Article Per Year (5 Year)
p-Index From 2021 - 2026
3.03
P-Index
This Author published in this journals
All Journal Jurnal Buana Informatika Jurnal Informatika dan Teknik Elektro Terapan INTEGER: Journal of Information Technology JURNAL MEDIA INFORMATIKA BUDIDARMA Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Jusikom: Jurnal Sistem Informasi Ilmu Komputer ILKOMNIKA: Journal of Computer Science and Applied Informatics Journal Cerita: Creative Education of Research in Information Technology and Artificial Informatics Jifosi Letters in Information Technology Education (LITE) Nusantara Science and Technology Proceedings Jurnal Teknik Informatika (JUTIF) Jurnal Informatika Teknologi dan Sains (Jinteks) Ranah Research : Journal of Multidisciplinary Research and Development Jurnal Riset Multidisiplin dan Inovasi Teknologi Merkurius: Jurnal Riset Sistem Informasi dan Teknik Informatika Neptunus: Jurnal Ilmu Komputer dan Teknologi Informasi
Eka Prakarsa Mandyartha
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Chemical Engineering, Chemistry & Bioengineering 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 Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Medicine & Pharmacology Public Health Social Sciences Transportation Other

Published : 27 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 27 Documents
Search

 1   2   3 
IMPLEMENTASI K-MEANS CLUSTERING DALAM SEGMENTASI PELANGGAN BERDASARKAN USIA, PENDAPATAN, DAN MODEL RFM (STUDI KASUS: LANTIKYA STORE JOMBANG) kristanti, beni tiyas; Junaidi, Achmad; Mandyartha, Eka Prakarsa
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.v12i3.4677

Abstract

Lantikya Store Jombang merupakan salah satu toko retail di Kabupaten Jombang yang belum menerapkan strategi pemasaran yang memberikan pelayanan yang berbeda berdasarkan karakteristik dan tipe pelanggan. Segmentasi pelanggan adalah proses membagi pelanggan kedalam kelompok berdasarkan karakteristik atau perilaku yang berbeda untuk menunjukkan tingkat keragaman di antara pelanggan. Karakteristik dan perilaku pelanggan dilihat berdasarkan usia, pendapatan, rencency (terakhir melakukan transaksi), frequency (jumlah kedatangan), dan monetery (jumlah uang yang dikeluarkan) atau disebut dengan RFM (Rencency, Frequency, dan Monetery). Pengelompokkan dilakukan dengan salah satu algoritma yaitu K-Means dengan jumlah data yaitu 1140 data. Pada penelitian ini menghasilkan 4 kelompok berdasarkan perbandingan hasil dari metode pencarian kelompok yaitu elbow method, silhouette method, dan gap statistic. Analisis yang dilakukan untuk menyususun startegi pemasaran dihitung berdasarkan nilai variabel dengan metode Analytic Hierarchy Process (AHP) dan Customer Lifetime Value (CLV). Karakteristik dan tipe pelanggan yang dihasilkan dari 4 kelompok pelanggan yaitu usia generasi milenial yang memiliki pendapatan tinggi dengan tipe pelanggan untuk retensi umum dan pelanggan bernilai penting, serta usia generasi Z yang memiliki pendapatan rendah dengan tipe pelanggan untuk pengembangn umum dan pelanggan yang hilang.
SEGMENTASI SEL PAP SMEAR SERVIKS BERTUMPUK MENGGUNAKAN LOCAL ADAPTIVE THRESHOLDING DAN WATERSHED Lutfia, Qonita; Mandyartha, Eka Prakarsa; Rizki, Agung Mustika
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.v12i3.4811

Abstract

Kanker serviks merupakan ancaman kesehatan global serius, dengan WHO melaporkan sekitar 604.000 kasus baru dan 342.000 kematian pada tahun 2020. Penelitian ini mengeksplorasi kombinasi metode local adaptive threshold dan segmentasi watershed untuk meningkatkan akurasi deteksi dini kanker serviks dengan lebih akurat mengidentifikasi sel-sel yang saling tumpang tindih pada Pap Smear. Metode Local Adaptive Threshold menyesuaikan nilai ambang berdasarkan karakteristik lokal gambar, dan segmentasi watershed diaplikasikan untuk memisahkan sel-sel yang saling tumpang tindih. Kombinasi ini menunjukkan hasil yang menjanjikan dalam meningkatkan efisiensi dan akurasi skrining kanker serviks, mendukung strategi WHO untuk eliminasi kanker serviks. Namun, adopsinya menghadapi tantangan di negara berkembang karena keterbatasan sumber daya dan kesenjangan digital. Tes menggunakan K-Fold Cross Validation (5 dan 7) menunjukkan akurasi 90.93% untuk k=5, dengan rata-rata precision 97.97%, recall 49.22%, dan F1-Score 65.50%. Pada k=7, hasil sedikit meningkat dengan precision 97.99%, recall 49.24%, dan F1-Score 65.53%. Rata-rata PSNR adalah 43.4341 dB dan MSE 3.45061, menegaskan efektivitas metode.Kata Kunci: Local Adaptive Thresholding, Watershed, Cervical Cancer, Pap Smear
PENERAPAN HOLT-WINTERS UNTUK PERAMALAN HARGA BERAS DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN TIME SERIES Isnaini, Frisda Dita; Via, Yisti Vita; Mandyartha, Eka Prakarsa
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.v12i3.4890

Abstract

Beras adalah makanan pokok mayoritas masyarakat Indonesia, dengan padi sawah sebagai komoditas utama. Pada 2024, harga beras mencapai Rp19.550 di seluruh Indonesia, termasuk Jawa Timur, karena masa paceklik. Pola pergerakan harga beras penting untuk diketahui guna membantu pengambil kebijakan dan petani dalam menjaga stabilitas harga. Penelitian ini bertujuan memodelkan peramalan harga beras di 20 wilayah Provinsi Jawa Timur dari 2017 – 2023 menggunakan Holt-Winters Exponential Smoothing, yang mempertimbangkan komponen level, tren, dan musiman. Hasil penelitian menunjukkan harga beras cenderung naik saat pergantian tahun dan menurun di pertengahan tahun. Pengujian dilakukan dengan K-Fold (k = 3 dan k = 5) dan menguji rentang parameter alpha, beta, dan gamma dari 0,1 – 0,9 dan 0,01 – 0,9. Parameter optimal ditemukan pada nilai alpha 0,9, beta 0,01, dan gamma 0,9 dengan k = 5. Model ini menghasilkan nilai error MAPE terbaik di Banyuwangi sebesar 0,03%.
Pembuatan Website Crowdfunding Terintegrasi Payment Gateway Menggunakan Vue.js Fedianto, Muhammad Helmi Satria; Mandyartha, Eka Prakarsa
INTEGER: Journal of Information Technology Vol 7, No 2 (2022): September
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.integer.2022.v7i2.3276

Abstract

Dengan adanya coronavirus atau COVID-19 di Indonesia menyebabkan pandemi yang berdampak buruk bagi kelangsungan hidup masyarakat Indonesia karena terganggunya sektor perekonomian dan ketenagakerjaan. Dampak tersebut mengakibatkan PHK massal oleh perusahaan dan tidak sedikit dari masyarakat yang tidak mendapatkan kehidupan layak karena kesulitan mendapatkan asupan untuk bertahan hidup. Bantuan dana sangat diperlukan demi membantu kelangsungan hidup masyarakat yang terdampak pandemi. Karena faktor tersebut dibuatlah Website Crowdfunding bernama BeriRezeki yang berguna sebagai penyedia platform donasi agar para donatur dapat memberikan bantuan berupa e-money yang akan disalurkan kepada masyarakat yang berhak menerimanya. Website BeriRezeki dibangun dengan menggunakan framework Vue.js yang terintegrasi dengan Midtrans sebagai penyedia payment gateway agar proses transaksi menjadi lebih cepat, mudah, dan praktis.
Optimasi Hyperparameter Model GRU untuk Prediksi Harga Saham ANTM Subairi, Subairi; Sari, Anggraini Puspita; Mandyartha, Eka Prakarsa
ILKOMNIKA Vol 7 No 3 (2025): Volume 7, Number 3, December 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v7i3.817

Abstract

Prediksi harga saham berperan penting meminimalisir kerugian akibat fluktuasi harga saham. Penelitian ini bertujuan untuk meningkatkan akurasi prediksi harga saham PT Aneka Tambang Tbk (ANTM) menggunakan model Gated Recurrent Unit (GRU) dengan optimasi hyperparameter melalui metode Grid Search. Model GRU dipilih karena mampu mengatasi permasalahan vanishing gradient dan efektif dalam mempelajari pola ketergantungan jangka panjang pada data deret waktu walaupun dengan arsitektur yang sederhana. Sementara itu, Grid Search digunakan karena memiliki keunggulan dalam menjelajahi ruang hyperparameter secara menyeluruh, sehingga setiap kombinasi parameter dapat diuji dan memungkinkan diperolehnya konfigurasi terbaik. Proses Grid Search dilakukan dengan ruang pencarian hyperparameter yang mencakup jumlah units, jumlah epoch, ukuran batch, serta variasi optimizer. Keunggulan utama penelitian ini terletak pada penerapan optimasi hyperparameter yang mampu meningkatkan efektivitas model GRU dalam menemukan konfigurasi terbaik, sehingga menghasilkan prediksi harga saham yang lebih akurat dan stabil. Evaluasi kinerja model menggunakan metrik RMSE, MAE, MAPE. Hasil penelitian menunjukkan bahwa model GRU dengan optimasi Grid Search menggunakan optimizer Adam memberikan performa yang optimal dengan nilai evaluasi RMSE sebesar 67.8805, MAE sebesar 45.6501, dan MAPE sebesar 2.2309%. Temuan ini membuktikan bahwa optimasi hyperparameter melalui Grid Search mampu meningkatkan akurasi prediksi model GRU pada data harga saham.
Optimizing MobileNetV2 Using Transfer Learning and Fine-Tuning Techniques for Lung Cancer Classification Rozi, Atiqur; Puspaningrum, Eva Yulia; mandyartha, Eka Prakarsa
ILKOMNIKA Vol 8 No 1 (2026): Volume 8, Number 1, April 2026
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v8i1.871

Abstract

Lung cancer remains one of the leading causes of mortality worldwide, highlighting the importance of early and accurate detection. This study proposes a deep learning-based approach for lung cancer classification using the MobileNetV2 architecture on CT-scan images. Two experimental scenarios were investigated: transfer learning with a frozen base model and fine-tuning by unfreezing selected layers. The dataset was compiled from publicly available sources and balanced to address class imbalance. The model was trained using the Stochastic Gradient Descent (SGD) optimizer and evaluated using accuracy, precision, recall, and F1-score. The results demonstrate that the fine-tuning strategy achieves superior performance across most evaluation metrics compared to transfer learning. In particular, recall shows a significant improvement, indicating enhanced capability in detecting positive cancer cases, although accompanied by a slight decrease in precision. The F1-score also improves, reflecting a better balance between precision and recall. These findings suggest that fine-tuning enhances feature representation and improves classification performance within the experimental setting. However, the results are limited to the dataset used in this study, and further validation on larger and clinically representative datasets is required before considering real-world medical applications.
PENDEKATAN ENSEMBLE VISION TRANSFORMER – DENSENET121 DALAM KLASIFIKASI LUMPY SKIN DISEASE PADA SAPI Ama Maulidatul Khairah; Eka Prakarsa Mandyartha; Eva Yulia Puspaningrum
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 2 (2026): EDISI 28
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i2.7402

Abstract

Lumpy Skin Disease (LSD) adalah penyakit menular pada sapi yang berdampak pada produktivitas dan nilai ekonomi peternakan. Di sisi lain, metode identifikasi konvensional masih membutuhkan proses yang relatif lama serta biaya yang tidak sedikit.. Tujuan dari penelitian ini adalah untuk mengklasifikasikan LSD pada sapi berbasis citra digital menggunakan model ensemble Vision Transformer dan DenseNet121 dengan pendekatan transfer learning. Data yang digunakan berjumlah 1360 citra yang dipisahkan ke dalam dua kelas, yaitu normal dan lumpy skin. Proses pelatihan dan evaluasi menggunakan K-Fold Cross Validation, optimasi bobot ensemble dilakukan dengan Grid Search. Hasil pengujian menunjukkan bahwa model ensemble mampu memberikan performa lebih baik dibandingkan model tunggal, dengan nilai akurasi 91.10%, precision 91.11%, recall 91.10%, dan F1 – score 91.10%. Hasil ini menunjukkan bahwa kombinasi fitur global dan lokal mampu meningkatkan performa klasifikasi. Dengan demikian, model yang diusulkan berpotensi sebagai solusi deteksi dini LSD pada sapi berbasis citra digital yang lebih cepat dan efisien.
Co-Authors Achmad Junaidi Agung Mustika Rizki, Agung Mustika Agung Subekti, Mohamad Rafli Agustin, Risda Rosdiana Ama Maulidatul Khairah Anggraini Puspita Sari Ani Dijah Rahajoe Basuki Rahmat Chastine Fatichah Eliza, Nidya Eriyansyah Yusuf Suwandana Eva Yulia Puspaningrum Fathuddin, Muhammad Abdul Hafizh Fedianto, Muhammad Helmi Satria Firza Prima Aditiawan Gusti Eka Yuliastuti Hermadiputri, Firdausa Yasmin indrawanti, annisaa sri Intan Yuniar Purbasari Isnaini, Frisda Dita Kamila, Shaffa Cahya kristanti, beni tiyas Lutfia, Qonita Maulana, Hendra Maulana, Raihan Thobie Nabil Muchammad Kurniawan Nurlaili, Afina Lina Pratama Wirya Atmaja Ramadhan, Ike Reyhan Jarsi Yoga Rizal Setya Perdana Rozi, Atiqur Sadrai, Maharani Putri Serlynda Dwi Rosalina Sri Wibawani Subairi Subairi Sugiarto Syahrul Hidayat Taufikurrahman Taufikurrahman Utami, Hapsari Wiji Yisti Vita Via Yudha K., Dhian Satria