Article Per Year (5 Year)
p-Index From 2021 - 2026
2.133
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Informatika Komputer Ekonomi Bisnis Bulletin of Electrical Engineering and Informatics ILKOM Jurnal Ilmiah Decode: Jurnal Pendidikan Teknologi Informasi Jurnal Pengabdian Kepada Masyarakat Darma Saskara
Eka Patriya
Universitas Gunadarma
Agriculture, Biological Sciences & Forestry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Languange, Linguistic, Communication & Media Social Sciences Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
ANALISIS KREDIT CALON DEBITUR MENGGUNAKAN METODE FUZZY TSUKAMOTO Eka Patriya; Ety Sutanty; Handayani Handayani; Meilani B. Siregar; Esti Setiyaningsih
Jurnal Ilmiah Informatika Komputer Vol 27, No 1 (2022)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2022.v27i1.6169

Abstract

Bank sebagai salah satu lembaga keuangan di Indonesia yang berbentuk bank memberikan jasa keuangan dengan menggunakan prinsip-prinsip perbankan. Bank SENDIRI menyediakan berbagai jenis fasilitas kredit, salah satunya Kredit Multi Guna. Saat ini proses analisis pengajuan kredit di Bank dilakukan dengan menggunakan Sistem Electronic Loan, akan tetapi ketika sistem bermasalah maka proses analisis kredit dilakukan dengan cara manual oleh analis. Tentu saja hal ini mengakibatkan proses analisis kredit membutuhkan waktu. Pada penelitian ini peneliti mengimplementasikan diimplementasikan penggunaan metode fuzzy tsukamoto dalam menganalisis kelayakan kredit calon debitur Bank. Proses analisis kredit pada penelitian ini menggunakan 3 variabel yaitu pekerjaan, Debt Service Ratio (DSR) yang merupakan perbandingan antara angsuran kredit dengan penghasilan, serta kolektabilitas. Masing-masing variabel memiliki 3 himpunan fuzzy dan aturan yang terbentuk adalah sebanyak 27 aturan. Kelayakan KMG calon debitur pada penelitian ini menggunakan hasil dari proses defuzzifikasi. Hasil ujicoba menunjukkan, implementasi fuzzy tsukamoto berdasarkan variabel, DSR, dan kolektabilitas berhasil menghasilkan keputusan kelayakan fasilitas kredit calon debitur Bank dari hasil defuzzifikasi. Hasil penelitian ini diharapkan dapat mempermudah analis dalam melakukan proses analisis pemutusan kredit calon debitur Bank.
Implementation of the prophet model in COVID-19 cases forecast Rodiah Rodiah; Eka Patriya; Diana Tri Susetianingtias; Ety Sutanty
ILKOM Jurnal Ilmiah Vol 14, No 2 (2022)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v14i2.1219.99-111

Abstract

One of the steps to understanding this pandemic is to look at the spread of the data by predicting an increase in cases in various countries so that prevention can be carried out as early as possible. One way to see fluctuations in COVID-19 pandemic data is to predict the rate of cases using forecasting methods so that conclusions can be drawn on the spread of COVID-19 pandemic data around the world to be processed using statistical models. This study will implement the use of the Prophet Model in seeing the rate of development of COVID-19 in the world using four features in the forecasting process such as the number of confirmed cases, the number of cases of recovered patients, the number of cases of death, and the number of active cases. The results of this study produce forecasting data on the number of cases of the COVID-19 pandemic that can be viewed daily, weekly, and even monthly. Forecasting results show the first spike at the end of March until the number of cases reached around 10,275,800 million as of June 29, 2020, where the number of cases grew exponentially until June 29, 2020. The case rate of growth in many instances experienced significant growth until the end of October, touching the number in the range of 34,507,150 million as of October 25, 2020. After June 29, 2020, a very high spike was different from the increase in cases in the previous months. Forecasting results show no point decline because historical data on the number of daily confirmed cases of the COVID-19 pandemic has not decreased. The forecasting results in this study are expected to be able to systematically predict events or events that will occur in the COVID-19 pandemic around the world with the help of valid periodic data so that some information can be obtained for preventive measures related to the COVID-19 pandemic.
PERAMALAN HARGA SAHAM PENUTUPAN INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ALGORITMA LONG SHORT TERM MEMORY (LSTM) Eka Patriya; Andriansyah Latif; Handayani Handayani
Jurnal Ilmiah Ekonomi Bisnis Vol 28, No 2 (2023)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/eb.2023.v28i2.7964

Abstract

Investasi merupakan suatu kegiatan yang dilakukan untuk uang kepada suatu produk investasi untuk mendapatkan keuntungan (benefit) dengan harapan secara imbal balik mendapat keuntungan yang lebih besar di masa depan. Saham sebagai bentuk kegiatan investasi yang dapat menjadi alternatif sumber dana bagi para investor baik perusahaan atau pun individual. Seorang investor saham dituntut untuk bisa melakukan analisis dari indikator yang dapat mempengaruhi pergerakan saham. Indeks Harga Saham Gabungan (IHSG) merupakan salah satu indikator yang perlu diperhatikan dalam berinvestasi. IHSG merupakan refleksi dari kinerja keseluruhan saham perusahaan dan aktifitas kinerja ini dicatat di Bursa Efek Indonesia (BEI). BEI akan mencatat saham yang mengalami kenaikan dan penurunan.  Penelitian ini melakukan peramalan saham berdasarkan harga penutupan saham IHSG menggunakan Long Short Term Memory (LSTM). Evaluasi kinerja model LSTM dalam melakukan peramalan menggunakan Root Mean Square Error (RMSE). Model LSTM yang dibentuk dapat digunakan untuk melakukan peramalan harga penutupan saham, sehingga dapat menjadi pertimbangan para investor untuk melakukan investasi saham. Invesitasi saham dapat dilakukan salah satunya dengan melihat nilai pergerakan IHSG yang mencerminkan nilai kinerja saham di pasar keuangan.
Combination of YOLOv3 Algorithm and Blob Detection Technique in Calculating Nile Tilapia Seeds Diana Tri Susetianingtias; Eka Patriya; Rini Arianty
ILKOM Jurnal Ilmiah Vol 15, No 2 (2023)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v15i2.1634.317-325

Abstract

Baby Fish counting must be counted accurately so it will not cause any loss, especially for fish seeds or fingerlings that have a small size. Generally, people still use conventional counting methods that produce low accuracy values. This research will make a Nila Baby Fish fingerlings counter program using the YOLOv3 algorithm and Blobb detection technique. The annotation data process will use LabelImg, and the dataset training will use Google COLABoratory with the Darknet framework in an online environment. Images that will predict in this program will be called and detected with an object detector. The object with a confidence score of more than 0.3 will be converted into a blob. The blob value will be forwarded to the output layer for scaling the bounding box objects. The output of this program is the predicted image, blob value, prediction time, and the number of Nila seeds. The model performance is evaluated using a confusion matrix and got a 98.87% for accuracy score.
Deep learning based identification of Crocidolomia pavonana larvae on mustard plants using Grad-CAM Diana Tri Susetianingtias; Sarifuddin Madenda; Risnawati Risnawati; Maukar Maukar; Eka Patriya; Rodiah Rodiah
Bulletin of Electrical Engineering and Informatics Vol 15, No 3: June 2026
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/eei.v15i3.11343

Abstract

Mustard greens are an important vegetable commodity, but their production is often affected by pest attacks, especially the cabbage worm Crocidolomia pavonana (C. pavonana). The larvae damage leaf tissues and cause significant yield losses, while chemical control is often ineffective due to differences in insecticide sensitivity across larval instars. This study proposes a deep learning based classification approach combined with gradient weighted class activation mapping (Grad-CAM) to identify larval instars of C. pavonana on mustard plants. A dataset of 684 images covering instars 1 to 4 was collected from laboratory rearing and field observations, then processed using resizing and augmentation techniques and divided into training, validation, and testing sets with an 8 to 1 to 1 ratio. Two convolutional neural network (CNN) models, visual geometry group 19 (VGG19), and Xception, were implemented with additional fully connected layers. The VGG19 model achieved 94.20% accuracy and outperformed Xception. Grad-CAM successfully highlighted larval regions and supported visual interpretation. The results show that the proposed method can improve pest identification accuracy and support more effective pest management.
Program Pendidikan Ilmu Ekonomi “Pemasaran Online” Untuk Peserta Didik Divisi Pendidikan Publik Lembaga AgenKultur Kp Babakan Ds Binong, Karawaci, Tangerang, Banten Reni Diah Kusumawati; Supiningtyas Purwaningrum; Eka Patriya; Guyub Nuryanto; Handayani; Ch. Dewi Wulandari; Ashur Harmadi; Astried Permanasari; Andriansyah Latif; Dadi Kuswandi
Jurnal Pengabdian Kepada Masyarakat Darma Saskara Vol. 5 No. 2 (2025)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/abdimasug.2025.v5i2.213

Abstract

Pelaksanaan Pengabdian kepada Masyarakat merupakan salah satu bentuk nyata dari penerapan Tri Darma Perguruan Tinggi. Dalam kegiatan ini, Universitas Gunadarma menjalin kerja sama dengan Yayasan AgenKultur, sebuah lembaga independen yang bergerak di bidang sosial, budaya, dan pendidikan, di mana PKBM Tan Malaka menjadi divisi yang berfokus pada layanan pendidikan. Kolaborasi tersebut diwujudkan melalui pemberian pelatihan komputer dan ekonomi kepada peserta didik program Paket B dan C di yayasan tersebut. Mengingat pentingnya penguasaan teknologi informasi pada masa sekarang, materi pelatihan yang diberikan diarahkan pada pengenalan dan pemanfaatan internet untuk kegiatan pemasaran digital. Selain pelatihan teknis, Universitas Gunadarma juga menyelenggarakan Kuliah Umum secara daring untuk menambah wawasan para siswa mengenai perkembangan teknologi informasi, khususnya dalam bidang ilmu komputer dan penerapannya di bidang ekonomi. Seluruh kegiatan ini bertujuan untuk meningkatkan pengetahuan dan keterampilan digital para siswa di PKBM Tan Malaka sehingga mereka memiliki bekal yang lebih baik dalam menghadapi kebutuhan pembelajaran dan dunia kerja. One of the ways to actualize the Tri Darma of Higher Education is through community service activities, and this initiative is reflected in the collaboration between Gunadarma University and the AgenKultur Foundation, an independent organization focusing on social, cultural, and educational development. Within this foundation, PKBM Tan Malaka serves as the main educational unit. Through this partnership, training sessions in computer science and basic economics were provided for students enrolled in Package B and C programs. Given the increasing reliance on digital technology today, the training modules emphasized the introduction and practical use of the internet as a tool for digital marketing. In addition to technical training, Gunadarma University also offered an online Public Lecture designed to give students insight into the latest trends in information technology, particularly within computer science and its relevance to economic activities. The overall goal of this community service program was to enhance the digital literacy and practical IT skills of students at the AgenKultur Foundation.
Digitalisasi Model Altman Z-Score untuk Prediksi Financial Distress Perusahaan Negara Non-Manufaktur Berbasis Data Mining Eka Patriya; Handayani; Rini Arianty
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 2: JULI 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i2.1173

Abstract

Penelitian ini bertujuan untuk mendigitalisasi model Altman Z-Score dalam memprediksi potensi financial distress pada PT Aneka Tambang Tbk sebagai perusahaan negara non-manufaktur. Studi ini menggunakan data laporan keuangan tahunan periode 2019–2023 yang diperoleh dari Bursa Efek Indonesia. Proses awal meliputi normalisasi data melalui konversi tipe string menjadi numerik, penghapusan simbol mata uang, serta penambahan kolom EBIT dan working capital. Metode Altman Z-Score non-manufaktur diterapkan dengan menghitung empat rasio utama: X1 (WCTA), X2 (RETA), X3 (EBITTA), dan X4 (BVE/TL), kemudian dikalikan dengan koefisien masing-masing untuk memperoleh nilai Z-Score. Hasil analisis menunjukkan bahwa seluruh nilai Z-Score PT Aneka Tambang Tbk selama lima tahun berada di atas 2,6, yang menempatkan perusahaan secara konsisten dalam kategori safe zone. Tren Z-Score yang meningkat tiap tahun mengindikasikan perbaikan kesehatan keuangan perusahaan. Visualisasi interaktif menggunakan matplotlib memperkuat interpretasi hasil. Penelitian ini membuktikan bahwa digitalisasi model prediksi financial distress berbasis data efektif meningkatkan efisiensi analisis dan pengambilan keputusan. Pengembangan sistem ini diharapkan dapat diintegrasikan ke dalam sistem pelaporan keuangan digital untuk pemantauan keuangan real-time yang lebih akurat dan bermanfaat.
Model Convolutional Neural Network (CNN) Custom Sequential untuk Klasifikasi Citra Ikan Hias Carassius Auratus pada Industri Akuakultur Rodiah; Diana Tri Susetianingtias; Eka Patriya
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 3: NOVEMBER 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i3.1229

Abstract

Identifikasi varietas ikan hias Carassius auratus dengan keanekaragaman morfologi yang tinggi masih sering dilakukan secara manual, sehingga menimbulkan kesulitan bagi para pecinta ikan hias maupun pelaku akuakultur dalam membedakan jenisnya secara tepat. Kondisi ini menuntut adanya solusi berbasis teknologi yang mampu memberikan hasil identifikasi lebih cepat, praktis, dan presisi. Penelitian ini bertujuan untuk mengembangkan model klasifikasi citra menggunakan pendekatan Convolutional Neural Network (CNN) dengan arsitektur custom sequential sebagai sistem identifikasi visual otomatis. Tahapan penelitian dilakukan melalui pengumpulan 2.080 citra ikan yang mewakili delapan kelas varietas, dilanjutkan dengan proses pra-pemrosesan data agar citra siap digunakan pada tahap pelatihan model. Arsitektur CNN yang dibangun terdiri dari tujuh lapisan konvolusi dengan jumlah filter bertingkat mulai dari 32 hingga 256, disertai proses pooling, aktivasi ReLU, transformasi flatten, serta lapisan fully connected dengan mekanisme dropout untuk mengurangi overfitting, dan diakhiri dengan fungsi aktivasi softmax sebagai klasifikasi multi-kelas. Hasil eksperimen menunjukkan bahwa model mampu mengklasifikasikan citra ikan hias dengan tingkat akurasi mencapai 93,03% serta menghasilkan prediksi data uji secara konsisten tepat. Penelitian ini berkontribusi dalam menghadirkan pendekatan klasifikasi berbasis citra yang efisien, akurat, dan aplikatif, sehingga dapat mendukung proses identifikasi varietas ikan hias dalam industri akuakultur secara lebih modern dan berbasis teknologi.
Implementasi Agile Scrum untuk Pengembangan Fitur E-Coupon pada Sistem POS Ritel Handayani; Eka Patriya; Sari Noorlima Yanti
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 3: NOVEMBER 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i3.1484

Abstract

Perkembangan teknologi digital telah mendorong perubahan signifikan dalam perilaku belanja konsumen dari metode konvensional menuju transaksi daring, sehingga perusahaan ritel perlu berinovasi untuk meningkatkan loyalitas pelanggan. Salah satu inovasi yang banyak diterapkan adalah pemanfaatan electronic coupon (e-Coupon) dalam sistem Point of Sales (POS) untuk memberikan kemudahan bagi pelanggan dalam memperoleh, menukarkan, dan menggunakan kupon digital secara langsung pada proses transaksi. Penelitian ini bertujuan mengembangkan fitur e-Coupon yang mencakup proses earning, redeem, dan apply discount pada sistem POS ritel menggunakan metode Agile Development dengan model Scrum. Proses pengembangan dilakukan melalui tahapan product backlog, sprint planning, sprint backlog, dan sprint review secara iteratif dan kolaboratif untuk memastikan kesesuaian dengan kebutuhan pengguna. Hasil penelitian menunjukkan bahwa penerapan Scrum mampu mempercepat proses pengembangan, meningkatkan koordinasi tim, serta menghasilkan fitur e-Coupon yang berfungsi sesuai kebutuhan bisnis dan telah teruji melalui berbagai skenario transaksi. Fitur yang dihasilkan juga memberikan kemudahan bagi kasir dan pelanggan dalam melakukan transaksi menggunakan kupon digital. Kontribusi penelitian ini berupa model pengembangan fitur POS berbasis Agile–Scrum yang dapat diadaptasi oleh perusahaan ritel dalam mempercepat inovasi digital, meningkatkan efisiensi operasional, serta memperkuat pengalaman dan kepuasan pelanggan.
Model Random Forest Regression Untuk Peramalan Penyebaran Covid-19 Di Indonesia: Random Forest Regression Model for Forecast Of Covid-19 Spread In Indonesia Diana Tri Susetianingtias; Eka Patriya; Rodiah
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 2 No. 2: SEPTEMBER 2022
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v2i2.48

Abstract

Penyebaran COVID-19 sangat cepat yang membuat pada tanggal 27 Februrari 2020, sudah menginfeksi 78630 orang di China dan 2747 orang lainnya meninggal dunia. Keberadaan COVID-19 di Indonesia sendiri pertama kali terkonfirmasi pada tanggal 2 Maret 2020. Pada penelitian ini, peneliti akan melakukan peramalan penyebaran COVID-19 di Indonesia menggunakan metode Random Forest Regression. Raw Dataset yang digunakan adalah dataset yang di dapat dari situs www.kaggle.com yang berisikan record sebanyak 10695 record yang dirangkum dari tanggal 1 Maret 2020 hingga 21 Januari 2021. Jumlah fitur yang dimiliki raw dataset sebanyak 37 fitur. Proses preprocessing pada penelitian ini terdiri dari konversi fitur, seleksi fitur dan mendapatkan fitur untuk model. Metode seleksi fitur yang digunakan adalah Recursive Feature Elimination yang berhasil menyeleksi fitur dari dataset yang tadinya berjumlah 37 menjadi 20 fitur. Pelatihan model menggunakan training set yang berjumlah 8555 record. Peramalan menggunakan model Random Forest Regression akan menggunakan validation set yang berjumlah 2139 record. Hasil perhitungan error pada model Random Forest Regression tidak besar, yaitu sebesar 6.477 untuk peramalan New Cases, dan 0.2469 untuk peramalan New Deaths  yang artinya hasil nilai yang diramalkan dengan nilai aktual tidak berbeda jauh.
Co-Authors Andriansyah Latif Ashur Harmadi Astried Permanasari Ch. Dewi Wulandari Dadi Kuswandi Esti Setiyaningsih Ety Sutanty Ety Sutanty Guyub Nuryanto Handayani Handayani Handayani Handayani Handayani Handayani Maukar Maukar Meilani B. Siregar Reni Diah Kusumawati Rini Arianty Rini Arianty Rini Arianty Risnawati Risnawati Rodiah Rodiah Sari Noorlima Yanti Sarifuddin Madenda Supiningtyas Purwaningrum Susetianingtias, Diana Tri