimal tanpa bergantung pada bentuk atau jumlah klaster yang telah ditentukan sebelumnya. Setelah dilakukannya beberapa uji coba klaster pada data penjualan alat transportasi dengan record data terakhir berjumlah 904 record data menghasilkan nilai klaster yang terbaik yaitu dengan 2 klaster yang nilai Davies Bouldin Index berada pada -0,838 yang dimana nilai tersebut nilai terkecil diantara hasil uji coba klaster lainnya, dengan jumlah klaster 2 tersebut penjualan tertinggi pada perusahaan ini berada pada tahun 2005 dengan nilai 11,739 dan berada pada di klaster 0.
PENERAPAN ALGORITMA FP-GROWTH UNTUK MENENTUKAN POLA PEMBELIAN MAKANAN DI WARMINDO Destriyanah, Riska; Kaslani, Kaslani; Wahyudin, Edi; Dwilestari, Gifthera; Mulyawan, Mulyawan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8969

Abstract

Di dalam dunia bisnis diperlukan suatu usaha yang maksimal agar mendapatkan keuntungan. Strategi pemasaran yang tepat dapat dilihat pada pola pembelian konsumen yang di peroleh dari transaksi penjualan terhadap Makanan Warung Indomie atau Warmindo. Informasi mengenai pola pembelian customer pada Warmindo yang kurang akurat ini menyebabkan ketidaktahuan perusahaan mengenai kerugian yang didapatinya. Penelitian ini bertujuan untuk menganalisis pola pembelian pelanggan di Warmindo menggunakan algoritma FP-Growth yang diimplementasikan melalui software RapidMiner. Pada penelitian ini ditemukan beberapa hasil aturan asosiasi yang nantinya akan digunakan sebagai bahan pengambilan keputusan untuk kemajuan Perusahaan dan mendatangkan laba atau keuntungan. Hasil dari penelitian ini berupa aturan asosiasi menggunakan algoritma FP-Growth yang bertujuan untuk memberikan rekomendasi dua items atau menu kepada pelanggan dengan menggunakan nilai minimum support 30% dan minimum confidence 80%
PENGELOMPOKAN TEKANAN DARAH LANSIA DENGAN ALGORITMA K-MEANS DI KP.LEBAK JERO Elsa Safutri; Purnamasari, Ade Irma; Bahtiar, Agus; Wahyudin, Edi
Jurnal Manajemen Informatika dan Sistem Informasi Vol. 8 No. 1 (2025): MISI Januari 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/misi.v8i1.1359

Abstract

Hipertensi merupakan salah satu masalah kesehatan utama yang sering dialami oleh lansia dan memerlukan penanganan yang tepat. Namun, keterbatasan sumber daya di Posbindu sering kali menjadi hambatan dalam mengidentifikasi kelompok risiko hipertensi secara efektif. Penelitian ini bertujuan untuk merancang model pengelompokan risiko hipertensi pada lansia di Posbindu Kp. Lebak Jero menggunakan algoritma k-means, dalam mendukung intervensi kesehatan yang lebih terarah. Data yang dianalisis mencakup tekanan darah sistolik, diastolik, usia, jenis kelamin, dan berat badan, berdasarkan catatan Posbindu selama bulan Agustus-September 2024. Proses analisis dilakukan melalui tahapan Knowledge Discovery in Database (KDD), yang meliputi pengumpulan, pra-pemrosesan, transformasi data, pengelompokan, dan evaluasi. Untuk mengevaluasi kualitas hasil pengelompokan, digunakan Davies-Bouldin Index (DBI). Hasil penelitian menunjukkan bahwa DBI optimal sebesar 0,881 dengan k=2. Cluster pertama (Cluster_0) terdiri dari 75 lansia berisiko rendah (19 orang dengan tekanan darah normal dan 56 orang pra-hipertensi), dengan rentang usia 45-59 tahun (46 orang), 60-69 tahun (22 orang), dan >70 tahun (7 orang). Cluster kedua (Cluster_1) terdiri dari 71 lansia berisiko tinggi (28 orang hipertensi tingkat 1 dan 43 orang hipertensi tingkat 2), dengan  rentang usia 45-59 tahun (26 orang), 60-69 tahun (30 orang), dan >70 tahun (15 orang). Tekanan darah sistolik pada Cluster_0 berada pada kisaran 80-143 mmHg dan diastolik 80-90 mmHg, sementara pada Cluster_1 sistolik 140-200 mmHg dan diastolik 78-130 mmHg. Penelitian ini menunjukkan bahwa algoritma k-means mampu memetakan kelompok risiko hipertensi dan membantu pemantauan serta mendukung pelaksanaan intervensi kesehatan yang lebih efektif dan terarah di Posbindu Kp. Lebak Jero.
Peningkatan Model Pola Penjualan Obat di Apotek Vaza Farma Menggunakan Algoritma FP-Growth Damayanti, Selpiana; Purnamasari, Ade Irma; Bahtiar, Agus; Wahyudin, Edi
Informasi Interaktif : Jurnal Informatika dan Teknologi Informasi Vol 10 No 1 (2025): JII Volume 10, Number 1, Januari 2025
Publisher : Program Studi Informatika Fakultas Teknik Universitas Janabadra

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

Abstract

Penggunaan teknologi dalam sektor kesehatan, khususnya untuk manajemen stok dan penjualan obat, sangat penting untuk meningkatkan efisiensi operasional apotek. Penelitian ini menggunakan algoritma FP-Growth tujuannya adalah untuk mengidentifikasi pola penjualan obat di Apotek Vaza Farma. FP-Growth dikenal sebagai pendekatan efektif untuk menemukan pola frekuensi tinggi dalam data transaksi, membantu pengambilan keputusan pengelolaan stok yang lebih baik. Masalah yang dihadapi termasuk pengelolaan stok obat yang kurang efisien dan prediksi kebutuhan stok yang kurang akurat, yang sering menyebabkan kelebihan atau kekurangan stok. Metode penelitian melibatkan pengumpulan data transaksi penjualan obat dari sistem manajemen Apotek Vaza Farma selama satu bulan terakhir. Data yang diperoleh mencakup invoice no, trans date, due date, customer name, location, PLU, item name, QTY, unit, item price, discount, tax, subtotal dan status. Analisis dimulai dengan tahapan preprocessing, yaitu pembersihan dan transformasi data agar sesuai untuk diterapkan dengan algoritma fp-growth. Algoritma FP-Growth digunakan untuk menemukan itemset yang sering muncul bersamaan. Untuk meningkatkan efisiensi analisis, proses ini dilakukan menggunakan RapidMiner. Hasil penelitian ini menunjukkan FP-Growth berhasil mengidentifikasi beberapa pola pembelian obat diantaranya Erphaflam box sering dibeli bersama dengan Rhemafar box dengan nilai support 0.005 dan nilai confidence 0.298. hubungan lain ditemukan antara Rhemafar box dan Renadinac box dengan nilai support 0.006 dan nilai confidence 0.319, serta Ersolon box dan Erphaflam box dengan nilai support 0.004, dan nilai confidence 0.400 dengan nilai lift 22.664. Pola- pola ini memberikan wawasan penting untuk pengelolaan stok membantu mengurangi risiko kelebihan dan kekurangan stok serta meningkatkan kepuasan pelanggan. Hasil penelitian ini menggunakan algoritma data mining seperti FP-Growth dapat menjadi solusi yang efektif untuk tantangan manajemen stok obat. Keywords: Algoritma FP-Growth, pola penjualan obat, data mining, manajemen stok, Apotek Vaza Farma
Peningkatan Model Prediksi Konten Cyberbullying Pada Media Sosial Instagram Menggunakan Algoritma Support Vector Machine Budiarti, Reksa; Purnamasari, Ade Irma; Bahtiar, Agus; Wahyudin, Edi
Informasi Interaktif : Jurnal Informatika dan Teknologi Informasi Vol 10 No 1 (2025): JII Volume 10, Number 1, Januari 2025
Publisher : Program Studi Informatika Fakultas Teknik Universitas Janabadra

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

Abstract

Platform media sosial seperti Instagram telah menjadi sangat populer di kalangan masyarakat di seluruh dunia. Namun, cyberbullying dapat membahayakan kesehatan mental pengguna di platform ini. Dengan menggunakan algoritma Support Vector Machine (SVM), penelitian ini bertujuan untuk meningkatkan model prediksi konten cyberbullying di Instagram. Dengan meningkatnya jumlah data di media sosial, mengidentifikasikan konten negatif seperti cyberbullying secara otomatis menjadi sangat penting untuk membuat internet lebih aman. Penelitian ini menggunakan algoritma Support Vector Machine (SVM) yang merupakan salah satu metode pengajaran yang diawasi yang paling efektif untuk klasifikasi data. Dataset yang digunakan terdiri dari komentar Instagram yang diklasifikasikan sebagai bullying atau non-bullying. Untuk meningkatkan kualitas fitur teks yang diolah, proses pengolahan data melibatkan tahap preprocessing seperti cleaning, tokenisasi, stopword removal, stemming, dan TF-IDF. Selanjutnya, model SVM diimplementasikan dan dioptimasikan untuk meningkatkan akurasi prediksi dengan beberapa parameter. Hasil penelitian menunjukkan bahwa algoritma SVM dapat memberikan hasil prediksi yang akurat dengan tingkat akurasi sebesar 79,76% dalam mengidentifikasikan konten cyberbullying pada Instagram. Jumlah kasus yang termasuk dalam kategori prediksi bullying dan benar-benar termasuk kategori konten bullying adalah sebanyak 482 kasus. Sementara itu, yang benar-benar termasuk konten non-bullying terdapat 155 kasus. Selain itu, yang diprediksi benar sebagai kategori konten non-bullying berjumlah 243 kasus, dan yang termasuk dalam kategori prediksi non-bullying tetapi sebenarnya bullying terdapat 29 kasus. Ini menunjukkan bahwa SVM adalah metode yang efektif untuk menganalisis teks berbasis media sosial dalam mendeteksi tindakan bullying. Hasil penelitian ini dapat meningkatkan kesadaran masyarakat terhadap masalah cyberbullying dan dampak negatifnya. Keywords: Support Vector Machine (SVM), cyberbullying, Prediksi konten, Instagram, Sosial Media.
Pengembangan Chatbot Layanan Publik Berbasis Natural Language Processing Di Mal Pelayanan Publik Garut Fadlan Abdul Rojak; Purnamasari, Ade Irma; Bahtiar, Agus; Wahyudin, Edi
Informasi Interaktif : Jurnal Informatika dan Teknologi Informasi Vol 10 No 1 (2025): JII Volume 10, Number 1, Januari 2025
Publisher : Program Studi Informatika Fakultas Teknik Universitas Janabadra

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

Abstract

Penelitian ini bertujuan untuk membangun chatbot berbasis Natural Language Processing (NLP) yang memberikan respons otomatis dan relevan terhadap kebutuhan informasi pengguna di Mal Pelayanan Publik(MPP) Garut. Metode penelitian menggunakan pendekatan System Development Life Cycle (SDLC), meliputi analisis kebutuhan, perancangan sistem, pengembangan menggunakan RASA Framework, pengujian,implementasi, dan pemeliharaan. Data chatbot berasal dari layanan yang tersedia di website resmi MPP Garut,dengan skenario pertanyaan pengguna. Hasil menunjukkan bahwa chatbot berhasil diimplementasikan dengan baik, mampu merespons secara otomatis tanpa intervensi manusia, dan memberikan jawaban yang relevanberdasarkan API website MPP. NLP memungkinkan chatbot memahami maksud pengguna meskipun terdapat variasi struktur pertanyaan, sementara integrasi API memastikan data selalu akurat. Chatbot ini berkontribusi pada peningkatan efisiensi dan aksesibilitas layanan informasi di MPP Garut. Penelitian ini merekomendasikan pengembangan lebih lanjut dengan melibatkan pengguna eksternal untuk pengujian dan memperluas fitur chatbot untuk mendukung layanan tambahan.
PENINGKATAN MODEL POLA PEMBELIAN MENU DI METAMOR SPACE MENGGUNAKAN ALGORITMA FP-GROWTH Lutfiah, Lutfiah; Irma Purnamasari, Ade; Bahtiar, Agus; Wahyudin, Edi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13039

Abstract

Metamor Space adalah sebuah café di Cirebon yang dihadapkan pada tantangan untuk memahami pola pembelian pelanggan yang bervariasi, guna meningkatkan kepuasan pelanggan dan mengoptimalkan strategi pemasaran. Penelitian ini bertujuan untuk menerapkan algoritma FP-Growth dalam menganalisis data transaksi pelanggan, sehingga dapat mengidentifikasi pola pembelian signifikan. Algoritma FP-Growth dipilih karena kemampuannya dalam mengelola data besar secara efisien tanpa perlu pemrosesan ulang yang kompleks, menjadikannya cocok untuk analisis Association Rules yang dapat mengungkap keterkaitan antara menu yang sering dipesan bersamaan oleh pelanggan. Data yang digunakan adalah data transaksi penjualan di Metamor Space selama periode 1-30 Oktober 2024, dengan total 201 transaksi 954 record. Proses analisis dilakukan dengan menetapkan support sebesar 0,5556 atau 55,56% dan confidence sebesar 0.5, yang dapat mendukung strategi promosi dan pengelolaan menu yang lebih efektif. Hasil penelitian menunjukkan pola pembelian yang dominan, seperti menu "Choco Galaxy dan Roti Bakar" yang sering dipesan bersamaan. Temuan ini memberikan wawasan bagi Metamor Space dalam menyusun program promosi, seperti diskon bundling atau rekomendasi produk. Selain itu, pola ini membantu café dalam mengatur stok bahan baku dengan lebih efisien, meminimalkan risiko kelebihan atau kekurangan stok.
Optimasi Klasterisasi Data Peserta Didik SDN 2 Sarajaya Menggunakan Algoritma K-Means Dan Grid Search Wahyudin, Edi; Syahruf Efendi, Muhammad
BULLET : Jurnal Multidisiplin Ilmu Vol. 3 No. 1 (2024): BULLET : Jurnal Multidisiplin Ilmu
Publisher : CV. Multi Kreasi Media

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

Abstract

Problem Data analysis is the process of processing data with the aim of finding useful information that can be used as the basis for the analysis process. The data used to analyze a data is using SDN 2 Sarajaya Learner data, the author has a problem that there is no clustering of learner data using K-means at SDN 2 Sarajaya from this problem the author will group the data with the DBI value besides that it will look for what type of parameter is the best from the learner data at SDN 2 Sarajaya, namely with learner data using K-Means algorithm clustering with optimize parameters.Clustering is an algorithm for grouping some data into certain data groups (clusters). Student data has 150 data with 45 attributes including No, Name, NIPD, Jk, NISN, Birthplace, Birthdate, NIK, Religion, Address, Rt, Rw, Hamlet, Village, Subdistrict, Postal Code, Type of Residence, Transportation Equipment, KPS Acceptance, KPS No, Father's Name, Father's Year of Birth, Father's Last Education, Father's Occupation, Father's Income,Mother's Name,Mother's Birth Year,Mother's Last Education,Mother's Occupation,Mother's Income,Rombel,KIP Receipt,KIP Number,Birth Certificate Registration Number,Bank,Bank Account Number,Account in Name,KIP Eligibility (school proposal),Reason for KIP Eligibility,Special Needs,School of Origin,How Many Children,Latitude,Longitude. The tools used by researchers are rapidminer version 9.10.000. The K-Means algorithm is one of the algorithms used for partitioning because K-Means is based on determining the initial number of clusters by definition to find the initial value of the cetroid. The purpose of the research conducted by the author is to find information from the data. The test method used is the KnowlledgeDiscovry in Database (KDD) method. In the clustering results obtained by the learner data cluster using the Devies Bouldin Index value closest to 0 with cluster 2 to cluster 10 experiments resulting in the best K value in cluster 4 den DBI value 0.12 and the number of members L0 : 79 clusters L1: 1 cluster L2: 1 cluster L3: 69 clusters with parameter types BrigmanDivergences.
Segmentasi Minat Mahasiswa Terhadap Program Studi Menggunakan Algoritma K-Means Clustering Wahyudin, Edi; Dikananda, Fatihanursari
BULLET : Jurnal Multidisiplin Ilmu Vol. 2 No. 1 (2023): BULLET : Jurnal Multidisiplin Ilmu
Publisher : CV. Multi Kreasi Media

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

Abstract

Segmenting student interest in study programs is a crucial step in strategic decision-making within higher education. By identifying interest groups, institutions can design more relevant curricula and develop more effective marketing strategies. This study aims to cluster student interests in study programs using the K-Means Clustering algorithm. The data used in this research were obtained from questionnaires assessing the interests and preferences of new students towards various study programs. The results of applying the K-Means algorithm indicate that students can be grouped into several clusters based on the similarity of their interests, which can be utilized to support academic policy and program promotion strategies.
Co-Authors Abdul Ajiz, Abdul Agastya, Muhamad Alibasyah, Aziz Amalia, Dita Rizki Amaliah, Rif'atul Amir Rudin, Rizki Aprilyani, Wiwin Budiarti, Reksa Damayanti, Selpiana Destriyanah, Riska Dikananda, Fatihanursari Eka Permana, Sandy Elsa Safutri Fadlan Abdul Rojak Fansuri, Rafly Fathurrohman, Fathurrohman Fauziah, Irfa Mulhimah Firmansyah, Atep Gifthera Dwilestari GUSNAWATY, HS Hamonangan, Ryan Herdiana, Ruli Hery Widijanto Iin, Iin Irma Purnamasari, Ade Karunia Nurul Asry, Kintan Kaslani Khaer, Rijalul Lutfiah Lutfiah Martanto MUHAMMAD TAUFIK Mulyawan, Mulyawan Nasakh Perdana Herdiansyah, Reza Pratama, Denni Puri, Anita Purnamasari, Ade Irma Putri Nindya, Nazwa Rano Rizki Rinaldi, Ade Saeful Anwar, Saeful Salsabila, Putri Sazwati, Anggi Sehabudin Sehabudin, Sehabudin Solihudin, Dodi Subhiyanto, Fajar Sukma Maula, Intan Syahruf Efendi, Muhammad Tati Suprapti Tohidi, Edi Veithzal Rivai Zainal Vibrianti, Vera Yoni Ardiansah, Muhamad Zamil Farhan, Muhammad