Article Per Year (5 Year)
p-Index From 2021 - 2026
1.623
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer RABIT: Jurnal Teknologi dan Sistem Informasi Univrab METIK JURNAL Building of Informatics, Technology and Science JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Locus Penelitian dan Pengabdian Jurnal Algoritma INOVTEK Polbeng - Seri Informatika
Edvin Ramadhan
Institut Teknologi Bandung
Aerospace Engineering Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Electrical & Electronics Engineering Engineering Mathematics

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Jurnal Algoritma

 1 
Pola Pembelian Konsumen Supermarket Menggunakan Algoritma ECLAT Dan Fp-Growth Fahrezi Ahmad, Rafly Fikri; Witanti, Wina; Ramadhan, Edvin
Jurnal Algoritma Vol 22 No 2 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-2.2482

Abstract

This study aims to uncover consumer purchasing patterns in supermarkets to support more targeted sales strategies. The primary focus is on identifying products that are frequently bought together and their relationship with contextual factors such as payment methods, seasons, and discount status. The main challenge lies in handling transactional data that is highly diverse (high cardinality) and sparsely co-occurring, necessitating an approach capable of generating relevant association patterns. To address this, the study implements an integrated approach combining the ECLAT and FP-Growth algorithms in Market Basket Analysis. ECLAT is employed to filter items with low frequency through a TID-List structure, resulting in a more focused set of transactional data for FP-Growth processing. FP-Growth is then used to identify frequently co-occurring product and attribute combinations and to form association rules based on support, confidence, and lift values. The research data comprises 10,000 transactions with 13 attributes, focusing on Product, Payment_Method, Discount_Applied, Season, and City. As a result, ECLAT successfully filtered 81 products and 101 frequently occurring contextual attributes. FP-Growth subsequently discovered 407 itemset patterns, with 13 valid patterns forming association rules between products and contextual attributes. Additionally, three-item patterns were found for watch products associated with discounts and seasons. The contribution of this study lies in demonstrating that the integration of ECLAT and FP-Growth can serve as an effective method for discovering consumer shopping patterns based on transactional context, thereby supporting data-driven business decision-making.
Prediksi Pendapatan Film Menggunakan Gradient Boosting Rahmah, Revina Nur; Sabrina, Puspita Nurul; Ramadhan, Edvin
Jurnal Algoritma Vol 22 No 2 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-2.2613

Abstract

Industri film memiliki tingkat persaingan dan risiko tinggi, sehingga kemampuan memprediksi pendapatan sebelum rilis menjadi krusial bagi produser, distributor, dan investor. Penelitian ini mengembangkan model prediksi pendapatan film menggunakan algoritma Gradient Boosting dan metode diskretisasi Equal Frequency Binning (EFB) pada atribut Earnings. Dataset mencakup film dari tahun 1930–2016 dengan berbagai fitur seperti genre, anggaran, box office, aktor, dan sutradara. Proses meliputi pre-processing data, diskretisasi Earnings menjadi tiga kelas (Low, Medium, High), pembagian data dengan Holdout Method (80% latih, 20% uji), serta pelatihan dan evaluasi model. Hasil menunjukkan akurasi 96.51% dengan precision, recall, dan F1-score tinggi di semua kelas, berkat efektivitas EFB dalam menyeimbangkan distribusi dan keunggulan Gradient Boosting dalam menangkap interaksi fitur. Model ini terbukti akurat dan dapat dijadikan referensi dalam pengambilan keputusan investasi pra-produksi. Penelitian lanjutan disarankan untuk memperluas cakupan data dan mempertimbangkan fitur tambahan seperti sentimen media sosial dan strategi promosi guna meningkatkan generalisasi model.
Model Prediksi Produksi Padi Berdasarkan Curah Hujan dan Suhu Menggunakan Regresi Linier Berganda Kharisma S, Moh Iqbal; Hadiana, Asep ID; Ramadhan, Edvin
Jurnal Algoritma Vol 22 No 2 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-2.2793

Abstract

Padi merupakan komoditas pangan utama yang memiliki peran strategis dalam menjaga ketahanan pangan nasional. Produktivitas padi sangat rentan terhadap fluktuasi iklim, terutama curah hujan dan suhu udara yang kerap berubah akibat dinamika iklim global. Kondisi tersebut menimbulkan ketidakpastian hasil panen yang berdampak pada kesejahteraan petani, ketersediaan pangan, serta stabilitas sosial ekonomi. Oleh karena itu, diperlukan pendekatan berbasis data yang mampu memberikan estimasi produksi padi secara lebih akurat sebagai dasar perencanaan pertanian dan mitigasi risiko. Penelitian ini bertujuan untuk mengembangkan model prediksi produksi padi menggunakan regresi linier berganda dengan variabel curah hujan dan suhu udara sebagai prediktor utama. Data penelitian berupa data sekunder curah hujan, suhu, dan produksi padi diperoleh dari instansi resmi selama periode 2015–2024. Tahapan penelitian meliputi preprocessing data melalui normalisasi dan analisis korelasi, pembangunan model regresi linier berganda, serta evaluasi menggunakan koefisien determinasi (R²), Mean Absolute Error (MAE), dan Root Mean Square Error (RMSE) disertai uji asumsi klasik regresi. Hasil penelitian menunjukkan bahwa model regresi linier berganda mampu memprediksi produksi padi dengan tingkat kesalahan yang relatif rendah, sehingga dapat dijadikan alat bantu analitis untuk memperkirakan potensi hasil panen. Model prediktif ini diharapkan dapat dimanfaatkan oleh pemerintah daerah, penyuluh pertanian, dan petani dalam menyusun strategi tanam, pengelolaan irigasi, serta distribusi pangan secara lebih efektif dan efisien. Dengan demikian, penelitian ini berkontribusi dalam mendukung ketahanan pangan nasional melalui penerapan teknologi prediktif berbasis data.
Co-Authors Ashaury, Herdi Bambang Riyanto Trilaksono Fahrezi Ahmad, Rafly Fikri Fajar Firdaus, Fajar Fauzan, Mochammad Firdaus, Muhammad Fauzi Gunawan Abdillah, Gunawan Hadi Sakaro, Dwi Wahyu Kuncoro Hadiana, Asep Id Iping Supriana Suwardi Julianthy, Denissya Kharisma S, Moh Iqbal Kiki Hidayat, Kiki Nabiel Syahreza, Fabian Nurul Sabrina, Puspita Puspita Nurul Sabrina, Puspita Nurul Rahmah, Revina Nur Shabrina, Puspita Nurul Wahidin, Farhan Raihan Wina Witanti