Article Per Year (5 Year)
p-Index From 2021 - 2026
3.265
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Jurnal Teknologi dan Manajemen Informatika DINAMIKA DOTCOM Jurnal IPTEK INFORMAL: Informatics Journal JURNAL MEDIA INFORMATIKA BUDIDARMA SMARTICS Journal JEEMECS (Journal of Electrical Engineering, Mechatronic and Computer Science) INOVTEK Polbeng - Seri Informatika MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) Jurnal Teknologi Terapan Antivirus : Jurnal Ilmiah Teknik Informatika Indonesian Journal of Electrical Engineering and Computer Science Community Development Journal: Jurnal Pengabdian Masyarakat Jurnal Aghniya Jurnal Pengabdian Polinema Kepada Masyarakat Jurnal Minfo Polgan (JMP) JAPI: Jurnal Akses Pengabdian Indonesia Pangripta Jurnal Ilmiah Kajian Perencanaan Pembangunan Jurnal Informatika Polinema (JIP)
Pramana Yoga Saputra
Politeknik Negeri Malang
Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Library & Information Science Mathematics Mechanical Engineering Nursing Public Health Social Sciences Other

Published : 29 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 29 Documents
Search

 1   2   3 
Pelatihan Pemanfaatan Sistem Informasi Pondok Pesantren Ashabul Kahfi Pramana Yoga Saputra; Rawansyah; Ulla Delfana Rosiani; Ariadi Retno Ririd; Noprianto
Jurnal Pengabdian Polinema Kepada Masyarakat Vol. 9 No. 2 (2022): Jurnal Pengabdian Polinema Kepada Masyarakat
Publisher : UPT Penelitian dan Pengabdian Kepada Masyarakat Politeknik Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jppkm.v9i2.151

Abstract

Pondok Pesantren Ashabul Kahfi Malang merupakan sebuah pondok pesantren yang diperuntukkan bagi mahasiswa yang berdiri sejak tahun 1995. Terletak pada jalan Semanggi Barat no 1A Lowokwaru Malang. Pondok Pesantren Ashabul Kahfi masih menerapkan sistem pengadministrasian yang sederhana dibantu dengan buku besar serta komputerisasi sederhana. Melihat banyaknya santri yang terus bertambah, hal tersebut menyulitkan pengurus yang bertugas absensi waktu talim. Sehingga perlu adanya sistem informasi yang dapat digunakan untuk mengurangi permasalahan yang ada, serta membantu dan mempermudah pengurus. Agar pihak pengurus Pondok Pesantren Ashabul Kahfi Malang dapat memahami alur serta pengoperasian sistem informasi yang ada, maka perlu dilakukan sosialisasi dan pelatihan pemanfaatan sistem informasi tersebut. Sehingga proses bisnis yang ada di Pondok Pesantren Ashabul Kahfi Malang dapat berjalan dengan lancar.
Diagnosis Penyakit Saluran Pernafasan Manusia Menggunakan Metode Forward Chaining Rokhimatul Wakhidah; Pramana Yoga Saputra; Muhammad Iqbal Kharis Firismanda
Jurnal Minfo Polgan Vol. 12 No. 1 (2023): Article Research March 2023
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v12i1.12327

Abstract

Perubahan musim yang tidak menentu seperti saat ini sangat mempengaruhi kesehatan masyarakat untuk terserang penyakit. Salah satunya adalah penyakit yang menyerang sistem saluran pernafasan. Penyakit saluran pernafasan merupakan penyakit yang cukup sering dijumpai. Terlebih di masa pandemik seperti ini, setelah masyarakat dihebohkan dengan adanya penyakit baru bernama Covid-19. Keresahan dalam masyarakat pun kian meningkat disebabkan karena kurangnya kesadaran masyarakat akan kesehatan serta kecemasan yang berlebihan tanpa didasari pengetahuan apapun. Penelitian ini bertujuan agar dapat merancang sebuah sistem pakar yang menerapkan metode Forward Chaining untuk mengidentifikasi penyakitsaluran pernafasan pada manusia secara cepat, tepat, dan efisien berdasarkan gejala yang diinputkan. Tujuan dari penelitian adalah untuk mengetahui langkah-langkah implementasi metode forward chaining ke dalam sistem pakar diagnosis penyakit saluran pernafasan manusia. Sistem pakar ini dibuat dengan bahasa pemrograman PHP dan SQL. Sistem pakar ini menggunakan 47 gejala dan 10 jumlah penyakit saluran pernafasan yang umum diderita oleh pasien. Hasil pengujian akurasi sistem sebesar 80% didapat melalui perbandingan perhitungan sistem dengan keputusan pakar. Pada penelitian selanjutnya, dapat dilakukan pengembangan sistem pakar diagnosis saluran pernafasan manusia dengan menerapkan metode lain seperti backward chaining atau metode lain untuk mengetahui atau membandingkan tingkat akurasi metode forward chaining dengan metode tersebut.
Plasma Cell Detection in Multiple Myeloma Cases Using Mask Region Based Convolutional Neural Network Method (Mask R-CNN) Milyun Ni'ma Shoumi; Radian Malek Rayrendra; Dwi Puspitasari; Pramana Yoga Saputra
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol. 12 No. 1 (2023)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v12i1.53119

Abstract

Multiple myeloma cancer is the third major of hematologic malignancy after lymphoma and leukemia, which is about 1% of 13% of hematologic malignancies. Unlike other cancers, myeloma does not form a tumor or lump, but rather causes an accumulation of abnormal plasma cells in the bone marrow which is more than 10% and paraprotein in the body. One of the first steps in diagnosing Multiple Myeloma cancer is by detecting plasma cells in a bone marrow sample taken from the patient's body. Blood samples are taken on several preparations, and the number of plasma cells will be counted from the entire sample. If the number of plasma cells is more than 30% of all cells that have nuclei, then the patient is diagnosed with Multiple Myeloma cancer. The process of detecting plasma cells and calculating the entire sample takes quite a long time and can lead to misdiagnosis due to inaccuracy in the calculation process and the fatigue factor of the medical personnel who check it. In this study, a model was developed to detect Plasma Cells in Multiple Myeloma Cases Using the Mask Region Based Convolutional Neural Network (Mask R-CNN) method, which is expected to speed up the diagnosis process. The use of the Mask Region Based Convolutional Neural Network (Mask R-CNN) method is implemented using the SegPC-2021-dataset for the model training process, and data from the Kepanjen general hospital for the testing process. Using this dataset, the mAp value is 75.94%, the mean precision is 73.93%, and the mean recall is 53.9%.
IMPLEMENTASI SENTIMEN ANALISIS KOMENTAR CHANNEL VIDEO PELAYANAN PEMERINTAH DI YOUTUBE MENGGUNAKAN ALGORITMA NAÏVE BAYES Pramana Yoga Saputra; Dian Hanifudin Subhi; Fahmi Zain Afif Winatama
Jurnal Informatika Polinema Vol. 5 No. 4 (2019): Vol 5 No 4 (2019)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v5i4.259

Abstract

Pelayanan instansi pemerintah menjadikan tolok ukur dalam menilai tingkat kepuasan masyarakat. Instansi pemerintah di Indonesia perlahan telah memanfaatkan media sosial sebagai sarana komunikasi dengan masyarakat. Karena media sosial mendapatkan tempat yang istimewa pada penggunaan internet di Indonesia. Terutama media sosial, khususnya untuk Youtube yang mana sekarang segala sesuatunya dapat diupload setiap saat dan berjuta komentar diunggah pada media berbagi video. Penelitian ini mencoba melakukan Analisa sentimen menggunakan klasifikasi data Youtube pada komentar video yang dipublish pemerintah tentang kinerjanya kepada masyarakat. Data tersebut nantinya akan diklasfikasikan menjadi klasifikasi positif, negatif dan netral. Komentar tersebut kemudian diproses menggunakan metode Naïve Bayes Classifier. Hasil dari pengujian yang dilakukan memperoleh nilai akurasi sebesar untuk KemenPUPR 69.23% dan 64.10% untuk Kemenkeu. Kata kunci : Pelayanan, Analisis Sentimen, Naive Bayes Classifier
IMPLEMENTASI EXPLICIT SEMANTIC ANALYSIS BERBAHASA INDONESIA MENGGUNAKAN CORPUS WIKIPEDIA INDONESIA Faisal Rahutomo; Pramana Yoga Saputra; Carfin Febriawan Pratama Putra
Jurnal Informatika Polinema Vol. 4 No. 4 (2018): Vol 4 No 4 (2018)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v4i4.215

Abstract

Pengembangan terhadap Ujian Online Bahasa Indonesia dalam bentuk esai masih terus dilakukan sampai sekarang guna memperoleh nilai akurasi yang lebih baik dalam memberikan suatu penilaian. Penilaian yang sudah ada saat ini masih menggunakan kemiripan kata pada teks kunci jawaban dan teks jawaban. Cara tersebut memiliki kelemahan mengingat kata dengan tulisan berbeda dapat memiliki makna yang sama. Masalah tersebut dapat diatasi menggunakan skema vektor konsep. Vektor konsep bekerja pada level makna dari sebuah kata. Skema vektor konsep ini dapat diimplementasikan salah satunya menggunakan metode Explicit Semantic Analysis (ESA). Metode ESA memerlukan sebuah korpus yang besar, penelitian ini akan menggunakan korpus dari Artikel Wikipedia Indonesia. Dengan menggunakan metode ESA proses penilaian akan dilakukan dengan membandingkan kemiripan makna dari teks kunci jawaban dengan teks jawaban. Pengujian dilakukan dengan membandingkan 400 teks jawaban soal esai online dengan kunci jawabannya. Dari hasil pengujian tersebut didapatkan kesimpulan bahwa nilai percentage error metode ESA adalah 65%, di mana angka tersebut merupakan probabilitas error yang terlalu tinggi. Pengujian lain yang dilakukan adalah dengan membandingkan nilai percentage error metode ESA dengan metode lain seperti Cosine Similarity, Euclidean Distance, dan Jaccard yang memberikan konklusi bahwa metode ESA tidaklah lebih akurat dari metode-metode lain tersebut.
IMPLEMENTASI TWITTER SENTIMENT ANALYSIS UNTUK REVIEW FILM MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE Faisal Rahutomo; Pramana Yoga Saputra; Miftahul Agtamas Fidyawan
Jurnal Informatika Polinema Vol. 4 No. 2 (2018): Vol 4 No 2 (2018)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v4i2.152

Abstract

Sentiment analysis digunakan untuk melihat opini terhadap sebuah masalah menuju ke opini positif atau negatif. Media sosial Twitter merupakan salah satu media yang digunakan untuk memberikan opini melalui tweet. Pengguna Twitter akan memberikan opini tentang suatu hal, salah satunya film yang sedang tayang di bioskop. Opini pengguna bermanfaat bagi pengguna lain dan rumah produksi film berkaitan evaluasi film. Klasifikasi opini diperlukan untuk memudahkan pengguna dalam melihat opini positif, negatif, atau netral. Algoritma yang digunakan dalam klasifikasi adalah Support Vector Machine. Dataset berjumlah 1.027 tweet yang didapatkan dari tweet untuk film populer tahun 2016. Hasil klasifikasi opini terbagi menjadi 3, yaitu opini positif, negatif, dan netral. Evaluasi menentukan tingkat akurasi dari algoritma Support Vector Machine. Hasil akurasi klasifikasi algoritma Support Vector Machine menggunakan 60, 70, 80, dan 90 persen data training rata- ratanya adalah 76,06 persen, 76,83 persen, 81,07 persen, dan 83,3 persen. Nilai precision positif memiliki rata- rata sebesar 79,97 persen, 78,71 persen, 84,02 persen, dan 85,54 persen. Nilai precision negatif memiliki rata- rata sebesar 81,73 persen, 87,41 persen, 87,37 persen, dan 93,61 persen. Nilai precision netral memiliki rata- rata sebesar 67,13 persen, 69,47 persen, 74,08 persen, dan 74,14 persen.
ANALISA SISTEM KLASIFIKASI JUDUL SKRIPSI MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER Dwi Puspitasari; Pramana Yoga Saputra; Ilham Agung Prakoso
Jurnal Informatika Polinema Vol. 5 No. 1 (2018): Vol 5 No 1 (2018)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v5i1.261

Abstract

Skripsi adalah hasil karya tulis ilmiah yang berbasis pada penelitian dengan mengulas permasalahan beserta solusi yang dihasilkan pada disiplin ilmu tertentu. Hal ini juga didukung oleh rujukan pustaka terdahulu, beserta temuan dari hasil pengembangan eksperiman, pengamatan dengan arahan dosen pembimbing. Pada Jurusan Teknik Informatika Politeknik Negeri Malang terdapat banyak judul skripsi dalam berbagai bidang yang telah dibuat, tetapi judul tersebut belum terklasifikasikan kedalam bidangnya masing-masing. Berangkat dari masalah yang ada, dibuatlah sistem klasifikasi judul skripsi dengan mengambil studi kasus dijurusan Teknologi Informasi Politeknik Negeri Malang. Pada sistem ini data judul skripsi akan dikategorikan kedalam daftar bidang keahlian Teknik Informatika, sehingga setiap judul akan memiliki label sesuai dengan kategori bidang keahlian yang ada. Mengacu pada Association for Computing Machinery (ACM) terdapat 24 kategori bidang keahlian diantaranya : Networking, Information Management, Web and Mobile System, Platform Technology, System Integration, Software Fundamental, Cyber Security, Global Prfessional Practice, System Administration and Maintenance, Applied Network, Data Scalability, Integrated System, IoT, Software development Management, User Experience Desain, Virtual System and Services, Social Responsibility, Mobile Aplication, Cloud Computing, Information Retrival, Digital Image Processing, CyberSecurity Emerging Challenges, Geographical Information Service dan Game Development.Pengkategorian judul skripsi sangat diperlukan untuk mengetahui persebaran judul skripsi pada masing-masing kategori. Penelitian ini bertujuan untuk mengkategorikam judul skripsi dibidang informatika kedalam 24 kategori menggunakan Naïve Bayes Classifier, karena menurut penelitian sebelumnya metode tersebut memberikan nilai akurasi yang cenderung baik. Pengujian algoritma menggunakan data training pada 50 judul, 100 judul dan 150 judul menghasilkan nilai akurasi sebesar 52%, 56% dan 58%. Berdasarkan penelitian tersebut dapat disimpulkan bahwa semakin banyak data training yang digunakan, maka nilai akurasi akan semakin meningkat.
IMPLEMENTASI NLP DENGAN KONVERSI KATA PADA SISTEM CHATBOT KONSULTASI LAKTASI Mungki Astiningrum; Pramana Yoga Saputra; Maya Shoburu Rohmah
Jurnal Informatika Polinema Vol. 5 No. 1 (2018): Vol 5 No 1 (2018)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v5i1.262

Abstract

Penyampaian informai melalui layanan customer service saat ini berkembang pesat. Salah satu media layanan customer service adalah chatting yang digunakan untuk konsultasi. Penggunaan chatting saat berkonsultasi, memudahkan pertanyaan yang diajukan oleh customer beraneka ragam. Namun keterbatasan pemahaman bahasa oleh operator atau dokter menyebabkan kesalahpahaman dalam berkomunikasi. Tidak hanya hal tersebut, tetapi keterbatasan waktu kerja operator atau dokter dalam penyampaian informasi dirasa kurang efektif bagi customer yang ingin mendapatkan informasi yang cepat. Berdasarkan pemasalahan tersebut, peneliti bermaksud membangun sebuah aplikasi yang dapat digunakan sebagai media pengganti chatting yaitu berupa chatbot dengan menggunakan metode Natural Language Processing.. Dalam Natural Language Processing dilakukan proses Text Preprocessing yang digunakan untuk menormalisasi input user menggunakan metode Levenshtein Distance dan TFIDF. Metode Levenshtein distance digunakan untuk konversi kata dengan jarak edit kata yang tepat. Selain itu metode TFIDF digunakan untuk pembobotan suatu dokumen yang digunakan untuk mendapatkan nilai cosine similarity. Cosine similarity digunakan untuk mencari jawaban yang sesuai dengan inputan user yaitu dengan membandingkan seluruh dokumen yang tersimpan pada knowledge base. Sehingga dengan Natural Language Processing pembangunan aplikasi chatbot dapat melakukan konversi kata dan memberikan respon sesuai dengan inputan user secara alami saat berkomunikasi dengan komputer (chatbot). Dari hasil pengujian sistem, bahwa kemungkinan sistem memberikan jawaban kepada user didapatkan nilai presisi terbaik sebesar 0.94 pada uji coba dan untuk nilai recall terbaik sebesar 0.85 yang didapatkan dari hasil uji coba relevan dari sistem memberikan jawaban.
Prediksi Kuantitas Hasil Budidaya Ikan Konsumsi Menggunakan Penerapan Metode Regresi Data Syaifudin, Yan Watequlis; Al Masyriqi, Syifa’ul Ikrom Syifa’ul Ikrom; Saputra, Pramana Yoga; Fatmawati, Triana
INFORMAL: Informatics Journal Vol 9 No 1 (2024): INFORMATICS JOURNAL (INFORMAL)
Publisher : Faculty of Computer Science, University of Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19184/isj.v9i1.43292

Abstract

In the present era, the industrial 4.0 revolution marks technological advancements in the fisheries sector, making fish farming industries increasingly effective and efficient. Predictions related to future fish harvest production can be used as considerations in planning. This research aims to build a prediction system for fish farming harvests by comparing four regression methods: linear regression, polynomial regression, random forest regression, and support vector regression to obtain accurate predictions. With the existence of this harvest prediction system, it is expected to provide information about the quantity of future harvests, enabling harvest partners to take appropriate steps to enhance their profitability. Based on the research results, the best regression model is polynomial regression. This model yields an average Root Mean Square Error (RMSE) value of 4.39 and an average Mean Absolute Percentage Error (MAPE) value of 0.41%. This indicates that the regression model has good and accurate prediction capabilities.
Model and Urgency of the Role of Academics in the CreativeIndustry Ecosystem of Malang City Syaifudin, Yan Watequlis; Siradjuddin, Indrazno; Mundzir, Hudriyah; Fatmawati, Triana; Saputra, Pramana Yoga
PANGRIPTA Vol. 7 No. 1 (2024): Pangripta Jurnal Ilmiah Kajian Perencanaan Pembangunan
Publisher : Badan Perencanaan Pembangunan Kota Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (90.359 KB) | DOI: 10.58411/44grz161

Abstract

The popularity of the creative industries continues to rise around the world, both among consumers and entrepreneurs who are due to a variety of factors, including technological advances and changes in consumer behavior. Malang City has also been recognized as one of the cities that has great creative economic potential. The direction of development of Malang City is also increasingly clear leading to strengthening its status as a creative economy city marked by three milestones. To build an optimal industrial ecosystem in the creative economy sector, especially in Malang City, requires a hexahelix synergy approach which refers to cooperation between six entities in developing a better and sustainable innovation ecosystem. Collaboration between industry and academia has a very strategic role because it can provide significant benefits for the quality of innovation and research development of the creative industry. The government also strongly encourages academics to collaborate with industry, government, media, and society, where various programs are directed to encourage collaboration between universities and industry to conduct joint research and development. A concrete example is the existence of an independent research center called ISDEI (Intelligent Systems and Digital Economic Innovation) which has collaborated for research and community service. With great academic research potential with the existence of more than 50 higher education institutions, the Association of Creative Economy Academics (AACE) is committed to being an aggregator in the creative economy ecosystem at the Malang Creative Center (MCC) that synergizes academic activities from academics with creative industry players, the Malang City government, and the creative economy community in Malang City.
Co-Authors Abdullah, Zaed Al Huda, Muhammad Iqbaluddin Al Masyriqi, Syifa’ul Ikrom Syifa’ul Ikrom Alindya Kirana Putri Annisa Puspa Kirana Ariadi Retno Ririd Arwin Datumaya Sumari Astiningrum, Mungki Asyam Alfitra, Farhan Atiqah Nurul Asri Budi Harijanto, Budi Carfin Febriawan Pratama Putra Dian Febrianti, Siti Zumaroh Dian Hanifudin Subhi Dika Rizky Yunianto Dimas Wahyu Wibowo Dwi Puspitasari Dwi Puspitasari DWI PUSPITASARI Eka Larasati Amalia Fahmi Zain Afif Winatama Faisal Rahutomo Farida Ulfa Fidyawan, Miftahul Agtamas Hendrawan, Muhammad Afif Hendrawan, Muhammad Afif Hersianty, Venny Meida Hudriyah Mundzir, Hudriyah Ilham Agung Prakoso Imam Fahrur Rozi Indra Dharma Wijaya Indra Dharma Wijaya Khairy, Muhammad Shulhan Kyaw, Htoo Htoo Sandy Larasati, Eka Maya Shoburu Rohmah Miftahul Agtamas Fidyawan Moch Zawaruddin Abdullah Muhammad Iqbal Kharis Firismanda Muhammad Shulhan Khairy Muladawila, Ali Ridho Noprianto Odhitya Desta Triswidrananta Pradana, Achmad Savero Windi Prakoso, Ilham Agung Pramitarini, Yushintia Putra, Carfin Febriawan Pratama Putri, Alindya Kirana Radian Malek Rayrendra Rahmad, Cahya Rahmadani, Alfiandi Aulia Ratsanjani, M. Hasyim Rawansyah Retno Damayanti Rohmah, Maya Shoburu Rokhimatul Wakhidah Setiadi , Chandrasena Shoumi, Milyun Ni’ma Siradjuddin, Indrazno Sirajuddin Muhammad Anshori Triana Fatmawati Triswidrananta, Odhitya Desta Ulla Delfana Rosiani Usman Nurhasan Wijanarko, Eko Setio Winatama, Fahmi Zain Afif Yan Watequlis Syaifudin Yuri Ariyanto Yushintia Pramitarini Zanuar Hanif Rachmat Adi