Article Per Year (5 Year)
p-Index From 2021 - 2026
4.367
P-Index
This Author published in this journals
All Journal METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi JSI (Jurnal sistem Informasi) Universitas Suryadarma JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Dinamika Informatika (JDI) Jurnal Informatika Teknologi dan Sains (Jinteks) Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Journal of Artificial Intelligence and Engineering Applications (JAIEA) Jurnal Sistem Informasi dan Teknologi (SINTEK) AMMA : Jurnal Pengabdian Masyarakat Sintek Kuwera Miracle Get Journal Bianglala Informatika
Martanto
Unknown Affiliation
Humanities Automotive Engineering Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Nursing Public Health

Published : 33 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 33 Documents
Search

 1   2   3   4 
Pelatihan Pembuatan Toko Online Berbasis Marketplace untuk Pemberdayaan Ibu Rumah Tangga Khaerul Anam; Martanto; Azzahra Moudy Fajria; Bagus Hermawan
AMMA : Jurnal Pengabdian Masyarakat Vol. 1 No. 04 (2022): AMMA : Jurnal Pengabdian Masyarakat
Publisher : CV. Multi Kreasi Media

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

Abstract

This community service program aims to empower housewives through the creation and management of online stores based on marketplaces. This activity is motivated by the great potential of e-commerce in providing time flexibility and additional economic opportunities for housewives. The implementation method includes intensive training on online store creation, product management, digital marketing, and customer service. As a result, participants are able to create their own online stores and manage their operations well. This program provides a practical solution for housewives to increase income and economic independence. Further assistance and program expansion are recommended to reach more participants.
K-Means Algorithm for Clustering High-Achieving Student at Madrasah Tsanawiyah Yami Waled Muhammad Hilman; Martanto; Dikananda, Arif Rinaldi; Rifai, Ahmad
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 4 No. 3 (2025): June 2025
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v4i3.771

Abstract

This study aims to apply the K-Means algorithm to cluster students based on their mathematics grades at Madrasah Tsanawiyah Islamiyyah Yami Waled. By categorizing students into clusters of low, medium, and high academic achievement, the institution can develop more effective and targeted learning strategies. The data consisted of semester mathematics grades from 112 students, analyzed using the K-Means clustering algorithm. Clusters were evaluated using the Davies-Bouldin Index (DBI), with results showing three distinct clusters: Cluster 0 (low achievers, 54 students), Cluster 1 (medium achievers, 37 students), and Cluster 2 (high achievers, 21 students). The DBI score of 0.893 indicates good clustering quality, providing valuable insights for personalized learning approaches.
Optimization of Kebaya Product Grouping Using K-Means Algorithm for Marketing Strategy of Rental Services at Gifaattire Store Nuraeni; Martanto; Dikananda, Arif Rinaldi; Rifai, Ahmad
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 4 No. 3 (2025): June 2025
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v4i3.776

Abstract

This study aims to implement the K-Means algorithm to improve the kebaya clustering model to support the rental marketing strategy at Gifaattire Store. The K-Means algorithm was used to analyze eight months of historical kebaya rental data, focusing on the attributes of kebaya type and color. Using the Knowledge Discovery in Database (KDD) approach, the research conducted data selection, preprocessing, transformation, data mining, and evaluation of clustering results. Davies-Bouldin Index (DBI) was utilized to assess the quality of clustering, resulting in an optimal value of 6 clusters with a DBI of 0.580. The results showed that each cluster has unique characteristics that reflect customer demand patterns. Cluster 0, the largest cluster, indicates kebayas with high demand but limited color variations. In contrast, Cluster 1 indicates kebayas with a wide variety of colors but specific demand. This information enables Gifaattire Store to design more targeted data-driven marketing strategies and improve stock management efficiency. The research contributes to the development of literature on the application of K-Means in the fashion rental sector and offers practical insights into understanding customer preferences.
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.
Peningkatan Akurasi MobileNetV2 untuk Klasifikasi Penyakit Daun Jagung Berbasis Morfologi maulana faz'rin, rama; Martanto; Yudhistira Arie Wijaya; Ade Irma Purnama Sari; Nisa Dienwati Nuris
JSI (Jurnal Sistem Informasi) Universitas Suryadarma Vol. 13 No. 1 (2026): JSI (Jurnal sistem Informasi) Universitas Suryadarma
Publisher : Fakultas Ilmu Komputer dan Desain - Unsurya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35968/jsi.v13i1.1733

Abstract

Deteksi penyakit daun jagung pada citra lapangan menghadapi tantangan besar akibat pencahayaan tidak merata, latar belakang kompleks, serta jumlah data yang terbatas dan tidak seimbang. Penelitian ini mengusulkan pipeline klasifikasi berbasis deep learning yang mengintegrasikan pra-pemrosesan morfologi erosi, dilasi, opening, dan closing—untuk memperjelas struktur lesi sebelum pelatihan model. Sebanyak 310 citra daun jagung dalam tiga kelas (Sehat, Karat, dan Hawar) dibagi secara stratifikasi menjadi data latih, validasi, dan uji. MobileNetV2 dilatih menggunakan pendekatan transfer learning dengan augmentasi dasar. Hasil evaluasi menunjukkan akurasi validasi 34,43%, akurasi uji 44,83%, dan macro-F1 sebesar 0,17, yang mengindikasikan kemampuan generalisasi rendah. Confusion matrix mengungkap terjadinya class collapse akibat ketidakseimbangan kelas dan kemiripan visual antar penyakit. Meskipun performanya terbatas, pra-pemrosesan morfologi membantu meningkatkan kejelasan fitur dan stabilitas ekstraksi pada kondisi lapangan.
Analisis Kualitas Jaringan Hotspot Menggunakan Metode Quality of Service (QoS) dalam Mendukung Kegiatan Belajar Mengajar Di Sekolah Menengah Kejuruan Negeri 1 Gebang Fatha Mudzhaffar, Mochammad; Martanto; Rinaldi Dikananda, Arif; Rifai, Ahmad
Jurnal Dinamika Informatika Vol. 14 No. 1 (2025): Jurnal Dinamika Informatika Volume 14 Nomor 1
Publisher : Program Studi Informatika Universitas PGRI Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31316/jdi.v14i1.513

Abstract

Hotspot adalah jaringan nirkabel yang menyediakan akses internet kepada pengguna melalui perangkat Wi-Fi. Kualitas jaringan hotspot sangat penting dalam mendukung berbagai aktivitas, termasuk kegiatan belajar mengajar. Untuk menilai performa jaringan, metode Quality of Service (QoS) digunakan sebagai pendekatan standar dalam mengukur parameter-parameter utama jaringan, seperti throughput, packet loss, delay, dan jitter. Penelitian ini bertujuan untuk menganalisis kualitas jaringan hotspot di SMK Negeri 1 Gebang menggunakan metode QoS. Hasil penelitian menunjukkan bahwa nilai throughput berada dalam kategori "Buruk" hingga "Sangat Buruk" pada jam-jam trafik tinggi (12:00-15:00), dengan nilai berkisar antara 150-318 kbps, sehingga memerlukan optimasi jaringan. Di sisi lain, parameter packet loss tercatat 0%, yang menempatkannya dalam kategori "Sangat Baik." Nilai delay berkisar antara 10,12 ms hingga 30,01 ms, menunjukkan responsivitas jaringan yang baik dalam kategori "Sangat Baik." Sementara itu, nilai jitter berada dalam kategori "Baik" meskipun mengalami sedikit fluktuasi pada jam sibuk. Secara keseluruhan, meskipun performa jaringan dinilai baik dalam aspek packet loss, delay, dan jitter, peningkatan kualitas throughput sangat diperlukan untuk memastikan koneksi yang stabil dan berkualitas, khususnya pada jam trafik tinggi. Temuan ini memberikan dasar untuk pengembangan strategi optimasi jaringan guna mendukung kegiatan pendidikan secara lebih efektif.
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.
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.
Pengembangan Model Pengelompokan Jenis Bencana Alam di Jawa Baratmenggunakan Algoritma K-Means Adi Putra, Panji; Martanto; Rinaldi Dikananda, Arif; Rohman, Dede
Bianglala Informatika Vol. 13 No. 1 (2025): Maret 2025
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/bianglala.v13i1.11998

Abstract

Salah satu masalah terbesar yang dihadapi masyarakat Jawa Barat adalah bencana alam.Analisis berbasis data diperlukan untuk memahami pola kejadian bencana dan mendukung kebijakanmitigasi yang efektif karena berbagai jenis bencana. Untuk menganalisis data kejadian bencana diJawa Barat selama periode 2020–2023, penelitian ini menggunakan pendekatan KnowledgeDiscovery in Databases (KDD).Tahapan KDD meliputi pembuatan dataset, preprocessing untuknormalisasi dan penanganan data hilang, serta transformasi guna menentukan atribut utama.Algoritma K-Means digunakan dalam proses data mining untuk mengelompokkan wilayahberdasarkan jenis bencana dan intensitasnya. Tahap terakhir adalah interpretasi hasil, yang bertujuanuntuk memahami pola distribusi bencana. Hasil klasterisasi menghasilkan lima kluster utama. Cluster0 menunjukkan dominasi kejadian banjir dan kebakaran lahan, sering ditemukan di dataran rendahdengan karakteristik lingkungan yang rawan pembakaran liar. Cluster 1 didominasi oleh kejadiantanah longsor di wilayah perbukitan yang curah hujannya tinggi. Cluster 2 mencerminkan kombinasikejadian hujan angin dan kekeringan di daerah pedesaan dengan sumber daya air terbatas. Cluster 3menunjukkan kejadian bencana dengan frekuensi rendah dan distribusi yang merata, seringkali terkaitdengan daerah urban. Sementara itu, Cluster 4 memiliki tingkat heterogenitas tertinggi, mencakupberbagai jenis bencana dengan intensitas bervariasi di wilayah pegunungan dan lembah. Kualitasklasterisasi diukur menggunakan Davies-Bouldin Index (DBI) sebesar 0.085, mengindikasikanpemisahan kluster yang baik. Selain itu, analisis Performance Vector menunjukkan jarak total antarkluster sebesar 2.311, dengan jarak terbesar pada Cluster 4 (4.672). penelitian ini diharapkan dapatmembantu dalam perencanaan dan alokasi sumber daya yang lebih tepat sasaran untuk mitigasibencana.
Co-Authors Ade Irma Purnama Sari Adi Putra, Panji Ahmad Faqih Ahmad Rifai Ahmad Rifai Akhmad Taukhid Arif Budi Setiawan Arif Rifaldi Dikananda Arif Rinaldi Dikananda Arif Rinaldi Dikanda Artoti, Azzahra Rizky Ayu Febrian Lesmana, Alfira Azzahra Moudy Fajria Bagus Hermawan Bisma Mahendra Candra, Candra Rahmawati Dadang Sudrajat Daisy Debora Grace Pangemanan Dede Rohman Denni Pratama Dian Ade Kurnia Dikananda, Arif Rinaldi Dikananda, Fatihanursari Fachry Abda El Rahman Fahmi Naufal Fatha Mudzhaffar, Mochammad Fatihanursari Dikananda Hamongan, Ryan Hanifah Nur Aulia Hayati, Umi Heliyanti Susana Hery Widijanto Ica, Ica Pandia Ika Riantika Indra Wiguna Marthanu Irfan Ali Jannah, Eka Roehatul Jayawarsa, A.A. Ketut Khaerul Anam Laylatunna'imah Maluw, Fandel Masdarul Rizqi maulana faz'rin, rama Muchlisinalahuddin Muhamad Abdul Fatah Muhammad Hilman Mulyawan Nana Suarna Nasakh Nisa Dienwati Nuris Nuraeni Pamungkas, Vicky Puji Pramudya Marta Raditya Danar Dana Rai Fatkaozi, Ahmad Ramadan, Muhamad Firly Rano Renaldi , Betran Ridho Nugraha Rifa'i, Ahmad Rinaldi Dikananda, Arif Rohayati, Eti Rohman, Dede Rudi Kurniawan Satria Turangga Siti Latifah Unari, Ica Venny Yusiana Wahyudin, Edi Wiratriyana Yudhistira Arie Wijaya