Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

16.609

P-Index

This Author published in this journals

All Journal International Journal of Electrical and Computer Engineering Jurnal Ilmu Komputer dan Informasi Lontar Komputer: Jurnal Ilmiah Teknologi Informasi Jurnal Neutrino : jurnal fisika dan aplikasinya Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Jurnal Ilmiah Kursor Jurnal Mahasiswa Jurusan Arsitektur Jurnal Teknologi Informasi dan Ilmu Komputer Journal of Information Systems Engineering and Business Intelligence Jurnal Teknologi dan Sistem Komputer JOIV : International Journal on Informatics Visualization Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) International Journal of Artificial Intelligence Research Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Jurnal Nasional Teknik Elektro dan Teknologi Informasi Journal of Management Research and Studies Lontar Komputer: Jurnal Ilmiah Teknologi Informasi

Fitra Abdurrachman Bachtiar

Fakultas Ilmu Komputer - Universitas Brawijaya

Author-ID : 2843479

Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Library & Information Science Physics Social Sciences

Published : 236 Documents Claim Missing Document

Claim Missing Document

Articles

18 19 20 21 22

Penerapan Arsitektur Seq2Seq dan Bidirectional Long Short-Term Memory pada Sistem Tanya Jawab Fakultas Ilmu Komputer Universitas Brawijaya Sintiya, Karena; Fitra Abdurrachman Bachtiar; Budi Darma Setiawan
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 8 (2025): Agustus 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Di era digital, teknologi terus berkembang untuk mempermudah akses informasi dan layanan. Untuk mendukung hal ini, Fakultas Ilmu Komputer Universitas Brawijaya (FILKOM UB) mengimplementasikan helpdesk bernama HaloFilkom. HaloFilkom melayani pertanyaan dan keluhan dari komunitas akademik FILKOM. Namun, waktu operasional yang terbatas membuat pengguna harus menunggu untuk mendapat jawaban. Masalah ini diatasi dengan chatbot yang mampu berinteraksi secara online 24 jam, sehingga pengguna bisa mendapat jawaban dengan cepat. Chatbot dibuat menggunakan model Bidirectional Long Short-Term Memory (BiLSTM) agar dapat memahami konteks percakapan lebih akurat. Selain itu, word embedding juga digunakan untuk memahami hubungan makna antar kata. Dataset yang digunakan bersifat closed domain dan berisi pasangan pertanyaan dan jawaban terkait FILKOM. Proses implementasi meliputi studi literatur, eksplorasi data, persiapan dan pemrosesan data, embedding, perancangan model, eksperimen, dan evaluasi. Kombinasi hyperparameter terbaik yang dihasilkan dari hyperparameter tuning adalah hidden size 64, batch size 8, learning rate 0,001, epoch 30, dan dropout 0,3. Model terbaik adalah BiLSTM dengan arsitektur Seq2Seq dan embedding GloVe, dengan rata-rata validation loss 3,641. Model ini juga meraih BLEU Score tinggi dengan skor BLEU 1-gram 0,6373, BLEU 2-gram 0,5563, BLEU 3-gram 0,5153, dan BLEU 4-gram 0,4433 pada data latih. Pengujian prompt testing memperoleh skor rata-rata BLEU 0,3310. Kata kunci: chatbot, Seq2Seq, Bi-LSTM, word embedding, hyperparameter tuning

Klasifikasi Emosi Pada Raut Wajah Pelajar Menggunakan Ekstraktor Fitur Face Mesh Dan Metode Support Vector Machine Bachtiar, Fitra Abdurrachman; Revanza, Muhammad Nugraha Delta; Bachtiar, Fitra; Setiawan, Budi Darma
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 4: Agustus 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.124

Dalam lingkup pembelajaran, rasa emosional dan perhatian memegang peranan penting dalam keterlibatan pelajar terhadap proses pembelajaran yang sedang berlangsung. Emosi pelajar menimbulkan reaksi afektif terhadap proses pembelajaran, seperti boredom, engagement, confusion, dan frustration. Reaksi afektif tersebut dapat digunakan sebagai tolok ukur dalam melakukan evaluasi kegiatan pembelajaran. Pengenalan emosi dapat dilakukan dengan pengamatan citra wajah, namun pemrosesan sebuah citra memerlukan sebuah model yang dapat melakukan klasifikasi emosi berdasarkan raut wajah secara tepat. Berdasarkan permasalahan tersebut, penelitian ini bertujuan untuk membangun sebuah sistem pengenalan emosi melalui raut wajah pelajar dengan ekstraktor fitur Mediapipe Face Mesh dan Support Vector Machine (SVM). Proses ekstraksi frame dan ekstraksi fitur dilakukan untuk mendapatkan total 1404 titik tiga dimensi facial landmark untuk kemudian diklasifikasikan dengan menggunakan SVM. Untuk meningkatkan kinerja klasifikasinya, dilakukan optimasi algoritma SVM melalui hyperparameter tuning dan Grid Search Cross Validation untuk menghasilkan kombinasi parameter model dengan kinerja terbaik. Hasil yang diperoleh adalah 53%, mengalami peningkatan 25% dibandingkan dengan model standar tanpa proses hyperparameter tuning yang menunjukkan bahwa hyperparamter tuning memiliki pengaruh terhadap kinerja model. Selain itu, terdapat titik-titik facial landmark yang berperan dalam klasifikasi emosi berdasarkan hasil analisis, yaitu titik yang berada di sekitar mata. Abstract In the context of learning, emotion and attention are significant factors influencing the learner's engagement with the ongoing learning process. The affective reactions of learners to the learning process, which may include boredom, engagement, confusion, or frustration, can be influenced by their emotional state. Such affective reactions may be employed as benchmarks for the evaluation of learning activities. The emotions can be rcognized by analyzing the image of human face. However, image processing needs a model that can accurately categorize emotions based on facial expressions. This research aims to address these issues through the construction of an emotion recognition system based on student facial expressions using the Mediapipe Face Mesh feature extractor and Support Vector Machine. First, a frame extraction and feature extraction process was conducted to obtain a total of 1,404 three-dimensional facial landmark points as input data. Subsequently, the SVM algorithm was optimized through hyperparameter tuning and Grid Search Cross Validation to produce a combination of model parameters with the best performance. The resulting value was 53%, representing a 25% increase compared to the standard model without hyperparameter tuning, which demonstrates that hyperparameter tuning has a significant impact on model performance. Additionally, the analysis revealed that certain facial landmark points, particularly those around the eyes, play a crucial role in emotion classification.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.124

Comparative Analysis of Usability and Immersivity in Virtual Reality Applications Based Interaction Methods Using Controller and Hand Gesture Nevista, Bianca Pingkan; Tolle, Herman; Bachtiar, Fitra A.
International Journal of Artificial Intelligence Research Vol 9, No 1.1 (2025)
Publisher : Universitas Dharma Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29099/ijair.v9i1.1.1564

Natural User Interface (NUI) is a latest development in the world of human-computer interaction can applied to immersive digital technology and realized in virtual reality. This virtual reality (VR) is usually accessed using a VR headset, so there are several companies that develop and improve VR headsets to facilitate interaction between humans and computers. One of the VR headsets available for beginners and professionals is the Meta Quest 2 which can be used with two interaction methods, namely, controllers and hand gesture. This study was conducted to compare the usability and immersivity of the two interaction methods on the Meta Quest 2 VR headset. This test was conducted at a Vocational High School in Malang, one of the city in Jawa Timur, in the Visual Communication Design Departement who had never used a VR headset before. There are two methods used, namely, Usability Testing to measure usability and the Igroup Presence Questionnaire (IPQ) method is used to measure immersivity. The applications used in this study are the Waltz of The Wizard Game, The Walking Dead Game: Saints & Sinners and Virtual Reality-Based Applications as Educational Media for Cultural Heritage Buildings in Malang City. The results of the usability and immersiveness tests show that in the Waltz of The Wizard game, it gets a high coefficient value on hand gestures, which is 0.136 and 0.096 on the controller. While in the game The Walking Dead: Saints & Sinners, it gets a high coefficient value on the controller, which is 0.398 and 0.171 on hand gestures. And in the Cultural Heritage Application, it gets a high coefficient value on hand gestures, which is 0.065 and 0.055 on the controller. From the coefficient values, usability and immersivity in the use of controllers are higher in action genre applications, for example the game The Walking Dead: Saints & Sinners. While in hand gestures, usability and immersivity are high when using adventure genre applications, for example the Waltz of The Wizard game and exploration, for example the Cultural Heritage Application game. This means that the interaction method and type of application used determine the level of usability and immersivity

Penilaian Faktor Penerimaan Teknologi Blended learning di PTIIK Universitas Brawijaya dengan Metode Unified Theory of Acceptance and Use of Technology (UTAUT) Pradana, Fajar; Rachmadi, Aditya; Bachtiar, Fitra A.
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 2 No 1: April 2015
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

AbstrakBlended learning adalah kolaborasi atau kombinasi antara pembelajaran tradisional (pembelajaran dengan tatap muka secara langsung) dan pembelajaran menggunakan teknologi atau e-learning. Universitas Brawijaya sebagai penyelenggara pendidikan tinggi juga telah memfasilitasi penggunaan teknologi untuk blended learning. Namun pada penerapan blended learning masih terdapat beberapa permasalahan Pada penelitian ini digunakan Unified Theory of Acceptance and Use of Technology (UTAUT) sehingga mampu menutupi kekurangan dari penelitian sebelumnya. Faktor-faktor yang dapat diidentifikasi dengan UTAUT diwakili 2 faktor yaitu perilaku penggunaan (Use Behavior) serta perilaku keinginan dalam menggunakan sistem (Behavioral Intention). Masing-masing dari kedua faktor ini dipengaruhi oleh 4 faktor yaitu harapan kinerja sistem (performance expectancy), harapan usaha yang dikeluarkan untuk mengoperasikan sistem (Effort Expectancy), pengaruh sosial (Social Influence) serta kondisi fasilitas yang mendukung operasional sistem (Facilitating Conditions). Sedang 4 faktor ini ditentukan oleh gender, umur, pengalaman dalam menggunakan sistem kesukarelaan penggunaan sistem dari pengguna. Dengan menggunakan UTAUT ternyata didapatkan hasil evaluasi bahwa faktor-faktor yang memiliki pengaruh terhadap penggunaan sistem blended learning di PTIIK adalah H1 : Variabel-variabel PU, JF, RF, EA dan OE tidak berpengaruh terhadap variabel AT, H2 : Variabel-variabel PeoU berkontribusi terhadap variabel AT, H3 : SN, SF dan I tidak berkontribusi terhadap variabel AT, H4 : Variabel-variabel PBC/PB berkontribusi terhadap variabel IM, dan H5 : Variable AT mempengaruhi IM.Kata kunci: Blended Learning,UTAUT, Universitas BrawijayaAbstractBlended learning is a collaboration or a combination of traditional learning (learning by direct face to face) and learning to use the technology or e-learning. UB as a provider of higher education has also facilitated the use of technology for blended learning. However, on the application of blended learning there are still some problems in this research used the Unified Theory of Acceptance and Use of Technology (UTAUT) so as to cover the lack of previous studies. Factors that can be identified by UTAUT represented by two factors, namely the usage behavior (Behavior Use) as well as the desire to use the system behavior (Behavioral Intention). Each of these two factors is influenced by four factors: the expectations of system performance (performance expectancy), the hope of effort expended to operate the system (Effort Expectancy), social influence (Social Influence) and the condition of the facilities that support the operation of the system (Facilitating Conditions). 4 of these factors being determined by gender, age, experience in using the voluntary system of use of the system from the user. By using UTAUT it was found on the evaluation that the factors that have an influence on the use of a system of blended learning in PTIIK is H1: Variables PU, JF, RF, EA and OE does not affect the variable AT, H2: Variables PEOU contribute to AT variables, H3: SN, SF and I do not contribute to the variable AT, H4: Variables PBC / PB contribute to variable IM, and H5: Variable AT affect IMKeywords: Blended Learning,UTAUT, Brawijaya University

Perancangan dan Implementasi Fuzzy Inference System (FIS) Metode Tsukamoto pada Penentuan Penghuni Asrama Syahidi, Aulia Akhrian; Biabdillah, Fajerin; Bachtiar, Fitra Abdurrachman
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 6 No 1: Februari 2019
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Asrama mahasiswa dibangun sebagai tempat tinggal bagi sekelompok orang yang sedang manjalankan suatu tugas atau kegiatan yang sama. Untuk menentukan mahasiswa yang berhak menjadi penghuni asrama, maka dalam penelitian ini memberikan rekomendasi untuk menggunakan Metode Fuzzy Tsukamoto. Metode Fuzzy Tsukamoto dipilih karena ada beberapa kelebihan yang menonjol yaitu dapat mendefinisikan nilai yang kabur dari inputan penilaian, dapat membangun, dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan. Hasil analisis menyimpulkan bahwa: (1) Cara kerja Metode Fuzzy Tsukamoto memiliki tiga bagian yaitu: fuzzifikasi, inferensi fuzzy, dan defuzzifikasi, (2) Implementasi Metode Fuzzy Tsukamoto dapat menghitung penentuan penerimaan penghuni asrama mahasiswa pada studi kasus asrama mahasiswa putera “Negara Dipa Amuntai Malang”, berdasarkan 19 data dengan membandingkan antara hasil penilaian pakar, hasil perhitungan Fuzzy Tsukamoto secara manual, dan hasil perhitungan Fuzzy Tsukamoto secara otomatis menggunakan sistem yang terprogram, telah diuji mempunyai tingkat akurasi keberhasilan sebesar 63.15% dengan predikat cukup. AbstractStudent dormitory is built as a residence for a group of people who are carrying out a task or the same activity. To determine the students who have the right to become boarders, in this study provide recommendations for using the Fuzzy Tsukamoto Method. Fuzzy Tsukamoto method was chosen because there are several prominent advantages that can define the value that is blurred from the assessment input, can build, and apply the experiences of experts directly without having to go through the training process. The results of the analysis concluded that: (1) The workings of the Fuzzy Tsukamoto Method have three parts: fuzzification, fuzzy inference, and defuzzification. (2) The implementation of the Fuzzy Tsukamoto method can calculate the determination of the admission of students in the student dormitory case study of male student dormitory “Negara Dipa Amuntai Malang,” based on 19 data by comparing the results of the expert assessment, the results of Fuzzy Tsukamoto calculation manually, and the results of Fuzzy Tsukamoto calculations automatically using a programmed system, has been tested to have a success accuracy level of 63.15% with sufficient predicate.

Penilaian Penerimaan Teknologi E-Learning Pemrograman berbasis Gamification dengan Metode Technology Acceptance Model (TAM) Pradana, Fajar; Bachtiar, Fitra Abdurrachman; Priyambadha, Bayu
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 6 No 2: April 2019
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

E-learning telah berkembang tidak hanya sekedar berbagi materi pembelajaran melalui internet, namun telah berevolusi menjadi tempat untuk kolaborasi, sosialisasi, project based learning, reflective practise, dan pembelajaran dengan simulasi. Untuk mewujudkan hal tersebut telah dikembangkan sebuah sistem e-learning gamification khusus bidang pemrograman. Penelitian ini menerapkan Technology Acceptance Model (TAM) untuk memeriksa faktor-faktor apa saja yang berpengaruh terhadap penerimaan sebuah teknologi baru yang diperkenalkan atau digunakan. Faktor-faktor yang digunakan dalam penelitian ini adalah Perceived Usefullness (PU), Perceived Ease of Use (PEU), Perceived Social Influence (PSI), Perceived Enjoyment (PE), Intention of Engagement (IoE), dan Elearning Gamification Attitude (EGA). Model TAM didasarkan beberapa hipotesis dan faktor yang berpengaruh. Hasil menunjukan bahwa TAM dapat digunakan untuk memeriksa penerimaan teknologi e-learning gamification bidang pemrograman. Perceived Social Influence (PSI) dan Perceived Enjoyment (PE) berkontribusi terhadap Intention of Engagement (IOE). Selain itu Perceived Usefullnes (PU), Perceived Social Influence (PSI), Perceived Enjoyment (PE), dan Intention of Engagement (IOE) berkontribusi terhadap Elearning Gamification Attitude (EGA).Abstract E-learning has evolved not only to share learning materials over the internet, but has evolved into a place for collaboration, socialization, project based learning, reflective practice, and simulated learning. To realize this has been developed a special e-learning gamification system in the field of programming. This study applies Technology Acceptance Model (TAM) to examine what factors influence the acceptance of a new technology introduced or used. The factors used in this study are Perceived Usefullness (PU), Perceived Ease of Use (PEU), Perceived Social Influence (PSI), Perceived Enjoyment (PE), Intention of Engagement (IoE), and Elearning Gamification Attitude (EGA) . The TAM model is based on several hypotheses and influencing factors. The results show that TAM can be used to check the acceptance of e-learning gamification technology in the field of programming. Perceived Social Influence (PSI) and Perceived Enjoyment (PE) contribute to the Intention of Engagement (IOE). In addition Perceived Usefullnes (PU), Perceived Social Influence (PSI), Perceived Enjoyment (PE), and Intention of Engagement (IOE) contribute to Elearning Gamification Attitude (EGA).

Penggalian Perilaku Pemain dalam Penentuan Tipe Permainan pada E-Learning Pemrograman Berbasis Gamification Priyambadha, Bayu; Pradana, Fajar; Bachtiar, Fitra Abdurrachman
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 4: Agustus 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2020701295

Salah satu kompetensi utama yang harus dimiliki oleh lulusan dari jurusan atau program studi bidang keilmuan komputer adalah kemampuan programming (membuat program). Berbagi informasi untuk meningkatkan kualitas pembelajaran pemrograman telah dilakukan di banyak kampus di Indonesia. Salah satunya adalah penerapan media pembelajaran online atau disebut juga sebagai E-Learning. Salah satu sistem pembelajaran yang paling umum, yang didukung oleh teknologi informasi, adalah e-learning. Namun, banyak juga sistem e-learning tidak mencapai tujuan yang diinginkan karena ketidakpatuhan dan kurangnya pengetahuan tentang teknik dan metode untuk pengembangan sistem informasi online. Tujuan yang dicapai antara lain efisiensi, efektifitas, motivasi dan keterlibatan siswa. Pendekatan gamification dapat digunakan untuk meningkatkan beberapa hal tersebut demi tercapainya tujuan pembelajaran online. Dalam sistem Code Maniac, terdapat beberapa elemen gamification yang digunakan, yaitu poin pengalaman, poin aktivitas dan badge. Namun, hal tersebut terbukti masih kurang meningkatkan motivasi mahasiswa dalam menggunakan Code Maniac. Pendekatan player-centric memungkinkan sistem menyesuaikan gameplay yang sesuai dengan gaya bermain seorang pemain. Untuk dapat mewujudkan sebuah media pembelajaran yang berorientasi pada pemain, maka dibutuhkan sebuah mekanisme untuk mengenali karakteristik pemainnya. Pada penelitian ini menekanan metode yang digunakan untuk menggali perilaku permainan. Penggalian pola dilakukan pada data log proses per pemain dan per sesi yang berjumlah 136 proses. Kemudian proses tersebut dikelompokan sesuai dengan kedekatan atau kesamaan karakteristik bermain. Hasil penentuan jumlah kelompok yang paling optimal adalah k=2 dan k=3. Untuk itu pengelompokan dilakukan dan menghasilkan 2 kelompok dan 3 kelompok data. Kelompok tersebut dapat menjadi dasar untuk untuk penentuan gameplay pada Code Maniac. AbstractOne of the main competencies that must be possessed by graduates of departments or study programs in computer science is programming skills (making programs). Sharing information to improve the quality of programming learning has been done on many campuses in Indonesia. One of them is the application of online learning media or also called the E-Learning.. One of the most common learning systems, supported by information technology, is e-learning. However, many e-learning systems do not achieve the desired goals because of non-compliance and lack of knowledge about techniques and methods for developing information systems online. The objectives achieved include efficiency, effectiveness, motivation and student involvement. The gamification approach can be used to improve some of these things in order to achieve online learning goals. In the Code Maniac system, there are several gamification elements used, namely experience points, activity points and badges. However, this proved to be still lacking in increasing student motivation in using Code Maniac. The player-centric approach allows the system to adjust the gameplay to suit a player's playing style. To be able to realize a player-oriented learning media, a mechanism is needed to recognize the characteristics of the players. In this study emphasizes the methods used to explore game behavior. Pattern mining is performed on process log data per player and per session which amounts to 136 processes. Then the process is grouped according to the closeness or similarity of playing characteristics. The results of determining the most optimal number of groups are k = 2 and k = 3. For this reason, grouping is done and produces 2 groups and 3 groups of data. The group can be the basis for determining the gameplay in Code Maniac.

Perbandingan Performa Metode Klasifikasi SVM, Neural Network, dan Naive Bayes untuk Mendeteksi Kualitas Pengajuan Kredit di Koperasi Simpan Pinjam Nur, Iqbal Taufiq Ahmad; Setiawan, Nanang Yudi; Bachtiar, Fitra Abdurrachman
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 6 No 4: Agustus 2019
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Mendeteksi kualitas kredit sejak dini merupakan satu tahapan penting yang wajib dilakukan oleh koperasi simpan pinjam guna meminimalisir adanya risiko kredit. Dalam penelitian ini, kami menggunakan tiga metode klasifikasi yaitu SVM, Neural Network, dan Naïve Bayes untuk menemukan metode dengan performa yang paling baik dan optimal pada kasus pendeteksian kualitas kredit di koperasi simpan pinjam. Proses yang dilakukan adalah dengan mengimplementasikan data hasil pre processing menggunakan algoritme SVM, Neural Network, dan Naïve Bayes dengan proses evaluasi menggunakan 5-fold cross validation. Hasil yang didapatkan adalah metode Neural Network menjadi metode dengan performa paling baik. Rerata tingkat akurasi yang dihasilkan sebesar 86,81%, rerata precision sebesar 0,8194, rerata recall sebesar 0,8236, dan rerata nilai AUC sebesar 0,9158. Namun, waktu eksekusi yang dihasilkan algoritme Neural Network menjadikan algoritme ini sebagai algoritme paling lambat dibandingkan dengan dua metode lain. Nilai rerata waktu eksekusi dari metode Neural Network sebesar 3,058 detik, jauh lebih lama dibandingkan dua algoritme lain yang hanya berkisar pada nilai 0 – 1 detik. AbstractDetecting credit quality at the early stage is an important step that must be done by koperasi simpan pinjam in order to minimize the credit risk. In this research, we use three classification methods i.e. SVM, Neural Network, and Naïve Bayes to find the best performance and optimal method to be used in credit quality detection for koperasi simpan pinjam. The process conducted by implementing pre-processing data using an SVM, Neural Network, and Naïve Bayes algorithm with the evaluation process using 5-fold cross validation. As the result, The Neural Network method was the best performing method. The average level of accuracy produced was 86.81%, mean precision was 0.8194, average recall was 0.8236, and the average AUC value was 0.9158. However, the execution time generated by the Neural Network algorithm made this algorithm the slowest algorithm compared to the other two methods. The average execution time of the Neural Network method was 3.058 seconds, longer than the other two algorithms which only range from 0 - 1 second.

Perbandingan Algoritme Machine Learning untuk Memprediksi Pengambil Matakuliah Bachtiar, Fitra A.; Syahputra, Indra K.; Wicaksono, Satrio A.
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 6 No 5: Oktober 2019
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Pada setiap awal semester bagian akademik melakukan penjadwalan dan penentuan matakuliah yang akan dibuka untuk semester berikutnya. Akan tetapi proses tersebut memiliki permasalahan antara lain kelas yang dibuka terlalu banyak dibanding jumlah siswa yang berminat atau sebaliknya. Selain itu, dalam permasalahan prediksi data yang terkumpul memiliki kecenderungan tidak seimbang pada setiap kelas (imbalance class). Hal ini akan berdampak pada proses penjadwalan yang kurang tepat. Sehingga dibutuhkan sistem yang dapat memprediksi mahasiswa pengambil mata kuliah. Akan tetapi ada banyak algoritme yang dapat digunakan untuk proses prediksi. Penelitian ini membandingkan performa algoritma untuk klasifikasi mahasiswa pengambil matakuliah. Pada penelitian ini prediksi dilakukan berdasarkan atribut dari data mahasiswa. Atribut-atribut tersebut yaitu Nilai, IP, IPK, SKS, SKSK dan Semester. Pada setiap observasi pada atribut-atribut tersebut prediksi akan dilakukan apakah mahasiswa tersebut mengambil mata kuliah tertentu. Prediksi dibagi menjadi 2 kelas yaitu ‘Ya’ untuk mahasiswa yang diprediksi mengambil matakuliah dan ‘Tidak’ untuk mahasiswa yang diprediksi tidak mengambil matakuliah. Teknik Synthetic Minority Oversampling Technique (SMOTE) digunakan untuk menangani data yang tidak seimbang. Pada penelitian ini klasifikasi dilakukan dengan membandingkan algoritme k-Nearest Neighbor (k-NN) dan Support Vector Machine (SVM) untuk kasus prediksi pengambil matakuliah. Hasil pengujian menggunakan 3 mata kuliah sebagai sampel. Dari hasil rerata, diperoleh hasil prediksi k-NN memiliki kinerja yang lebih baik daripada SVM. Selain itu, penggunaan teknik SMOTE dapat mempengaruhi hasil klasifikasi berupa peningkatan nilai AUC, CA, F1, precision dan recall.AbstractAt the beginning of each semester, the academic section conducts scheduling and determining the courses offered for the next semester. However, the process has problems such as too many classes offered to the student compared to the number of students who take the class or vice versa. Besides that, in the prediction problems, the collected data has an imbalance tendency in each class. As a result, these problems could cause in ineffective scheduling. Thus, there is a need to build a system that can predict students taking courses. However, there are many algorithms that can be used for the prediction. This study compares the performance of algorithms for classifications of students taking courses. In this study, predictions are modeled based on the attributes of student data, namely Grades, GPA, Cumulative GPA, Semester Credits, Cumulative Semester Credits and Semester. The classification process will be carried out to produce a prediction of whether the student takes a particular subject or not. Classification results are divided into 2 classes, namely 'Yes' for students who are predicted to take and 'No' for students who are predicted not to take the class. To handle imbalance dataset will use Synthetic Minority Oversampling Technique (SMOTE) techniques. Classification method used in this study are k-Nearest Neighbor (k-NN) and Support Vector Machine (SVM) algorithms to compare their performance for prediction cases. The test results used 3 courses as a sample. In average k-NN prediction results have a better performance than SVM. In addition, the use of SMOTE techniques can influence the classification results in the form of an increase in AUC, CA, F1, precision and recall values.

Co-Authors AA Sudharmawan, AA Abidatul Izzah Abu Wildan Mucholladin Achmad Arwan Achmad Basuki Achmad Basuki Achmad Fahlevi Achmad Firmansyah Sulaeman Achmad Hanim Nur Wahid Achmad Ridok Adam Hendra Brata Adam Syarif Hidayatullah Adhia, Nabila Nur Fajri Adinugroho, Sigit Aditya Rachmadi Aditya Rachmadi, Aditya Admaja Dwi Herlambang, Admaja Dwi Afida, Latansa Nurry Izza Afifurrijal Afifurrijal Agus Wahyu Widodo Ahmad Afif Supianto Ahmad Afif Supianto Ahmad Afif Supianto Ahmad Afif Supianto Ahmad Fairuzabadi Aisyah Awalina Aisyatul Maulidah Akhmad Lazuardi Al Ikhsan, Mochammad Dearifaldi Alaikal Fajri Nur Alfian Aldi Fianda Putra Aldo, Muhammad Alfi Nur Rusydi Alfian, Kharis Alfin Taufiqurrahman Alfirsa Damasyifa Fauzulhaq Alhasyimi, Dana Mustofa Amadea, Karina Amalia Kusuma Akaresti Amrillah, Muhammad Ifa Andi Alifsyah Dyasham Anggit Chalilur Rahman Anita Rizky Agustina Anita Rizky Agustina Anjasari, Ni Luh Made Beathris Anjumi Kholifatu Rahmatika Annuranda, Ramansyah Eka Apriyanti -, Apriyanti Ardi Wicaksono ari kusyanti Arieftia Wicaksono Arifien, Zainal Aulia Dewi Savitri Aulia Nurrahma Rosanti Paidja Aulia Septi Pertiwi Awalina, Aisyah Azhar Izzannada Elbachtiar Azizah, Rizky Adinda Azzam Syawqi Aziz Azzam, Ja'far Shidqul Baharudin Yusuf Widiyanto Barlian Henryranu Prasetio Bayu Aji Firmansyah Bayu Priyambadha Benni A. Nugroho Bere, Stevania Biabdillah, Fajerin Bianca Pingkan Nevista Bintang Fajrianti Budi Darma Setiawan Budi Setiawan Cahya, Reiza Adi Cinthia Vairra Hudiyanti Dariswan Janweri Perangin-Angin Darmawan, Riski Dary Ardiansyah Haryono Dea Zakia Nathania Dedi Romario Delpiero, Rangga Raditya Desy Setya Rositasari Dewi, Elok Nuraida Kusuma Dian Eka Ratnawati Dika Imantika Dimas Angga Nazaruddin Dinda Adimanggala Dito William Hamonangan Gultom Diva Fardiana Risa Djoko Pramono Dona Adittia Dyah Ayu Wulandari Dyah Ayu Wulandari Dyah Ayu Wulandari Dzar Romaita Eka Devi Prasetiya Eka Yuni Darmayanti Eko Laksono Eko Setiawan Fabiansyah Cahyo Kuncoro Pradipta Fahrezy, Ahmad Faizatul Amalia Fajar Pradana Faranisa, Puspa Ayu Fardan Ainul Yaqiin Farhan Setya Dhitama Farhansyah, Brahma Hanif Farid Syauqi Nirwan Fasya Ghassani Hadiyan Fatwa Ramdani, Fatwa Ferdian Maulana Akbar Ferry Ardianto Rismawan Ficry Agam Fathurrachman Fikar Mukamal Gandhi Ramadhona Gembong Edhi Setyawan Giga Setiawan Gregorius Dhanasatya Pudyakinarya Gultom, Dito William Hamonangan Gunawan, Alifi Haikal, Raihan Hanif Prasetyo Maulidina Hanifah Khoirunnisak Hanifah Muslimah Az-Zahra Hanifah Muslimah Az-Zahra, Hanifah Muslimah Haryowinoto Rizqul Aktsar Hasyir Daffa Ibrahim Hayashi, Yusuke Herman Tolle Heryana, Ana Hidayatullah, Adam Syarif Hirashima, Tsukasa Holiyanda Husada Hutamaputra, William Ihza Razan Alghifari Ikhsan Putra Arisandi Ikrom Septian Hadi Ilham Pambudi Imam Cholissodin Imam Cholissodin Indra Kurniawan Syahputra Indriati Indriati Indriati Indriati Indriati Indriati Indriati Intan Yusuf Habibie Iqbal Taufiq Ahmad Nur Irfani, Ilham Irma Nurvianti Irwan Suprianto Irwanto, M. Sofyan Issa Arwani Istanto, Raga Saputra Heri Ivqonnada Al Mufarrih Joseph Ananda Sugihdharma Joseph Ananda Sugihdharma Julia Ferlin Kartiko, Erik Yohan Katrina Puspita Kevin Gusti Farras Fari' Utomo Kharis Alfian Khoirullah, Habib Bahari Kresna Hafizh Muhaimin Krisnabayu, Rifky Yunus Krisnandi, Dikdik Kuncahyo Setyo Nugroho Kurnia Fakhrul Izza Kurniawan, Rafi Athallah Kusumo, R. Budiarianto Suryo Lailil Muflikhah Larasati, Sza Sza Amulya Lathania, Laela Salma Ludgerus Darell Perwara Luthfi Afrizal Ardhani M Reza Syahputra A M. Ali Fauzi M. Khusnul Azhari M. Raabith Rifqi Mar'i, Farhanna Marji Marvel Timothy Raphael Manullang Maulidah, Aisyatul Mawarni, Marrisaeka Moch Irfan Prayudha Adhianto Mochamad Chandra Saputra Mochamad Havid Albar Purnomo Mochammad Dearifaldi Al Ikhsan Moh Iqbal Yusron Mufidatun Nuha Muh. Edo Aprillia Andilala Muhammad Ferdyandi Muhammad Tanzil Furqon Muhammad Taufik Dharmawan Muhammad Wafi Muhammad Zulfikarrahman Nabila Leksana Putri Nabila Lubna Irbakanisa Nadifa, Rahajeng Mufti Nainggolan, Cesilia Natasya Nanang Yudi Setiawan Nanang Yudi Setiawan Nanang Yudi Setyawan Nanda Ajeng Kartini Nanda Samsu Dhuha Nasita Ratih Damayanti Nevista, Bianca Pingkan Nourman Hajar Novanto Yudistira Novi Sunu Sri Giriwati Novianti, Siska Nur Wahyu Melliano Hariyanto Nur, Iqbal Taufiq Ahmad Nurafifah Alya Farahisya Nurkhoyri, Ageng Nurul Hidayat Oddy Aulia Rahman Nugroho Okta Dwi Ariska Pamungkas, Gilang Alif Pangestu, Gusti Pradana , Fajar Priyambadha, Bayu Pryono, Muhammad Adam Puras Handharmahua Purnomo, Fawwaz Anrico Putra Pandu Adikara Rafif Taqiuddin Rafif Taqiuddin Rafly, Andi Rahman, Rafli Rahmat Adi Setiawan Ramadhan, Muhammad Fitrah Ramadhianti, Fatiha Randy Cahya Wihandika Randy Cahya Wihandika Ratih Kartika Dewi Refi Fadholi Rekyan Regasari Mardi Putri, Rekyan Regasari Mardi Renavitasari, Ivenulut Rizki Diaz Retno Indah Rokhmawati Retno Indah Rokhmawati, Retno Indah Revanza, Muhammad Nugraha Delta Reza Syahputra Rezka Aditya Nugraha Hasan Rezky Dermawan Rhobith, Muhammad Rian Nugroho Ridwan Adi Setiabudi Risa, Diva Fardiana Riski Darmawan Riza Setiawan Soetedjo Rizal Setya Perdana Rizkey Wijayanto Rizkia Desi Yudiari Rizky Adinda Azizah Rizky Muhammad Faris Prakoso Robi Dwi Setiawan Rochmawanti, Ovy Rona Salsabila Said Atharillah Alifka Alhabsyi Salsabila, Rona Samuel Arthur Satrio Agung Wicaksono Satrio Agung Wicaksono Satrio Hadi Wijoyo Satrio Hadi Wijoyo Satyawan Agung Nugroho Satyawan Agung Nugroho Shinta Aprilisia Sifaunnufus Ms, Fi Imanur Sigit Adinugroho Sinana, Admi Rut Sintiya, Karena Siswahyudi, Puad Siti Mutdilah Sofyanda, Erika Yussi Sri Wulan Utami Vitandy Sueddi Sihotang Sugihdharma, Joseph Ananda Sulandri, Sulandri Sutawijaya, Bayu Syahidi, Aulia Akhrian Syahputra, Indra K. Taufik Hidayat Timothy Julian Tirana Noor Fatyanosa, Tirana Noor Titus Christian Ubaydillah, Achmad Afif Utaminingrum, Fitri Vasha Farisi Sarwan Halim Very Sugiarto, Very Vivy Junita Wafi, Muhammad Wahyu Ardiansyah, Mohammad Wahyu Satriyo Wibowo Wahyudi, Hafif Bustani Wayan F. Mahmudy Wayan Firdaus Mahmudy Welly Purnomo Whita Parasati Wicaksono, Satrio A. Wicky Prabowo Juliastoro Windy Adira Istiqhfarani Wiratama Ahsani Taqwim Wirdhayanti Paulina Yoga Tika Pratama Yudi Muliawan Yuita Arum Sari Zayn, Afta Ramadhan Zulfikarrahman, Muhammad

Title

Found 236 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 236 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 236 Documents
Search