Article Per Year (5 Year)
p-Index From 2021 - 2026
5.653
P-Index
This Author published in this journals
All Journal Jurnal sistem informasi, Teknologi informasi dan komputer Jurnal INSYPRO (Information System and Processing) METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi Jurnal Soshum Insentif Aptisi Transactions on Technopreneurship (ATT) Journal of Information Systems and Informatics JSR : Jaringan Sistem Informasi Robotik JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Ilmiah Intech : Information Technology Journal of UMUS Jurnal Ekonomi Bisnis Dan Industri (EBI) Jurnal Digit : Digital of Information Technology IAIC Transactions on Sustainable Digital Innovation (ITSDI) Teknik: Jurnal Ilmu Teknik dan Informatika Jurnal Sisfotek Global Jurnal Teknologi Sistem Informasi Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Jurnal Masyarakat Indonesia Journal of Community Empowerment and Innovation Journal of Artificial Intelligence and Digital Business Jurnal Manajemen Sistem Informasi Journal of Data Mining and Information Systems
Muhammad Hatta
Universitas Catur Insan Cendekia
Arts Humanities Automotive Engineering 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 Engineering Environmental Science Industrial & Manufacturing Engineering Library & Information Science Materials Science & Nanotechnology Mathematics Public Health Social Sciences

Published : 46 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 46 Documents
Search

 1   2   3   4   5 
Actor-Critic Reinforcement Learning for Personalized STEM Learning Path Optimization Hatta, Muhammad; Magdalena, Lena; Putra, Dwi Pasha Anggara; Runa, Yohanes Michael Fouk; Irfansyah, Ananda; Valentino, Fernando
Journal of Information System and Informatics Vol 7 No 3 (2025): September
Publisher : Universitas Bina Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51519/journalisi.v7i3.1270

Abstract

This study addresses the critical need for adaptive learning in non-formal education settings, particularly Community Learning Centres (PKBM) in Indonesia, where student heterogeneity and limited resources challenge conventional teaching methods. We developed a personalized learning path optimization model using Actor-Critic Reinforcement Learning (RL) to enhance STEM competency development. The novel framework integrates cognitive, affective, and personality features to dynamically adjust material difficulty based on real-time analysis of student cognitive states (quiz performance, completion rate) and affective conditions (emotional level), moving beyond static predictive approaches. Experimental results on a synthetic dataset demonstrate that the Actor-Critic agent achieves statistically significant higher rewards (-2.92 vs -3.01, p<0.05) and greater output stability compared to a random baseline. Although the absolute reward difference is modest, it reflects more consistent adaptive policy performance, despite limited effect size (Cohen's d=0.0317). Feature importance analysis confirms that quiz_score and emotion_level are the dominant factors influencing adaptive recommendations, while personality traits show negligible impact. The framework offers a viable pathway for scalable, personalized learning in resource-constrained environments. Future work should validate the model with real-world student data and refine reward functions to strengthen practical impact.
Implementasi Sistem Prediksi Pendapatan Penjualan Susu Kemasan Menggunakan Metode Regresi Linier Berganda Renaldi, Refan; Magdalena, Lena; Hatta, Muhammad
JSR : Jaringan Sistem Informasi Robotik Vol 9, No 2 (2025): JSR:Jaringan Sistem Informasi Robotik
Publisher : AMIK Mitra Gama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58486/jsr.v9i2.555

Abstract

Industri susu kemasan di Indonesia mengalami perkembangan signifikan seiring meningkatnya kesadaran masyarakat akan pentingnya asupan nutrisi. CV Cita Nasional sebagai produsen susu kemasan menghadapi tantangan dalam memprediksi penjualan secara akurat di wilayah Jawa Barat. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem prediksi penjualan menggunakan metode Regresi Linier Berganda berbasis web. Data penjualan selama 24 bulan (Januari 2023 - Desember 2024) dari enam wilayah distribusi dianalisis dengan variabel independen meliputi Cup, Pp, Mp, Ygt, Y Btl, Spm-c-s, Ppm serta transformasi musiman Month_Sin dan Month_Cos. Implementasi sistem menggunakan framework Laravel untuk backend dan frontend, serta Python untuk pemodelan. Hasil evaluasi model menunjukkan MAE sebesar 0,0250, MSE 0,0011, RMSE 0,0334, dan MAPE 11,71% pada data testing, yang mengindikasikan akurasi prediksi yang baik. Sistem berhasil mengidentifikasi variabel Spm-c-s sebagai faktor terkuat dengan korelasi 0,9542 terhadap pendapatan. Penelitian ini memberikan kontribusi dalam bentuk sistem prediksi yang dapat membantu optimalisasi perencanaan produksi dan distribusi.
ANALISIS SENTIMEN APLIKASI PADI UMKM DENGAN PENINGKATAN KINERJA ALGORITMA KNN Febima, Mesi; Solihin, Unang; Magdalena, Lena; Hatta, Muhammad; Asfi, Marsani; Christina, Stefanny
Jurnal Digit : Digital of Information Technology Vol 15, No 2 (2025)
Publisher : Universitas Catur Insan Cendekia (CIC) Cirebon

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51920/jd.v15i2.446

Abstract

Dalam era digital, Usaha Mikro, Kecil, dan Menengah (UMKM) dituntut untuk memanfaatkan teknologi guna memperluas pasar dan meningkatkan daya saing. Salah satu inovasi yang mendukung hal tersebut adalah aplikasi PaDi UMKM, platform hasil inisiatif Kementerian BUMN yang mempertemukan BUMN dengan produk-produk berkualitas dari UMKM di seluruh Indonesia. Keberhasilan aplikasi ini tidak hanya ditentukan oleh fungsionalitasnya, tetapi juga oleh persepsi dan pengalaman pengguna yang tercermin melalui ulasan di Google Playstore. Untuk memahami persepsi tersebut, dilakukan analisis sentimen menggunakan pendekatan Natural Language Processing (NLP) dan pembelajaran mesin. Penelitian ini bertujuan untuk menganalisis sentimen positif dan negatif terhadap aplikasi PaDi UMKM dengan membandingkan performa algoritma K-Nearest Neighbor (KNN) dan Improved K-Nearest Neighbor (IKNN). Proses penelitian meliputi pengumpulan data ulasan, praproses teks, pembagian data latih dan uji, penerapan algoritma, serta evaluasi hasil klasifikasi menggunakan confusion matrix. Berdasarkan hasil confusion matrix, nilai K = 5 memberikan performa terbaik dibandingkan K = 3, K = 7, dan K = 9, dilihat dari peningkatan nilai Precision 50 % positif dan 67% negatif, Recall 80% positif dan 33% negatif, F1-Score 62% positif dan 44% neagtif, dan Accuracy 10% positif dan 12 negatif. Sebaliknya, algoritma IKNN menunjukkan peningkatan kinerja yang signifikan dengan nilai Precision, Recall, F1-Score, dan Accuracy mencapai 100% pada seluruh variasi K. Hal ini membuktikan bahwa peningkatan metode KNN melalui pendekatan IKNN mampu menghasilkan klasifikasi sentimen yang jauh lebih akurat dan konsisten. Dengan demikian, IKNN terbukti lebih efektif dan dapat menjadi acuan dalam pengembangan sistem analisis sentimen berbasis kecerdasan buatan di masa mendatang  Kata kunci: PaDi, UMKM, Analisis Sentimen, KNN, IKNN
ANALISIS KOMPARASI ALGORITMA STEGANOGRAFI DENGAN PENGAMANAN PESAN MENGGUNAKAN FUNGSI HASH MD5 Bambang Sugiarto; Willy Eka Septian; Muhammad Hatta; Kusnadi Kusnadi
Jurnal Digit : Digital of Information Technology Vol 16, No 1 (2026)
Publisher : Universitas Catur Insan Cendekia (CIC) Cirebon

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51920/jd.v16i1.471

Abstract

Penelitian ini bertujuan untuk melakukan analisis komparatif terhadap algoritma steganografi Least Significant Bit (LSB), Most Significant Bit (MSB), dan End of File (EoF) yang diintegrasikan dengan fungsi hash Message Digest 5 (MD5). Implementasi MD5 berfungsi sebagai penjamin integritas data (data integrity) dengan menghasilkan 32 karakter unik heksadesimal untuk setiap pesan rahasia. Hasil pengujian menunjukkan bahwa seluruh pesan yang diekstraksi memiliki nilai hash yang identik dengan pesan asli sebelum penyisipan, membuktikan bahwa ketiga algoritma mampu menjaga keaslian informasi tanpa perubahan satu bit pun. Evaluasi performa dilakukan menggunakan parameter Mean Squared Error (MSE), Peak Signal-to-Noise Ratio (PSNR), dan Bit Error Rate (BER). Temuan eksperimental menunjukkan bahwa metode EoF memberikan kualitas citra tertinggi dengan nilai PSNR = 99dB dan MSE = 0 karena data disisipkan setelah marker akhir file tanpa memodifikasi struktur pixel. Sebaliknya, algoritma LSB dan MSB mengalami penurunan nilai PSNR seiring bertambahnya ukuran beban data (payload), meskipun tetap berada pada kategori sangat baik di atas 84 dB. LSB terbukti lebih unggul daripada MSB dalam meminimalisir distorsi visual pada citra stego. Namun, dari perspektif keamanan metadata, LSB dan MSB lebih superior karena tidak mengubah dimensi ukuran file citra, sementara metode EoF menyebabkan pembengkakan ukuran file yang linier sehingga rentan terhadap deteksi analisis file. Nilai BER yang stabil mendekati nol pada ketiga metode mengonfirmasi tingkat akurasi ekstraksi yang presisi. Penelitian ini menyimpulkan bahwa pemilihan algoritma harus disesuaikan dengan prioritas kebutuhan sistem; EoF optimal untuk kapasitas dan transparansi visual, sedangkan LSB/MSB lebih efektif untuk menghindari kecurigaan pada metadata file.Kata kunci: LSB, MSB, EOF, MD5, Kriptografi
Implementasi Extreme Programming dalam Perancangan Aplikasi Pemesanan Produk Berbasis Android pada PT Prima Anugerah Mandiri Filipia Xena Febiyan Krisnadi; Muhammad Hatta; Petrus Sokibi
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.9176

Abstract

PT Prima Anugerah Mandiri merupakan perusahaan distribusi produk farmasi yang beroperasi di Kota Bandung dan telah melayani berbagai fasilitas kesehatan seperti rumah sakit, puskesmas, dan klinik. Dalam menjalankan proses bisnisnya, perusahaan masih menghadapi kendala karena sebagian besar aktivitas pemesanan, pengecekan stok, dan penyampaian informasi produk dilakukan secara manual. Kondisi tersebut menyebabkan berbagai permasalahan, antara lain keterlambatan pengiriman, kesalahan pencatatan data, ketidaksesuaian informasi harga dan diskon, serta rendahnya transparansi dalam proses distribusi. Penelitian ini bertujuan untuk merancang dan membangun aplikasi pemesanan produk berbasis Android yang terintegrasi guna meningkatkan efisiensi, akurasi, dan transparansi proses pemesanan produk farmasi di PT Prima Anugerah Mandiri. Metode pengembangan yang digunakan adalah Extreme Programming (XP) karena mampu mendukung pengembangan perangkat lunak secara cepat, adaptif, dan kolaboratif terhadap perubahan kebutuhan pengguna. Tahapan pengembangan meliputi perencanaan, desain, pengkodean, dan pengujian menggunakan metode Black Box Testing. Sistem yang dirancang mengintegrasikan data pelanggan yang telah tervalidasi sesuai regulasi Cara Distribusi Obat yang Baik (CDOB) dan Cara Distribusi Alat Kesehatan yang Baik (CDAKB), proses pemesanan produk, serta pengelolaan stok dalam satu platform. Hasil penelitian menunjukkan bahwa aplikasi yang dikembangkan mampu meningkatkan efektivitas proses pemesanan, mempercepat aliran informasi antara perusahaan dan pelanggan, serta meminimalkan kesalahan pencatatan data. Selain itu, penelitian ini memperkuat efektivitas metode Extreme Programming dalam pengembangan aplikasi bisnis pada selpada sektor distribusi farmasi.
AYUNDA: Hybrid Agentic AI dan Sistem Multi-Agen dengan LSTM untuk Prediksi Pembelian Layanan dan Optimalisasi Kebutuhan Bisnis ISP Dwi Pasha Anggara Putra; Lena Magdalena; Muhammad Hatta
Jurnal Teknologi Sistem Informasi Vol 7 No 2 (2026): Jurnal Teknologi Sistem Informasi (on Process)
Publisher : Program Studi Sistem Informasi, Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jtsi.v7i2.17381

Abstract

Penyedia Layanan Internet memerlukan peramalan yang akurat dan optimalisasi bisnis yang cerdas untuk mendukung perencanaan operasional serta alokasi sumber daya. Penelitian ini mengusulkan AYUNDA, platform optimalisasi bisnis cerdas berbasis web yang mengintegrasikan dua model Long Short-Term Memory (LSTM) dengan Collaborative Multi-Agent System untuk memprediksi pembelian layanan internet dan pendapatan perusahaan sekaligus menghasilkan rekomendasi bisnis terintegrasi. Kedua model LSTM tersebut diproses oleh LLM Orchestrator berbasis OpenAI GPT-4o-mini yang mengoordinasikan empat agen khusus, yaitu Marketing Agent, Finance Agent, Network Engineer Agent, dan Technician Agent, untuk menerjemahkan hasil peramalan menjadi rekomendasi bisnis yang dapat ditindaklanjuti. Data transaksi historis PT CIO Network Solution yang diperoleh melalui observasi, wawancara, dokumentasi, dan studi literatur digunakan untuk melatih dan memvalidasi model. Hasil penelitian menunjukkan model peramalan pembelian mencapai MAE 2,94, MSE 12,49, RMSE 3,53, dan MAPE 11,92% dengan akurasi 88,08%, sementara model peramalan pendapatan menghasilkan MAE 3,94, MSE 20,52, RMSE 4,53, dan MAPE 10,65% dengan akurasi 89,35%. Kedua model LSTM menunjukkan kinerja prediktif yang baik dengan tingkat kesalahan rendah. Platform AYUNDA mengintegrasikan peramalan, penalaran multi-agen, dan interaksi bahasa alami dalam satu dashboard untuk menghasilkan rekomendasi estimasi pendapatan, perencanaan infrastruktur, penganggaran operasional, dan alokasi teknisi.
Co-Authors Adi Putri, Maharani Agus Sevtiana Ahmad Fauzi Akbari, Safitri Alhafidz, Dennis Cesar Amri Amri Amroni Amroni Anggara Putra, Dwi Pasha Asih, Victor Asrul Azhari Muin Aulia, Siti Nur Bambang Sugiarto Chairun Nas Chairun Nas Christina, Stefanny Chritviona Parera, Shalom Daphne, Gabrielle Apta Eustacia Dwi Pasha Anggara Putra Elvantonius Elvantonius Erwin Erwin Evi Alvionita Simangunsong Fahrudin, Rifqi Febima, Mesi Fhitriya Fhitriya Fikri Ananda Filipia Xena Febiyan Krisnadi Fransiska Fedelina Christover Goenawan Brotosaputro Gustomi Gustomi Haikal Alfandi Subagyo, Mochammad Harris, Sebastian Ilwan Syafrinal Irfansyah, Ananda Khasanah, Felina Khoirotun Hisan Kresna Adi Pratama Krismeyanto, Samuel Kurniawan, Satria Wahyu Kusnadi Kusnadi Kusnadi Lena Magdalena Lena Magdalena Lena Magdalena Lena Magdalena Lena Magdalena, Lena Magdalena , Lena Marsani Asfi Marsani Asfi Mesi Febima Mita, Shella Muhammad Abdurrohim Muhammad Afif Sulhan Nabillah, Sofy Nakeisha Wahyudi, Nayla Nisa, Nabila Izati Nurfauzi, Yusuf Nurrohmah Nurrohmah Petrus Sokibi Sukanto Petrus Sokibi, Petrus Putra, Dwi Pasha Anggara Ramdani, Dzahwa Laely Putri Renaldi, Refan Renny Wahyuni Reza Ilyasa Ridho Taufiq Subagio Rizky Maulana Runa, Yohanes Michael Fouk Sahputra, Illal Dwi Sari, Tri Mulia Sherina Natasya Sugandi Siti Nurhaliza Sri Risma Wati Suwandi Suwandi Suwandi Suwandi Suwandi Suwandi Sylvia Chandra Tri Vena Meiyanti Turini, Turini Ucu Wardani Oktriana Unang Solihin Valentino, Fernando Willy Eka Septian Winurcahyono, Alexander Yanti, Limbong Aprilina Yulianti Yulianti Zelene, Aurelie