Article Per Year (5 Year)
p-Index From 2021 - 2026
4.915
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Techno.Com: Jurnal Teknologi Informasi TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Jurnal Pengabdian UntukMu NegeRI CIRCUIT: Jurnal Ilmiah Pendidikan Teknik Elektro Seminar Nasional Teknologi Informasi Komunikasi dan Industri JITK (Jurnal Ilmu Pengetahuan dan Komputer) ALGORITMA : JURNAL ILMU KOMPUTER DAN INFORMATIKA JURNAL PENDIDIKAN TAMBUSAI IJISTECH (International Journal Of Information System & Technology) EDUMATIC: Jurnal Pendidikan Informatika Jurnal Pengabdian Kepada Masyarakat MEMBANGUN NEGERI Journal of Electronics, Electromedical Engineering, and Medical Informatics Indonesian Journal of Electrical Engineering and Computer Science Computer Science and Information Technologies Didaktik : Jurnal Ilmiah PGSD STKIP Subang Journal of Education Informatic Technology and Science Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) IJISTECH Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Jurnal Computer Science and Information Technology (CoSciTech) Jurnal Pendidikan dan Teknologi Indonesia Journal of Software Engineering and Information System (SEIS) SATIN - Sains dan Teknologi Informasi Jurnal Pendidikan Dirgantara Jurnal Ilmu Komputer dan Teknik Informatika
Edi Ismanto
Universitas Muhammadiyah Riau
Religion Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mathematics Social Sciences Other

Published : 53 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 53 Documents
Search

 2   3   4   5   6 
Efektivitas Sosialisasi Listrik Aman dan Hemat pada Mahasiswa melalui Pretest dan Posttest Menggunakan Google Form Tri Wahono; Ismanto, Edi; Nuraeni, Eneng; Yudhana, Anton; Herman
Jurnal Pengabdian Kepada Masyarakat MEMBANGUN NEGERI Vol. 8 No. 2 (2024): Jurnal Pengabdian Kepada Masyarakat MEMBANGUN NEGERI
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35326/pkm.v8i2.6394

Abstract

Sosialisasi mengenai penggunaan listrik yang aman dan hemat menjadi semakin penting dalam konteks modern, mengingat berbagai tantangan dan kebutuhan yang dihadapi masyarakat saat ini. Beberapa faktor utama yang melatarbelakangi upaya sosialisasi ini meliputi kebutuhan akan keselamatan, efisiensi energi, penghematan biaya. Kurangnya pengetahuan tentang pengetahuan mengenai penggunaan listrik yang benar mengakibatkan insiden kecelakaan listrik. Sosialisasi ini bertujuan untuk menganalisis efektivitas sosialisasi tentang listrik yang aman dan hemat pada mahasiswa pendidikan Universitas Muhammadiyah Riau. Sosialisasi dilakukan untuk meningkatkan pemahaman dan kesadaran mahasiswa terhadap penggunaan listrik yang lebih bijaksana dan aman. Metode penelitian yang digunakan adalah pemberian materi secara langsung kemudian untuk mengukur pemahaman mahasiswa menggunakan pre-test dan post-test. Alat pengumpulan data berupa kuesioner yang disebarkan melalui Google form, yang mencakup pertanyaan terkait pengetahuan dan perilaku dalam penggunaan listrik sebelum dan sesudah sosialisasi. Hasil dari 49 responden yang mengisi kuesioner dengan 15 pertanyaan, analisis statistik mengungkapkan bahwa intervensi yang diberikan memiliki efek positif yang signifikan terhadap pengetahuan atau keterampilan responden. Hal ini dibuktikan dengan nilai p yang lebih kecil dari 0,05. Dapat disimpulksn bahwa kegiataan sosialisasi terbukti efektif dalam meningkatkan pemahaman atau kemampuan responden secara cepat.
Sosialisasi & Edukasi: Optimalisasi Bakat dan Minat Siswa Berbasis Sistem Pakar Dengan Pendekatan Artificial Intelligence Ismanto, Edi; Vitriani; Ajeng Safitri
Jurnal Pengabdian UntukMu NegeRI Vol. 8 No. 3 (2024): Pengabdian Untuk Mu negeRI
Publisher : LPPM UMRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jpumri.v8i3.7947

Abstract

Di tengah era digital, pentingnya pendidikan yang dapat mempersiapkan generasi muda untuk tantangan global sangat nyata, terutama dalam konteks pengembangan potensi individu. Banyak siswa yang kurang mendapatkan bimbingan yang tepat, sehingga kemampuan mereka tidak termanfaatkan secara maksimal. Optimalisasi bakat dan minat siswa berbasis sistem pakar di SMPN 16 Pekanbaru bertujuan untuk mengatasi kesenjangan dalam identifikasi dan pengembangan bakat siswa. Dengan menerapkan sistem pakar berbasis Artificial Intelligence (AI), kegiatan ini menawarkan solusi inovatif untuk mendeteksi dan mengarahkan bakat serta minat siswa secara lebih objektif. Kegiatan mencakup seminar edukasi yang mengenalkan konsep bakat dan minat, serta pelatihan praktis dalam penggunaan sistem pakar. Evaluasi efektivitas program menunjukkan peningkatan pemahaman peserta sebesar 77.5%, dengan analisis t-test yang mengindikasikan dampak positif yang signifikan. Temuan ini mempertegas bahwa integrasi teknologi dalam pendidikan sangat penting untuk mendukung pengembangan bakat siswa, sehingga mereka dapat menjadi individu yang lebih percaya diri dan berdaya saing tinggi di masyarakat global.
Advanced tourist arrival forecasting: a synergistic approach using LSTM, Hilbert-Huang transform, and random forest Mukhtar, Harun; Remli, Muhammad Akmal; Mohamad, Mohd Saberi; Wan Salihin Wong, Khairul Nizar Syazwan; Ridhollah, Farhan; Deprizon, Deprizon; Soni, Soni; Lisman, Muhammad; Amran, Hasanatul Fu'adah; Sunanto, Sunanto; Ismanto, Edi
Indonesian Journal of Electrical Engineering and Computer Science Vol 38, No 1: April 2025
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijeecs.v38.i1.pp517-526

Abstract

An advanced synergistic approach for forecasting tourist arrivals is presented, integrating long short-term memory (LSTM), Hilbert-Huang transform (HHT), and random forest (RF). LSTM is leveraged for its capability to capture long-term dependencies in sequential data. Additional data from Google Trends (GT) is processed with HHT for feature extraction, followed by feature selection using the RF algorithm. The combined HHT-RF-LSTM model delivers highly accurate forecasts. Evaluation employs regression analysis with metrics such as root mean square error (RMSE), mean absolute error (MAE), mean absolute percentage error (MAPE), and mean square error (MSE), highlighting the effectiveness of this innovative approach in predicting tourist arrivals. This methodology provides a robust framework for handling limited datasets and improving forecast reliability. By incorporating diverse data sources and advanced preprocessing techniques, the model enhances prediction performance, demonstrating the strong performance of RF in feature selection.
Pengembangan Game Edukasi Interaktif Berbasis Android Untuk Mendukung Proses Pembelajaran Siswa Sekolah Menengah An Nikmah Al Islamiyah Kamboja Herdani, Inka Friska; Ismanto, Edi; Novalia, Melly; Syahfutra, Wandi
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 4 (2025): JPTI - April 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.818

Abstract

Penelitian ini bertujuan untuk mengembangkan game edukasi berbasis Android sebagai media pembelajaran jaringan komputer dasar di sekolah menengah An-Nikmah Al-Islamiyah Phnom Penh. Pengembangan dilakukan menggunakan model 4D yang terdiri dari tahapan Define, Design, Develop, dan Disseminate. Metode pengujian melibatkan validasi oleh ahli media, ahli materi, dan ahli bahasa serta uji coba kepada siswa dan guru untuk menilai aspek kelayakan dan praktikalitas. Data dikumpulkan melalui observasi, wawancara, dan angket, kemudian dianalisis secara kuantitatif menggunakan skala Likert untuk mengukur tingkat validitas dan efektivitas media pembelajaran.Hasil penelitian menunjukkan bahwa game edukasi yang dikembangkan memiliki tingkat kelayakan sangat tinggi dengan skor validasi ahli media sebesar 87%, ahli materi 79%, dan ahli bahasa 84%. Evaluasi praktikalitas oleh guru dan siswa juga memberikan hasil positif dengan persentase masing-masing 90% dan 81%. Penggunaan game edukasi ini meningkatkan keterlibatan siswa dalam pembelajaran serta memberikan pengalaman belajar yang lebih interaktif dan mandiri. Selain itu, game edukasi ini berkontribusi terhadap pengembangan pendidikan berbasis teknologi dengan menyediakan alternatif pembelajaran digital yang menarik dan mudah diakses.Penelitian ini memberikan dasar bagi pengembangan lebih lanjut dalam integrasi teknologi dalam pembelajaran, terutama dalam meningkatkan pemahaman siswa terhadap konsep jaringan komputer dasar. Pengujian lebih luas dan jangka panjang direkomendasikan untuk mengoptimalkan efektivitas media ini dalam berbagai konteks pendidikan.
Syshunt: Game Quiz Mobile untuk Pengenalan Perangkat Keras Komputer menggunakan Successive Approximation Model Suryadila, Lusi; Ismanto, Edi; Novalia, Melly; Syahfutra, Wandi
Jurnal Pendidikan Informatika (EDUMATIC) Vol 9 No 1 (2025): Edumatic: Jurnal Pendidikan Informatika
Publisher : Universitas Hamzanwadi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29408/edumatic.v9i1.29773

Abstract

Game-based learning media is an example of ongoing technological advances in education. This media is becoming increasingly popular as an innovative solution in education. This research aims to develop and test the feasibility of mobile-based quiz games as learning media for computer hardware introduction using the Successive Approximation Model (SAM). This research is a kind of development using the SAM model. The three main stages of the SAM model consist of the preparation stage, the iterative design stage, and the iterative development stage. The data collection technique in this study used a questionnaire. Meanwhile, the data analysis technique used descriptive quantitative. The result of our findings is a mobile-based quiz game as a learning medium for computer hardware introduction. The results of media and material expert validation show that this game has a media feasibility of 87.14% and material feasibility of 86%. However, the results of the student practicality test were slightly lower with a score of 79.88%, which may be influenced by limitations in the interface features or the time needed for students to adapt to the game mechanics. Nevertheless, the game proved to be effective in understanding computer hardware and is more interactive and fun compared to conventional learning. With a more engaging learning experience, this game can be a creative alternative that supports the teaching and learning process, overcoming the problems of traditional learning that is often monotonous.
Pengenalan dan Edukasi Kecerdasan Artifisial Generatif untuk Siswa Sekolah Al-Amin Terengganu, Malaysia Ismanto, Edi; Rahmad Al Rian; Vitriani; Melly Novalia; Pratama Benny Herlandy
Jurnal Pengabdian UntukMu NegeRI Vol. 9 No. 2 (2025): Pengabdian Untuk Mu negeRI
Publisher : LPPM UMRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jpumri.v9i2.9784

Abstract

Kecerdasan Artifisial Generatif (Generative Artificial Intelligence/GenAI) merupakan salah satu inovasi teknologi yang berkembang pesat dan memiliki dampak luas di berbagai sektor, termasuk pendidikan. Kegiatan pengabdian ini bertujuan untuk memberikan pengenalan dan edukasi mengenai konsep dasar, manfaat, serta tantangan etis dari GenAI kepada siswa Sekolah Al-Amin Terengganu, Malaysia. Metode yang digunakan meliputi penyampaian materi interaktif, demonstrasi langsung penggunaan aplikasi GenAI seperti ChatGPT dan DALL·E, serta pelaksanaan pre-test dan post-test untuk mengukur peningkatan pemahaman peserta. Hasil kegiatan menunjukkan adanya peningkatan signifikan dalam pengetahuan siswa, dengan rata-rata nilai post-test meningkat sebesar 34,5 poin dibandingkan pre-test. Siswa juga menunjukkan antusiasme tinggi dalam mencoba berbagai aplikasi AI dan mampu mengidentifikasi peluang serta risiko penggunaannya secara kritis. Kegiatan ini membuktikan bahwa literasi AI dapat ditanamkan secara efektif sejak usia sekolah melalui pendekatan edukatif yang partisipatif dan kontekstual. Diharapkan kegiatan ini menjadi langkah awal dalam membentuk generasi yang siap menghadapi tantangan era digital dengan pemahaman teknologi yang mendalam dan etis.
Peramalan Harga Emas Berbasis Time Series Menggunakan Arsitektur LSTM Deep Learning Diva Arifal Adha; Adam Ramadhan; Habil Maulana; Patlan Putra Humala Harahap; Edi Ismanto
Computer Science and Information Technology Vol 6 No 2 (2025): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v6i2.9980

Abstract

Gold is one of the most influential commodities in the global economy. Its high price volatility poses a significant challenge for investors, financial analysts, and policymakers in formulating effective strategies and making accurate decisions. Therefore, an accurate prediction method is needed to forecast future gold price movements. This study aims to forecast gold prices using a deep learning approach with the Long Short-Term Memory (LSTM) algorithm. The LSTM model is capable of learning long-term dependencies in time-series data, making it highly suitable for modeling complex and dynamic financial data. The data used in this study consists of daily historical gold prices obtained from reliable sources. A preprocessing phase was carried out to clean and normalize the data before training the model. Furthermore, this study compares the performance of the LSTM model with the Multilayer Perceptron (MLP) model to examine differences in prediction accuracy. Evaluation metrics such as Mean Squared Error (MSE) and Root Mean Squared Error (RMSE) were used to assess model performance. The results show that the LSTM model provides more accurate predictions compared to MLP, with lower error values and better model stability. In conclusion, the deep learning approach, particularly the LSTM model, can serve as an effective alternative for gold price forecasting and support data-driven decision-making in the financial sector.
Peningkatan Kinerja Model Random Forest untuk Deteksi Kecurangan Kartu Kredit Menggunakan RandomizedSearchCV Oriana, Larisa; Dwi Sanggar Wati, Anisa; Putri Ramahdani, Anggi; Nurul Safira, Natasya; Ismanto, Edi
JURNAL FASILKOM Vol. 15 No. 2 (2025): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v15i2.9832

Abstract

Pertumbuhan transaksi kartu kredit di Indonesia yang pesat diiringi dengan peningkatan kasus penipuan membutuhkan sistem deteksi yang handal. Penelitian ini mengembangkan model deteksi penipuan dengan mengoptimalkan algoritma Random Forest melalui teknik RandomizedSearchCV. Dataset mencakup 690 transaksi dengan 16 fitur, termasuk 14 variabel prediktor dan label kelas (0 untuk transaksi normal, 1 untuk fraud). Tahapan penelitian meliputi eksplorasi data (EDA) untuk memahami karakteristik dataset, standarisasi fitur, pembagian data (80% pelatihan, 20% pengujian), serta implementasi model Random Forest dalam dua versi: tanpa tuning dan dengan optimasi parameter. Hasil penelitian menunjukkan peningkatan performa model setelah optimasi, dengan akurasi mencapai 90,58% pada data uji (naik dari 89,86%). Model yang dioptimasi juga berhasil meningkatkan precision deteksi fraud dari 0,94 menjadi 0,98 dan mengurangi kesalahan klasifikasi transaksi normal (false positive) dari 3 menjadi 1 kasus. Namun, terdapat sedikit penurunan recall kelas fraud dari 0,82 menjadi 0,80, yang mengindikasikan perlunya penyeimbangan antara akurasi dan sensitivitas deteksi. Temuan ini membuktikan bahwa tuning hyperparameter dengan RandomizedSearchCV dapat meningkatkan kinerja model Random Forest dalam mendeteksi penipuan kartu kredit, khususnya dalam meminimalkan kesalahan klasifikasi
Analisis Performa Algoritma Machine Learning dalam Mendeteksi Fraud pada Dataset Aplikasi Kartu Kredit Ramadani, Tasya; Delopinli, Crystian; Septiawan, Raffi; Ismanto, Edi
JURNAL FASILKOM Vol. 15 No. 2 (2025): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v15i2.9884

Abstract

Meningkatnya kasus penipuan kartu kredit seiring pesatnya perkembangan transaksi keuangan digital menuntut adanya sistem deteksi yang lebih tepat dan andal. Penelitian ini bertujuan untuk membandingkan kinerja tiga algoritma machine learning, yaitu Random Forest, Logistic regresi, dan SVM dalam mendeteksi tindak kecurangan pada dataset aplikasi kartu kredit. Data penelitian bersumber dari catatan transaksi kartu kredit nyata selama satu tahun. Metodologi yang digunakan mencakup pembangunan model klasifikasi untuk mengenali transaksi curang serta penerapan model dua-periode guna mengeksplorasi interaksi antara konsumen, pedagang, dan penerbit kartu. Hasil analisis menunjukkan bahwa algoritma Random Forests memberikan performa paling optimal dengan akurasi dan tingkat deteksi yang lebih unggul dibandingkan SVM dan logistitic regresi. Selain itu, studi struktural memperlihatkan bahwa faktor margin keuntungan pedagang dan rendahnya biaya dana berkontribusi dalam menjaga keseimbangan sistem kartu kredit. Temuan lainnya menegaskan karakteristik kartu kredit sebagai barang jaringan (network goods), di mana semakin banyak pedagang yang menerima kartu kredit, semakin tinggi pula adopsinya oleh konsumen. Pemanfaatan algoritma machine learning yang sesuai, didukung oleh kebijakan yang tepat, dapat meningkatkan efektivitas deteksi penipuan sekaligus memperkuat stabilitas ekosistem keuangan digital
Analisis dan Prediksi Kelayakan Air Minum Menggunakan Algoritma Random Forest Rohima Zalti, Ulfani; Rose Darmakusuma, Dinda; Ridwansyah, Muhammad; Ismanto, Edi
JURNAL FASILKOM Vol. 15 No. 2 (2025): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v15i2.9906

Abstract

Air merupakan komponen pembangun tubuh manusia yang paling penting. Pada tubuh manusia dewasa, hingga 60% terdiri dari air. Konsumsi air yang tidak layak konsumsi dapat berefek buruk terhadap kesehatan karena dapat menyebabkan diare, keracunan, dan bahkan penyakit serta infeksi akibat bakteri seperti Escherichia coli. Oleh karena itu, penting untuk memiliki sistem yang mampu memprediksi kelayakan air secara akurat dan efisien. Water potability merujuk pada tingkat keamanan air untuk dikonsumsi manusia tanpa menyebabkan risiko kesehatan. Namun, hasil evaluasi kualitas air dapat bervariasi tergantung dari parameter yang digunakan, seperti pH, kadar klorin, dan zat kimia lainnya. Artikel ini menyajikan studi komparatif berbagai algoritma klasifikasi machine learning untuk memprediksi kelayakan air berdasarkan indikator kimia yang terdapat dalam dataset Water Potability. Model yang digunakan antara lain Logistic Regression, Decision Tree, Random Forest, dan Extra Trees Classifier. Hasil pengujian menunjukkan bahwa algoritma Random Forest menghasilkan akurasi terbaik sebesar 66,6%, sehingga direkomendasikan untuk digunakan dalam tugas klasifikasi kelayakan air minum secara otomatis dan berbasis data.
Co-Authors Abdul Fadlil Adam Ramadhan Afandi Alsyar Agus Satria Ahmad Gunawan Dalimunthe Ajeng Safitri Al Rian, Rahmad Ambiyar, Ambiyar Amelia Agustina Amran, Hasanatul Fu'adah Anton Yudhana Azzahra Chairunnisa Bella, Bella Fitria Sari Celvin Arafat Chintya, Indri Davie Rizky Akbar Delopinli, Crystian Deprizon, Deprizon Diah Eka Ratna Diva Arifal Adha Dwi Sanggar Wati, Anisa Effendi, Noverta Eka Pandu Cynthia Eka Pandu Cynthia Erik Suanda Handika Fadli Rahmad Hidayatullah Fatihul Ihsan, Tengku Fawwaz Fauza Addinunnisa Fikri Abdul Jafar Gunawan, Rahmad Habil Maulana Hadhrami Ab Ghani Hadhrami Ab. Ghani Hammam Zaki Harun Mukhtar Hendra, Zana Vania Herdani, Inka friska Herlandy, Pratama Benny Herman Ilham Ramadhan Januar Al Amien Januar Al Amien Januar Al Amien Khairul Anshari Kitagawa, Kodai Lisman, Muhammad Maulana, M.Rizky Melly Novalia Melly Novalia Melly Novalia, Melly Mohamad, Mohd Saberi Muhammad Cavin Ramadhan Muhammad Iqbal Muhammad Ridwansyah Nuraeni, Eneng Nurul Izrin Binti Md Saleh Nurul Izrin Md Saleh Nurul Safira, Natasya Oriana, Larisa Patlan Putra Humala Harahap Pramudya, Muhammad Rayenra Azthi Pratama Benny Herlandi Pratama Benny Herlandy Putri Ramahdani, Anggi Rahmad Al Rian Rahmad Al Rian Rahmad Alrian Rahmad Gunawan Gunawan Rahmadani, Delia Syaf Rahmatullah, Yuvi Ramadani, Tasya Ramadhani, Monica Alya Remli, Muhammad Akmal Renita Rahmadani Resmi Darni Ridhollah, Farhan Riski Amin Putra Rohima Zalti, Ulfani Rose Darmakusuma, Dinda Safitri, Ajeng Septian Alza Septiawan, Raffi Siti Niah Soni Sri Fitria Retnawaty Sunanto Sunanto Suryadila, Lusi Tri Wahono Vitriani Vitriani Vitriani Vitrian Vitriani, Vitriani Wan Salihin Wong, Khairul Nizar Syazwan Wandi Syahfutra Winson Ardhika Ramadhani Yeeri Badrun