Article Per Year (5 Year)
p-Index From 2021 - 2026
7.956
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer Jurnal Teknik Informatika UNIKA Santo Thomas Jurnal ICT : Information Communication & Technology Infotekmesin Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer JCOSE Jurnal Bimbingan dan Konseling JATI (Jurnal Mahasiswa Teknik Informatika) REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer Journal of Computer System and Informatics (JoSYC) MEANS (Media Informasi Analisa dan Sistem) JUSTIN (Jurnal Sistem dan Teknologi Informasi) Jurnal Teknik Informatika Unika Santo Thomas (JTIUST) Jurnal Dinamika Informatika (JDI) Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Journal of Artificial Intelligence and Engineering Applications (JAIEA) PENA ABDIMAS : Jurnal Pengabdian Masyarakat BULLET : Jurnal Multidisiplin Ilmu AMMA : Jurnal Pengabdian Masyarakat Scientica: Jurnal Ilmiah Sains dan Teknologi Jurnal Sistem Informasi dan Manajemen INTERNAL (Information System Journal) Jurnal Ilmiah Sistem Informasi Bianglala Informatika
Kaslani
STMIK IKMI Cirebon
Religion Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mechanical Engineering Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 59 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 59 Documents
Search

 2   3   4   5   6 
MENINGKATKAN MODEL PREDIKSI KELULUSAN SANTRI TAHFIDZ DI PONDOK PESANTREN AL-KAUTSAR MENGGUNAKAN ALGORITMA RANDOM FOREST Sobari, Syahrul; Purnamasari, Ade Irma; Bahtiar, Agus; Kaslani, Kaslani
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5704

Abstract

Abstrak. Penelitian ini bertujuan untuk meningkatkan model prediksi kelulusan santri Tahfidz di Pondok Pesantren Al-Kautsar dengan menerapkan algoritma Random Forest , yang dikenal memiliki kemampuan menangani data kompleks dan menghasilkan prediksi yang lebih akurat dibandingkan metode tradisional. Dengan algoritma Random Forest, penelitian ini berusaha mengeksplorasi keunggulan dalam memberikan prediksi yang lebih baik. Penelitian ini melibatkan beberapa tahapan penting, dimulai dari pengumpulan data santri yang berjumlah 300 dengan mencakup beberapa atribut, seperti jumlah hafalan, tingkat kehadiran, nilai ujian, dan status izin sebagai target prediksi. Hasil penelitian menunjukkan bahwa algoritma Random Forest secara signifikan lebih unggul dibandingkan regresi linier dalam memprediksi kelulusan santri. Random Forest menghasilkan akurasi sebesar 99,64% , presisi 100,00% , dan recall 98,80% , sementara regresi linier hanya mencapai akurasi sebesar 77% . Analisis mendalam menunjukkan bahwa atribut jumlah hafalan dan tingkat kehadiran memiliki pengaruh terbesar terhadap prediksi kelulusan, diikuti oleh nilai ujian. Hal ini menegaskan bahwa faktor nonakademik seperti hafalan dan kehadiran mempunyai peranan penting dalam keberhasilan santri. Keunggulan algoritma Random Forest terletak pada kemampuannya menggabungkan prediksi dari banyak pohon keputusan, sehingga menghasilkan model yang lebih stabil dan tahan terhadap noise dalam data. Selain itu, algoritma ini dapat menangani data dengan kombinasi variabel numerik dan kategorikal tanpa perlu transformasi yang signifikan, menjadikannya cocok untuk dataset dunia nyata yang seringkali tidak sempurna.  Abstrak. Penelitian ini bertujuan untuk memperbaiki model prediksi izin santri tahfidz di Pondok Pesantren Al-Kautsar dengan menerapkan algoritma Random Forest yang diketahui memiliki kemampuan dalam menangani data yang kompleks dan menghasilkan prediksi yang lebih akurat dibandingkan metode tradisional. Dengan algoritma Random Forest, penelitian ini berupaya untuk mengeksplorasi kelebihan dalam memberikan prediksi yang lebih baik. Penelitian ini melibatkan beberapa tahapan penting, dimulai dari pengumpulan data santri sebanyak 300 data yang mencakup beberapa atribut, seperti jumlah hafalan, tingkat kehadiran, nilai ujian, dan status izin sebagai target prediksi. Hasil penelitian menunjukkan bahwa algoritma Random Forest secara signifikan lebih unggul dibandingkan regresi linier dalam memprediksi kelulusan santri. Random Forest menghasilkan akurasi sebesar 99,64%, presisi sebesar 100,00%, dan recall sebesar 98,80%, sedangkan regresi linier hanya mencapai akurasi sebesar 77%. Analisis mendalam menunjukkan bahwa atribut hafalan dan tingkat kehadiran memiliki pengaruh paling besar dalam memprediksi penerimaan, diikuti oleh nilai ujian. Hal ini menegaskan bahwa faktor non akademis seperti hafalan dan kehadiran memiliki peran penting dalam keberhasilan siswa. Keunggulan algoritma Random Forest terletak pada kemampuannya menggabungkan prediksi dari banyak pohon keputusan, sehingga menghasilkan model yang lebih stabil dan tahan terhadap noise dalam data. Selain itu, algoritma ini dapat menangani data dengan kombinasi variabel numerik dan kategoris tanpa memerlukan transformasi yang signifikan, sehingga cocok untuk dataset dunia nyata yang seringkali tidak sempurna.
Transformasi Pembelajaran Matematika Melalui Media Pembelajaran Adaptif Berbasis Augmented Reality: Pemberdayaan Guru SMP Di Kota Cirebon Faqih, Ahmad; Ali, Irfan; Kaslani; Adella, Luthfiyyah Iffah; Rayhan, Tubagus Muhammad
PENA ABDIMAS : Jurnal Pengabdian Masyarakat Vol 7 No 1 (2026): Januari 2026
Publisher : LPPM Universitas Pekalongan

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

Abstract

Observasi awal di MGMP Matematika SMP Kota Cirebon menunjukkan bahwa pembelajaran matematika masih didominasi metode ceramah (72%) dan pemanfaatan teknologi pembelajaran sangat rendah, hanya 1% guru pernah menggunakan Augmented Reality (AR). Selain itu, guru cenderung menyusun RPP secara seragam tanpa diferensiasi kebutuhan siswa. Program pengabdian ini bertujuan meningkatkan kompetensi guru melalui pelatihan penyusunan RPP adaptif dan pembuatan media pembelajaran berbasis AR. Kegiatan dilakukan dengan pendekatan partisipatif melalui lima tahap: sosialisasi, pelatihan, penerapan teknologi, pendampingan, dan keberlanjutan, melibatkan 20 guru MGMP. Hasil menunjukkan peningkatan signifikan pada dua aspek kompetensi. Sebanyak 90% guru berhasil menyusun RPP adaptif dan mengidentifikasi kebutuhan belajar siswa, dengan peningkatan nilai dari 52,5 menjadi 82,0 (t = 12,87; p = 0,000). Sementara 80% guru berhasil menghasilkan media AR fungsional, dengan peningkatan nilai dari 46,0 menjadi 78,5 (t = 11,23; p = 0,000). Selain itu, terbentuk forum berbagi praktik baik sebagai wujud keberlanjutan program. Program ini efektif meningkatkan kemampuan guru dalam merancang pembelajaran adaptif dan memanfaatkan AR untuk pembelajaran matematika secara inovatif. Kata kunci: matematika, RPP adaptif, augmented reality, MGMP.
SMOTE untuk Meningkatkan Performa Naïve Bayes dan Random Forest dalam Analis Sentimen aplikasi Digitalent Faqih, Ahmad; Mahendra, Yusril Muhamad Izha; Kaslani
Jurnal Dinamika Informatika Vol. 14 No. 2 (2025): Vol. 14 No. 2 (2025)
Publisher : Program Studi Informatika Universitas PGRI Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31316/jdi.v14i2.347

Abstract

Sentiment analysis is critical to understanding how an app, such as a digital training app like Digitalent, is viewed by users. User reviews available on app distribution platforms provide ample data for this analysis. However, in sentiment analysis, data imbalance is a common problem; positive reviews tend to outnumber negative and neutral reviews. This imbalance can impact machine learning models, which can lead to inaccurate predictions of the majority class. The purpose of this research is to solve this problem by using SMOTE (Synthetic Minority Selection Technique) technique in sentiment analysis of Digitalent app reviews and comparing the performance of two machine learning algorithms, Naive Bayes and Random Forest. The research data was collected from Indonesian user reviews from the Digitalent platform. Before being processed for analysis, the data went through pre-processing processes such as cleaning, tokenization, and normalization. SMOTE technique was applied to balance the number of reviews for each sentiment class. Furthermore, Naive Bayes and Random Forest algorithms are used to categorize the sentiment. The results of the SMOTE application research successfully increased the proportion of negative and neutral classes, so that the distribution of the dataset became balanced. The test results show that the accuracy of Naïve Bayes increased from 68.25% to 92.16%, while Random Forest increased from 68.25% to 92.16%.Keywords: K-Means Clustering, education level, clustering, village education, RapidMiner
Evaluasi Pembelajaran AR Sejarah Berbasis SUS, UEQ, TAM Rudi Kurniawan; Dadang Sudrajat; Kaslani; Gifthera Dwilestari; Sandy Eka Permana
Prosiding SISFOTEK Vol 9 No 1 (2025): SISFOTEK IX 2025
Publisher : Ikatan Ahli Informatika Indonesia

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

Abstract

History education in secondary schools still faces challenges in presenting material that attracts the digital generation’s attention. The Bandung Lautan Api event, a topic rich in local and national values, is often taught using conventional methods that limit student engagement and motivation. This study evaluates the feasibility of Augmented Reality (AR)-based learning media to enhance students’ historical literacy on the Bandung Lautan Api topic. A quantitative approach was applied using three integrated evaluation models: the System Usability Scale (SUS), User Experience Questionnaire (UEQ), and Technology Acceptance Model (TAM), involving 100 respondents comprising high school teachers and students. The results indicate that the AR media demonstrates excellent usability (SUS = 87.69), a highly positive user experience across all UEQ dimensions (highest attractiveness = 2.12), and strong technology acceptance (PU = 5.87; PEOU = 5.69; BI = 6.18). Both teachers and students shared consistent perceptions. These findings confirm that the AR media is feasible and capable of creating immersive and interactive learning experiences. Theoretically, this research enriches AR-based learning evaluation literature, while practically, it provides a ready-to-adopt model for integrating AR into history education.
Algoritma K-Means Untuk Klasterisasi Kampung Di Desa Bojong BerdasarkanTingkat Pendidikan Yuliantin, Yovi; Faqih, Ahmad; Kaslani
Bianglala Informatika Vol. 13 No. 1 (2025): Maret 2025
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/bianglala.v13i1.12008

Abstract

Desa Bojong menghadapi tantangan dalam memetakan tingkat pendidikan penduduknyasecara terstruktur. Meskipun data tersedia, kurangnya pengorganisasian menyebabkan kesenjanganakses pendidikan, terutama di wilayah-wilayah tertentu. Penelitian ini bertujuan untukmengelompokkan tingkat pendidikan warga Desa Bojong menggunakan algoritma K-Means, sehinggadapat memberikan wawasan yang lebih mendalam tentang kondisi pendidikan masyarakat. Data yangdigunakan mencakup 6.027 penduduk dari 10 kampung, dengan atribut seperti usia, pendidikanterakhir, pekerjaan, dan status pernikahan. Proses analisis mengikuti tahapan Knowledge Discovery inDatabase (KDD) dan dilakukan menggunakan perangkat lunak RapidMiner. Hasil penelitianmenunjukkan bahwa jumlah klaster yang ideal adalah 7, dengan nilai terbaik 0,467 untuk DaviesBouldin Index (DBI). Setiap klaster menunjukkan tingkat pendidikan tertentu. Cluster 6 memiliki tingkatpendidikan yang sangat tinggi, dengan banyak penduduk yang sampai perguruan tinggi. Sementaraitu, Cluster 0 terdiri dari orang-orang yang hanya tamat SD atau bahkan tidak sekolah. Studi inimenunjukkan distribusi pendidikan di Desa Bojong. Hasil ini dapat membantu pemerintah desamembuat program pendidikan yang lebih baik. Kampung dengan tingkat pendidikan rendah dapatberkonsentrasi pada program yang meningkatkan akses pendidikan dasar, seperti literasi dan subsidipendidikan, sedangkan kampung dengan tingkat pendidikan tinggi dapat berkonsentrasi padapengembangan program pendidikan lanjutan atau pelatihan vokasional. Metode ini diharapkan dapatmembantu Desa Bojong mengatasi kesenjangan pendidikan dan meningkatkan kualitas hidupwarganya dengan menyediakan program yang tepat sasaran. Selain itu, penelitian ini membantuimplementasi algoritma K-Means dalam pengelompokan data pendidikan di daerah pedesaan.
FP-Growth for Data-Driven Purchase Pattern Analysis and Product Recommendations at Flanetqueen Store Marwah, Sopa; Rahaningsih, Nining; Ali, Irfan; Marthanu, Indra Wiguna; Kaslani
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 5 No. 2 (2026): February 2026
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v5i2.1850

Abstract

The advancement of information technology has encouraged the use of data analytics to support data-driven business decision-making. This study aims to analyze purchasing patterns of hoodie products and provide product recommendations for customers at Flanetqueen Store using the FP-Growth (Frequent Pattern Growth) algorithm. The research applies the Knowledge Discovery in Database (KDD) framework, consisting of five stages: data selection, preprocessing, transformation, data mining, and interpretation/evaluation. The dataset comprises hoodie sales transactions recorded from January to December 2024. Data analysis was conducted using RapidMiner Studio version 10.3 with a minimum support of 0.2 and minimum confidence of 0.4. The analysis produced 26 itemsets and 11 association rules indicating product correlations. The strongest rule, Bloods → Champion, achieved a confidence of 0.414, revealing that customers who purchased Bloods hoodies were also likely to buy Champion hoodies. These findings were used to design cross-selling strategies and generate relevant product recommendations. The study demonstrates that FP-Growth effectively extracts frequent purchase patterns and contributes to the development of data-driven recommendation systems in the local fashion retail industry.
Mitigating Imbalanced Citrus Disease Image Datasets with Oversampling Gunawan, Arya; Suarna, Nana; Bahtiar, Agus; Marthanu, Indra Wiguna; Kaslani
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 5 No. 2 (2026): February 2026
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v5i2.1862

Abstract

Dataset imbalance is a critical challenge in plant disease image classification because it causes bias towards the majority class. This study evaluates the effectiveness of augmentation-based oversampling techniques on the classification performance of citrus leaf images using the MobileNetV2 architecture. The four leaf disease classes classified include Greening, Fresh, Canker, and Blackspot. The dataset was obtained from a public repository and processed through preprocessing (resize, normalization) and augmentation (rotation, flipping, zoom) stages. The model was trained and tested in two scenarios: baseline (unbalanced data) and mitigation (data balanced through augmentation). The experimental results show that the mitigation approach was able to increase accuracy from 91.92% to 93.94%. The F1-score, precision, and recall values also increased significantly, especially in the minority class. Evaluation using a confusion matrix reinforced the finding that augmentation-based oversampling is effective in reducing classification errors. This study shows that the integration of augmentation techniques and MobileNetV2-based transfer learning can significantly improve classification performance and contribute to the development of early detection systems for plant diseases in precision agriculture.
PENERAPAN BUSINESS INTELLIGENCE DALAM EVALUASI EFISIENSI PENGELOLAAN STOK BUKU DI TOKO BUKU TOHA PUTRA CIREBON Fadillah, Nafla; Astuti, Rini; Anam, Khaerul; Wiguna Marthanu, Indra; Kaslani
Jurnal Ilmiah Sistem Informasi (JISI) Vol. 5 No. 1 (2026): MARET
Publisher : Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/jisi.v5i1.10626

Abstract

Penelitian ini bertujuan menganalisis efektivitas penerapan Business Intelligence (BI) dalam meningkatkan efisiensi pengelolaan stok pada Toko Buku Toha Putra Cirebon, yang masih menggunakan pencatatan manual dan sering mengalami ketidaktepatan informasi, overstock, dan stockout. Metode yang digunakan adalah pendekatan kuantitatif deskriptif dengan memanfaatkan data operasional penjualan, pembelian, dan persediaan yang kemudian diproses melalui tahapan ETL dan integrasi ke dalam data warehouse sebelum dianalisis menggunakan dashboard interaktif. Hasil penelitian menunjukkan bahwa penerapan BI meningkatkan nilai stock turnover dari 2,1 kali menjadi 3,4 kali, serta menurunkan days of inventory dari 62 hari menjadi 41 hari. Selain itu, tingkat stockout berkurang sebesar 18% setelah penerapan BI. Temuan ini menunjukkan bahwa BI mampu menyediakan informasi yang lebih akurat, mempercepat analisis, dan meningkatkan kualitas keputusan pemesanan. Secara keseluruhan, penelitian ini memberikan kontribusi praktis bagi ritel buku dalam optimalisasi persediaan dan kontribusi teoretis berupa model implementasi BI untuk usaha skala menengah.
Penguatan Kompetensi Lulusan SMK Kota Cirebon Melalui Pelatihan Junior Network Administrator Irfan Ali; Kaslani; Sri Ayuningsih; Firda Pardiana
AMMA : Jurnal Pengabdian Masyarakat Vol. 3 No. 3 : April (2024): AMMA : Jurnal Pengabdian Masyarakat
Publisher : CV. Multi Kreasi Media

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

Abstract

In today's increasingly advanced digital era, the need for skilled personnel in network administration is growing. This Community Partnership Program aims to provide junior network administrator training for graduates of Vocational High Schools (SMK) in Cirebon City. This training is designed to equip participants with essential basic knowledge and skills in managing and maintaining computer network infrastructure. The material presented includes basic network concepts, network device configuration, fundamental network security principles, and common troubleshooting techniques. It is hoped that this program can enhance the competence of SMK graduates, making them more prepared to enter the workforce in the field of information technology.
Co-Authors Abdul Ajiz Abdul Ajiz, Abdul Abdul Koda Abdul mukhsyi, Sopian Abi Fajar Ahmad Fauzi Ade Irma Purnamasari Ade Irma Purnamasari Adella, Luthfiyyah Iffah agus bahtiar Ahmad Faqih Alibasyah, Aziz Amalia, Dita Rizki Amir Rudin, Rizki Anana Rafly Andi Setiawan Andi Setiawan Andia, Rita Anwar Pauji Aprilyani, Wiwin Aria Pratama Arya Gunawan Bachtiar, Agus Bakri, Saeful Basysyar, Fadhil Muhammad Basysyar, Fadil M Cep Lukman Rohmat Dadang Sudrajat Deffan Febrian Dirmanthara Delisah Destriyanah, Riska Dian Ade Kurnia Dilla Eka Lusiana Dodi Solihin Edi Tohidi Edi Tohidi Edi Wahyudin Edi Wahyudin Ega Salsa Nugraha Eka Permana, Sandy Fadillah, Nafla Fansuri, Rafly Fathurrohman Fathurrohman Fathurrohman, Fathurrohman Fatihanursari, Fatihanursari Faturachman, Rifcki Aziz Faturrohman, Faturrohman Fauziah, Irfa Mulhimah Firda Pardiana Fitriyah, Anis Garsandi, Akmal Maulana Gifthera Dwilestari Haidar Fakhri Hamonangan, Ryan Handayani, Tineka Hartini, Tuti Hayati, Umi Herdiana, Ruli Hermawan, Eman Hery Widijanto Hilman Rifa'i Hira Wahyuni Azizah Iin, Iin Iqbal Agis Junizar Irfan Ali Irfan Ali, Irfan Irma Purnamaari, Ade Irma Purnamasari, Ade Kencana, Junaedi Surya Khaerul Anam Mahendra, Yusril Muhamad Izha Marthanu, Indra Wiguna Marwah, Sopa Muhalim, Alvy Muhammad Aji Pratama Mulyawan Mulyawan Mulyawan, Mulyawan Nining Rahaningsih Nur Atikah Odi Nurdiawan Perdana Herdiansyah, Reza Pratama, Denni Puji Rahayu Purnama Sari, Ade Irma Purnamasari, Ade Irma Purnamasari, Ade Purnamasari Putri Siti Nur Hajijah, Regi Raditya Danar Dana Ramdhan, Dadan Rayhan, Tubagus Muhammad Rini Astuti Rizki Fahrezi Maulana Rizky Wahyudi, Febri Rohmat, Cep Lukman Rudi Kurniawan Ryan Hamonangan Salsabila, Putri Sandy Eka Permana SANJAYA, RIKI siti azhar Sobari, Syahrul Sri Ayuningsih Suarna, Nana Subhiyanto, Fajar Sukma Maula, Intan Tati Suprapti Tengku Riza Zarzani N Tio Prasetya Tohidi, Edi Tohodi, Edi Tuti Hartati Umi Hayati Vibrianti, Vera Wafiq Azizah Wahyudi, Edi Wahyudin, Edi Wiguna Marthanu, Indra Wilda Rusmiati Rahayu Yuliantin, Yovi Zapar, Rizky