Article Per Year (5 Year)
p-Index From 2021 - 2026
3.981
P-Index
This Author published in this journals
All Journal Semantik Techno.Com: Jurnal Teknologi Informasi Prosiding SNATIF Jurnal Transformatika Jurnal Edukasi dan Penelitian Informatika (JEPIN) Scientific Journal of Informatics Seminar Nasional Informatika (SEMNASIF) Jurnas Nasional Teknologi dan Sistem Informasi Journal of Information System Sinkron : Jurnal dan Penelitian Teknik Informatika Journal of Information Technology and Computer Science Jurnal Pilar Nusa Mandiri Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control IKRA-ITH Informatika : Jurnal Komputer dan Informatika JOURNAL OF APPLIED INFORMATICS AND COMPUTING Building of Informatics, Technology and Science Journal of Electronics, Electromedical Engineering, and Medical Informatics Abdimasku : Jurnal Pengabdian Masyarakat Jurnal Sistem Komputer dan Informatika (JSON) Jurnal Pengabdian Literasi Digital Indonesia Indonesian Journal of Health Information Management Services (IJHIMS) Community: Jurnal Pengabdian Pada Masyarakat Prosiding Seminar Riset Mahasiswa
Fahmi Amiq
Fakultas Ilmu Komputer, Universitas Dian Nuswantoro, Semarang 50131
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Public Health Social Sciences Other

Published : 54 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 54 Documents
Search

 2   3   4   5   6 
Identifikasi Faktor Risiko Serangan Jantung di Indonesia Menggunakan Model Prediktif LightGBM Fahmi, Amiq; Muhammad Fais Ramadhani; Ramadhan Rakhmat Sani
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 2 (2025): Desember 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i2.9065

Abstract

Peningkatan prevalensi serangan jantung di Indonesia telah menjadi isu kesehatan publik yang signifikan karena penyakit ini konsisten termasuk penyebab kematian tertinggi secara nasional. Meskipun berbagai studi epidemiologis telah mengidentifikasi faktor risiko klinis maupun perilaku, pendekatan berbasis data untuk prediksi individual masih relatif terbatas, terutama pada konteks populasi Indonesia dengan karakteristik heterogen. Untuk menjawab kesenjangan tersebut, penelitian ini mengembangkan model prediktif serangan jantung menggunakan algoritma Light Gradient Boosting Machine (LightGBM) yang dikenal efisien pada data berukuran besar. Dataset terdiri dari 158.355 observasi dan 28 fitur demografis, gaya hidup, dan indikator medis. Prosedur prapemrosesan mencakup imputasi nilai hilang, pengkodean variabel kategorikal, seleksi fitur menggunakan Principal Component Analysis (PCA), serta penyeimbangan distribusi kelas melalui Synthetic Minority Over-Sampling Technique (SMOTE). Kinerja prediksi dievaluasi menggunakan metrik klasifikasi standar, di mana LightGBM mencapai akurasi 83,39% (train) dan 77,92% (test); presisi 85,67% dan 79,38%; recall 80,19% dan 75,44%; F1-score 82,84% dan 77,36%; serta AUC-ROC 91,84% dan 87,37%. Analisis komponen utama menunjukkan kontribusi varians yang tinggi pada fitur terkait pola konsumsi, penggunaan obat, stres, dan hipertensi. Hasil ini mengindikasikan bahwa LightGBM merupakan pendekatan yang menjanjikan untuk mendukung deteksi risiko serangan jantung secara lebih awal dan berpotensi meningkatkan strategi mitigasi penyakit kardiovaskular di Indonesia.
Evaluasi Komparatif Model Regresi Prediksi Saham BBCA dengan Analitik dan Visualisasi Interaktif Menggunakan Streamlit Fahmi, Amiq; Muhammad Hilmy Munsarif; Agus Winarno
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 2 (2025): Desember 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i2.9119

Abstract

Ketidakstabilan harga saham yang dipengaruhi oleh faktor fundamental dan teknikal menimbulkan kompleksitas dalam proses prediksi serta menuntut model yang akurat dan mampu melakukan generalisasi. Penelitian sebelumnya masih berfokus pada regresi linier konvensional tanpa membandingkannya dengan metode regularisasi maupun menelaah kontribusi rekayasa fitur dalam meningkatkan performa prediktif. Kontribusi penelitian ini adalah mengevaluasi dan membandingkan efektivitas Regresi Linier, Ridge Regression, dan Lasso Regression dalam memprediksi harga penutupan saham PT Bank Central Asia Tbk (BBCA). Kebaruan penelitian ini terletak pada penerapan tahapan preprocessing dan feature engineering yang menghasilkan tujuh variabel turunan, yaitu daily range, open–close change, daily return, lag features, moving average, volatility, dan transformasi logaritmik. Evaluasi model menggunakan Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), dan koefisien determinasi (R²). Hasil utama menunjukkan bahwa Regresi Linier memiliki akurasi tinggi pada data pelatihan namun mengalami overfitting pada data uji, Ridge Regression tidak memberikan peningkatan stabilitas yang berarti, sedangkan Lasso Regression menjadi model paling stabil dengan nilai R² sebesar 0,8247. Temuan ini memberikan manfaat berupa dasar pemilihan metode prediksi yang lebih stabil dan akurat untuk digunakan dalam analisis harga saham dengan volatilitas tinggi.
Dengue Risk Stratification in Semarang City Using a Gaussian Mixture Model Based on Multi-Dimensional Urban Indicators Izzatil Ismah, Nabila; Fahmi, Amiq
Journal of Electronics, Electromedical Engineering, and Medical Informatics Vol 8 No 1 (2026): January
Publisher : Department of Electromedical Engineering, POLTEKKES KEMENKES SURABAYA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35882/jeeemi.v8i1.1426

Abstract

Dengue fever remains a pressing public health challenge in major Indonesian cities, including Semarang. The complex interplay of heterogeneous demographic structures and built-environment characteristics generates spatially uneven transmission risks, while conventional risk-mapping approaches often fail to capture the probabilistic nature of these risks at fine-scale administrative levels, limiting their utility for targeted interventions. This study aims to develop a robust, replicable framework for dengue risk stratification that more accurately identifies localized high-risk areas and supports evidence-based public health decision-making. The research introduces a probabilistic clustering approach using Gaussian Mixture Models (GMM) to move beyond rigid partitioning methods, while simultaneously integrating multi-year incidence data (2021–2024) with eighteen multidimensional urban indicators across 177 sub-districts (kelurahan). This combined contribution advances methodological rigor by accommodating overlapping data distributions and probabilistic cluster memberships, and provides a nuanced, evidence-driven tool for stratifying dengue risk and guiding hyper-local interventions. Several GMM configurations were evaluated using the Bayesian Information Criterion (BIC) to determine the optimal number of clusters. The BIC value declined markedly when the number of clusters increased from two to three, indicating a substantial improvement in model fit. Further increases yielded only marginal gains, and the lowest BIC was achieved at three clusters, representing the most parsimonious and effective solution. Internal validation confirmed that the cluster structure robustly captured epidemiological variance despite the inherent heterogeneity of urban spatial data. Cluster 2 emerged as a critical high-risk epicenter, geographically limited yet characterized by consistently elevated incidence, pronounced temporal variability, and extreme values. The proposed GMM-based framework demonstrates that dengue risk in Semarang is concentrated within localized foci of heightened vulnerability rather than uniformly distributed. Ultimately, the methodology is replicable in other complex tropical urban environments, thereby strengthening both academic rigor and practical public health decision-making
Klasterisasi Wilayah Kemiskinan Jawa Tengah Menggunakan K-Means Berbasis Indikator Sosial-Ekonomi Alif , Moh. Fachri; Fahmi, Amiq
Jurnal Nasional Teknologi dan Sistem Informasi Vol 11 No 3 (2025): Desember 2025
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v11i3.2025.302-309

Abstract

Kemiskinan merupakan isu multidimensi yang berdampak signifikan terhadap kualitas pembangunan wilayah, khususnya di Provinsi Jawa Tengah yang menempati urutan ketiga secara nasional. Meskipun data sosial ekonomi tersedia secara melimpah dan terbuka, pemanfaatannya untuk segmentasi wilayah serta perumusan kebijakan berbasis data, informasi, dan pengetahuan masih terbatas. Penelitian ini bertujuan untuk melakukan klasterisasi kabupaten/kota di Provinsi Jawa Tengah menggunakan algoritma K-Means, berdasarkan tujuh indikator utama sosial ekonomi: Indeks Pembangunan Manusia (IPM), proporsi penduduk miskin ekstrem (Prioritas 1), sangat miskin (Prioritas 2), pengeluaran per kapita, upah minimum kabupaten/kota (UMK), tingkat pengangguran terbuka, dan jumlah rumah tidak layak huni (RTLH). Data yang digunakan merupakan data sekunder tahun 2024 yang diperoleh dari Badan Pusat Statistik dan Dinas Sosial Provinsi Jawa Tengah dan telah melalui proses normalisasi. Penentuan jumlah klaster optimal dilakukan dengan metode Elbow, sedangkan Principal Component Analysis (PCA) digunakan sebagai teknik visualisasi. Pendekatan kuantitatif dan interpretatif ini memastikan bahwa klaster yang terbentuk bersifat optimal secara statistik, mudah dijelaskan secara visual, dan relevan untuk ditindaklanjuti dalam kebijakan. Hasil analisis menunjukkan terbentuknya tiga klaster wilayah dengan karakteristik sosial ekonomi yang berbeda secara signifikan, yaitu wilayah berkembang, wilayah transisi, dan wilayah prioritas pengentasan kemiskinan. Temuan hasil penelitian ini, yang mengintegrasikan multi-indikator sosial ekonomi dengan pendekatan visual dan analitis, mampu menghasilkan segmentasi wilayah yang lebih akurat dan aplikatif bagi penyusunan kebijakan pembangunan wilayah yang lebih berkeadilan, dengan penekanan pada intervensi intensif terhadap kabupaten/kota yang memiliki tingkat kemiskinan ekstrem dan sangat miskin.
Co-Authors -, Suhariyanto Abdul Rohim, Abdul Abu Salam Agus Winarno Agus Winarno Agus Winarno, Agus Al zami, Farrikh Alif , Moh. Fachri Alif, Moh. Fachri Alzami, Farrikh Apriyanti Apriyanti Ardianda Aryo Prakoso Ariel Bagus Nugroho Asih Rohmani, Asih Astuti, Yani Parti Budi Harjo Budiono Budiono Candra Irawan Catur Supriyanto Ciputra, Indramawan Diana Purwitasari Edi Faisal Edi Sugiarto Edi Sugiarto Edi Sugiarto Edi Sugiarto Edi Sugiarto Edi Sugiarto Egia Rosi Subhiyakto, Egia Rosi Erlin Dolphina Etika Kartikadarma Fhaldian, Wahyu Fikri Budiman Hadi, Heru Pramono Harun Al Azies Hindarto, Aris Nur Husna, Farida Amila Indra Gamayanto ISWAHYUDI ISWAHYUDI Izzatil Ismah, Nabila Karis Widyatmoko Kurnia Desita, Raafi Lalang Erawan Laurensius Tokan, Geraldinho Lintang Mekar Tanjung Maurensa, Giacinta Mauridhi Hery Purnomo Megantara, Rama Aria Moch. Eko Rustiyono Muhammad Fais Ramadhani Muhammad Hilmy Munsarif Muhammad Naufal, Muhammad Mulyanto, Edy Muslih Muslih MY. Teguh Sulistyono Nova Rijati Novi Hendriyanto, Novi Prasetya, Rakan Shafy Pujiono Pujiono Pujiono Pujiono Pujiono Putra, Wahyu Bagus Wicaksono Ramadhan Rakhmat Sani Respati Wulandari Ridha Rahmawati Ridho Pambudi Rizky Adrianto Salsabila, Rizka Mars Sasono Wibowo Sidharta, Bayu Adjie Sihombing, Drigo Alexander Sri Winarno Sudibyo, Usman Suharnawi Suharnawi Suryo Adi Nugroho Tacharri, Chusnuut Tsani, Maulida Aristia Utomo, Danang Wahyu Wibowo, Syifa Sofia Yumna Huwaida, Imtiyaz Yuventius Tyas Catur Pramudi Zaenal Arifin Zahro, Azzula Cerliana