Article Per Year (5 Year)
p-Index From 2021 - 2026
2.554
P-Index
This Author published in this journals
All Journal Mechatronics, Electrical Power, and Vehicular Technology JETT (Jurnal Elektro dan Telekomunikasi Terapan) InComTech: Jurnal Telekomunikasi dan Komputer JOURNAL OF APPLIED INFORMATICS AND COMPUTING Jurnal ULTIMA Computing Jurnal Sistem Cerdas DIKEMAS (Jurnal Pengabdian Kepada Masyarakat) KURVATEK Community Empowerment Journal of Electrical, Electronic, Information, and Communication Technology (JEEICT) Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Data Sciences Indonesia (DSI) J-ABDIPAMAS (Jurnal Pengabdian Kepada Masyarakat) Eduvest - Journal of Universal Studies Jurnal Elektronika dan Telekomunikasi
Pratama, Hafiyyan Putra
Universitas Pendidikan Indonesia
Aerospace Engineering Arts Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Education Electrical & Electronics Engineering Engineering Health Professions Languange, Linguistic, Communication & Media Library & Information Science Neuroscience Physics Public Health Social Sciences

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

Found 17 Documents
Search

 1   2 
IoT-Based Smart Plug with Real-Time Energy Measurement Optimization and Adaptive Current Cutoff Muntaha Hasanah; Dewi Indriati Hadi Putri; Hafiyyan Putra Pratama
Jurnal Elektronika dan Telekomunikasi Vol. 25 No. 1 (2025)
Publisher : National Research and Innovation Agency

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55981/jet.673

Abstract

The use of electrical energy as a primary power source is increasing, with the residential sector being one of the largest consumers. Electrical energy expenditure often occurs accidentally, potentially leading to energy waste. This research develops an IoT-based electricity usage monitoring system to minimize electrical energy waste and help users improve efficiency and protection against voltage spikes using the R&D approach with a waterfall model.There are 3 layers of IoT architecture using the PZEM-004T sensor as a measuring device for electrical parameters and ESP8266 as a communication module where the results of the sensor readings will be displayed in real-time on the LCD and Blynk with a time difference of 1.6 seconds, in addition to the cost indicator, and the current flowing conditions are also displayed. Sensor readings are valid with values < ± 0.5% for current and voltage and < ± 1% for power readings. System monitoring tests were carried out on 10 electronic devices, and the results of the estimated electricity costs from the use of electrical energy of these electronic devices were obtained. The system is also equipped with a protection feature displayed with a warning indicator, where if the current exceeds 3.1A, the power will automatically be cut off within 15 seconds. This system provides a solution to the efficiency of electrical energy expenditure and provides more protection.
Analisis Komparatif Linear Regression dan Decision Tree untuk Prediksi Skor QS World University Rankings 2025 Dyah Puspita Sari; Hafiyyan Putra Pratama
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 1 (2026): Juni 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i1.1094

Abstract

Sistem perangkingan universitas dunia telah menjadi tolak ukur global yang krusial dalam mengukur kualitas institusi pendidikan tinggi, produktivitas riset, dan keunggulan akademik. Dataset QS World University Rankings 2025 menyediakan seperangkat indikator evaluasi yang komprehensif, mencakup reputasi akademik, reputasi pemberi kerja, rasio dosen-mahasiswa, sitasi per fakultas, serta berbagai indikator internasionalisasi. Penelitian ini melakukan studi komparatif regresi machine learning untuk memprediksi Overall Score universitas berdasarkan indikator-indikator tersebut. Dua model supervised learning diterapkan, yaitu Regresi Linear dan Decision Tree Regressor. Dataset yang terdiri dari 1.503 entri dan 28 kolom diproses melalui tahapan preprocessing menyeluruh, meliputi penanganan nilai hilang dengan imputasi median, deteksi outlier menggunakan metode IQR, pengkodean variabel kategorikal dengan LabelEncoder, dan normalisasi fitur menggunakan StandardScaler. Data dibagi dengan rasio 80:20 untuk pelatihan dan pengujian. Metrik evaluasi yang digunakan mencakup Mean Absolute Error (MAE), Mean Squared Error (MSE), Root Mean Squared Error (RMSE), dan koefisien determinasi (R²). Hasil penelitian menunjukkan bahwa Regresi Linear secara signifikan mengungguli Decision Tree, dengan capaian R² sebesar 0,9985, MAE sebesar 0,3662, dan RMSE sebesar 0,7427. Validasi silang 5-fold mengonfirmasi stabilitas model Regresi Linear dengan R² rata-rata 0,9374 ± 0,0668. Analisis feature importance mengidentifikasi Academic Reputation Score sebagai prediktor paling berpengaruh terhadap Overall Score, konsisten dengan temuan analisis korelasi (r = 0,90).
Klasifikasi Spesies Bunga Iris Menggunakan Logistic Regression Dan Support Vector Machine Aqilla Nurul Hasanah Aqilla; Hafiyyan Putra Pratama
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 1 (2026): Juni 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i1.1096

Abstract

Penelitian ini membahas penerapan dua algoritma klasifikasi dalam machine learning, yaitu Logistic Regression dan Support Vector Machine (SVM), dengan menggunakan Iris Dataset untuk mengelompokkan tiga jenis bunga iris: Iris-setosa, Iris-versicolor, dan Iris-virginica. Dataset yang digunakan terdiri dari 150 sampel dengan empat fitur morfologi, yaitu panjang dan lebar sepal serta petal. Proses penelitian mencakup eksplorasi data, tahap praproses menggunakan StandardScaler dan LabelEncoder, pelatihan model, validasi silang 5-fold, serta pencarian kombinasi hyperparameter terbaik melalui GridSearchCV. Hasil pengujian menunjukkan bahwa SVM dengan kernel RBF mampu mencapai tingkat akurasi sebesar 96,67% pada data uji, lebih tinggi dibandingkan Logistic Regression yang memperoleh 93,33%. Sementara itu, hasil validasi silang menunjukkan bahwa kedua model memiliki kemampuan generalisasi yang relatif sama dengan nilai rata-rata (CV mean) sebesar 0,9533. Fitur petal length dan petal width secara konsisten menjadi faktor paling penting dalam membedakan kelas. Setelah dilakukan tuning, SVM dengan kernel linear justru memberikan nilai CV mean terbaik sebesar 97,50%, yang mengindikasikan bahwa pola pemisahan kelas dalam dataset ini cenderung bersifat linier.
Klasifikasi Wilayah WHO Berdasarkan Data HIV/AIDS Global Menggunakan Pendekatan Machine Learning Muhamad Agry Sugiarto; Hafiyyan Putra Pratama
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 1 (2026): Juni 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i1.1140

Abstract

Pemetaan epidemiologi HIV/AIDS secara global berdasarkan wilayah World Health Organization (WHO) menjadi salah satu langkah strategis dalam mendukung distribusi bantuan medis yang tepat sasaran. Namun, perbedaan karakteristik data antar-wilayah yang sangat bervariasi membuat proses klasifikasi menjadi tantangan tersendiri. Penelitian ini membandingkan tiga model machine learning, yaitu Logistic Regression, Support Vector Machine (SVM) dasar, dan SVM teroptimasi, untuk mengklasifikasikan data HIV/AIDS ke dalam enam wilayah WHO: Africa, Americas, Eastern Mediterranean, Europe, South-East Asia, dan Western Pacific. Data yang digunakan mencakup estimasi jumlah penderita (nilai median, minimum, dan maksimum) serta persentase cakupan pengobatan antiretroviral (ART coverage %). Proses pra-pemrosesan meliputi analisis data eksploratif, imputasi median untuk menangani nilai kosong, dan normalisasi menggunakan StandardScaler. Evaluasi model dilakukan melalui validasi silang 5-fold dan matriks konfusi. Hasil menunjukkan bahwa data memiliki tingkat tumpang tindih antar-kelas yang cukup tinggi. Logistic Regression menghasilkan akurasi pengujian 39,29% dengan CV Mean 44,05%, sementara SVM teroptimasi dengan parameter C=10, gamma='scale', dan kernel RBF mencapai CV Mean tertinggi sebesar 49,05%. Analisis lebih lanjut mengungkapkan bahwa ART coverage % merupakan fitur paling dominan dalam membedakan karakteristik beban epidemiologi antar-wilayah.
Faktor Penyebab Stres Terhadap Kesehatan Mental Pelajar Berdasarkan dataset Student Mental Health Academic Pressure 2026 Reneisha Puri Azzahra; Hafiyyan Putra Pratama
Data Sciences Indonesia (DSI) Vol. 6 No. 1 (2026): Article Research Volume 6 Issue 1, Juni 2026
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kesehatan mental pelajar merupakan isu krusial yang dipengaruhi oleh berbagai faktor demografis dan perilaku, termasuk gender, usia, frekuensi stres karena akademik, durasi tidur, dan penyebab utama stres. Penelitian ini bertujuan menganalisis bagaimana faktor-faktor tersebut memengaruhi tingkat stres pelajar karena akademik menggunakan pendekatan pipeline analiysis. Dataset berjumlah 33 responden yang dikumpulkan melalui survei formulir daring dengan selanjutnya melakukan analisis melalui tahapan data understanding, data cleaning, Exploratory Data Analysis (EDA), data preprocessing, dan data modeling. Empat algoritma machine learning (ML) diterapkan, yaitu Logistic Regression, Decision Tree, Random Forest, dan Gradient Boosting, dengan validasi silang 3-fold. Logistic Regression menunjukkan performa terbaik dengan CV Accuracy sebesar 0,576 ±0,214. Frekuensi stres akademik, durasi tidur, dan penyebab stres akademik teridentifikasi sebagai fitur paling signifikan. Mayoritas responden merasakan stres karena akademik pada level 4 dari 5, dengan penyebab utama adalah ujian dan nilai (45,5%) serta kondisi finansial (24,2%). Faktor akademik dan finansial merupakan prediktor utama tekanan pada pelajar. Model yang dikembangkan berpotensi digunakan sebagai sistem peringatan dini di institusi pendidikan. Diperlukan pengumpulan data yang lebih besar (minimal 500 responden) untuk meningkatkan keandalan model secara operasional.
IOT-Based Smart Door Selector For Double Security: Integration of Rfid and Blynk App for Economical Solution Nusaibah Fathul Jannah; Hafiyyan Putra Pratama; Syifaul Fuada
Eduvest - Journal of Universal Studies Vol. 4 No. 10 (2024): Journal Eduvest - Journal of Universal Studies
Publisher : Green Publisher Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59188/eduvest.v4i10.39011

Abstract

This research aims to design and develop an Internet of Things (IoT)-based smart door lock system by utilizing Radio Frequency Identification (RFID) technology and the Blynk application. The system is designed to improve the level of home security by providing a variety of flexible access methods, including the use of RFID cards, smartphone apps, and emergency buttons. The prototype method is applied in system development, which involves creating a physical model to evaluate its performance and functionality. The test results showed that the system was operating properly, where RFID only responded to the registered card to unlock, thus increasing access security. Hardware design that is carried out with an economical approach and simple use of components makes this system more affordable compared to commercial smart door lock products on the market. This research shows great potential in increasing efficiency and comfort in managing home security systems and offers ease of implementation in various types of housing. Thus, this research makes a significant contribution to the development of innovative and practical solutions to improve home safety at a lower cost while providing a sense of security for its occupants.
Adaptive System for Streetlights in the Shopping Center Area of Purwakarta Region using Fuzzy Logic Method Dewi Indriati Hadi Putri; Hafiyyan Putra Pratama; Liptia Venica; Vormes Gema Merdeka; Makna A'raaf Kautsar
Journal of Electrical, Electronic, Information, and Communication Technology Vol 5, No 2 (2023): JOURNAL OF ELECTRICAL, ELECTRONIC, INFORMATION, AND COMMUNICATION TECHNOLOGY
Publisher : Universitas Sebelas Maret (UNS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/jeeict.5.2.79675

Abstract

Streetlight systems generally use time condition as the parameter, which set the lights to be always on during specified period. This way, the system has flaws in its inefficiency and ineffectiveness. The system designed in this research considers the intensity of surrounding lights and passing pedestrians as the parameters, and fuzzy logic to get fuzzier output of the luminosity level for the streetlight. From the results of testing and analysis, it can be concluded that the design in this research has been successfully built as the results obtained are in accordance with the previously set fuzzy logic universe of discourse. By implementing an adaptive street lighting system in this study can help streamline light energy, because the street lighting lights can adjust themselves depending on the presence or absence of pedestrians passing by using a PIR sensor and the level of light brightness in that place using an LDR sensor.
Co-Authors Afifudin, Shodiq Ahmad Fauzi Aqilla Nurul Hasanah Aqilla Baha’udin, Muhammad Dianti, Palda Puspita Dulhadi, Dulhadi Dyah Puspita Sari Elysa Nensy Irawan Endah Setyowati Endah Setyowati Galura Muhammad Suranegara Hadi Putri, Dewi Indriati Hady, Muhammad Fatih Hafiziani Eka Putri, Hafiziani Eka Hasanah, Muntaha Ichwan Nul Ichsan Kautsar, Makna A’raaf Kholidatuzzahra, Zamzam Liptia Venica Makna A'raaf Kautsar Maulana, Farhan Muhamad Agry Sugiarto Muntaha Hasanah Nusaibah Fathul Jannah Pramudita, Eufrasia Andranetta Gracelynne Eka Rabbani, Raihan Fakhri Reneisha Puri Azzahra Salmadiina, Ashrida Sari, Nadia Tiara Antik Subagja, Banda Sudjani Sudjani Suyanta Suyanta Syifaul Fuada Vormes Gema Merdeka winda pratiwi