Article Per Year (5 Year)
p-Index From 2021 - 2026
3.688
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Indonesian Journal of Applied Informatics JATI (Jurnal Mahasiswa Teknik Informatika) MEANS (Media Informasi Analisa dan Sistem) BULLET : Jurnal Multidisiplin Ilmu Jurnal Informatika Polinema (JIP) Informasi interaktif : jurnal informatika dan teknologi informasi
Hamonangan, Ryan
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Medicine & Pharmacology Nursing

Published : 26 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 26 Documents
Search

 1   2   3 
Implementasi Algoritma CNN dalam Sistem Absensi Berbasis Pengenalan Wajah Aldiani, Dea; Dwilestari, Gifthera; Susana, Heliyanti; Hamonangan, Ryan; Pratama, Denni
Jurnal Informatika Polinema Vol. 10 No. 2 (2024): Vol 10 No 2 (2024)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v10i2.4852

Abstract

Pengembangan teknologi pengenalan wajah telah menjadi peluang untuk meningkatkan efisiensi sistem absensi. Penelitian ini bertujuan untuk mengimplementasikan algoritma Convolutional Neural Network (CNN) dalam sistem absensi berbasis pengenalan wajah. Keunggulan CNN dalam mengekstraksi fitur kompleks dari gambar menjadikannya pilihan yang potensial untuk meningkatkan akurasi pengenalan wajah dalam pengelolaan absensi. Penelitian ini menggunakan kumpulan dataset wajah yang beragam, mencakup variasi sudut pandang, ekspresi, dan kondisi pencahayaan. Data yang digunakan terdiri dari 20 kelas yang masing-masing memiliki 500 data wajah. Penerapan model CNN dimulai dengan perancangan arsitektur CNN sederhana dengan menambahkan lapisan konvolusi, pooling dan fully connected. Model CNN kemudian dilatih menggunakan data latih sebesar 85% dari keseluruhan data. Setelah model dilatih, selanjutnya dilakukan evaluasi model CNN melalui beberapa metrik evaluasi. Dari hasil evaluasi diperoleh tingkat akurasi yang baik sebesar 91%. Setelah memperoleh model CNN untuk pengenalan wajah, model CNN diimplementasikan dalam sistem absensi. Berdasarkan hasil implementasi algoritma CNN terhadap sistem absensi diperoleh proses absensi yang akurat dan efisien sehingga dapat mengatasi kecurangan dan manipulasi data serta meningkatkan efisiensi dalam manajemen kehadiran di berbagai lingkungan.
PREDIKSI DIABETES MELLITUS TIPE 2 DENGAN ALGORITMA LOGISTIC REGRESSION UNTUK PENDETEKSIAN DINI Gunawan, Sepriyan; Astuti, Rini; Prihartono, Willy; Hamonangan, Ryan
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5747

Abstract

Diabetes Mellitus Tipe 2 merupakan penyakit kronis yang prevalensinya terus meningkat di dunia, termasuk Indonesia. Deteksi dini risiko diabetes penting untuk mencegah komplikasi serius. Penelitian ini bertujuan untuk menerapkan algoritma Logistic Regression dalam memprediksi risiko Diabetes Mellitus Tipe 2 menggunakan data kesehatan pasien dari Puskesmas Jatibarang. Data yang digunakan meliputi variabel umur, jenis kelamin, kebiasaan merokok, konsumsi alkohol, hasil IMT, tekanan darah sistole dan diastole, serta riwayat penyakit. Evaluasi model dilakukan menggunakan metrik akurasi, precision, recall, F1-score, dan AUC, serta diukur tingkat kesalahannya dengan RMSE. Hasil penelitian menunjukkan bahwa Logistic Regression memiliki performa baik dengan akurasi 82,51%, precision 88,04%, recall 89,76%, F1-score 88,89%, AUC 83,12%, dan RMSE sebesar 0.4182. Fitur utama yang berpengaruh terhadap prediksi adalah umur, pola makan (kurang sayur/buah), dan tekanan darah diastolik. Model ini efektif untuk deteksi dini risiko Diabetes Mellitus Tipe 2 dan dapat digunakan sebagai dasar pengambilan keputusan di fasilitas kesehatan primer.
PENERAPAN ALGORITMA NAIVE BAYES UNTUK ANALISIS SENTIMEN PENGUNJUNG DI PANTAI KEJAWANAN Apriliansyah, Rizal Dwi Rizki; Astuti, Rini; Prihartono, Willy; Hamonangan, Ryan
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5774

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengunjung terhadap objek wisata Pantai Kejawanan dengan menggunakan algoritma Naïve Bayes. Sentimen diklasifikasikan menjadi dua kategori, yaitu positif dan negatif. Ulasan daring merupakan sumber data penting untuk memahami persepsi pengunjung terhadap destinasi wisata. Algoritma Naïve Bayes dipilih karena keunggulannya dalam menganalisis teks. Dataset terdiri dari 998 ulasan yang dikumpulkan melalui scraping menggunakan SerApi, dengan periode data dari 2020 hingga 2024. Analisis dilakukan melalui tahapan Knowledge Discovery in Databases (KDD), mencakup pemilihan data, pre-processing (pembersihan data, case folding, tokenisasi, penghapusan stopword, dan stemming), serta transformasi menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF). Dataset dibagi menjadi 70% data pelatihan dan 30% data pengujian sebelum penerapan algoritma. Hasil menunjukkan bahwa model mampu mencapai akurasi 78%, presisi 92%, recall 80%, dan F1-score 86%, yang mencerminkan performa baik dalam klasifikasi sentimen. Evaluasi menggunakan confusion matrix menunjukkan model konsisten dalam membedakan sentimen positif dan negatif. Analisis ini menunjukkan bahwa mayoritas ulasan pengunjung Pantai Kejawanan bersentimen positif, menggambarkan pengalaman yang memuaskan. Keywords: naïve bayes; objek wisata, data mining; analisis sentimen; pengunjung.
IMPLEMENTASI ALGORITMA FP-GROWTH UNTUK MENINGKATKAN PEMASARAN PRODUK MINUMAN BOBA BERBASIS PYTHON (STUDI KASUS: KEDAI NGENYOD'S DESA BOGOR INDRAMAYU) Erpian, Soni; Astuti, Rini; Prihartono, Willy; Hamonangan, Ryan
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6341

Abstract

Penelitian ini menganalisis pola pembelian produk di Kedai "Ngenyod'S", dengan menggunakan algoritma FP-Growth untuk meningkatkan strategi pemasaranPola pembelian pelanggan sangat penting untuk membuat strategi promosi yang lebih baik dan mengelola stok.  Salah satu masalah yang dihadapi adalah tidak memanfaatkan data transaksi secara efektif saat menentukan strategi pemasaran.  Akibatnya, tujuan penelitian ini adalah menerapkan algoritma FP-Growth untuk menemukan itemsets sering dan pola asosiasi yang dapat digunakan dalam strategi bisnis berbasis data.  Proses penelitian ini terdiri dari beberapa langkah: pengumpulan data transaksi, preprocessing data, penerapan algoritma FP-Growth, dan analisis hasil dengan mempertimbangkan nilai dukungan dan kepercayaan tertentu. Dataset yang digunakan mencakup 508 penjualan dengan atribut seperti tanggal penjualan, nama produk, jumlah penjualan, harga satuan, dan pendapatan total.  Hasil penelitian menunjukkan bahwa beberapa produk, seperti Milo Milk dan Milo Ori, memiliki pola pembelian yang kuat dengan keyakinan sebesar 70%. Pola ini memberikan wawasan untuk strategi pemasaran, seperti menerapkan promosi bundling atau diskon untuk produk terkait.  Selain itu, penelitian ini menemukan bahwa algoritma FP-Growth lebih efisien dalam analisis data transaksi dibandingkan dengan metode konvensional. Kesimpulannya adalah bahwa penggunaan algoritma FP-Growth dapat membantu bisnis menemukan pola pembelian pelanggan, meningkatkan efisiensi pemasaran, dan mengoptimalkan manajemen stok. Studi ini membantu mengembangkan sistem rekomendasi berbasis pola pembelian yang dapat digunakan dalam bisnis ritel, terutama usaha kecil dan menengah.  Memperluas atribut dataset dan menggabungkan teknik lain seperti algoritma Apriori untuk mendapatkan hasil yang lebih lengkap adalah saran untuk penelitian lanjutan. Model serupa juga dapat diterapkan untuk meningkatkan efisiensi pemasaran berbasis data di berbagai industri bisnis lain.
PENERAPAN NAIVE BAYES UNTUK ANALISIS SENTIMEN PADA ULASAN PELANGGAN DI LAZADA: STUDI KASUS TOKO MAWAR COLLECTION Al Lutfani, Thariq Kemal; Astuti, Rini; Prihartono, Willy; Hamonangan, Ryan
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6391

Abstract

Penelitian ini memanfaatkan algoritma Naive Bayes untuk menganalisis sentimen ulasan pelanggan terhadap toko Baju Mawar Collection di platform Lazada.Hasil eksperimen menunjukkan bahwa model yang dikembangkan mencapai akurasi 94%, presisi 96%, recall 98%, dan F1-score 97%. Temuan ini menunjukkan bahwa pendekatan Naive Bayes mampu secara efektif mengenali pola sentimen dalam ulasan data, meskipun terdapat kombinasi antara ulasan positif dan negatif. 
Penerapan Algoritma C4.5 untuk Optimalisasi Manajemen Stok Obat di Apotek Nafa Farma Amarullah, Khairunnisa; Astuti, Rini; Prihartono, Willy; Hamonangan, Ryan
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 2 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i2.96224

Abstract

Abstrak : Manajemen stok obat menjadi tantangan utama di apotek Nafa Farma untuk mencegah kelebihan atau kekurangan stok. Penelitian ini mengaplikasikan algoritma C4.5 sebagai metode klasifikasi untuk mendukung pengelolaan stok yang optimal. Data stok obat dari Januari sampai Desember 2023 dianalsis menggunakan pendekatan Knowledge Discovery in Database (KDD) dengan software RapidMiner. Penelitian ini menunjukkan bahwa algoritma C4.5 dapat meningkatkan efisiensi manajemen stok obat dengan akurasi 80,67% dan F1-score rata-rata 80.52% ini memberikan rekomendasi strategis untuk pengadaan obat. Obat kategori laku direkomendasikan untuk diutamakan dalam pengadaan, sementara obat tidak laku dapat dikurangi pembeliannya untuk menghindari pemborosan. Algoritma C4.5 efektif untuk meningkatkan efisiensi pengelolaan stok obat====================================================Abstract : Drug stock management is a major challenge at Nafa Farma pharmacy to prevent excess or shortage of stock. This research applies the c4.5 algorithm as a classification method to support optimal stock management. Drug stock data from January to December 2023 was analyzed using a Knowledge Discovery in Database (KDD) approach with RapidMiner software. This study shows that the C4.5 algorithm can improve the efficiency of drug stock management with an accuracy of 80.67% and an average F1-score of 80.52%, providing strategic recommendations for drug procurement.  Sellable category drugs are recommended to be prioritized in procurement, while unsellable drugs can be reduced in purchase to avoid waste. The C4.5 algorithm is effective in improving the efficiency of drug stock management.
Co-Authors Aditya, Dede Agita, Prissilia Ahmad Rifai Ajiz, Abul Al Lutfani, Thariq Kemal Aldiani, Dea Amalia, Dita Rizki Amarullah, Khairunnisa Anawar, Saeful Apriliansyah, Rizal Dwi Rizki Aprilyani, Wiwin Arianto , Adji Arumsari, Rahayu Astuti , Rini Danar Dana, Raditya Dita, Fio Eka Permana, Sandy Erpian, Soni Faujia, Agnes Gifthera Dwilestari Gunawan, Sepriyan Hasan, Fujiyanto Hayati, Umi Herdiana, Ruli Herdiana, Rulli Kaslani Lestari, Ratih Narasati, Riri Narasati Nugraha, Syahrul OKTAVIANI, ERNA Pratama, Denni Pratama, Hilda Fidyah Hadi Pratama, Radi Prihartono, Willy Putra, Arya Kamandanu Raditya Danar Dana Rini Astuti Rizky Maulana, Rizky Saeful Anwar, Saeful Susana, Heliyanti Syafiq, Mohammad Sayyid Tohidi, Edi Wahyudin, Edi Yudhistira Arie Wijaya