Article Per Year (5 Year)
p-Index From 2021 - 2026
1.789
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Informatika Teknologi dan Sains (Jinteks) Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Sintek Kuwera Miracle Get Journal
Martanto
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Public Health

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 10 Documents
Search

 1 
ANALISIS INTERNET MENGGUNAKAN PARAMATER QUALITY OF SERVICE PADA ALFAMART TUPAREV 70 Satria Turangga; Martanto; Yudhistira Arie Wijaya
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 6 No. 1 (2022): JATI Vol. 6 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v6i1.4693

Abstract

Penggunaan internet bagi karyawan merupakan sebuah kebutuhan untuk menunjang pekerjaan agar dapat diselesaikan. Adapun fasilitas internet yang diberikan oleh PT Sumber Alfaria Trijaya Tbk kepada toko-tokonya yang khususnya Alfamart Tuparev 70. Hal ini terlihat dari seringnya gangguan koneksi. Penelitian ini bertujuan untuk mengukur performa koneksi internet yang ada di Alfamart Tuparev 70. Metode yang digunakan adalah Quality of Service (QoS). QoS dibutuhkan untuk menghitung parameter yang nanti dapat menentukan kualitas dari sebuah jaringan internet. Tahapan dalam penelitian ini merekam trafik jaringan menggunakan wireshark kemudian menghitung parameter yang digunakan. Nilai QoS yang diperoleh pada saat upload data jam 08.00-12.05 memperoleh nilai persentase throughput yaitu 31% dengan indek 1 “JELEK”, delay 9,444 ms dengan indek 4 “SANGAT BAGUS”, jitter 8,444 ms dengan indeks 3 “BAGUS” dan packet loss 0% dengan indeks 4 “SANGAT BAGUS”. Nilai QoS yang diperoleh pada saat download data jam 15.00-19.05 bahwa nilai persentase throughput 132% dengan indek 4 “SANGAT BAGUS”, delay 14,052 dengan indek 4 “SANGAT BAGUS”, jitter 13,052 dengan indek 3 “BAGUS” dan packet loss mendapatkan indeks 4 “SANGAT BAGUS”. Dapat disimpulkan bahwa pada saat upload maupun download, koneksi internet pada Alfamart Tuparev 70 masih layak digunakan dan sudah memenuhi standart TIPHON.
KLATERISASI DATA PENDUDUK BERDASARKAN PEKERJAAN MENGGUNAKAN METODE K-MEANS PADA WILAYAH JAWA BARAT Jannah, Eka Roehatul; Martanto
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.v8i2.9055

Abstract

Perkembangan teknologi merupakan peluang yang tepat memperoleh data dengan lebih efektif dan efisien. Data mining adalah salah satu komponen dalam proses Knowledge Discovery in Databases (KDD). KDD adalah suatu rangkaian proses yang bertujuan menemukan informasi yang bermanfaat dari sumber data dalam database. Permasalahan dalam penelitian ini, bagaimana jika Metode K-Means mungkin tidak sesuai untuk mengelompokkan data penduduk berdasarkan pekerjaan?. Penelitian ini bertujuan untuk mengidentifikasi pola pekerjaan penduduk wilayah Jawa Barat dan membentuk kelompok pekerjaan yang serupa. Melalui metode K-Means, akan memungkinkan saya untuk mengelompokkan penduduk Jawa Barat berdasarkan jenis pekerjaan mereka menggunakan tahapan KDD. Dengan tahapan KDD kita dapat dengan mudah melihat data penduduk berdasarkan pekerjaan dari tahun 2011-2023. Dapat diambil kesimpulan bahwa penduduk yang bekerja dengan nilai tertinggi adalah pada Cluster 3 yang ditandai dengan warna biru (tinggi) berjumlah 151 items, untuk data pekerjaan dengan nilai sedang berada pada Cluster 2 yang ditandai dengan warna oranye (sedang) berjumlah 100 items, dan ntuk penjualan dengan nilai terendah yaitu pada Cluster 0 dan Cluster 1 yang ditandai dengan warna hijau dan hitam (rendah) dengan jumlah yang sama yaitu 50 items. Hasil percobaan yang dilakukan pada data penduduk berdasarkan pekerjaan menggunakan metode DBI (Davies Bouldin Index), menghasilkan nilai K terbaik pada cluster 4 yaitu 0,262.
Bibliometrik Analysis: Konten Video Untuk Meningkatkan Daya Tarik Pariwisata Arif Rinaldi Dikananda; Dadang Sudrajat; Fatihanursari Dikananda; Rudi Kurniawan; Martanto
Prosiding SISFOTEK Vol 8 No 1 (2024): SISFOTEK VIII 2024
Publisher : Ikatan Ahli Informatika Indonesia

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

Abstract

The use of video content as a marketing tool in the tourism industry has seen a significant increase in recent years. This research aims to explore and develop effective video content strategies in increasing tourism appeal and influencing tourists' decisions to visit certain destinations. Research methods include bibliometric analysis of video content used in tourism marketing, as well as experiments to test the effectiveness of various video content strategies. The results of the study show that the characteristics of travel vlogs that include personal narratives, attractive visuals, and relevant information can increase user travel intentions. Additionally, audience engagement through short videos has proven to be a key factor in increasing travel interest. This research makes a new contribution in understanding the role of video content in tourism marketing and developing a video marketing strategy model that can be applied by the tourism industry to increase the attractiveness of tourist destinations. By utilizing the results of this study, the tourism industry can optimize the use of video content to reach a wider audience and increase positive perceptions of tourist destinations.
Analisis Internet Network Performance Menggunakan Parameter Quality of Service Pada Jaringan STMIK IKMI Cirebon Martanto; Dian Ade Kurnia; Fathurrohman; Irfan Ali; Yudhistira Arie Wijaya
Prosiding SISFOTEK Vol 8 No 1 (2024): SISFOTEK VIII 2024
Publisher : Ikatan Ahli Informatika Indonesia

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

Abstract

The use of the internet for employees is a crucial need to support the completion of their work. STMIK IKMI Cirebon also provides internet facilities for its employees. However, the internet facilities provided are not yet optimal, as evidenced by frequent connection disruptions. This study aims to measure the performance of the internet connection at STMIK IKMI Cirebon. The method used is Quality of Service (QoS), which is a method to assess how well the installed network functions and its ability to define the attributes of the network services provided. QoS is necessary to calculate the parameters that determine the quality of an internet network. The steps in this study include recording network traffic using Wireshark, followed by calculating parameters such as bandwidth, packet loss, delay, throughput, and jitter. The study results indicate that during data upload from 08:00 to 12:05 at STMIK IKMI Cirebon, the throughput percentage achieved was 31% with an index of 1 "POOR," delay was 9.444 ms with an index of 4 "VERY GOOD," jitter was 8.444 ms with an index of 3 "GOOD," and packet loss was 0% with an index of 4 "VERY GOOD." During data download from 15:00 to 19:05, the throughput percentage achieved was 132% with an index of 4 "VERY GOOD," delay was 14.052 ms with an index of 4 "VERY GOOD," jitter was 13.052 ms with an index of 3 "GOOD," and packet loss received an index of 4 "VERY GOOD." Based on these results, it can be concluded that these values have met the TIPHON standard for both upload and download, indicating that the internet connection at STMIK IKMI Cirebon is still suitable for use
ANALISIS SEGMENTASI PELANGGAN VOUCHER WIFI DENGAN METODE K-MEANS Fahmi Naufal; Martanto; Arif Rinaldi Dikananda; Rohman, Dede
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 1 (2025): EDISI 23
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i1.5169

Abstract

AirNet Teknologi, yang bergerak di bidang konsultasi komputer dan penyedia layanan internet WiFi, melakukan penelitian untuk menerapkan teknik clustering menggunakan algoritma K-Means dalam menganalisis data penjualan voucher WiFi di cabang Talun dari 31 Oktober 2023 hingga 31 April 2024. Penelitian ini bertujuan untuk mengidentifikasi pola pembelian pelanggan berdasarkan jenis paket, durasi penggunaan, dan harga, guna meningkatkan strategi pemasaran perusahaan. Dataset yang dianalisis mencakup detail transaksi seperti tanggal, jenis produk, durasi penggunaan, dan total pembayaran. Proses analisis dilakukan menggunakan RapidMiner Studio dengan tahapan Knowledge Discovery in Database (KDD), termasuk seleksi data, praproses, dan evaluasi hasil clustering menggunakan Davies-Bouldin Index (DBI). Hasil menunjukkan jumlah klaster optimal adalah K = 6 dengan nilai DBI 0.182, menandakan kualitas clustering yang baik. Pelanggan dikelompokkan ke dalam enam klaster dengan karakteristik berbeda, yang dapat digunakan untuk menargetkan promosi dan program loyalitas. Penelitian ini menekankan pentingnya analisis data dalam pengambilan keputusan strategis, memungkinkan AirNet Teknologi untuk menyusun strategi pemasaran yang lebih efektif, meningkatkan kepuasan pelanggan, dan memperkuat posisinya di pasar layanan WiFi.
The Relationship Between Personal Protective Equipment Use and Reduction in Workplace Injuries Venny Yusiana; Muchlisinalahuddin; Martanto; Fandel Maluw; Daisy Debora Grace Pangemanan
Miracle Journal Get Press Vol 2 No 2 (2025): May, 2025
Publisher : CV. Get Press Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69855/mgj.v2i2.126

Abstract

This study investigates the relationship between the use of Personal Protective Equipment (PPE) and the reduction of workplace injuries among workers at PT X. Using a quantitative research design with a pre-test and post-test survey approach, data were collected from 110 respondents selected through purposive sampling. The results demonstrated a significant decrease in workplace injuries after the implementation of PPE, with the average injury score dropping from 2.27 before PPE use to 1.50 after PPE use (p-value = 0.000). These findings indicate that the use of PPE is highly effective in reducing both the frequency and severity of workplace injuries. Factors such as worker discipline, awareness, and knowledge significantly influence the effectiveness of PPE use. The study concludes that consistent and proper use of PPE, supported by worker education and the availability of quality equipment, can substantially enhance workplace safety and reduce occupational health risks
Optimasi Akurasi dan Efisiensi Deteksi Intrusi pada Lingkungan Komputasi Awan dengan Analisis Deret Waktu CNN-LSTM Martanto; Khaerul Anam; Indra Wiguna Marthanu; Puji Pramudya Marta
Prosiding SISFOTEK Vol 9 No 1 (2025): SISFOTEK IX 2025
Publisher : Ikatan Ahli Informatika Indonesia

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

Abstract

This study proposes a CNN-LSTM time series analysis-based intrusion detection system (IDS) model to improve accuracy and efficiency in cloud computing environments. With more organizations moving to the cloud, security threats are becoming more sophisticated, rendering traditional detection methods inadequate. The objective of this study is to develop and evaluate a hybrid model that can address these challenges. The methodology used involves an experimental quantitative approach on a representative CSE-CIC-IDS2018 dataset. This dataset underwent rigorous data preprocessing, including data cleaning, conversion to time series format, and feature selection using stationarity and Granger causality tests. The CNN-LSTM model was then trained and evaluated using accuracy and computational efficiency metrics. The results showed superior model performance with an accuracy of 0.910, precision of 0.874, and F1-Score of 0.882. The model also demonstrated good computational efficiency, with a training time of 3.9887 seconds and a prediction time of 0.3607 seconds, making it suitable for real-time detection. This study concludes that the CNN-LSTM model is a viable solution for improving cloud computing security, offering a balance between high accuracy and good computational efficiency. Future research could explore multi-dataset validation and the integration of interpretation methods to improve its application.
Evaluasi Pengaruh Kualitas Data Terhadap Performa Model Machine Learning Menggunakan Pendekatan Data-Centric AI Bisma Mahendra; Martanto; Denni Pratama; Ahmad Faqih; Rudi Kurniawan
Jurnal Sistem Informasi dan Teknologi Vol 6 No 1 (2026): Jurnal Sistem Informasi dan Teknologi (SINTEK)
Publisher : LPPM STMIK KUWERA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56995/sintek.v6i1.211

Abstract

Penelitian ini mengevaluasi pengaruh kualitas data terhadap performa model machine learning menggunakan pendekatan Data-Centric Artificial Intelligence (DCAI). Eksperimen dilakukan pada Titanic Dataset dengan membandingkan Random Forest dan Support Vector Machine (SVM) dalam tiga skenario penanganan missing values, yaitu Drop Missing, Mean Imputation, dan No Imputation. Kinerja model dievaluasi menggunakan metrik Accuracy, F1 Score, dan Area Under Curve (AUC). Hasil menunjukkan bahwa intervensi kualitas data memberikan dampak signifikan terhadap performa model. Random Forest mencapai performa terbaik pada skenario Drop Missing dengan Accuracy 0.813, F1-Score 0.758, dan AUC 0.859, sedangkan SVM memperoleh Accuracy tertinggi sebesar 0.822 pada skenario Mean Imputation. Uji statistik Paired t-Test menunjukkan tidak terdapat perbedaan performa yang signifikan secara statistik antara kedua model (p-value > 0.05). Temuan ini menegaskan bahwa peningkatan kualitas data lebih berpengaruh terhadap kinerja model dibandingkan pemilihan algoritma, sehingga mendukung paradigma Data-Centric AI.
KLASIFIKASI PENYAKIT DAUN PADI MENGGUNAKAN TRANSFER LEARNING DENGAN ANALISIS PENGARUH VARIASI DIMENSI CITRA PADA KINERJA MODEL Akhmad Taukhid; Martanto; Yudhistira Arie Wijaya; Heliyanti Susana; Nana Suarna
METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi Vol. 12 No. 1 (2026): Volume 12 Nomor 1 Tahun 2026
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/mtk.v12i1.4940

Abstract

Penelitian ini berfokus pada deteksi dini penyakit daun padi untuk meningkatkan produktivitas pertanian dan mengurangi kesalahan diagnosis yang sering terjadi pada identifikasi manual. Meskipun berbagai penelitian telah menerapkan deep learning untuk klasifikasi penyakit tanaman, pengaruh resolusi citra terhadap kinerja model klasifikasi penyakit daun padi, khususnya pada skenario data terbatas, masih jarang dikaji secara sistematis. Penelitian ini bertujuan menganalisis kinerja model klasifikasi penyakit daun padi berbasis transfer learning dengan arsitektur VGG16 pada citra beresolusi 224×224 piksel, sekaligus menilai efisiensi proses komputasi pelatihan dan pengujian yang dilakukan. Data yang digunakan berupa 320 citra daun padi dari dataset publik “Daun Padi Sultra (Sulawesi Tenggara)” di Kaggle yang komprehensif menjadi data latih, validasi, dan uji dengan perbandingan 60:20:20. Tahapan penelitian utama meliputi eksplorasi karakteristik dan distribusi data, pra-pemrosesan citra (pengubahan ukuran ke 224×224, normalisasi, dan augmentasi terbatas), serta pembangunan model transfer learning dengan VGG16 sebagai ekstraktor fitur yang membekukan dan kepala klasifikasi kustom. Model dibor menggunakan optimizer Adam dengan mekanisme EarlyStopping dan ModelCheckpoint, kemudian dievaluasi menggunakan akurasi, presisi, recall, F1-score, dan konfusi matriks. Hasil pengujian menunjukkan bahwa model mencapai akurasi uji sebesar 98,44% dengan loss 0,1815, serta nilai rata-rata makro dan rata-rata tertimbang untuk presisi, recall, dan F1-score yang mendekati 0,98 dengan hanya satu kesalahan klasifikasi pada data uji. Proses pelatihan dan penyelesaian dapat diselesaikan dengan beban komputasi yang masih moderat pada lingkungan GPU Google Colab, sehingga konfigurasi VGG16 dengan resolusi 224×224 piksel berpotensi menjadi baseline yang efektif dan efisien untuk klasifikasi penyakit daun padi pada skenario data terbatas.
Pengembangan Model IDS Berbasis Deep Reinforcement Learning untuk Prediksi dan Mitigasi Serangan Siber Dalam Network Traffic Analysis Martanto; Suarna, Nana; Kurnia Putri, Dede; Mardiana, Ana
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 13 No 3: Juni 2026
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2026133

Abstract

Intrusion Detection System (IDS) merupakan komponen krusial dalam pertahanan jaringan modern, berfungsi mendeteksi dan merespons ancaman siber secara cepat dan akurat. Penelitian ini menawarkan kontribusi baru melalui perancangan lingkungan Markov Decision Process (MDP) yang lebih realistis, integrasi reward shaping adaptif, serta evaluasi komprehensif multi-algoritma Deep Reinforcement Learning (DRL) yaitu Proximal Policy Optimization (PPO), Deep Q-Network (DQN), Advantage Actor-Critic (A2C) dan perbandingannya dengan model supervised learning mutakhir . Dataset CICIDS2017 dan UNSW-NB15 digunakan sebagai sumber data lalu lintas jaringan, mencakup berbagai jenis serangan dan lalu lintas normal. Lingkungan pelatihan dirancang khusus untuk memungkinkan agen DRL belajar melalui interaksi langsung dengan data, dengan reward function yang memandu agen untuk meningkatkan akurasi deteksi dan meminimalkan kesalahan. Metodologi penelitian meliputi perancangan arsitektur model DRL, proses pelatihan selama 200.000 time steps, serta evaluasi kinerja model berdasarkan metrik akurasi, presisi, recall, dan F1-score. Hasil evaluasi menunjukkan DQN mencapai akurasi tertinggi pada pendekatan DRL (89–92%), namun secara keseluruhan model supervised learning seperti Random Forest dan CNN masih melampaui DRL dengan akurasi 98–99%. Temuan ini mengonfirmasi bahwa DRL memiliki potensi kuat dalam adaptasi dinamis, tetapi masih memerlukan optimasi lebih lanjut untuk menyaingi metode supervised pada klasifikasi statis. Penelitian ini juga menghadirkan blueprint integrasi IDS–DRL dengan SOC dan firewall adaptif, yang memberikan landasan implementatif pada sistem keamanan nyata. Penelitian ini berkontribusi pada pengembangan IDS adaptif yang mampu melakukan deteksi dan mitigasi secara real-time dengan tingkat akurasi tinggi. Keterbatasan penelitian mencakup kebutuhan komputasi yang tinggi dan potensi ketidakstabilan pelatihan, yang membuka peluang untuk penelitian lanjutan dengan optimasi arsitektur dan integrasi teknik transfer learning.   Abstract An Intrusion Detection System (IDS) is a crucial component of modern network defense, detecting and responding to cyber threats quickly and accurately. This research proposes the development of a Deep Reinforcement Learning (DRL)-based IDS for cyberattack prediction and mitigation using three main algorithms, namely Proximal Policy Optimization (PPO), Deep Q-Network (DQN), and Advantage Actor-Critic (A2C). The CICIDS2017 dataset is used as a source of network traffic data, covering various types of attacks and normal traffic. The training environment is specifically designed to allow DRL agents to learn through direct interaction with the data, with a reward function that guides the agent to improve detection accuracy and minimize errors. The research methodology includes designing the DRL model architecture, training for 20,000 time steps, and evaluating model performance based on accuracy, precision, recall, and F1-score metrics. The experimental results show that DQN has the best performance with an accuracy of 92.39%, a precision of 91.04%, a recall of 92.39%, and an F1-score of 91.50%, followed by A2C and PPO. Confusion matrix analysis and performance visualization show that DQN excels in detecting majority and minority classes with a low number of false positives and false negatives. Theoretical discussions link the results of this study to the fundamental principles of DRL, where agents learn adaptive detection strategies to attack dynamics, and their relevance to real-world applications such as Security Operation Centers (SOCs) and adaptive firewalls. Comparisons with previous research confirm that the DRL approach can offer significant improvements over traditional IDS and supervised learning methods. This research contributes to the development of an adaptive IDS capable of real-time detection and mitigation with high accuracy. Limitations include high computational requirements and potential training instability, which opens up opportunities for further research with architecture optimization and the integration of transfer learning techniques.
Co-Authors Ahmad Faqih Akhmad Taukhid Arif Rinaldi Dikananda Bisma Mahendra Dadang Sudrajat Daisy Debora Grace Pangemanan Denni Pratama Dian Ade Kurnia Fahmi Naufal Fatihanursari Dikananda Heliyanti Susana Indra Wiguna Marthanu Irfan Ali Jannah, Eka Roehatul Jayawarsa, A.A. Ketut Khaerul Anam Kurnia Putri, Dede Maluw, Fandel Mardiana, Ana Muchlisinalahuddin Nana Suarna Puji Pramudya Marta Rohman, Dede Rudi Kurniawan Satria Turangga Suarna, Nana Venny Yusiana Yudhistira Arie Wijaya