Article Per Year (5 Year)
p-Index From 2021 - 2026
7.888
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer Jurnal sistem informasi, Teknologi informasi dan komputer Jurnal Abdimas BSI: Jurnal Pengabdian Kepada Masyarakat Swabumi (Suara Wawasan Sukabumi) : Ilmu Komputer, Manajemen, dan Sosial Bianglala Informatika : Jurnal Komputer dan Informatika Akademi Bina Sarana Informatika Yogyakarta Justek : Jurnal Sains Dan Teknologi SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan Sebatik J-SAKTI (Jurnal Sains Komputer dan Informatika) JURTEKSI Komputasi: Jurnal Ilmiah Ilmu Komputer dan Matematika Jurnal ICT : Information Communication & Technology Jurnal Review Pendidikan dan Pengajaran (JRPP) Jurnal Mantik Aisyah Journal of Informatics and Electrical Engineering Systematics REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer Enrichment : Journal of Management INFOKUM Jurnal Infortech Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Jurnal Pengabdian kepada Masyarakat Jurnal Informatika Terpadu Computer Science (CO-SCIENCE) J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Abdi Masyarakat Indonesia Profitabilitas Jurnal Algoritma ETAM: Jurnal Pengabdian kepada Masyarakat INTERNATIONAL JOURNAL OF MECHANICAL COMPUTATIONAL AND MANUFACTURING RESEARCH ABDINE Jurnal Pengabdian Masyarakat Jurnal Informatika Info Abdi Cendekia Journal of Artificial Intelligence and Digital Business Jurnal Manajemen Sistem Informasi Jurnal Informasi Pengabdian Masyarakat Jurnal Pengabdian Masyarakat Nasional JAR'S (Journal of Advanced Research in Informatics) Journal of Data Analytics, Information, and Computer Science (JDAICS) DBESTI: Journal of Digital Business and Technology Innovation Media Teknologi dan Informatika
Ahmad Jurnaidi Wahidin
Universitas Bina Sarana Informatika
Religion Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Physics Public Health Social Sciences Other

Published : 58 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 58 Documents
Search

 2   3   4   5   6 
Smart threat detector: Aplikasi pendeteksi Virus, Email, dan Link mencurigakan berbasis AI suryadih, suryadih; Ibrahim, Ibrahim; Hariyansyah, Rahmat; Wahidin, Ahmad Jurnaidi; Rahmatullah, Beni; Kurniawati, Ika
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.3784

Abstract

Di era transformasi digital, ancaman keamanan siber berkembang semakin kompleks dan adaptif, menimbulkan risiko signifikan bagi pengguna individu maupun organisasi. Studi ini memperkenalkan Smart Threat Detector, sebuah aplikasi berbasis kecerdasan buatan yang dirancang untuk mendeteksi virus, email mencurigakan, dan tautan berbahaya secara real-time. Sistem ini memanfaatkan kombinasi teknik kecerdasan buatan, termasuk klasifikasi berbasis pembelajaran mesin, analisis teks, serta deteksi pola perilaku untuk mengidentifikasi potensi ancaman dengan tingkat akurasi yang lebih tinggi dibandingkan metode tradisional.Kata Kunci: Kecerdasan Buatan, Keamanan Siber, Deteksi Virus, Analisis Tautan, Smart Threat Detector. Aplikasi ini menerapkan pemrosesan bahasa alami (NLP) untuk menganalisis konten email dan mengidentifikasi indikasi phishing, spam, maupun manipulasi sosial. Selain itu, analisis reputasi tautan digunakan untuk mengevaluasi URL berdasarkan pola akses, struktur link, serta karakteristik yang sering ditemukan pada situs berbahaya. Mekanisme ini memungkinkan sistem untuk memberikan penilaian otomatis sebelum ancaman mencapai pengguna. Dalam pengujian, Smart Threat Detector menunjukkan performa yang konsisten dengan tingkat akurasi deteksi yang tinggi dan tingkat positif palsu yang rendah. Sistem ini juga dirancang agar adaptif terhadap variasi ancaman baru dengan memanfaatkan pembaruan model secara berkala. Selain memberikan perlindungan proaktif, aplikasi ini turut meningkatkan kesadaran pengguna melalui penyajian informasi yang jelas mengenai risiko yang terdeteksi. Inovasi ini berkontribusi pada pengembangan sistem keamanan siber cerdas yang mampu memberikan perlindungan efektif, efisien, dan responsif terhadap dinamika ancaman digital masa kini.
Sistem Informasi Terintegrasi Artificial Intelegence Menggunakan Algoritma Kmeans soma, Adityan; Habiburrahman, Tamzis; Hidayah, Arip; Wahidin, Ahmad Jurnaidi; Rahmatullah, Beni; Kurniawati, Ika
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.3879

Abstract

Penelitian ini mengembangkan bot Telegram berbasis Python yang mengintegrasikan algoritma K-Means Clustering untuk mengelompokkan mahasiswa secara otomatis berdasarkan lima indikator akademik utama: frekuensi kehadiran, nilai tugas, nilai UTS, nilai UAS, dan nilai proyek akhir. Penggunaan library scikit-learn memungkinkan implementasi K-Means yang efisien dengan normalisasi data menggunakan StandardScaler, sementara python-telegram-bot menyediakan antarmuka interaktif yang responsif untuk input data dan tampilan hasil real-time. Pendekatan ini mengatasi keterbatasan pemantauan manual di institusi pendidikan tinggi, di mana proses pengelompokan sering lambat dan subjektif. Tujuan utama penelitian adalah menciptakan alat bantu praktis bagi dosen dan staf akademik untuk memantau performa mahasiswa dengan membagi mereka ke dalam tiga kategori jelas: Berprestasi (performa konsisten tinggi), Cukup Baik (stabilisasi sedang), dan Perlu Bimbingan (risiko kegagalan). Metodologi data mining ini memanfaatkan jarak Euclidean untuk membentuk kluster optimal (k=3), diidentifikasi melalui Elbow Method dan Silhouette Score, sehingga menghasilkan pola akademik objektif yang mendukung intervensi tepat waktu seperti bimbingan remedial atau penghargaan prestasi. Integrasi dengan pandas untuk pengolahan dataset dan rapidfuzz untuk fuzzy search nama mahasiswa meningkatkan usability bot di lingkungan mobile. Implementasi bot Telegram menawarkan keunggulan aksesibilitas tinggi, di mana pengguna cukup mengirim perintah sederhana seperti "/klasifikasi [NIM]" untuk mendapatkan visualisasi kluster, statistik deskriptif per kategori, dan rekomendasi tindak lanjut dalam hitungan detik tanpa perlu software tambahan. Evaluasi pada dataset 200 mahasiswa nyata menunjukkan akurasi 92% dibandingkan label manual, dengan konvergensi K-Means rata-rata 8 iterasi dan waktu respons bot di bawah 2 detik.  
Perbandingan Logistic Regression dan SVM untuk Analisis Sentimen Pengguna Netflix Menggunakan TF-IDF dan Bot Telegram Ngara, Simson Mali; Anggara, Indra Galuh; Saputra, Ryan Adjie; Rahmatullah, Beni; Wahidin, Ahmad Jurnaidi; Kurniawati, Ika
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.3988

Abstract

Pertumbuhan layanan over-the-top (OTT) seperti Netflix di Indonesia menyebabkan meningkatnya jumlah ulasan pengguna yang dapat dimanfaatkan sebagai sumber informasi untuk memahami persepsi terhadap kualitas layanan. Ulasan tersebut mengandung opini positif maupun negatif yang berhubungan dengan pengalaman menonton, stabilitas aplikasi, kualitas jaringan, hingga aspek biaya. Penelitian ini bertujuan membandingkan performa dua algoritma Machine Learning, yaitu Logistic Regression dan Support Vector Machine (SVM), dengan representasi teks TF-IDF dalam mengklasifikasikan sentimen ulasan pengguna Netflix berbahasa Indonesia. Dataset yang digunakan terdiri dari 5.620 ulasan yang diperoleh dari Google Play Store dan telah melalui serangkaian tahapan prapemrosesan mencakup pembersihan teks, case folding, tokenisasi, stopword removal, dan stemming. Evaluasi dilakukan menggunakan keseluruhan dataset untuk memperoleh gambaran performa operasional yang lebih realistis dalam konteks penggunaan nyata. Hasil penelitian menunjukkan bahwa SVM memberikan performa tertinggi dengan akurasi 0,8603, F1-score 0,7773, precision 0,8698, recall 0,7026, dan ROC-AUC 0,9206, sedangkan Logistic Regression mencatat akurasi 0,8532 dan F1-score 0,7626. Selain evaluasi model, penelitian ini juga mengimplementasikan sistem analisis sentimen melalui dashboard Streamlit dan bot Telegram yang mampu memberikan prediksi secara real-time. Temuan ini menunjukkan bahwa integrasi model Machine Learning dengan platform aplikasi dapat digunakan sebagai alat pemantauan opini pengguna secara berkelanjutan serta mendukung pengambilan keputusan terkait peningkatan kualitas layanan OTT.  
Prediksi Harga Saham PT Telkom Indonesia Tbk (TLKM) Menggunakan Linear Regression, Random Forest, dan XGBoost Lumbantoruan, Sari; Duha, Arnawati; Astuti, Tia Puji; Wahidin, Ahmad Jurnaidi; Rahmatullah, Beni; Kurniawati, Ika
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.4158

Abstract

Prediksi harga saham merupakan salah satu aspek penting dalam pengambilan keputusan investasi, karena mampu membantu investor dalam mengantisipasi risiko dan mengoptimalkan keuntungan. PT Telkom Indonesia Tbk (TLKM) merupakan salah satu emiten blue chip di Bursa Efek Indonesia yang memiliki kapitalisasi pasar besar dan likuiditas tinggi, sehingga menarik untuk dianalisis dari sisi pergerakan harga sahamnya. Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja tiga model machine learning, yaitu Linear Regression, Random Forest, dan XGBoost, dalam memprediksi harga penutupan saham TLKM berdasarkan data historis. Data yang digunakan merupakan data harga saham harian TLKM periode 7 November 2019 hingga 6 November 2024 yang diperoleh dari platform Kaggle, dengan variabel Date, Open, High, Low, Close, Adj Close, dan Volume. Tahapan penelitian meliputi pembersihan data, konversi rekayasa fitur berbasis informasi historis dan indikator teknikal seperti lag harga penutupan, moving average, volatilitas, dan return harian, serta pembagian data menjadi 80% data latih dan 20% data uji. Selanjutnya, ketiga model dibangun dan dievaluasi menggunakan metrik Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), dan koefisien determinasi (R²). Hasil pengujian menunjukkan bahwa Linear Regression memberikan kinerja paling baik dibandingkan Random Forest dan XGBoost, dengan nilai RMSE sebesar 8,13, MAE 6,15, MAPE 0,19%, dan R² 0,9997. Temuan ini mengindikasikan bahwa pada data saham TLKM dengan pola pergerakan yang relatif stabil, model linear sederhana masih mampu memberikan akurasi prediksi jangka pendek yang sangat tinggi dan dapat dijadikan alternatif yang efektif dibandingkan model ensemble yang lebih kompleks. .
Sistem Pemesanan Online Untuk Mie Ayam Pangsit Bakso Nugroho Berbasis Web Apriyanto, Rizky; Wahidin, Ahmad Jurnaidi
Media Teknologi dan Informatika Vol. 2 No. 2 (2025): Desember
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/mti.v2i2.6410

Abstract

Penelitian ini mengembangkan sistem pemesanan makanan berbasis web untuk Mie Ayam Pangsit Bakso Nugroho Wonogiri dengan tujuan meningkatkan efisiensi operasional dan kemudahan pelanggan dalam melakukan pemesanan secara daring. Sistem ini dirancang menggunakan metode waterfall yang terstruktur, meliputi tahap analisis kebutuhan, desain, penulisan program dengan PHP dan MySQL, pengujian menggunakan metode black box, serta pemeliharaan. Hasil dari pengujian menunjukkan bahwa sistem ini berfungsi dengan baik, memungkinkan pelanggan untuk memesan makanan tanpa biaya tambahan yang biasanya dibebankan oleh platform pihak ketiga. Selain itu, fitur pengelolaan pesanan oleh admin memudahkan pemilik usaha dalam memantau penjualan dan mengelola pesanan secara efisien. Walaupun sistem ini terbukti efektif, pengembangan lebih lanjut seperti integrasi pembayaran digital dan aplikasi mobile diperlukan untuk memperluas jangkauan layanan. Secara keseluruhan, penerapan sistem ini diharapkan mampu meningkatkan efisiensi usaha serta daya saing Mie Ayam Pangsit Bakso Nugroho Wonogiri di tengah persaingan yang ketat di sektor kuliner berbasis digital.
Prediksi Pembelian E-Commerce Menggunakan XGBoost Berbasis Perilaku Sesi Pengguna Ruscikasani, Syalaiza Nizar; Oktalivia, Raden Roro Najwa; Putra, Firman Restu; Wahidin, Ahmad Jurnaidi; Rahmatullah, Beni; Kurniawati, Ika
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.4287

Abstract

Penelitian ini membahas pemodelan prediksi pembelian pada platform e-commerce dengan memanfaatkan algoritma Extreme Gradient Boosting (XGBoost) berbasis data perilaku sesi pengguna. Dataset yang digunakan terdiri dari 12.719 sesi pengguna dengan sejumlah atribut perilaku, meliputi waktu kunjungan (Timestamp), durasi interaksi halaman (TimeOnPage_seconds), sumber rujukan (ReferralSource), tipe perangkat (DeviceType), tipe halaman (PageType), negara asal pengguna, serta jumlah item dalam keranjang belanja. Tahap prapengolahan data dilakukan untuk meningkatkan kualitas dataset sebelum pemodelan. Atribut numerik diproses menggunakan imputasi median guna menangani nilai hilang secara stabil terhadap outlier, sedangkan fitur kategorikal ditransformasikan menggunakan ordinal encoding agar sesuai dengan karakteristik algoritma berbasis pohon. Dataset selanjutnya dibagi menjadi data latih dan data uji dengan rasio 80:20 menggunakan teknik stratified split untuk menjaga proporsi kelas pada variabel target. Model XGBoost dilatih menggunakan parameter terkalibrasi dan dievaluasi menggunakan metrik akurasi, precision, recall, F1-score, dan ROC-AUC. Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 0,785 dan ROC-AUC sebesar 0,804, yang menandakan kemampuan diskriminasi yang baik dalam membedakan sesi yang berpotensi menghasilkan pembelian. Analisis feature importance berbasis gain mengungkapkan bahwa fitur Timestamp dan TimeOnPage_seconds merupakan faktor paling berpengaruh dalam pembentukan prediksi. Visualisasi pohon keputusan memberikan pemahaman tambahan mengenai mekanisme pemisahan fitur pada model. Temuan ini menunjukkan bahwa data perilaku sesi pengguna dapat dimanfaatkan secara efektif untuk mendukung prediksi konversi serta menjadi dasar pengembangan sistem rekomendasi dan strategi pemasaran e-commerce yang lebih adaptif.
SIBI-Based Gesture Recognition System Using Random Forest for Hearing-Impaired Communication Pratama, Andre; Wahidin, Ahmad Jurnaidi
Computer Science (CO-SCIENCE) Vol. 6 No. 1 (2026): January 2026
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/co-science.v6i1.10570

Abstract

Individuals with hearing impairments often face communication barriers when interacting with people unfamiliar with sign language. One officially recognized sign system in Indonesia is the Indonesian Sign System (SIBI), which conveys meaning through hand gestures. Most existing sign language recognition studies focus on single-hand gestures, limiting expressiveness. This study proposes a two-hand gesture recognition system based on digital image processing to translate SIBI gestures into alphabetic letters, while additional gestures enable text control functions. The dataset consists of 29 gesture classes with 1,000 images per class, totaling 29,000 images, and is divided into training and testing sets using a train–test split. A Random Forest classifier is employed to handle high-dimensional landmark coordinate data. Experimental results demonstrate a classification accuracy of 99.97%. The system is implemented as a real-time, user-friendly application. Although high accuracy is achieved, potential overfitting due to the controlled dataset is identified as a limitation. Future work will focus on improving generalization using more diverse real-world data.
Peningkatan Literasi Digital dan Efektivitas Pengelolaan Sampah Plastik Melalui Aplikasi Duitin di Bank Sampah PESONA Anggraini, Daz Vholasky; Budiman, Yusuf Unggul; Santoso, Miftah Faroq; Wahidin, Ahmad Jurnaidi
ABDINE: Jurnal Pengabdian Masyarakat Vol. 5 No. 2 (2025): ABDINE : Jurnal Pengabdian Masyarakat
Publisher : Sekolah Tinggi Teknologi Dumai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52072/abdine.v5i2.1764

Abstract

Permasalahan sampah plastik di Indonesia masih menjadi tantangan serius akibat tingginya timbulan sampah dan rendahnya tingkat pengelolaan berbasis data. Bank sampah sebagai pendekatan berbasis masyarakat memiliki potensi strategis, namun efektivitas operasionalnya kerap terhambat oleh rendahnya literasi digital dan ketergantungan pada pencatatan manual. Kegiatan pengabdian masyarakat ini bertujuan untuk meningkatkan literasi digital dan efektivitas pengelolaan sampah plastik melalui implementasi aplikasi Duitin di Bank Sampah PESONA,.Metode participatory community engagement digunakan dengan tahapan identifikasi kebutuhan, pelatihan berbasis praktik, pendampingan, dan evaluasi kuantitatif menggunakan  analisis pre-test dan post-test serta analisis N-Gain. Hasil evaluasi menunjukkan peningkatan skor rata-rata dari 12,67 pada pre-test menjadi 20,20 pada post-test, dengan nilai N-Gain sebesar 0,611 (kategori sedang) dan 6 peserta tinggi. Selain itu, tingkat kepuasan peserta terhadap pelaksanaan kegiatan mencapai 69,33% (kategori puas). Temuan ini memberikan kontribusi empiris bahwa integrasi pelatihan literasi digital dengan aplikasi pengelolaan sampah berbasis teknologi efektif dalam meningkatkan kapasitas komunitas, transparansi transaksi, dan potensi nilai ekonomis sampah. Secara akademik, kegiatan ini memperkaya kajian pengabdian masyarakat dengan model evaluasi terukur yang dapat direplikasi untuk mendukung penguatan ekonomi sirkular berbasis komunitas
Co-Authors Abdul Aziz Aditya, Ikhsan Nur Akbar, Dudi Duta Alam, Muhammad Ramadhan Sangisda Amelia, Lela Andika, Tahta Herdian Anggara, Indra Galuh Anjani, Yulia Rizki Apriyanto, Rizky Arianto Muditomo Arianto Muditomo Ariza, Disya Nurul Astuti, Tia Puji Awinanto, Alfian Beni Rahmatullah Bintoro, Panji Budiman, Yusuf Unggul Cakranegara, Pandu Adi Cakranegara, Pandu Adi Cavendis, Alwan Dana Indra Sensuse Daz Vholasky Anggraini Desty Endrawati Subroto Dewantara, Rizki Dewi Yuliandari Duha, Arnawati Efendi Efendi Eko Setiawan, Agustinus Endah Eka Setiawati Faisal Faisal Fauzi, Muhamad Rizki Galih Anggara Putra Goo, Maria Grasela Habiburrahman, Tamzis Handika, Muhamad Hariyansyah, Rahmat HARIYANTO HARIYANTO Herlina Ferliyanti Herna, Hernawati Hidayah, Arip I Gede Iwan Sudipa Ibrahim Ibrahim Ichsan Ichsan Ika Kurniawati Intan Lestari Panjaitan Jaka Atmaja, Jaka Kudiantoro Widianto, Kudiantoro Lumbantoruan, Sari Martin, Ricky Miftah Faroq Santoso Miftahorrozi Miftahorrozi Mochamad Nandi Susila Muhammad Agus Muljanto Mustika Wati Alfia Ningtyas Nabila Sari, Marhani Ngara, Simson Mali Novianita, Riastri Nur Azis Oktalivia, Raden Roro Najwa Panca Saputra, Elin Pattiasina, Tiska Prayudhi, Risa Pungkas Budiyono Putra, Firman Restu Putri, Halimatussa’diyah Rahayu Ningsih Raja, Bangkit Kharisma Ratnasari Ratnasari Reza Maulana RR Roosita Cindrakasih Ruscikasani, Syalaiza Nizar sanjay, sanjay Santoso, Miftah Faroq Saputra, Ryan Adjie Setiawan, Agustinus Eko Sihombing, Andre Saputra Sitti Arni soma, Adityan Sri Muryani, Sri Suryadih, Suryadih Tiska Pattiasina Tuti Dharmawati Ventianus Sarwoyo Walim, Walim Yohanes Yohanes Yohanes Yunita Dwi Wikandari Yunita Nur Aprilia Yusuf Unggul Budiman Yusuf Unggul Budiman