Article Per Year (5 Year)
p-Index From 2021 - 2026
10.677
P-Index
This Author published in this journals
All Journal EKONOMIA Jurnal Informatika dan Teknik Elektro Terapan Informatika Mulawarman: Jurnal Ilmiah Ilmu Komputer JIKO (Jurnal Informatika dan Komputer) JURNAL MEDIA INFORMATIKA BUDIDARMA Indonesian Journal of Artificial Intelligence and Data Mining Jurnal Ilmiah Matrik JURNAL INSTEK (Informatika Sains dan Teknologi) Jurnal Teknologi Sistem Informasi dan Aplikasi JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Psychology, Evaluation, and Technology in Educational Research INFOMATEK: Jurnal Informatika, Manajemen dan Teknologi METIK JURNAL Building of Informatics, Technology and Science Progresif: Jurnal Ilmiah Komputer JISKa (Jurnal Informatika Sunan Kalijaga) Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer Jurnal Mnemonic JATI (Jurnal Mahasiswa Teknik Informatika) Scientific Journal of Informatics JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Didaktik : Jurnal Ilmiah PGSD STKIP Subang Reswara: Jurnal Pengabdian Kepada Masyarakat TIN: TERAPAN INFORMATIKA NUSANTARA Journal of Computer Networks, Architecture and High Performance Computing BAKTI BANUA : JURNAL PENGABDIAN KEPADA MASYARAKAT Teknika Jurnal Informatika Teknologi dan Sains (Jinteks) Prisma Sains: Jurnal Pengkajian Ilmu dan Pembelajaran Matematika dan IPA IKIP Mataram Jurnal Bangkit Indonesia CONSEN: Indonesian Journal of Community Services and Engagement Jurtik STMIK Bandung Jurnal Abdimas Lamin Jurnal Informatika: Jurnal Pengembangan IT Journal of Innovative and Creativity Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) Buffer Informatika Computer Journal INOVTEK Polbeng - Seri Informatika JSE Journal of Science and Engineering Journal of Information Technology KREATIF: Jurnal Pengabdian Masyarakat Nusantara Jurnal Abdimas Mahakam
Taghfirul Azhima Yoga Siswa
Universitas Muhammadiyah Kalimantan Timur
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Social Sciences Transportation Veterinary Other

Published : 87 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : buffer informatika

 1 
Penerapan Metode Forward Selection dan ADASYN Pada Algoritma SVM Untuk Klasifikasi Data Kecelakaan Lalu Lintas Muhammad Fadly Ramadhani; Taghfirul Azhima Yoga Siswa; Wawan Joko Pranoto
Buffer Informatika Vol. 11 No. 2 (2025): Buffer Informatika
Publisher : Department of Informatics Engineering, Faculty of Computer Science, University of Kuningan, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25134/buffer.v11i2.472

Abstract

Di Indonesia, khususnya kota Samarinda, angka kecelakaan lalu lintas menunjukkan tren peningkatan yang mengkhawatirkan. Jumlah kecelakaan meningkat dari 97 kasus pada tahun 2021 menjadi 102 kasus pada tahun 2022, dan mencapai 173 kasus pada tahun 2023. Penelitian ini bertujuan untuk meningkatkan akurasi klasifikasi tingkat kecelakaan lalu lintas dengan mengimplementasikan algoritma Support Vector Machine (SVM) yang dikombinasikan dengan metode seleksi fitur Forward Selection dan teknik oversampling ADASYN. Dataset yang digunakan merupakan data kecelakaan dari Polresta Samarinda periode 2020–2024 dengan 35 atribut, yang diseleksi menjadi 13 atribut relevan. Penelitian dilakukan melalui tahapan data pre-processing, balancing, pemodelan SVM, serta evaluasi menggunakan 10-fold cross-validation. Hasil pengujian menunjukkan bahwa penerapan ADASYN mampu meningkatkan akurasi model dari 70,75% menjadi 96,38%. Peningkatan lebih lanjut dicapai dengan Forward Selection, menghasilkan akurasi hingga 98,00%. Temuan ini membuktikan bahwa seleksi fitur dan penyeimbangan kelas memiliki kontribusi signifikan dalam memperkuat performa model klasifikasi SVM untuk analisis kecelakaan lalu lintas.
Klasifikasi Kecelakaan Lalu Lintas Menggunakan Kombinasi Forward Selection, ADASYN, dan Random Forest Aspianur; Taghfirul Azhima Yoga Siswa; Naufal Azmi Verdikha
Buffer Informatika Vol. 11 No. 2 (2025): Buffer Informatika
Publisher : Department of Informatics Engineering, Faculty of Computer Science, University of Kuningan, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25134/buffer.v11i2.476

Abstract

Kecelakaan lalu lintas menjadi penyebab utama kematian bagi kelompok usia 15-29 tahun, dengan lebih dari 1,3 juta kematian setiap tahunnya. di Indonesia, data dari korps lalu lintas polri menunjukkan bahwa pada tahun 2023 terjadi lebih dari 100 ribu kasus kecelakaan, dengan korban jiwa mencapai 25 ribu orang. Penelitian ini bertujuan untuk mengembangkan model klasifikasi tingkat keparahan kecelakaan lalu lintas dengan mengintegrasikan metode Adaptive Synthetic Sampling (ADASYN) dan Forward Selection ke dalam algoritma Random Forest. Data yang digunakan merupakan data kecelakaan dari Polresta Samarinda periode 2020–2024 yang terdiri dari 35 fitur. Proses penelitian mencakup tahapan data preprocessing, feature selection dengan Forward Selection, dan pembagian data testing dan training dengan 10k-fold validation. Permodelan menggunakan algoritma Random Forest, dan evaluasi model menggunakan confusion matrix untuk mencari akurasi, precision, recall, dan f1-score. Hasil penelitian menunjukkan fitur yang paling signifikan terhadap klasifikasi kecelakaan lalu lintas adalah cuaca, jumlah luka ringan, jumlah luka berat, dan jumlah meninggal dunia. Penerapan Random Forest tanpa penanganan ketidakseimbangan dan tanpa seleksi fitur hanya menghasilkan akurasi 79,26%, precision 29,03%, recall 34,62%, dan f1-score 31,58%. Setelah diterapkan ADASYN, metrik evaluasi meningkat signifikan menjadi akurasi 84,26%, precision 81,82%, recall 84,62%, dan f1-score 83,20%. Peningkatan lebih besar tercapai setelah seleksi fitur Forward Selection, menghasilkan akurasi akhir 95,28%, precision 94,23%, recall 96,15%, dan f1-score 95,18%.
Analisis Kecelakaan Lalu Lintas Berbasis Decision Tree Terintegrasi Forward Selection dan Metode ADASYN Muhammad Wildan Hadinata; Taghfirul Azhima Yoga Siswa; Wawan Joko Pranoto
Buffer Informatika Vol. 11 No. 2 (2025): Buffer Informatika
Publisher : Department of Informatics Engineering, Faculty of Computer Science, University of Kuningan, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25134/buffer.v11i2.477

Abstract

Di Indonesia, Angka kecelakaan lalu lintas juga menunjukkan situasi yang mengkhawatirkan. Pada tahun 2023, terjadi sebanyak 665 kasus kecelakaan lalu lintas di provinsi Kalimantan Timur menurut data BPS Provinsi Kaltim. Penelitian ini bertujuan untuk mengembangkan model klasifikasi tingkat keparahan kecelakaan lalu lintas dengan mengintegrasikan metode Adaptive Synthetic Sampling (ADASYN) dan Forward Selection ke dalam algoritma Decision Tree. Data yang digunakan merupakan data kecelakaan dari Polresta Kota Samarinda periode 2020-2024 yang terdiri dari 35 fitur. Proses penelitian mencakup tahapan data preprocessing, feature selection dengan Forward Selection, dan pembagian data testing dan training dengan 10k-fold validation. Permodelan menggunakan algoritma Decision Tree dan evaluasi model menggunakan confusion matrix untuk mencari akurasi, presisi, recall, dan f1-score. Hasil penelitian menunjukkan fitur yang paling signifikan terhadap klasifikasi kecelakaan lalu lintas adalah cuaca, jumlah meninggal dunia, jumlah luka ringan dan jumlah luka berat. Penerapan ADASYN berhasil meningkatkan akurasi dari 69,44% menjadi 76,83%. Sedangkan penambahan seleksi fitur Forward Selection lebih lanjut meningkatkan akurasi hingga 99,06%.
Analisis Komparasi TF-IDF dan Word2Vec pada Algoritma SVM Untuk Sentimen Pembangunan IKN di YouTube: Studi Kasus Komentar YouTube pada Kanal Pembangunan IKN Mi'raj Fattah; Taghfirul Azhima Yoga Siswa; Naufal Azmi Verdikha
Buffer Informatika Vol. 12 No. 1 (2026): Buffer Informatika
Publisher : Department of Informatics Engineering, Faculty of Computer Science, University of Kuningan, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25134/buffer.v12i1.551

Abstract

Pembangunan Ibu Kota Negara (IKN) Nusantara merupakan kebijakan strategis nasional yang menuai beragam reaksi publik, baik positif maupun negatif, terutama di media sosial seperti YouTube. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap opini masyarakat mengenai pembangunan IKN serta membandingkan kinerja akurasi antara dua metode ekstraksi fitur, yaitu Term Frequency-Inverse Document Frequency (TF-IDF) dan Word2Vec, menggunakan algoritma Support Vector Machine (SVM). Data penelitian terdiri dari 1.969 komentar bersih yang dikumpulkan melalui teknik scraping pada periode Juli hingga September 2025. Tahapan penelitian meliputi pengambilan data, pre-processing (pembersihan, case folding, normalisasi, tokenisasi, stopword removal, dan stemming), pelabelan data manual yang divalidasi ahli bahasa, ekstraksi fitur, serta klasifikasi menggunakan SVM dengan kernel Radial Basis Function (RBF). Evaluasi model dilakukan menggunakan metode 10-Fold Cross Validation dan Confusion Matrix. Hasil penelitian menunjukkan bahwa TF-IDF memberikan kinerja yang lebih baik dibandingkan Word2Vec pada dataset ini. SVM dengan TF-IDF menghasilkan rata-rata akurasi sebesar 74,40%, sedangkan SVM dengan Word2Vec menghasilkan akurasi sebesar 72,98%. Penelitian ini menyimpulkan bahwa representasi fitur berbasis frekuensi (TF-IDF) lebih efektif dibandingkan representasi semantik (Word2Vec) dalam mengklasifikasikan sentimen komentar singkat di YouTube terkait topik IKN.
Co-Authors Abdul Rahim Abdul Rahim Abror, Irfan Fiqry Agustya Nanda Pratiwi Akbar, Zakaria Ihza Alfi Arif Anis Siti Nurrohkayati Anitasari, Dini Anton Prafanto Anton Saputra Arbansyah Arbansyah Ari Ahmad Dhani Ariyadi, Dedy Asnur Karima Aspianur Azwar Damari Bahrudin, Faizal Bayu Wijayantini, Bayu Betris Dea Maretta, Nanda Catur Kumala Dewi Damari, Azwar Darmawan Setiya Budi Daryanto Dion Ikhzanza Rabbil Dzul Rachman, Dzul Ekawati Ekawati Enriko Chiesa Sipahutar Fadhil Irsyad Ramadhani Faizal Bahrudin FAUZI Fendy Yulianto Fendy Yulianto Gubtha Mahendra Putra Haryadi, Rina Mashitoh Hasudungan, Rofilde Heri Abijono Hery Kurniawan Hidayati Ramadhani, Novia Hidayatullah, Muhammad Wahyu Istimaroh Istimaroh Jubaidi Khanisa Octavia Khatimah, Khusnul lia, Alvina Lidya Sari Mardiana Mardiana Mi'raj Fattah Mu. Aldi Rahmad Fahrozi Muhammad Aditya Rahman Muhammad Afif Aunur Rohman Muhammad Fadly Ramadhani Muhammad Najeri Al Syahrin Muhammad Norhalimi Muhammad Rhosyid Akhmad Muhammad Sigit Nurhafid Muhammad Ulil Albab Muhammad Wildan Hadinata Naufal Azmi Verdhika Naufal Azmi Verdikha Naufal Azmi Verdikha Naufal Azmi Verdikha Nur Dila Yuanti Nursaid Nursaid Pambudi, Faldy Alfareza Paula Mariana Kustiawan Pitoyo Pitoyo Pitoyo, Pitoyo Poernamawan, Ahmad Nugraha Prihandoko . Putri, Azzahra Namira Raenald Syaputra Rahman, Febrian Nor Ramadhani, Daib Jidan Renaldi Panji Wibowo Renaldi Yoga Rendy Menono Restu, Anggiq Karisma Aji Rina Masithoh Haryadi Rivaldo, Vito Junivan Rizky Aspiah Rochman, Bagus Fathur Rofilde Hasudungan Rudiman Rudiman Rudiman, R Rudiman, Rudiman Salsabila, Cindy Azra Santi Yatnikasari Sarina Safitri Satria, Bima Sidiq, Reza June Siti Muawwanah Taufik Sobri Taufiq, Ilham Taufiqurrahman Taufiqurrahman Triawan Adi Cahyanto Wahyu Hidayat Wawan Joko Pranoto Wawan Joko Pranoto Wawan Joko Pranoto Widyastuti, Dessy Yoga Priantama