Article Per Year (5 Year)
p-Index From 2021 - 2026
4.397
P-Index
This Author published in this journals
All Journal Jurnal Dinamika Informatika (JDI) MULTIPLE: Journal of Global and Multidisciplinary Jurnal Pengabdian Masyarakat dan Riset Pendidikan Jurnal Intelek Dan Cendikiawan Nusantara Jurnal Riset Teknik Komputer Jurnal Intelek Insan Cendikia Jurnal Pustaka Cendekia Hukum dan Ilmu Sosial SITEDI SITEDI (Sistem Informasi dan Teknologi Digital)
Hasbi Firmansyah
Unknown Affiliation
Religion Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Social Sciences Other

Published : 37 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 37 Documents
Search

 1   2   3   4 
Analisis Penerapan Model k-Nearest Neighbors dalam Klasifikasi Kualitas Red Wine Fakhrun Nisa; Hasbi Firmansyah
Jurnal Intelek Dan Cendikiawan Nusantara Vol. 2 No. 6 (2025): Desember 2025 - Januari 2026
Publisher : PT. Intelek Cendikiawan Nusantara

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

Abstract

Penelitian ini bertujuan mengatasi keterbatasan penilaian kualitas wine konvensional yang sangat bergantung pada uji organoleptik subjektif dan memakan waktu. Metode yang digunakan berupa penelitian terapan dengan pendekatan eksperimen, memanfaatkan algoritma k-Nearest Neighbors (k-NN) dengan teknik normalisasi Z-transformation dan Stratified Sampling. Data diperoleh dari dataset fisikokimia red wine dari repositori publik UCI Machine Learning. Hasil penelitian menunjukkan sistem mampu mengklasifikasikan kualitas wine dengan akurasi terukur sebesar 56.99 %, yang membuktikan bahwa pendekatan komputasi dapat menjadi alternatif objektif dalam penentuan kualitas. Kebaruan penelitian terletak pada integrasi metode normalisasi Z-transformation dengan konfigurasi pembagian data stratified 70:30 untuk meminimalkan bias pada dataset yang tidak seimbang
Analisis Pengaruh Chat GPT Terhadap Kemampuan Berpikir Kritis Mahasiswa Universitas Pancasakti Tegal Menggunakan Algoritma Regresi Linear Akhmad Ilham Muzaki; Hasbi Firmansyah
Jurnal Intelek Dan Cendikiawan Nusantara Vol. 2 No. 6 (2025): Desember 2025 - Januari 2026
Publisher : PT. Intelek Cendikiawan Nusantara

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

Abstract

Penelitian ini bertujuan menganalisis pengaruh penggunaan Chat GPT terhadap kemampuan berpikir kritis mahasiswa Universitas Pancasakti Tegal. Penelitian ini menggunakan metode kuantitatif dengan analisis Regresi Linear. Data dikumpulkan melalui kuisioner yang diisi oleh 34 responden. Hasil penelitian ini diharapkan dapat memberikan gambaran tentang pengaruh teknologi kecerdasan buatan terhadap kemampuan berpikir kritis mahasiswa, serta memberikan rekomendasi bagi pengembangan strategi pembelajaran yang efektif. Penelitian ini memiliki implikasi penting bagi pendidikan tinggi dan pengembangan kemampuan berpikir kritis mahasiswa.
Klasifikasi Data Instagram dengan Support Vector Machine Raditya Firmansyah; Hasbi Firmansyah
Jurnal Intelek Dan Cendikiawan Nusantara Vol. 2 No. 6 (2025): Desember 2025 - Januari 2026
Publisher : PT. Intelek Cendikiawan Nusantara

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

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan konten Instagram menggunakan metode Support Vector Machine (SVM). Dengan semakin meningkatnya jumlah pengguna Instagram, penting untuk mengelompokkan postingan berdasarkan komentar yang diterima. Metode SVM dipilih karena kemampuannya dalam klasifikasi dan akurasi yang tinggi, dengan hasil pengujian mencapai 96% menggunakan data latih dan uji. Proses dilakukan melalui RapidMiner, yang memfasilitasi analisis data mining secara efisien. Hasil penelitian menunjukkan bahwa SVM efektif dalam mengklasifikasikan data komentar Instagram, memberikan wawasan baru dalam pengelolaan konten media sosial.
Penerapan Metode Gradient Boosted Tree untuk Klasifikasi Penyakit Tanaman Padi : Penelitian Sukanto; Hasbi Firmansyah; Wahyu Asriyani
Jurnal Pengabdian Masyarakat dan Riset Pendidikan Vol. 4 No. 3 (2026): Jurnal Pengabdian Masyarakat dan Riset Pendidikan Volume 4 Nomor 3 (Januari 202
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jerkin.v4i3.5111

Abstract

Tanaman padi merupakan komoditas pangan utama yang memiliki peran penting dalam ketahanan pangan. Penyakit pada tanaman padi dapat menurunkan produktivitas dan kualitas hasil panen sehingga diperlukan metode yang efektif untuk melakukan identifikasi penyakit secara dini. Penelitian ini bertujuan untuk menerapkan metode Gradient Boosted Tree dalam melakukan klasifikasi penyakit tanaman padi menggunakan Paddy Dataset yang diperoleh dari UCI Machine Learning Repository. Dataset tersebut terdiri dari beberapa kelas penyakit padi yang digunakan sebagai data latih dan data uji. Tahapan penelitian meliputi proses prapemrosesan data, pembagian data, pembangunan model klasifikasi, serta evaluasi kinerja model. Evaluasi dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa metode Gradient Boosted Tree mampu memberikan performa yang baik dalam mengklasifikasikan penyakit tanaman padi. Dengan demikian, metode ini dapat dijadikan sebagai salah satu pendekatan yang efektif dalam membantu identifikasi penyakit tanaman padi secara otomatis.
Evaluasi Performa Algoritma FP-Growth Berdasarkan Variasi Parameter Minimum Support dan Confidence pada Dataset Groceries Arumeilia; Hasbi Firmansyah; Wahyu Arsiyani
Jurnal Dinamika Informatika Vol. 15 No. 1 (2026): Vol. 15 No. 1 (2026)
Publisher : Program Studi Informatika Universitas PGRI Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31316/jdi.v15i1.410

Abstract

This research investigates the relationship patterns among products in the Groceries dataset by applying the FP-Growth algorithm as an approach to uncover association rules. The analysis was conducted by varying the values of minimum support and minimum confidence to observe how these parameters influence the number and quality of generated rules. The experimental findings reveal that the combination of a support value of 0.01 and a confidence value of 0.4 generated the largest number of rules, totaling 71, with the highest lift value reaching 2.344. These results indicate a strong association between several products that frequently appear together within a single transaction, where whole milk emerges as the most dominant item, both as an antecedent and as a consequent. A high lift value suggests that customers who purchase whole milk are more likely to buy related items such as yogurt, curd, or cream cheese. The insights from this study can serve as a valuable reference for retailers in designing more effective product placement, improving promotional strategies, and supporting data-driven business decisions, particularly in cross-selling and inventory optimization.
Evaluasi Klasifikasi Akurasi dan Weighted Mean Precision pada Gradient Boosted Trees untuk Risiko Diabetes Awal Ihya Bahrul Alam; Hasbi Firmansyah; Wahyu Asriyani
Jurnal Dinamika Informatika Vol. 15 No. 1 (2026): Vol. 15 No. 1 (2026)
Publisher : Program Studi Informatika Universitas PGRI Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31316/jdi.v15i1.423

Abstract

Diabetes mellitus is a chronic disease with a high prevalence that requires early‑stage risk detection to enable effective prevention efforts. This study aims to analyze the capability of the Gradient Boosted Trees algorithm to classify early‑stage diabetes risk based on clinical symptoms using the Early Stage Diabetes Risk Prediction dataset. The research methodology includes data preprocessing, splitting the data into training and test sets, and training a Gradient Boosted Trees classification model in RapidMiner with the class attribute set as the labeled target. Model performance is evaluated using accuracy, weighted mean precision, and weighted mean recall metrics to assess the balanced classification ability for each class. Experimental results show that the Gradient Boosted Trees model achieves good classification performance with an accuracy of 91.76%, a weighted mean precision of 92.04%, and a weighted mean recall of 90.49% on the test data, supported by a confusion matrix pattern dominated by correct predictions for both classes. These findings indicate that the Gradient Boosted Trees approach has strong potential to be used as a decision‑support component in early diabetes risk detection systems and is worth further development for broader clinical data scenarios.
Penerapan Algoritma Naive Bayes untuk Memprediksi Keputusan Berlangganan Deposito Berjangka pada Kampanye Pemasaran Langsung Faizal Izma; Hasbi Firmansyah
Jurnal Dinamika Informatika Vol. 15 No. 1 (2026): Vol. 15 No. 1 (2026)
Publisher : Program Studi Informatika Universitas PGRI Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31316/jdi.v15i1.427

Abstract

Direct marketing campaigns via telephone calls are a key strategy for banks to offer term deposit products. However, the effectiveness of this strategy is often hindered by the uncertainty of customer responses. This study aims to predict customer decisions in subscribing to term deposits by utilizing data mining techniques. The data used is sourced from the UCI Machine Learning Repository which is multivariate, covering demographic attributes, financial history, and campaign interactions. Through data pre-processing stages to handle missing values and class imbalance, this study applies classification models to map potential customer patterns. Experimental results show that the classification model is able to predict non-subscribing customers very well (92.67% precision), but still faces challenges in detecting subscribing customers (35.00% precision). These findings indicate that while the model can help filter marketing targets, further optimization is needed to address data imbalance to improve prediction accuracy in the minority class.
Co-Authors . Eko Budiraharjo Abrori Musafic Al Rasyid Ahmad Ferdi Dwi Nugroho Akhmad Ilham Muzaki Ali Sofyan Amelia Laura Ardianti Armand Cahya Nugraha Arumeilia Asriyani, Wahyu Bimo Aryo Pangestu Chandra Pratama Putra Raharja Eko Budi Raharjo Erza Rifa Nihayah Fadhilah Itsnani Nur Syamsiyah Faizal Izma Fakhrun Nisa Hafidz Munazzal Falahan Hanjiyan Riyan Hidayat Ihya Bahrul Alam Irfandi Irfandi Kuncoro Singgih Prasojo Lananda Agustian M.Fery Ardiansyah Mohamad Raffi Iskandar Muhamad Aris Purwanto Muhamad Husni Nasuha Muhammad Azfa Al Faruq Muhammad Fiqih Ainurohman Muhammad Hanif Fathurahman N Tahta Phudjashakty Nizar Arfanni Panji Pangestu Saputra Priyo Haryoko Raditya Firmansyah Rafli Juan Lauda Al Faiq Raihan Adyatma Ramadhani Zidan Arifin Rangga Saputra Ria indah fitria Riski Prasetyo Tulodo Rizki Prasetyo Tulodho Rizki Prasetyo Tulodo Sukanto Wahyu Arsiyani Widiyanto, Muhamad Yosephus Arpan Polado Sinurat