Article Per Year (5 Year)
p-Index From 2021 - 2026
3.484
P-Index
This Author published in this journals
All Journal Jurnal Edukasi dan Penelitian Informatika (JEPIN) Infotek : Jurnal Informatika dan Teknologi Jurnal Teknologi Informatika dan Komputer International Research on Big-data and Computer Technology (IRobot) Journal Computer Science and Informatic Systems : J-Cosys International Journal Software Engineering and Computer Science (IJSECS) Ilmu Komputer untuk Masyarakat SIENNA Jurnal Masyarakat Madani Indonesia Jurnal TAM (Technology Acceptance Model)
Perdana, Andreas
Universitas Dharma Wacana
Humanities Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Public Health Social Sciences Other

Published : 28 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 28 Documents
Search

 1   2   3 
Prediksi Kebutuhan Hidup Minimum/Layak Menggunakan Metode Autogresive Integrated Moving Average (ARIMA) Marcelli, Vanessa; Perdana, Andreas
Jurnal Teknologi Informatika dan Komputer Vol. 9 No. 2 (2023): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v9i2.1741

Abstract

Badan Pusat Statistik (BPS) Provinsi Lampung berperan dalam penentuan Standar Kebutuhan Hidup Minimum/Layak (KHL) sebagai tolok ukur dan untuk menegakkan tanggung jawab pekerjaan/birokrasi. Penentuan standar KHL tersebut sangat diperlukan dalam menentukan kebutuhan hidup minimum. Penentuan standar KHL harus mencakup ketentuan KHL dan komponen yang ada dalam aturan undang-undang. Dalam hal penyusunan komponen KHL, hal ini dilakukan selama 5 (lima) tahun dengan melakukan survei pasar setiap minggunya. Metode Autogresive Integrated Moving Average (ARIMA) menggunakan peramalan dengan teknik perekaman historis dari kumpulan data variabel di masa lalu, dengan mengidentifikasi pola deret waktu tersebut dapat memberikan ketepatan peramalan yang sangat akurat. Metode ARIMA memiliki tiga tahap: tahap identifikasi, tahap pengukuran dan pengujian, dan pemeriksaan diagnostik. Berdasarkan hasil penelitian ini dapat ditarik kesimpulan bahwa dalam peramalan jangka pendek, metode ARIMA sangat bisa diandalkan sebagaimana hasil uji metode penelitian ini yang menggunakan metode AR(1), MA(1), dan ARIMA(1.1.1). Dari ketiga model tersebut data yang diperoleh semuanya signifikan dan residualnya sudah white noise maka dapat disimpulkan bahwa modelnya dapat dikatakan baik. Pada tahun 2020 terdapat nilai peramalan tertinggi untuk Kebutuhan Hidup Minimum/Layak Provinsi Lampung yaitu senilai Rp. 2.005.646. Metode forecasting menggunakan ARIMA dapat menjadi salah satu metode peramalan Kebutuhan Hidup Minimum/Layak Provinsi Lampung, sehingga dapat membantu pemerintah Provinsi Lampung dalam menentukan kebijakan selanjutnya.
Analisis Perbandingan Metode Certainty Factor Dan Demster Shafer Pada Diagnosa Penyakit Mata Markus, Tamara Bertha; Ikhsanto, M. Nur; Perdana, Andreas
Journal Computer Science and Information Systems : J-Cosys Vol 3, No 2 (2023): J-Cosys - September 2023
Publisher : Universitas Dharma Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53514/jco.v3i2.419

Abstract

Katarak merupakan kekeruhan pada lensa mata yang berada didalam bola mata. Kekeruhan lensa atau katarak akan mengakibatkan cahaya terhalang untuk masuk kedalam mata sehingga daya penglihatan menjadi menurun. Penelitian ini sendiri bertujuan untuk mendiagnosa penyakit katarak dengan sistem pakar berdasarkan  metode Demster- Shafer dan metode Certainty-Factor pada Rumah Sakit Ahmad Yani Metro. sistem aplikasi diagnosa yang digunakan dalam pembuatan sistem pakar menggunakan metode agar dapat melakukan proses yang memperhitungkan hasil diagnosa pada sistem pakar. Metode yang digunakan pada diagnosa penyakit yaitu seperti  Demster-Shafer dan Certainty-Factor, pada penelitian ini metode tersebut dibandingkan secara kuantitatif yaitu dengan teori Confusion Matrix yang diambil dari hasil perhitungan dari kejadian gejala penyakit dan dinilai berdasarkan keyakinan dari pengetahuan pakar
Sentiment Analysis of Public Comments on YouTube Regarding the Inaugural Speech of the 8th President of Indonesia Using VADER and BERT Methods Alwi Ahmad Bastian; Andreas Perdana
International Journal Software Engineering and Computer Science (IJSECS) Vol. 5 No. 1 (2025): APRIL 2025
Publisher : Lembaga Komunitas Informasi Teknologi Aceh (KITA)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35870/ijsecs.v5i1.3472

Abstract

The research examines public reactions toward President Prabowo Subianto first presidential address in 2024 by studying YouTube comment sentiments. By utilizing sentiment analysis methods, this research combines two main approaches: The research combines VADER (Valence Aware Dictionary and Sentiment Reasoner) for initial sentiment labeling through predefined dictionary categories with BERT (Bidirectional Encoder Representations from Transformers) for more advanced classification. The dataset contains 10,306 comments which display a range of public opinions. Positive sentiment represents 4,943 comments which make up 49.26% of the total while neutral sentiment accounts for 4,336 comments at 43.21% and negative sentiment represents 756 comments at 7.53%. The BERT model reached an accuracy level of 97.01% which illustrates its capability to process contextual details and subtle data elements. VADER delivers rapid preliminary labeling results and BERT improves classification precision through its analysis of complex contexts. The study reveals how people perceive the new government while providing chances for creating public opinion monitoring techniques for social and political topics. Researchers, academics, and policymakers will find these findings valuable for comprehending public opinion dynamics during the digital age's continuous evolution
Forecasting Chili Prices in Metro City Using Long Short-Term Memory (LSTM) Gusti Made Gunadi; Andreas Perdana
International Journal Software Engineering and Computer Science (IJSECS) Vol. 5 No. 1 (2025): APRIL 2025
Publisher : Lembaga Komunitas Informasi Teknologi Aceh (KITA)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35870/ijsecs.v5i1.3526

Abstract

Cayenne pepper is one of the important commodities in the staple market in Indonesia which has a vital role in people's daily lives. Fluctuations in the price of cayenne pepper are often a challenge that impacts farmers and consumers, causing uncertainty in production and distribution planning. This research aims to develop a cayenne pepper price prediction model using the Long Short-Term Memory (LSTM) method, utilizing historical data from the data.metrokota.go.id portal for the period October 2023 to October 2024. By using LSTM, this model successfully captures long-term patterns in cayenne price data, with a Final Validation Loss of 0.00249 which indicates a high level of accuracy. The prediction results are expected to help farmers determine the optimal selling time, traders in managing stocks efficiently, and policy makers in formulating strategies to mitigate the impact of price fluctuations. In addition, this study highlights practical implications for stabilizing commodity markets, particularly in Metro City, as well as the relevance of these findings to be applied to other agricultural commodities.
Analisis Sentimen Masyarakat terhadap Kebijakan Penggunaan BBM Campuran Etanol di X (Twitter) Menggunakan Transformers (IndoBERT) Arraffy Abbyu Arrasyid; Andreas Perdana
Sienna Vol 7 No 1 (2026): Sienna Volume 7 Nomor 1 Juli 2026
Publisher : LPPM Universitas Muhammadiyah Kotabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47637/sienna.v7i1.2321

Abstract

Abstrak The transition toward sustainable energy has become a strategic priority for Indonesia, particularly through the implementation of bioethanol-blended fuel policies. However, public perception toward this policy remains diverse and dynamic, especially as expressed on social media platforms. This study aims to analyze public sentiment regarding the implementation of bioethanol-blended fuel (E10) policies on X (Twitter) and to compare the performance of traditional machine learning and Transformer-based models in sentiment classification. This research adopts a quantitative experimental approach using Natural Language Processing (NLP) techniques. A total of 2,501 tweets were collected through web crawling and processed using a Dual Pipeline Preprocessing approach. Sentiment labeling was conducted using the VADER method with manual validation. Two classification models were implemented, namely Support Vector Machine (SVM) as the baseline model and IndoBERT as the Transformer-based model. Model performance was evaluated using accuracy, precision, recall, and F1-score metrics. The results indicate that the IndoBERT model outperforms SVM, achieving an accuracy of 81.64% and an F1-score of 81.39%, compared to SVM with an accuracy of 72.46% and an F1-score of 72.02%. The performance improvement of 9.18% demonstrates the superiority of Transformer-based models in capturing contextual semantics in unstructured social media text. In addition, sentiment analysis results reveal that public opinion is predominantly positive toward the policy, although concerns regarding technical and economic aspects remain. This study contributes by providing empirical insights into public perception of energy policy and demonstrating the effectiveness of Transformer-based models for sentiment analysis in the Indonesian language context
Evaluasi Performa Random Forest Dengan Penyesuaian Threshold Klasifikasi Pada Prediksi Penyakit Jantung Lidya Shafadhila; Andreas Perdana
Infotek: Jurnal Informatika dan Teknologi Vol. 9 No. 2 (2026): Infotek : Jurnal Informatika dan Teknologi
Publisher : Fakultas Teknik Universitas Hamzanwadi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29408/jit.v9i2.34799

Abstract

Heart disease remains one of the leading causes of death worldwide, necessitating an accurate prediction system to support early detection. This study aims to evaluate the performance of the Random Forest algorithm in predicting heart disease through the application of a threshold adjustment method. This research implements a Youden Index-based threshold adjustment, tested on the Statlog and Cleveland datasets, to assess the consistency of model performance across different data characteristics that share similar features. This method is utilized to determine the optimal threshold to achieve the best balance between recall and specificity. Additionally, the study analyzes the impact of threshold variations on accuracy, recall, specificity, and F1-score metrics to minimize false-negative errors and enhance the clinical relevance of the prediction results. Testing was conducted using the Cleveland Heart Disease Dataset and the Statlog Heart Disease Dataset with stratified sampling techniques. The results demonstrate that threshold adjustment significantly improves classification performance. The Cleveland dataset yielded an accuracy of 0.867, a recall of 0.893, and a Youden Index of 0.737 at an optimal threshold of 4.0, while the Statlog dataset achieved an accuracy of 0.833, a recall of 0.833, and a Youden Index of 0.667 at a threshold of 5.0. Overall, the combination of Random Forest and threshold adjustment proven to be effective in improving the quality of heart disease predictions.
Evaluasi Lintas Domain Deteksi Sarkasme Bahasa Indonesia: Pendekatan Hybrid IndoBERT dan Fitur Pragmatis Perdana, Andreas; Sugandi, Febri; Raihannicko, Ar-roqiib’u
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol. 12 No. 1 (2026): Volume 12 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v12i1.102465

Abstract

Deteksi sarkasme dalam teks berbahasa Indonesia masih menjadi tantangan dalam pemrosesan bahasa alami (NLP), terutama pada media sosial yang kaya ekspresi pragmatis. Studi ini mengusulkan pendekatan hybrid yang mengintegrasikan model IndoBERT dengan empat kelompok fitur pragmatis, yaitu emoji, tipografi, tanda baca ekspresif, dan pola leksikal seperti intensifier dan hiperbola, untuk meningkatkan akurasi deteksi sarkasme. Evaluasi dilakukan pada dua domain media sosial, yaitu Twitter dan Reddit Indonesia. Pada domain Twitter, model hybrid meningkatkan F1-Score secara numerik dari 71.60% menjadi 72.35%. Namun, uji McNemar dengan tingkat signifikansi α = 0.05 menunjukkan bahwa perbedaan performa keseluruhan tidak signifikan secara statistik, meskipun terjadi peningkatan Recall yang signifikan secara numerik. Sebaliknya, pada domain Reddit, model baseline IndoBERT menunjukkan performa yang lebih baik dengan perbedaan yang signifikan secara statistik berdasarkan uji McNemar pada α = 0.05. Analisis kesalahan menunjukkan bahwa fitur pragmatis efektif dalam menangkap sarkasme yang bersifat eksplisit, tetapi kurang optimal untuk sarkasme yang lebih implisit dan kontekstual. Temuan ini menunjukkan bahwa integrasi fitur linguistik pragmatis dapat menjadi pelengkap penting bagi model transformer dalam sistem NLP berbahasa Indonesia, khususnya pada domain dengan ekspresi sarkasme yang lebih eksplisit serta untuk aplikasi seperti moderasi konten dan chatbot sosial.
Diversifikasi Inovasi Rasa dan Rebranding Kemasan Keripik Pisang Sumberejo Titin Rosdyanti; Elita Yuni Setiyarini; Andreas Perdana; Sita Muharni; Zidan Danida Aprianto; Selvi Puspita Sari
Jurnal Masyarakat Madani Indonesia Vol. 5 No. 4 (2026): November (In Progress)
Publisher : Alesha Media Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59025/ty74rp81

Abstract

Usaha keripik pisang Sumberejo menghadapi keterbatasan diferensiasi rasa dan kemasan yang belum mampu menampilkan identitas produk secara kuat. Kegiatan pengabdian ini bertujuan meningkatkan kesiapan produk dan kapasitas mitra melalui diversifikasi rasa dan perancangan ulang kemasan. Program menggunakan pendekatan Participatory Action Research yang mencakup diagnosis kebutuhan, ko-desain solusi, pelatihan, uji produksi, evaluasi, dan tindak lanjut. Intervensi menghasilkan dua formulasi rasa, yaitu cokelat dan matcha, serta satu purwarupa kemasan standing pouch transparan berpenutup ziplock dengan sistem label yang seragam. Observasi proses menunjukkan bahwa mitra dapat mempraktikkan teknik pelapisan bumbu dan pengemasan ulang secara mandiri pada tahap uji produksi. Seluruh target luaran teknis berupa formulasi rasa dan purwarupa kemasan terealisasi, tetapi dampak ekonomi belum dapat dinyatakan secara kausal karena data penjualan, omzet, dan uji konsumen longitudinal belum tersedia secara lengkap. Integrasi inovasi produk dan identitas visual memperkuat kesiapan keripik pisang untuk dipasarkan secara lebih profesional. Monitoring penjualan, standardisasi formula, dan pemenuhan legalitas pangan diperlukan untuk memastikan keberlanjutan program.
Co-Authors ., Rusliyawati Adi Wibowo Alwi Ahmad Bastian Apri Candra Widyawati Apsiswanto, Untoro Ari Setiawan Arraffy Abbyu Arrasyid Budi Sutomo Budi Sutomo Doni andrian Dwi Hendriyanto Elita Yuni Setiyarini Eriyani, Nurul Fitri, Aulia Alqusyah Gusti Made Gunadi Iin Marlina Ikhsanto, M Nur Ikhsanto, M. Nur Khoiriyah, Mafiqotul Kurnia Muludi Lia Aprita Lidya Shafadhila M Nur Ikhsanto Marcelli, Vanessa Markus, Tamara Bertha Muhammad Briliantino Muharni, Sita Nawawi, Ison Alvian Nofisa, Hendri Pusfitasari, Desi Putri, Regita Andini Raihannicko, Ar-roqiib’u Ridwan Yusuf Saputri, Tri Aristy Selvi Puspita Sari Sugandi, Febri Sulistiyanto Sulistiyanto Titin Rosdyanti Vanessa Marcelli Wilda Yulianti Y. Suhendro Zidan Danida Aprianto