Article Per Year (5 Year)
p-Index From 2021 - 2026
2.765
P-Index
This Author published in this journals
All Journal Telematika Jurnal Informatika dan Teknik Elektro Terapan JOIN (Jurnal Online Informatika) IKRA-ITH Informatika : Jurnal Komputer dan Informatika SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan INTECOMS: Journal of Information Technology and Computer Science Jurnal Mantik Systematics JUSTIN (Jurnal Sistem dan Teknologi Informasi) SATIN - Sains dan Teknologi Informasi Jurnal Sistem Informasi dan Aplikasi
Riza Ibnu Adam
Universitas Singaperbangsa Karawang
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 17 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 17 Documents
Search

 1   2 
Penerapan Metode SMOTE dalam Klasifikasi Daerah Rawan Banjir di Karawang Menggunakan Algoritma Naive Bayes Rika Nursyahfitri; Chaerur Rozikin; Riza Ibnu Adam
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 10, No 4 (2022)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v10i4.46935

Abstract

Salah satu akibat terjadinya perubahan iklim yaitu meningkatnya kejadian ekstrem yang ditandai dengan  peningkatan frekuensi bencana. Frekuensi bencana paling besar adalah banjir. Karawang menjadi salah satu daerah yang sering dilanda banjir, hal tersebut membuat kemajuan kota Karawang menjadi terhambat. Untuk mengantisipasi hal tersebut, maka dilakukan penilaian terhadap pengelolaan banjir dengan tujuan untuk memprediksi daerah yang termasuk dan yang tidak termasuk rawan banjir. Naive Bayes salah satu algoritma klasifikasi menggunakan metode probabilitastik dan statistik yang dapat memprediksi peluang di masa depan berdasarkan data sebelumnya. Namun, dalam klasifikasi biasanya penggunaan data imbalance sering terjadi sehingga akan menyebabkan klasifikasi lebih cenderung terhadap kelas mayoritas dibanding kelas minoritas. Maka dari itu, diperlukan salah satu teknik sampling untuk mengatasi data imbalance yaitu SMOTE (Synthetic Minority Over-Sampling Technique). Sehingga penelitian ini menggunakan 2 skenario pengujian untuk dilakukan perbandingan, pertama pemodelan hanya menggunakan Naive Bayes dan kedua pemodelan menggunakan Naive Bayes+SMOTE dengan percobaan nilai k-SMOTE sebanyak 5 kali. Data yang digunakan pada tahun 2016-2017 menggunakan 5 data parameter sebagai input dengan total 309 record.  Hasil eksperimen menunjukkan bahwa penerapan Naive Bayes+SMOTE dinilai mampu meningkatkan dan menghasilkan performance yang lebih baik dengan nilai akurasi tertinggi pada saat k = 11 sebesar 83,75% dibandingkan dengan Naive Bayes saja sebesar 65,38%. Selain itu, Naive Bayes dinilai mampu mengklasifikasikan daerah rawan banjir secara sangat baik dengan nilai AUC (The Under Curve) yang dihasilkan sebesar 0,944. Sehingga dapat disimpulkan bahwa algoritma Naive Bayes dapat dikombinasikan secara baik dengan metode SMOTE.
Pengembangan Laboratorium Virtual Fisika Osilasi Adhi Rizal; Riza Ibnu Adam; Susilawati Susilawati
JOIN (Jurnal Online Informatika) Vol 3 No 1 (2018)
Publisher : Department of Informatics, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/join.v3i1.140

Abstract

This research aims to develop a virtual lab application with oscillation concept. Oscillation concept in this application is described as pendulum motion. The application was developed by using the ADDIE model and Easy Java Simulations (EJSs) software. It has advantages compared with similar applications, which has a damping coefficient that similar with real world condition. Some other features of the application are the users can run and pause the simulation, observe the details of changes in pendulum movement angle by using step forward button, users can change pendulum mass, adjust the length of the rope, gravitational force, initial angle, damping coefficient, and can observe the change of pendulum angular position in parabolic graphs in real-time. The application was tested using the Technology Acceptance Model (TAM) concept. Based on the research results, the user satisfaction level is categorized as very useful. Therefore, it can be conclude that the application can be accepted and used well by the user.
ANALISIS SENTIMEN MASYARAKAT TERHADAP PROGRAM MAKAN SIANG GRATIS PADA MEDIA SOSIAL X MENGGUNAKAN ALGORITMA NAÏVE BAYES Altolyto Sitanggang; Yuyun Umaidah; Riza Ibnu Adam
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4902

Abstract

Dalam era digital, media sosial seperti X, Facebook, dan Instagram telah menjadi bagian penting dari kehidupan modern, memungkinkan individu untuk berbagi pandangan dan opini dengan cepat. Salah satu topik hangat di X adalah program makan siang gratis dari pasangan calon presiden nomor urut 02, yang bertujuan meningkatkan gizi anak dan ibu hamil, mencakup 82,9 juta orang. Program ini memicu beragam tanggapan masyarakat. Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap program tersebut menggunakan algoritma Naïve Bayes dan metode Knowledge Discovery in Database (KDD). Data dikumpulkan melalui crawling pada media sosial X, menghasilkan 2.211 tweet yang kemudian diseleksi dan diberi label sentimen positif dan negatif. Algoritma Naïve Bayes diuji dengan tiga skenario pembagian data training dan testing, dan dievaluasi menggunakan confusion matrix. Hasil evaluasi menunjukkan model mencapai hasil terbaik pada rasio data 60:40 dengan akurasi 72,2%, presisi 63,2%, recall 66,1%, dan F1-Score 64%. Keywords: Naïve Bayes, KDD, Makan Siang Gratis, X, Sentimen.
Pelatihan pembuatan ecobrick sebagai solusi cerdas dan kreatif dalam mengurangi sampah plastik rumah tangga di desa Waluya Ibrahim Ibrahim; Nurani Masyita; Ni Luh Bella Dwijaksara; Lela Nurpulaela; Dian Budhi Santoso; Arnisa Stefanie; Riza Ibnu Adam; Reni Rahmadewi
SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan Vol 8, No 1 (2024): March
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jpmb.v8i1.21698

Abstract

AbstrakPelatihan Pembuatan Ecobrick sebagai Solusi Cerdas dan Kreatif dalam Mengurangi Sampah Plastik Rumah Tangga di Desa Waluya dilaksanakan pada bulan Agustus 2023 dengan jumlah peserta sebanyak 35 orang, menjadi langkah praktis dalam menghadapi meningkatnya permasalahan sampah plastik. Desa Waluya menghadapi tantangan terkait manajemen sampah plastik di tingkat rumah tangga. Pelatihan ini memiliki tujuan yaitu meningkatkan pemahaman masyarakat akan dampak negatif sampah plastik dan memberikan keterampilan praktis dalam pembuatan Ecobrick. Selain itu, pendekatan ini dirancang untuk membangkitkan sikap peduli lingkungan dan merangsang kreativitas dalam mengelola sampah plastik. Hasil yang diharapkan mencakup pengurangan signifikan sampah plastik di Desa Waluya. Pemberdayaan masyarakat melalui pelatihan ini diharapkan dapat menciptakan lingkungan yang lebih bersih, berkelanjutan, dan meningkatkan kualitas hidup secara keseluruhan. Dengan demikian, pelatihan Ecobrick di Desa Waluya ini menunjukkan bahwa penggunaan ecobrick dengan menggunakan botol berukuran 300-600 ml dapat menjadi solusi yang efektif dalam mengelola sampah plastik secara kreatif dan ramah lingkungan. Dengan pendekatan yang tepat dalam komunikasi dan demonstrasi kepada masyarakat, praktik ini memiliki potensi untuk meningkatkan kesadaran dan partisipasi dalam praktik ramah lingkungan serta pengelolaan sampah plastik di lingkungan sekitar. Kata kunci: ecobrick; sampah plastik; pelatihan; pemberdayaan masyarakat; desa waluya. AbstractThe Ecobrick Making Training as a Smart and Creative Solution to Reduce Household Plastic Waste in Waluya Village was conducted in August 2023 with 35 participants, serving as a practical step in addressing the increasing problem of plastic waste. Waluya Village faces challenges related to plastic waste management at the household level. This training aims to increase community understanding of the negative impacts of plastic waste and provide practical skills in Ecobrick making. Additionally, this approach is designed to foster environmental concern and stimulate creativity in managing plastic waste. The expected outcomes include a significant reduction in plastic waste in Waluya Village. Empowering the community through this training is expected to create a cleaner, more sustainable environment and improve overall quality of life. Thus, the Ecobrick training in Waluya Village demonstrates that using Ecobricks with 300-600 ml bottles can be an effective solution for creatively and environmentally managing plastic waste. With the right approach to communication and demonstration to the community, this practice has the potential to increase awareness and participation in environmentally friendly practices and plastic waste management in the surrounding environment. Keywords: ecobricks; plastic waste; training; community empowerment; waluya village.
Analisis Sentimen Komentar YouTube Terhadap Korporasi MBG: Studi Perbandingan Metode BERT dan Support Vector Machine (SVM) Najma Alfisyahrina; Riza Ibnu Adam; Aries Suharso
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.v10i2.6822

Abstract

Program Makan Bergizi Gratis (MBG) merupakan program pemerintah yang memperoleh berbagai tanggapan dari masyarakat melalui media sosial, khususnya YouTube. Komentar yang dihasilkan pengguna dapat dimanfaatkan untuk mengidentifikasi opini publik terhadap implementasi program tersebut. Penelitian ini bertujuan menganalisis sentimen publik terhadap program MBG serta membandingkan performa metode Bidirectional Encoder Representations from Transformers (BERT) dan Support Vector Machine (SVM) dalam klasifikasi sentimen. Data penelitian diperoleh dari komentar YouTube yang berkaitan dengan program MBG dan menghasilkan 4.109 komentar valid setelah melalui tahap preprocessing. Model BERT diimplementasikan menggunakan BERT-Base-Uncased melalui proses fine-tuning, sedangkan SVM menggunakan pembobotan TF-IDF sebagai representasi fitur. Evaluasi model dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa metode BERT menghasilkan performa klasifikasi yang lebih baik dibandingkan SVM dalam mengidentifikasi sentimen positif, netral, dan negatif. Analisis temporal juga menunjukkan adanya perubahan distribusi sentimen publik sebelum dan sesudah terjadinya insiden yang berkaitan dengan program MBG. Temuan penelitian menunjukkan bahwa model berbasis Transformer lebih efektif dalam memahami konteks bahasa pada data media sosial dibandingkan metode machine learning tradisional.
Implementasi Implementasi Model YOLO11 untuk Deteksi Alat Pelindung Diri Berbasis Citra Statis Tjoargen Christoper Redja; Rini Mayasari; Riza Ibnu Adam
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.v10i2.7211

Abstract

The use of Personal Protective Equipment (PPE) is a fundamental requirement in ensuring workplace safety, especially in chemical industry environments such as PT Mustika Dipa Lestari. However, manual PPE monitoring systems have significant limitations in consistency, efficiency, and coverage of large work areas. This research aims to develop an automatic detection system using the YOLO11 (You Only Look Once version 11) model based on static images to detect PPE usage among workers in industrial environments. The dataset consists of 406 images collected directly from PT Mustika Dipa Lestari with PPE objects including bouffant caps, laboratory coats, masks, and gloves. Data is divided with a 70:20:10 ratio for training, validation, and testing. Annotation was conducted using the Roboflow platform and the model was trained using the PyTorch framework with Adam optimizer over 150 epochs. Evaluation uses Mean Average Precision (mAP@50), mAP@0.5:0.95, precision, recall, and F1-score metrics. Results show that YOLO11 achieves optimal performance with mAP@50 of 96.91%, mAP@0.5:0.95 of 86.68%, precision of 98.30%, recall of 97.05%, and F1-score of 97.67%, surpassing the minimum business target of 85%. Comparison with YOLOv4 (mAP@50 = 66.47%) and YOLOv5 (mAP@50 = 95.75%) demonstrates YOLO11's superiority on a specialized chemical industry domain dataset.
Prediksi Curah Hujan Kota Bogor Menggunakan Algoritma Random Forest Maesha Ayu Syaharani; Budi Arif Dermawan; Riza Ibnu Adam
Jurnal Sistem Informasi dan Aplikasi (JSIA) Vol 3 No 1 (2025): Vol 3 No 1 (Jurnal Sistem Informasi dan Aplikasi)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/jsia.v3i1.12459

Abstract

Kota Bogor merupakan salah satu wilayah di Indonesia dengan intensitas curah hujan yang tinggi sepanjang tahun. Tingginya curah hujan tersebut menjadi salah satu faktor penyebab terjadinya bencana seperti banjir dan tanah longsor. Pengembangan model prediksi curah hujan menjadi kebutuhan penting untuk mendukung perencanaan dan mitigasi risiko bencana oleh pemerintah daerah Kota Bogor. Penelitian ini bertujuan untuk membangun model prediksi curah hujan harian. Rancangan penelitian menggunakan metodologi Knowledge Discovery in Database (KDD) dengan algoritma Random Forest sebagai metode utama dalam analisis. Model Random Forest diterapkan dengan penyesuaian Quantile Transform dan Grid Search untuk memperoleh nilai parameter terbaik. Hasil penyesuaian menunjukkan bahwa kinerja model optimal dengan bootstrap:True, n_estimators: 500, max_depth: 5, dan max_features: sqrt. Model diuji menggunakan K-Fold Cross Validation pada beberapa nilai K = 3, 5, 7, 10, dan 15 yang diukur berdasarkan selisih antara nilai prediksi dan aktual. Nilai K = 15 menunjukkan tingkat kesalahan terendah dengan RMSE sebesar 21,92 mm dan MAE sebesar 15,21 mm.
Co-Authors Adhi Rizal Alifa Puteri Bilqis Salsabila Altolyto Sitanggang Apriade Voutama Aries Suharso Arnisa Stefanie Azhari Ali Ridha Budi Arif Dermawan Chaerur Rozikin Dadang Yusup Dian Budhi Santoso Endah Purwanti Eri Widianto Fakhri Muhammad Fauzan Haq Garno, Garno Ibrahim Ibrahim Iqbal Maulana Iwansyah Edo Hendarawan Lela Nurpulaela Maesha Ayu Syaharani Muhamad Saenudin Najma Alfisyahrina Najmudin Fauji Ni Luh Bella Dwijaksara Nugraha, Billy Nurani Masyita Ramayanti, Cindi Reni Rahmadewi Reza Rizqi Ramdhani Rika Nursyahfitri Rini Mayasari Sarah Dampang Susilawati Susilawati Tjoargen Christoper Redja Vita Efelina Yuyun Umaidah