Article Per Year (5 Year)
p-Index From 2021 - 2026
7.981
P-Index
This Author published in this journals
All Journal Jurnal Informatika JURNAL SISTEM INFORMASI BISNIS Jurnal Teknologi dan Manajemen Informatika TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnal Sarjana Teknik Informatika JUITA : Jurnal Informatika Jurnal Aplikasi Bisnis dan Manajemen (JABM) E-Journal Jurnal Teknologi dan Sistem Komputer JIEET (Journal of Information Engineering and Educational Technology) Indonesian Journal of Information System BAREKENG: Jurnal Ilmu Matematika dan Terapan JITK (Jurnal Ilmu Pengetahuan dan Komputer) JMM (Jurnal Masyarakat Mandiri) SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI ILKOM Jurnal Ilmiah MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal KOMPUTA : Jurnal Ilmiah Komputer dan Informatika GERVASI: Jurnal Pengabdian kepada Masyarakat INSIST (International Series on Interdisciplinary Research) Jurnal Informatika Global Jurnal Teknologi Terpadu bit-Tech Jurnal Abdimas Mandiri Indonesian Journal of Electrical Engineering and Computer Science Reswara: Jurnal Pengabdian Kepada Masyarakat Journal of Computer Networks, Architecture and High Performance Computing Idealis : Indonesia Journal Information System Lumbung Inovasi: Jurnal Pengabdian Kepada Masyarakat Indonesian Community Journal Jurnal Teknologi Sistem Informasi Jurnal Ilmiah Teknik Informatika dan Komunikasi Jurnal INFOTEL SISFOTENIKA Jurnal Teknik Informatika dan Teknologi Informasi
Rendra Gustriansyah
Universitas Indo Global Mandiri, Indonesia
Religion Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Physics Public Health Social Sciences Transportation Other

Published : 72 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : bit-tech

 1 
Klasifikasi Penyakit TBC Menggunakan Metode UMAP dan K-NN Nazori Suhandi; Rendra Gustriansyah; Abel Destria
bit-Tech Vol. 7 No. 3 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i3.2227

Abstract

Tuberkulosis (TBC) adalah penyakit infeksi yang disebabkan oleh bakteri Mycobacterium tuberculosis, yang dapat menyebar dengan cepat melalui udara. Deteksi dini yang akurat sangat penting dalam penanganan penyakit ini untuk mencegah penyebaran lebih lanjut serta meningkatkan efektivitas pengobatan. Diagnosis yang tidak tepat dapat menyebabkan keterlambatan dalam pengobatan, sehingga meningkatkan risiko komplikasi serius bagi pasien. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem klasifikasi TBC menggunakan metode Uniform Manifold Approximation and Projection (UMAP) dan K-Nearest Neighbors (K-NN) di Puskesmas Prabumulih Timur. Dataset yang digunakan terdiri dari 278 data pasien dengan berbagai atribut klinis terkait gejala TBC. Proses analisis diawali dengan tahap pra-pemrosesan data, termasuk penghapusan data duplikat, encoding data kategorikal, serta penanganan nilai yang hilang. Untuk meningkatkan akurasi klasifikasi, metode Elbow diterapkan guna menentukan nilai K optimal, dengan hasil terbaik pada K=3. Data kemudian dibagi menjadi 80% data pelatihan dan 20% data uji guna menghindari overfitting dan meningkatkan reliabilitas model. Pengujian dilakukan dengan membandingkan dua skenario, yaitu K-NN tanpa UMAP dan K-NN dengan UMAP. Hasil evaluasi menggunakan Confusion Matrix menunjukkan bahwa penerapan UMAP meningkatkan accuracy dari 93,48% menjadi 100%, dengan precision dan recall juga mencapai nilai maksimal. Penelitian ini berkontribusi dalam pengembangan sistem klasifikasi berbasis machine learning yang lebih akurat dan efisien untuk membantu tenaga medis dalam mendiagnosis TBC secara cepat, tepat, dan optimal dalam sistem layanan kesehatan.
Predicting Precious Metal Prices Using the Long-Short-Term Memory (LSTM) Method Marshanda Amalia Vega; Rendra Gustriansyah; Indah Permatasari
bit-Tech Vol. 8 No. 2 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v8i2.2985

Abstract

Gold price fluctuations pose significant challenges for investors in determining accurate investment strategies. The volatility is strongly influenced by inflation, exchange rates, and global economic dynamics, making reliable forecasting increasingly important. Although various statistical and machine learning models have been applied, many are limited in capturing complex temporal dependencies, especially in the context of Indonesia’s ANTAM gold prices. This study addresses that gap by applying the Long Short-Term Memory (LSTM) method, a deep learning approach designed to model sequential patterns in time series data. The novelty of this research lies in the application of LSTM specifically for ANTAM gold price forecasting in Indonesia, which has received limited attention in previous studies. Unlike conventional approaches, LSTM is capable of preserving long-term dependencies, thereby improving predictive accuracy for volatile commodities. Using historical daily data from November 2023 to March 2025, the model was trained to recognize price dynamics and evaluated with Root Mean Square Error (RMSE) and Mean Absolute Percentage Error (MAPE). The results demonstrate high predictive accuracy, with a MAPE of 1.39% and RMSE of 0.0137. These findings confirm the suitability of LSTM for gold price prediction and underline its potential contribution to both theoretical advancements in time series forecasting and practical decision-making in investment management. Thus, this study not only strengthens evidence of LSTM’s effectiveness but also offers valuable insights for investors and policymakers in managing risks associated with commodity price volatility.
Co-Authors Abel Destria Ade Fathurahman Adhe Suryani Agung Prakesakwa Ahmad Sanmorino Aldi Saputra Amalia, Marshanda Aminuyati Andri Agus Agus S Antony, Fery Apriano Putri, Aurahaqqi Ariati, Nining Arief Ramadhan Aries Fadilla, Muhammad Bagas Ario Pratama, Surya Cahyani, Septa Dana Indra Sensuse Darius Antoni Desfourtheen, Rinda Destria, Abel Dewi Sartika Dewi Sartika Dewi Sartika DEWI SARTIKA Dewi, Deshinta Arrova Dhamayanti Dhamayanti Dhamayanti, Dhamayanti Ditho Hersilava Dwi Asa Verano Ermatita - Fachry Abda El Rahman Febrianty Fery Antony Fery Antony Filian Falanda Hartini Hartini Hartini Hartini Hastha Sunardi Haversyalapa, Ditho Indah Permatasari Isabella, Isabella Juhaini Alie Kris, Via Lastri Widya Astuti M. Ricky Hikmawan Maharani, Aiga Rizki Marshanda Amalia Vega Megat Norulazmi Megat Mohamed Noor Miftahul Falah MILLANO, FIDO Mitha Sofiana Mufti, Nabilah Muhammad Farhan Muhammad Haviz Irfani Nadia Damayanti Naretha Kawadha Pasemah Gumay Nazka yasidi Nazori Suhandi Pratama, M Duta Purbasari, Nadira Putri Purnamasari, Evi Rangga Febri Kasih Reza Iman Pribadi Rudi Heriansyah Ryan Ramanda Putra Sari, Nursella Sartika, Dewi Shinta Puspasari Shinta Puspasari Suryati Suryati Suryati Suryati Terttiaavini, Terttiaavini Verano, Dwi Asa Wilza Nadia Wiyanto, Ari Yesinta Florensia Zulkifli Zulkifli