Article Per Year (5 Year)
p-Index From 2021 - 2026
3.795
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 JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) 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 Pengabdian Masyarakat Indonesia International Journal Of Computer, Network Security and Information System (IJCONSIST) 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 Jurnal Informatika Dan Tekonologi Komputer
Eka Prakarsa Mandyartha
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities 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 : 33 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 33 Documents
Search

 1   2   3   4 
Analisis Klaster dan Klasifikasi Emosi Dalam Musik K-Pop dengan K-Means dan Algoritma C 4.5 Reyhan Jarsi Yoga; Basuki Rahmat; Eka Prakarsa Mandyartha
Neptunus: Jurnal Ilmu Komputer Dan Teknologi Informasi Vol. 2 No. 3 (2024): Agustus : Jurnal Ilmu Komputer Dan Teknologi Informasi
Publisher : Asosiasi Riset Teknik Elektro dan Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61132/neptunus.v2i3.228

Abstract

The main objectives are to identify emotion patterns hidden in K-Pop music based on audio features extracted from the Spotify API and to build an emotion classification model that can predict the emotions of K-Pop songs.In this approach, the K-Means algorithm is used to cluster K-Pop songs based on audio features such as energy, valence, tempo, danceability, and speechiness. The clustering results reveal several main groups that represent variations in musical characteristics and emotions. Next, the C4.5 algorithm was used to build an emotion classification model based on the clustering results. The C4.5 model showed high performance with accuracy reaching 99.48% on a 90:10 dataset split, 99.21% on an 80:20 split, and 98.95% on a 70:30 split.The Streamlit application was developed to visualize emotion predictions from K-Pop songs with a web-based user interface. In addition, Ngrok was used to provide remote access to this application, allowing users to test and use the application remotely.The results of this study show that the combination of K-Means and C4.5 can effectively cluster and classify emotions in K-Pop music, providing valuable insights into the musical characteristics that influence emotions. This application has the potential to be used in further analysis, development of intelligent features in music applications, and improvement of user experience in listening to K-Pop music.
Penerapan Sentence-Bert dan Cosine Similarity untuk Pencarian Semantik Dokumen Skripsi dalam Format PDF Fathuddin, Muhammad Abdul Hafizh; Mandyartha, Eka Prakarsa; Nurlaili, Afina Lina
Ranah Research : Journal of Multidisciplinary Research and Development Vol. 8 No. 1 (2025): Ranah Research : Journal Of Multidisciplinary Research and Development
Publisher : Dinasti Research

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38035/rrj.v8i1.1865

Abstract

Pencarian dokumen skripsi pada repositori digital umumnya masih terbatas pada pencocokan kata kunci sehingga sering menghasilkan temuan yang kurang relevan. Berdasarkan permasalahan tersebut, penelitian ini bertujuan untuk membangun sistem pencarian semantik dokumen skripsi dalam format PDF dengan memanfaatkan Sentence-BERT (SBERT) dan metode Cosine Similarity yang dipadukan dengan ontologi untuk memperkaya pemahaman makna query. Sistem ini dirancang agar mampu memahami maksud pengguna secara lebih mendalam, baik ketika query diberikan dalam bentuk kata, frasa, kalimat, maupun paragraf. Tahapan penelitian meliputi ekstraksi teks dari dokumen PDF, preprocessing, tokenisasi WordPiece, serta pembentukan vektor representasi kalimat menggunakan SBERT. Skor relevansi dihitung dengan kombinasi bobot cosine similarity (0,7) dan ontologi (0,3) sehingga sistem dapat menampilkan dokumen dengan makna paling mendekati query. Hasil pengujian menunjukkan bahwa sistem mampu memberikan hasil pencarian yang relevan dengan nilai Mean Reciprocal Rank (MRR) konsisten sebesar 1.0 pada semua jenis query. Nilai Precision rata-rata mencapai 0,80 dan Recall rata-rata sebesar 0,92. Perbandingan dengan metode Keyword Matching menunjukkan bahwa metode semantik lebih unggul dengan Precision rata-rata 0,88 dan Recall 0,65 dibandingkan keyword yang hanya mencapai Precision 0,24 dan Recall 0,12. Temuan ini membuktikan bahwa sistem semantik efektif dalam menempatkan dokumen paling relevan di peringkat teratas dan lebih unggul dibandingkan pencarian berbasis kata kunci, meskipun cakupan hasil masih perlu ditingkatkan melalui pengayaan ontologi dan perluasan dataset.
DETECTION OF ACTIONS BISINDO (INDONESIAN SIGN LANGUAGE) INTO TEXT-TO-SPEECH USING LONG SHORT-TERM MEMORY WITH MEDIAPIPE HOLISTICS Agustin, Risda Rosdiana; Maulana, Hendra; Mandyartha, Eka Prakarsa
Jurnal Teknik Informatika (Jutif) Vol. 5 No. 4 (2024): JUTIF Volume 5, Number 4, August 2024
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2024.5.4.1492

Abstract

Sign language is frequently used by those who have difficulty hearing or speaking to communicate. Because it is a non-verbal language that expresses meaning through hand and body gestures, sign language is an essential form of communication for people who rely on it. The objective of this work is to develop a detection that can understand actions made in Indonesian Sign Language (BISINDO), translate them into text, and use speech recognition (Text- to-Speech) to provide audio responses. In particular at Sekolah Luar Biasa, the main objective is to assist and enhance communication among persons with impairments. Long Short-Term Memory (LSTM) and Mediapipe Holistics are use to achieve its objectives. It is demonstrated how LSTM and Mediapipe Holistics enhance performance and accuracy using two different dataset types. The first dataset landmarks created using the Mediapipe Holistics model, while the second dataset provides original shots devoid of landmarks. Batch size and epoch settings are among the many parameters needed for training and testing processes. Model using the landmark-free dataset only manages to reach an accuracy of approximately 89.33%, the model using the landmark with mediapipe of accuracy of about 96.67%. Furthermore, the landmark-based model exhibits strong F1 scores, recall, and precision. The research successfully recognizes a number of BISINDO acts, such as "saya" (I), "kamu" (you), "ayah" (father), "ibu" (mother), and others present in the dataset. On the basis of the gestures it has identified can also make speech.
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.
IMPLEMENTASI METODE K-MEANS DAN HARMONY SEARCH UNTUK MENYEDERHANAKAN DATA PADA CREDIT SCORE Anita Puspitasari; Eka Prakarsa Mandyartha; Muhammad Muharrom Al Haromainy
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 1 (2026): EDISI 27
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i1.6952

Abstract

Credit Score merupakan sebuah penilaian yang digunakan untuk memperkirakan risiko kredit. Penelitian ini dilakukan dengan tujuan untuk menyederhanakan data serta meningkatkan akurasi prediksi pada Credit dengan menggunakan metode K-Means dan Harmony Search. K-Means digunakan untuk mengelompokkan fitur berdasarkan korelasi jarak (Distance -based) guna untuk mengurangi redundansi dan menemukan fitur paling representatif. Selanjutnya, Harmony Search digunakan untuk mencari kombinasi fitur terbaik terhadap target prediksi dengan menyesuaikan kombinasi parameter HMS, HMCR, dan PAR. Untuk evaluasi kinerja model dilakukan menggunakan Linear Regression dengan nilai metrik MAPE, . Hasil penelitian menunjukkan bahwa kombinasi parameter terbaik yaitu HMS = 30, HMCR = 0.7, PAR = 0.1. Hal ini dilihat dari evaluasi kinerja model yang menghasilkan 10 fitur dengan metrik MAPE sebesar 3.4%, dan sebesar 0.84. Metode ini terbukti mampu meningkatkan akurasi dan efisiensi komputasi dibandingkan model tanpa seleksi fitur. Dengan demikian, kombinasi metode K-Means dan Harmony Search terbukti efektif dalam menyederhanakan data serta meningkatkan kinerja model pada Credit Score.
PENGGUNAAN FIREFLY ALGORITHM PADA SUPPORT VECTOR REGRESSION SEBAGAI OPTIMASI PREDIKSI HARGA CLOSE LITECOIN Millani, Alief Indy; Dwi Arman Prasetya; Eka Prakarsa Mandyartha
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 1 (2026): EDISI 27
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i1.6955

Abstract

Altcoin merupakan salah satu investasi dari Cryptocurrency yang sering diminati banyak orang dikarenakan dapat memberikan keuntungan yang besar. Namun, sering kali banyak kesalahan dalam memprediksinya dikarenakan data yang dinamis. Oleh karena penelitian ini bertujuan untuk meningkatkan akurasi prediksi harga altcoin dengan mengoptimalkan parameter Support Vector Regression (SVR) menggunakan Firefly Optimization. Metode ini diterapkan untuk menentukan nilai parameter terbaik, dan  berdasarkan nilai error terkecil. Data yang digunakan merupakan altcoin jenis Litecoin. Evaluasi performa dilakukan menggunakan metrik R², dan MAPE. Hasil penelitian menunjukkan bahwa optimasi dengan Firefly Algorithm mampu meningkatkan performa prediksi secara signifikan dibandingkan SVR tanpa optimasi. Pada Litecoin, MAPE menurun dari 9.20% menjadi 3% dengan R2 dari dari 0.83 menjadi 0.94. Meskipun waktu komputasi meningkat, kombinasi Firefly-SVR terbukti efektif dalam menghasilkan parameter optimal dan meningkatkan akurasi prediksi harga altcoin
Co-Authors Achmad Junaidi Agung Mustika Rizki, Agung Mustika Agung Subekti, Mohamad Rafli Agustin, Risda Rosdiana Akbar, Fawwaz Ali Anggraini Puspita Sari Ani Dijah Rahajoe Anita Puspitasari Basuki Rahmat Chastine Fatichah Dwi Arman Prasetya 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 Margarita, Devina Maulana, Hendra Maulana, Raihan Thobie Nabil Millani, Alief Indy Muchammad Kurniawan Muhammad Azka Zaki Muhammad Muharrom Al Haromainy Nurlaili, Afina Lina Pratama Wirya Atmaja Ramadhan, Ike Reyhan Jarsi Yoga Rizal Setya Perdana Sadrai, Maharani Putri Serlynda Dwi Rosalina Sri Indrawanti, Annisaa Sri Wibawani, Sri Subairi Subairi Sugiarto Syahrul Hidayat Taufikurrahman Taufikurrahman Utami, Hapsari Wiji Wibisono, Al Danny Rian Yisti Vita Via Yudha K., Dhian Satria