Article Per Year (5 Year)
p-Index From 2021 - 2026
2.636
P-Index
This Author published in this journals
All Journal Infotech Journal Techno Nusa Mandiri : Journal of Computing and Information Technology IKRA-ITH Informatika : Jurnal Komputer dan Informatika SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan Jurnal Informatika Universitas Pamulang RESEARCH : Computer, Information System & Technology Management Martabe : Jurnal Pengabdian Kepada Masyarakat CARADDE: Jurnal Pengabdian Kepada Masyarakat Jurnal Teknologi Terpadu STRING (Satuan Tulisan Riset dan Inovasi Teknologi) JISICOM (Journal of Information System, Infomatics and Computing) Journal of Information System, Applied, Management, Accounting and Research Jurnal Pendidikan dan Konseling Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Jurnal Mahasiswa Sistem Informasi (JMSI) Blend Sains Jurnal Teknik Journal of Artificial Intelligence and Digital Business Innovative: Journal Of Social Science Research
Purwantoro Purwantoro
Universitas Singaperbangsa Karawang
Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 20 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 20 Documents
Search

 1   2 
Analisis Sentimen terhadap Perpanjangan Masa Jabatan Presiden Indonesia Menggunakan Algoritma Naïve Bayes Titan Nugraha; Purwantoro Purwantoro; Yuyun Umaidah
Jurnal Pendidikan dan Konseling (JPDK) Vol. 4 No. 4 (2022): Jurnal Pendidikan dan Konseling
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (402.526 KB) | DOI: 10.31004/jpdk.v4i4.6199

Abstract

Media sosial twitter sering digunakan sebagai media untuk menyampaikan pendapat terhadap pemerintahan di Indonesia. Banyak juga hal – hal yang kontoversial di media sosial twitter terhadap pemerintah, seperti halnya pada hari ini sedang terjadi kontrovesi dimana ada sebuah usulan untuk menjadikan masa jabatan Presiden di Indonesia yaitu tiga periode, yang dimana tadinya hanya bisa menjabat sampai dua periode atau sepuluh tahun saja untuk satu orang Presiden. Opini atau sentimen masyarakat yang dalam istilah Twitter biasa disebut sebagai “ciutan” ini dapat berupa opini negatif maupun positif. Akan tetapi jumlah data tersebut cukup banyak sehingga dibutuhkan suatu metode untuk mewujudkannya yaitu dengan menggunakan analisis sentimen. Analisis sentimen dapat dijadikan solusi untuk mengolah opini tersebut dengan menggunakan algoritma Naïve Bayes Classifier. Pada hasil dari teknik naïve bayes memerlukan evaluasi untuk menentukan model terbaik. Pengujian dilakukan dengan tiga model yaitu 70:30, 80:20, dan 90:10 yang kemudian dievaluasi menggunakan confusion matrix. Berdasarkan perbandingan hasil pengujiam evaluasi, skenario terbaik yang untuk model klasifikasi Naïve Bayes yaitu pada skenario atau model pertama ( 90% data training dan 10% data testing ) dengan nilai accuracy sebesar 95% , nilai precision sebesar 97%, nilai recall sebesar 96%, dan nilai f-measure sebesar 96%.
Sistem Pendukung Keputusan Penentu Prioritas Pengambilan Barang Jual Limbah Industri Menggunakan Metode Saw(Studi Kasus : CV Geger Hanjuang) Rafa Abdul Fattah; Purwantoro Purwantoro; Aries Suharso
Innovative: Journal Of Social Science Research Vol. 3 No. 3 (2023): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v3i3.3198

Abstract

Penentuan prioritas dalam pengambilan barang jual limbah industri merupakan aspek penting dalam menjalankan bisnis limbah. Sistem pendukung keputusan (SPK) menjadi solusi yang efektif untuk membantu proses ini. Dalam penelitian ini, metode Simple Additive Weighting (SAW) sebagai metode untuk sistem pendukung keputusan dalam menentukan prioritas pengambilan barang jual limbah industri. Studi kasus dilakukan di CV Geger Hanjuang, sebuah CV yang bergerak dalam industri limbah. Langkah pertama dalam penelitian ini adalah mengidentifikasi masalah dan melakukan studi literatur untuk memahami konsep dasar serta aplikasi metode SAW. Kemudian, data yang relevan dikumpulkan dari CV Geger Hanjuang dan diproses melalui analisis data menggunakan metode SAW. Dalam analisis data, kriteria yang relevan untuk menentukan prioritas pengambilan barang jual limbah industri diidentifikasi. Setiap kriteria diberikan bobot sesuai dengan tingkat kepentingannya. Skor agregat dihitung dengan menjumlahkan hasil perkalian antara bobot dan nilai dari setiap kriteria. Hasil analisis tersebut kemudian digunakan untuk menentukan prioritas pengambilan barang jual limbah yang paling tinggi. Dari implementasi sistem pendukung keputusan menggunakan metode SAW pada CV Geger Hanjuang, diperoleh hasil yang dapat membantu dalam menentukan prioritas pengambilan barang jual limbah industri dengan lebih efektif dan efisien. Sistem ini memberikan informasi yang jelas dan terstruktur tentang prioritas dan memudahkan pengambilan keputusan bagi manajemen perusahaan. Penelitian ini memberikan kontribusi yang penting dalam proses perhitungan sistem pendukung keputusan untuk industri limbah. Metode SAW terbukti menjadi alat yang efektif dalam menentukan prioritas pengambilan barang jual limbah industri. Implikasi praktis dari penelitian ini adalah meningkatnya efisiensi operasional dan keuntungan bisnis dalam industri limbah dengan menggunakan sistem pendukung keputusan yang lebih terstruktur dan informasi yang lebih akurat.
Pengembangan Aplikasi Gomath Untuk Memfasilitasi Les Privat Bagi Guru Alpha Galih Adirakasiwi; Attin Warmi; Purwantoro; Moza Latisya Riswadi; Sulis Regita Cahyani; Irfan Maulana
CARADDE: Jurnal Pengabdian Kepada Masyarakat Vol. 5 No. 3 (2023): April
Publisher : Ilin Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31960/caradde.v5i3.1843

Abstract

Aplikasi gomath adalah aplikasi layanan les privat untuk mata pelajaran matematika dengan sistem guru datang kerumah. Melalui les privat gomath untuk memberikan pengetahuan dan ketrampilan serta meningkatkan pendapatan melalui usaha berbasis aplikasi gomath kepada guru-guru. Metode pelaksanaan pada kegiatan ini sebagai berikut: Tahap analisis situasi dan kondisi mitra, persiapan dan perancangan aplikasi, pelatihan dan pendampingan dan tahap evaluasi menggunakan kuesioner yang diberikan kepada mitra dan capaian keberhasilan kegiatan PKM ini. Hasil dari kegiatan ini penerapan teknologi aplikasi go math yang siap digunakan oleh mitra. Pelatihan yang telah dilakukan memberikan dampak sebagai berikut:  peningkatan pengetahuan usaha mitra sebesar 82 % dan peningkatan ketrampilan ditunjukkan dengan memasarkan jasa les privat, kemampuan mengembangkan usaha les privat melalui jejaring media sosial, dan mahir menggunakan aplikasi go math.
IMPLEMENTASI HAVERSINE FORMULA PADA RANCANG BANGUN APLIKASI POSYANDU MENGGUNAKAN FRAMEWORK FLUTTER Daffa Kresna Wisetya; Purwantoro; Carudin
INFOTECH journal Vol. 12 No. 1 (2026)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v12i1.17354

Abstract

Di era Revolusi Industri 4.0 yang serba digital, segala macam aspek kehidupan manusia telah dipermudah dengan hadirnya teknologi. Teknologi telah meningkatkan produktivitas berbagai bidang, termasuk pendidikan hingga industri. Salah satu bentuk teknologi tersebut adalah perangkat lunak. Menurut data yang diambil dari Statista, pada tahun 2020 setidaknya terdapat 3,04 juta aplikasi mobile yang dipublikasikan pada platform Google Play Store dan juga terdapat 2,09 juta aplikasi yang dipublikasikan pada Apple App Store. Data tersebut menunjukkan bahwa perangkat lunak, khususnya yang digunakan pada gawai smartphone telah berkembang secara masif dan juga membantu masyarakat luas dalam memenuhi kebutuhan baik dalam hal produktivitas maupun hiburan. Salah satu kegiatan yang dapat dipermudah dengan hadirnya teknologi adalah posyandu, sampai saat ini posyandu masih melakukan kegiatan pencatatan data hasil posyandu secara manual (tulis tangan). Berdasarkan hal tersebut, dibutuhkan aplikasi posyandu untuk mempermudah kegiatan posyandu. Pembuatan apikasi ini menggunakan framework Flutter dan metode Agile, metode ini memungkinkan pengembangan yang fleksibel apabila terdapat perubahan kebutuhan pada saat proses pengembangan apikasi. Aplikasi ini juga menerapkan Algoritma Haversine yang digunakan pada fitur pelaporan warga, Algoritma Haversine dapat menentukan jarak kader terdekat dengan akurat,  sehingga warga dapat melaporkan permasalahan kesehatan kepada kader terdekat dilingkungan tempat tinggalnya.
Pemodelan Topik Ulasan Pengguna Honkai Star Rail Menggunakan Bertopic Berbasis Indobert Rafi Albar Kurniawan; Purwantoro Purwantoro; Iqbal Maulana
Blend Sains Jurnal Teknik Vol. 4 No. 4 (2026): Edisi April
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/blendsains.v4i4.1534

Abstract

Ulasan pengguna pada Google Play Store merepresentasikan opini, pengalaman, serta ekspektasi pengguna terhadap suatu aplikasi dalam bentuk teks tidak terstruktur. Karakteristik ulasan yang cenderung singkat, informal, serta mengandung istilah komunitas dan ekspresi emosional menyebabkan pendekatan pemodelan topik tradisional kurang optimal. Penelitian ini bertujuan untuk mengidentifikasi dan menganalisis topik-topik utama pada ulasan pengguna game Honkai Star Rail menggunakan pendekatan BERTopic yang dikombinasikan dengan embedding IndoBERT. Data penelitian diperoleh melalui web scraping terhadap 25.413 ulasan pengguna dan diproses menjadi 18.377 ulasan bersih melalui tahapan prapemrosesan teks. Representasi dokumen dilakukan menggunakan embedding IndoBERT, diikuti reduksi dimensi dengan UMAP dan pengelompokan menggunakan HDBSCAN. Hasil pemodelan menghasilkan 38 topik utama dengan nilai koherensi C_V sebesar 0,665 yang menunjukkan konsistensi semantik yang baik. Evaluasi kualitatif melalui representasi c-TF-IDF serta evaluasi stabilitas berbasis subsampling dan Jaccard similarity menunjukkan bahwa struktur topik bersifat stabil dan interpretatif. Penelitian ini menyimpulkan bahwa kombinasi IndoBERT dan BERTopic efektif untuk pemodelan topik ulasan game berbahasa Indonesia.
SISTEM PENDUKUNG KEPUTUSAN EVALUASI RISIKO PENIPUAN TRANSAKSI KEUANGAN MENGGUNAKAN RANDOM FOREST Bergas Cahyo Nuswantoro; Rolis Liu; Mohammad Ichsan Nurdin; Purwantoro
Jurnal Mahasiswa Sistem Informasi (JMSI) Vol. 7 No. 2 (2026): Jurnal Mahasiswa Sistem Informasi (JMSI)
Publisher : Program Studi DIII Sistem Informasi - Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/jmsi.v7i2.12028

Abstract

Penipuan transaksi keuangan (financial fraud) merupakan ancaman serius dalam ekosistem keuangan digital yang terus berkembang. Penelitian ini mengembangkan Sistem Pendukung Keputusan (SPK) untuk mengevaluasi risiko penipuan transaksi keuangan menggunakan algoritma Random Forest. Dataset yang digunakan adalah Credit Card Fraud Detection dari Kaggle yang memuat 284.807 transaksi dengan proporsi penipuan sebesar 0,17%. Proses penelitian mencakup preprocessing data (normalisasi, SMOTE oversampling), pembangunan model Random Forest dengan tuning hyperparameter, dan evaluasi menggunakan metrik akurasi, presisi, recall, dan F1-Score. Hasil eksperimen menunjukkan bahwa model Random Forest mencapai akurasi 99,94%, presisi 97,82%, recall 86,73%, dan F1-Score 91,95% pada data uji. Fitur paling berpengaruh dalam deteksi penipuan adalah V14, V10, V4, dan V12. SPK yang dibangun mampu mengklasifikasikan transaksi berisiko tinggi secara real-time dan memberikan rekomendasi tindakan bagi pengelola keuangan. Penelitian ini membuktikan bahwa Random Forest efektif diterapkan dalam sistem deteksi penipuan keuangan dan dapat menjadi fondasi sistem keamanan finansial yang andal.
IMPLEMENTASI SISTEM PENDUKUNG KEPUTUSAN PADA APLIKASI PERSONAL FINANCE TRACKER MENGGUNAKAN METODE RULE-BASED DAN SAW Irzi Rahmatullah; Frans Christiopan Hutapea; Yayan Mulyana; Jajam Haerul Jaman; Purwantoro
Jurnal Mahasiswa Sistem Informasi (JMSI) Vol. 7 No. 2 (2026): Jurnal Mahasiswa Sistem Informasi (JMSI)
Publisher : Program Studi DIII Sistem Informasi - Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/jmsi.v7i2.12079

Abstract

Pengelolaan finansial pribadi adalah elemen krusial untuk mempertahankan kestabilan keuangan, khususnya bagi mahasiswa dan orang-orang dengan penghasilan yang terbatas. Namun, banyak aplikasi manajemen keuangan yang ada saat ini hanya fokus pada pencatatan transaksi tanpa membantu pengguna dalam membuat keputusan. Studi ini bertujuan untuk menerapkan Sistem Pendukung Keputusan (SPK) dalam aplikasi Pelacak Keuangan Pribadi dengan memadukan metode Rule-Based dan Simple Additive Weighting (SAW). Metode Rule-Based berfungsi memberikan peringatan dan saran berdasarkan situasi keuangan tertentu, seperti pengeluaran yang melebihi rencana anggaran, kategori pengeluaran yang paling signifikan, dan saldo yang rendah. Di sisi lain, metode SAW digunakan untuk menilai kondisi keuangan penggunan dengan kriteria, meliputi persentase pengeluaran terhadap anggaran, proporsi kategori pengeluaran yang terbesar, dan persentase saldo yang tersisa. Sistem dikembangkan menggunakan Flutter serta memanfaatkan Firebase Authentication dan Firebase Firestore sebagai layanan pendukung. Hasil dari implementasi ini menunjukkan bahwa penggabungan metode Rule-Based dan SAW bisa mengubah data transaksi menjadi informasi yang lebih berarti, seperti wawasan, peringatan, dan saran keuangan. Dengan cara ini, aplikasi tidak hanya berfungsi sebagai alat pencatatan transaksi, tetapi juga sebagai pembantu dalam pengambilan keputusan yang dapat memfasilitasi pengguna untuk mengendalikan pengeluaran dan mengatur keuangan dengan lebih efisien.
Evaluasi Kinerja Baseline Model YOLOv4 Pre-trained COCO pada Dataset MinneApple Irfan Sriyono Putro; Billy Ibrahim Hasbi; Purwantoro Purwantoro
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 9 No. 3 (2025): IKRAITH-INFORMATIKA Vol 9 No 3 November 2025
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37817/ikraith-informatika.v9i3.5764

Abstract

Model deep learning YOLOv4 pre-trained menawarkan potensi besar untuk otomatisasi di bidang pertanian presisi. Namun, kinerja baseline ("out-of-the-box") dari varian-variannya (Tiny dan Full) pada domain spesifik seperti penghitungan buah belum terdokumentasi dengan baik. Penelitian ini menyajikan evaluasi kinerja baseline dari model YOLOv4-Tiny dan YOLOv4-Full pre-trained COCO. Studi ini menggunakan metode benchmark kuantitatif pada 100 test set dari dataset MinneApple, yang diimplementasikan pada platform MATLAB dengan Computer Vision Toolbox™. Parameter kinerja yang dievaluasi adalah Mean Absolute Error (MAE) untuk akurasi penghitungan dan Frames Per Second (FPS) untuk kecepatan. Hasil menunjukkan trade-off (pertukaran) kinerja yang jelas: YOLOv4-Full (MAE 21,57) terbukti 40% lebih akurat daripada YOLOv4-Tiny (MAE 36,07). Sebaliknya, YOLOv4-Tiny terbukti 24 kali lebih cepat (12,70 FPS) dibandingkan YOLOv4-Full (0,53 FPS). Temuan penting lainnya adalah tingginya nilai MAE pada kedua model, yang mengindikasikan adanya kesenjangan kinerja (performance gap) signifikan. Studi ini menyediakan data baseline krusial yang menegaskan bahwa fine-tuning adalah langkah esensial untuk aplikasi praktis di domain spesifik.
Implementasi Middleware Deteksi SQL Injection Berbasis Multinomial Naïve Bayes dan Validasi Ketahanan Terhadap SQLMap Malik Syafi'i; Arip Solehudin; Purwantoro Purwantoro
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 10 No. 2 (2026): IKRAITH-INFORMATIKA Vol 10 No 2 Juli 2026
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37817/ikraith-informatika.v10i2.6874

Abstract

This research aims to develop an automated detection and blocking middleware for SQL Injection (SQLi) attacks using the Multinomial Naïve Bayes (MNB) algorithm integrated into a Flask-based web application. Unlike previous studies focusing on static model accuracy or system performance comparisons, this study emphasizes the full application of the Knowledge Discovery in Databases (KDD) methodology to build an active defense model and empirically validate its resilience against automated exploitation tools. The model was trained using the public RbSQLi dataset through stages of selection, Regex Abstraction-based text preprocessing, TF-IDF transformation, and internal evaluation. Test results show that the model achieved 100% accuracy, precision, recall, and F1-Score on isolated test data. Operational validation using black-box penetration testing with SQLMap proved that the middleware successfully blocked all major attack vectors (Error-based, Union-based, Boolean-blind, Time-blind, and Stacked Queries), thereby changing the target parameter status from vulnerable (injectable) to safe (not injectable). These findings confirm that the KDD approach with the MNB algorithm can produce an effective application security layer in neutralizing automated SQLi threats without requiring complex computational architectures.
Sistem Pendukung Keputusan Pemilihan Restoran Menggunakan Metode TOPSIS: Implementasi Full-stack Ayunisa Yasmin; Annisa Nur Aulia Nadiva; Purwantoro Purwantoro; Jajam Haerul Jaman
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.10588

Abstract

Perkembangan industri kuliner menuntut pemilihan mitra restoran yang objektif karena alternatif memiliki keunggulan dan kelemahan pada berbagai kriteria, seperti harga, kualitas layanan, dan reputasi. Pengambilan Keputusan yang hanya didasarkan pada intuisi berpotensi menghasilkan keputusan yang subjektif dan kurang konsisten. Penelitian ini bertujuan mengembangkan Sistem Pendukung Keputusan (SPK) untuk pemilihan restoran menggunakan metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) yang diimplementasikan dalam arsitektur full-stack. Data yang digunakan berasal dari Restaurant Revenue Prediction Dataset (Therrien, 2024) yang terdiri atas 61 entitas restoran dengan enam kriteria penilaian, yaitu Rating, Average Meal Price, Service Quality Scorem Number of Reviews, Ambience Score, dan Chef Experience Years. Bobot setiap kriteria ditentukan berdasarkan hasil kuesioner terhadap sepuluh responden yang terdiri atas praktisi bisnis kuliner dan akademisi. Tahap pengolahan data meliputi penganganan missing value menggunakan metode mean substitution, normalisasi vector Euclidean, pembentukan matriks keputusan terbobot, penentuan solusi ideal positif dan negatif, serta perhitungan nilai preferensi menggunakan metode TOPSIS. Hasil penelitian menunjukkan bahwa sistem mampu menghasilkan peringkat restoran dengan nilai preferensi (Vi) berkisar antara 0,142 hingga 0,891 sehingga pemilihan alternatif dapat dilakukan secara lebih objektif dan terukur. Pengujian sensitivitas pada empat skenario pembobotan menunjukkan bahwa peringkat yang dihasilkan relative stabil terhadap perubahan bobot, terutama pada alternatif yang memiliki dominasi kriteria benefit maupun cost. Implementasi sistem berbasis full-stack juga memungkinkan perhitungan TOPSIS disajikan secara transparan serta mendukung penyajian rekomendasi restoran melalui antarmuka yang interaktif. Hasil penelitian menunjukkan bahwa metode TOPSIS efektif diterapkan sebagai pengambilan keputusan multikriteria untuk mendukung pemilihan mitra restoran pada skenario Corporate Dining Partnership.
Co-Authors Abduloh Abduloh Ahnaf Jauhari Alfian Yunianto Suseno Alpha Galih Adirakasiwi Annisa Nur Aulia Nadiva Aries Suharso Arip Solehudin Attin Warmi Ayunisa Yasmin Azhari Ali Ridha Bergas Cahyo Nuswantoro Billy Ibrahim Hasbi Carudin Chaerur Rozikin Daffa Kresna Wisetya Destaria Wilandini Frans Christiopan Hutapea Garno, Garno Iqbal Maulana Irfan Maulana Irfan Sriyono Putro Irzi Rahmatullah Jaman, Jajam Haerul Malik Syafi'i Maulana Anas Jaffar Mohammad Ichsan Nurdin Moza Latisya Riswadi Nina Puspitaloka Nina Sulistiyowati Rafa Abdul Fattah Rafi Albar Kurniawan Rolis Liu Sulis Regita Cahyani Titan Nugraha Ultach Enri Yayan Mulyana Yuyun Umaidah Zaenal Arifin