Article Per Year (5 Year)
p-Index From 2021 - 2026
2.81
P-Index
This Author published in this journals
All Journal INTEGER: Journal of Information Technology JIEET (Journal of Information Engineering and Educational Technology) Jurnal Abadimas Adi Buana Jurnal Abdi: Media Pengabdian Kepada Masyarakat Indonesian Journal of Engineering and Technology (INAJET) Journal of Informatics and Computer Science (JINACS)
Ricky Eka Putra
Universitas Negeri Surabaya
Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Languange, Linguistic, Communication & Media Mechanical Engineering Public Health Social Sciences Other

Published : 25 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 25 Documents
Search

 1   2   3 
Klasifikasi Tingkat Kepuasan Wali Murid Terhadap Hasil Belajar Anak Menggunakan Algoritma C5.0 Firda Siska Audina; Ricky Eka Putra
Journal of Informatics and Computer Science (JINACS) Vol 4 No 04 (2023)
Publisher : Universitas Negeri Surabaya

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

Abstract

Pada era digital saat ini, banyak sekali jasa bimbingan belajar baik itu secara online maupun offline. Banyak pesaing di bidang jasa bimbingan belajar, sehingga diperlukan sebuah analisis yang dapat digunakan untuk memprediksi tingkat kepuasan wali murid terhadap hasil belajar anak di PT. Lesin Aja Edukasi Indonesia dan mengetahui atribut yang dominan dalam mempengaruhi kepuasan wali murid. Analisis kepuasan menggunakan metode survei untuk mengumpulkan data dari 100 responden yang merupakan wali murid dari PT. Lesin Aja Edukasi Indonesia. Responden diminta untuk mengisi kuesioner terkait tingkat kepuasan mereka terhadap hasil belajar anak mereka. Atribut yang digunakan dalam penelitian ini adalah penguasaan materi oleh guru bimbel, sikap guru bimbel ketika sedang mengajar, kualitas materi relevan dengan mata pelajaran di sekolah, durasi mengajar sesuai dengan harga yang ditawarkan, dan hasil belajar anak ketika di sekolah.Data yang diperoleh dari survei kemudian diolah menggunakan algoritma decision tree C5.0 untuk mengklasifikasikan tingkat kepuasan wali murid menjadi dua kategori, yaitu puas dan tidak puas. Evaluasi dilakukan dengan menggunakan metode confussion matrix cross validation. Hasil analisis menunjukkan bahwa algoritma decision tree C5.0 dapat mengklasifikasikan tingkat kepuasan wali murid dengan tingkat akurasi yang cukup tinggi yaitu sebesar 95%. Model klasifikasi yang dikembangkan dapat membantu PT. Lesin Aja Edukasi Indonesia dalam memprediksi tingkat kepuasan wali murid dan memperbaiki kualitas layanan pendidikan yang diberikan kepada anak-anak merekai. Kata Kunci— Klasifikasi, Kepuasan, Hasil belajar anak, PT. Lesin Aja Edukasi Indonesia, Algoritma decision tree C5.0
Analisis Sentimen Sebagai Deteksi Sarkasme di Media Sosial X Berbahasa Indonesia Menggunakan Transformer dengan Model XLNet Haqqul Amal Jiddan; Ricky Eka Putra
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 03 (2026)
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak— Media sosial, khususnya X, sering memuat ujaran sarkastik yang sulit dikenali tanpa pemahaman konteks. Penelitian ini bertujuan mendeteksi sarkasme pada teks berbahasa Indonesia di X menggunakan model berbasis transformer XLNet. Data diambil dari Hugging Face dan melalui preprocessing untuk memastikan konsistensi. Kemudian, data dibagi ulang menjadi tiga skenario yaitu 70:15:15, 60:20:20, dan 80:10:10. Model dilatih (fine-tuning) dengan variasi learning rate, batch size, dropout, sequence length, dan epoch. Pemilihan kandidat mempertimbangkan macro-F1 dan recall pada label sarkasme. Hasil menunjukkan pada skenario 70:15:15, XLNet percobaan ke-17 menjadi model terbaik pada penelitian ini, meraih Accuracy 0.81 dan Macro-F1 0.81 dan pada classification report pada label non-sarkasme memeroleh Precision 0.82, Recall 0.78, dan F1-Score 0.80. Lalu, pada label sarkasme memperoleh Precision 0.79, Recall 0.83, F1-Score 0.81).  Temuan ini diharapkan menjadi referensi pengembangan sistem analisis opini atau ujaran sarkastik pada platform media sosial di Indonesia.   Kata Kunci— Analisis sentimen, Sarkasme, XLNet, X, Transformer
Model Klasifikasi Serangan DoS pada Jaringan Blockchain Menggunakan Algoritma Proximal Policy Optimization Iffo Elsande Pratama Putra; Ricky Eka Putra
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 03 (2026)
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak— Teknologi blockchain menghadirkan pendekatan baru dalam pengelolaan sistem informasi terdesentralisasi yang mampu menjaga keamanan, transparansi, dan integritas data. Namun, karakteristik tersebut menjadikan teknologi blockchain rentan terhadap ancaman siber, terutama serangan Denial of Service (DoS) yang berfokus pada gangguan ketersediaan layanan melalui pembanjiran lalu lintas pada node blockchain. Penelitian ini bertujuan untuk merancang dan mengembangkan model klasifikasi serangan DoS pada jaringan blockchain dengan menggunakan algoritma Proximal Policy Optimization (PPO). Algoritma PPO merupakan salah satu metode dari reinforcement learning yang dikenal memiliki kestabilan tinggi dan efisiensi dalam proses pembaruan kebijakan. Dataset yang di gunakan dalam penelitian ini ada Blockchain Network Attack Traffic (BNaT), yang mencakup lalu lintas normal dan serangan DoS pada jaringan Ethereum privat. Proses penelitian meliputi tahap pengumpulan data, pre-pemrosesan (preprocessing), pelatihan model, dan evaluasi kinerja menggunakan metrik accuracy, precision, recall, F1-Score, dan Area Under the Curve (AUC). Hasil pengujian menunjukkan bahwa model PPO berhasil mencapai akurasi 99,65% dan F1-Score sebesar 99,65%, dengan nilai AUC mencapai 99,99%. Nilai-nilai tersebut menunjukkan bahwa PPO mampu mengenali pola serangan DoS secara adaptif dan stabil. Oleh karena itu, pendekatan reinforcement learning berbasis PPO dapat menjadi alternatif yang menjanjikan untuk pengembangan sistem deteksi ancaman pada jaringan blockchain yang bersifat dinamis dan kompleks.   Kata Kunci— Blockchain, Denial of Service, Proximal Policy Optimization, Reinforcement Learning, Keamanan Siber
Perbandingan Performa Model Klasifikasi Random Forest dan XGBoost untuk Deteksi Dini Diabetes Berdasarkan Teknik Imputasi Cindy Viona Dzul Qurnayn; Ricky Eka Putra
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 04 (2026)
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak— Missing value pada dataset medis dapat menurunkan kualitas data dan memengaruhi performa model machine learning dalam prediksi penyakit. Pada Pima Indians Diabetes Dataset, beberapa fitur seperti glucose, bloodpressure, skinthickness, insulin, dan BMI memiliki nilai 0 yang dianggap tidak valid secara medis. Penelitian ini bertujuan untuk menganalisis pengaruh missing value terhadap performa model klasifikasi diabetes, membandingkan teknik imputasi, serta menentukan kombinasi model terbaik untuk implementasi sistem prediksi diabetes berbasis web. Penelitian menggunakan model Random Forest, XGBoost, dan Stacking dengan teknik imputasi KNN, MICE, dan Autoencoder (AE). Evaluasi dilakukan menggunakan K-Fold CV dengan k=5, 10, dan 20 serta metrik AUC-ROC, accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa penanganan missing value berpengaruh signifikan terhadap performa model. Teknik imputasi KNN dan MICE menghasilkan performa yang lebih baik dibandingkan AE. Kombinasi terbaik diperoleh pada model XGB_KNN dengan nilai AUC-ROC sebesar 0.8458, accuracy 0.7772, precision 0.7249, dan F1-score 0.649 pada k=10. Model terbaik kemudian berhasil diimplementasikan ke dalam sistem prediksi diabetes berbasis web menggunakan Flask.   Kata Kunci— Diabetes melitus, Missing value, Imputasi data, K-Fold Cross Validation, Machine learning.
Penerapan Generative AI Pada Augmentasi Data Citra Bunga Menggunakan Stable Diffusion 3.5 Naufal Farras Pratama; Ricky Eka Putra
Journal of Informatics and Computer Science (JINACS) Article In Press(1)
Publisher : Universitas Negeri Surabaya

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

Abstract

Abstrak— Klasifikasi citra fine-grained seperti identifikasi spesies bunga sangat bergantung pada ketersediaan dataset yang besar dan beragam, namun pengumpulan data dunia nyata seringkali menghadapi kendala kelangkaan spesies dan biaya anotasi yang tinggi. Penelitian ini menerapkan Generative AI menggunakan Stable Diffusion 3.5 untuk augmentasi data citra bunga pada dataset Oxford 102 Flowers. Proses diawali dengan image captioning menggunakan BLIP2, kemudian dilakukan generasi data sintetis melalui dua pendekatan: text-guided image-to-image (img2img) dan text-to-image (text2img). Model klasifikasi ResNet18 dilatih pada empat skenario: baseline tanpa augmentasi, augmentasi konvensional, augmentasi dengan data sintetis img2img, dan augmentasi dengan data sintetis text2img. Hasil pengujian menunjukkan bahwa augmentasi menggunakan data sintetis img2img mencapai akurasi tertinggi sebesar 84,67%, melampaui baseline (83,78%) dan augmentasi konvensional (79,33%). Skenario text2img juga berhasil melampaui baseline dengan akurasi 84,33%. Analisis CLIP Score menunjukkan bahwa keselarasan teks-gambar pada data sintetis tidak berkorelasi langsung dengan performa klasifikasi. Penelitian ini membuktikan bahwa Stable Diffusion 3.5 efektif sebagai metode augmentasi data untuk meningkatkan akurasi klasifikasi citra bunga. Kata Kunci— Generative AI, Augmentasi Data, Stable Diffusion 3.5, Klasifikasi Citra, Fine-Grained Visual Categorization
Co-Authors Aditya Prapanca Aditya Prapanca Asmunin Asmunin Bagas Muharom Hanugrah Hidayat Cindy Viona Dzul Qurnayn Diastian Vinaya Wijanarko Diaz Ardian Alvianto Eko Hariadi Erlix Rakhmad Purnama Farra Wahyunanda Arsyta Firda Siska Audina Haqqul Amal Jiddan I Made Suartana Iffo Elsande Pratama Putra Juhrah Singke M. Adharis Adlani Maulana, Dimas Avian Mirwa Adiprahara Anggarani Moh. Hilmy Badrudduja Muhamad Syarriefuddin Zuhrie Muhammad Aris Ashari Muhammad Hussein Isron Muhammad Iskandar Java Muhammad Ramadhan Naufal Farras Pratama Parole Nimadinaga Dacipta Rafy Aulia Akbar Rahadian Bisma Raya Sulistyowati Romadlon Rahmatulloh Sinaga, Anita Sindar R M Sri Usodoningtyas Tri Sudarwanto Winda Ramadhanty Pratiwi Yeni Anistyasari