Article Per Year (5 Year)
p-Index From 2021 - 2026
2.109
P-Index
This Author published in this journals
All Journal Pixel : Jurnal Ilmiah Komputer Grafis Sinergi Jurnal Ilmiah FIFO JIKO (Jurnal Informatika dan Komputer) Indonesian Journal of Applied Informatics Jurnal Abdimas Prakasa Dakara Makara Journal of Technology Malcom: Indonesian Journal of Machine Learning and Computer Science Literasi: Jurnal Pengabdian Masyarakat dan Inovasi Lokomotif Abdimas: Jurnal Pengabdian kepada Masyarakat
Zico Pratama Putra
Universitas Nusa Mandiri
Agriculture, Biological Sciences & Forestry Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mechanical Engineering Social Sciences Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
Pelatihan Transformasi Digital Organisasi Melalui Implementasi AI Tanpa Coding Pada Remaja Islam Al Hikmah (RISMAH) Pratama Putra, Zico; Parningotan Manik , Lindung; Gata , Windu; Rianto, Yan; Kurniawati, Laela
LOKOMOTIF ABDIMAS: Jurnal Pengabdian Kepada Masyarakat Vol. 3 No. 2 (2024)
Publisher : LPPM UIN Sulthan Thaha Saifuddin Jambi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30631/lokomotifabdimas.v3i2.2744

Abstract

Pada era modern saat ini teknologi berkembang dengan sangat pesat khususnya dalam bidang komputer yang telah didukung dengan teknologi artificial intelligence. Artificial intelligence sebuah studi tentang bagaimana membuat komputer dapat melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik dari apa yang telah dilakukan oleh manusia. Dalam pembuatan aplikasi AI, saat ini pengguna atau developer tidak perlu lagi menuliskan kode. Dalam rangka melaksanakan kegiatan Tri Dharma Perguruan Tinggi yaitu Pengabdian kepada Masyarakat, Fakultas Teknologi Informasi Universitas Nusa Mandiri akan menyelenggarakan pelatihan dengan tema “Pelatihan Transformasi Digital Organisasi melalui Implementasi AI Tanpa Coding Pada Remaja Islam Al Hikmah (RISMAH)”. Kegiatan ini bertujuan untuk meningkatkan wawasan dan kemahiran peserta untuk membuat aplikasi artificial intelligence dengan mudah tanpa menggunakan coding, pelaksanaan kegiatan ini dilakukan dengan 3 tahapan yaitu persiapan, pelaksanaan yang terakhir evaluasi dan monitorin dengan hasil yang dicapai dari kegiatan ini adalah adalah peserta memiliki keterampilan untuk membuat aplikasi artificial intelligence dengan mudah tanpa menggunakan coding.
Perbandingan Performa Algoritma Machine Learning untuk Prediksi Risiko Kesehatan dari Polusi Udara Purnomo, Niko; Putra, Zico Pratama
Jurnal Ilmiah FIFO Vol 17, No 2 (2025)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2025.v17i2.002

Abstract

Penelitian ini menggunakan berbagai algoritma pembelajaran mesin untuk menganalisis dan memprediksi hubungan antara polusi udara dan dampak kesehatan masyarakat. Dataset yang digunakan terdiri dari 968 instances dengan 15 fitur yang mencakup indikator kualitas udara (PM2.5, PM10, NO2, SO2, O3) dan data kesehatan (kunjungan rumah sakit, mortalitas, jenis penyakit) yang dikumpulkan dari lima kota besar di Indonesia selama periode Januari-Desember 2023. Lima algoritma pembelajaran mesin dievaluasi secara komprehensif: k-Nearest Neighbors (k-NN), Naive Bayes, Logistic Regression, Support Vector Machines (SVM), dan Neural Network. Kontribusi utama penelitian ini adalah menyediakan analisis komparatif komprehensif dari kelima algoritma tersebut menggunakan evaluasi multi-metrik dan optimasi hyperparameter khusus untuk domain prediksi kesehatan berbasis polusi udara. Hasil evaluasi menunjukkan bahwa algoritma SVM memiliki performa terbaik dengan akurasi 92%, presisi 98%, recall 96%, dan F1-Score 97%. Analisis korelasi mengungkapkan bahwa PM2.5 merupakan prediktor terkuat untuk penyakit respirasi dengan koefisien korelasi 0.78 terhadap kunjungan rumah sakit. Penelitian juga menemukan efek sinergis antara PM2.5 dan NO2 yang meningkatkan risiko kardiovaskular hingga 45%. Di sisi lain, algoritma Neural Network menunjukkan performa terendah dengan akurasi 50% meskipun telah dilakukan hyperparameter tuning ekstensif, mengindikasikan ketidakcocokan arsitektur untuk karakteristik dataset ini. Algoritma Naive Bayes dan Logistic Regression menunjukkan performa moderat dengan akurasi masing-masing 83% dan 88%. Temuan penelitian ini dapat dijadikan acuan untuk pengembangan sistem monitoring kesehatan real-time dan mendukung pengambilan kebijakan kesehatan masyarakat terkait pengendalian polusi udara di wilayah urban.
Dual-Interface WiFi Packet Sniffer System using ESP32-CAM with Real-Time PCAP Generation for IoT Network Analysis Setiawan, Boy, Boy; Maulani, Maghfiroh; Pratama Putra, Zico; Senoyodha Brennaf, Muhammad
Makara Journal of Technology Vol. 29, No. 3
Publisher : UI Scholars Hub

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

Abstract

This study focuses on designing and implementing a cost-effective and energy-efficient WiFi packet sniffer system using the ESP32. The ESP32-CAM module, which combines WiFi, Bluetooth, and microSD support, is used to capture IEEE 802.11 frames in real-time via promiscuous mode. Packets are stored in packet capture format, which is compatible with tools such as Wireshark and Scapy. Developed using the official ESP-IDF, it offers low-level control and high performance. Two user interfaces were implemented: a UART-based text menu and a web-based HTTPS menu hosted on the ESP32 itself. Functional and performance evaluations were conducted with a focus on capturing broadcast and management frames without payload decryption. The system achieves 99.99% packet capture accuracy at 500,000 packets with a total hardware cost of $25 and power consumption of 2.1 W during active capture, representing a 95% cost reduction and 80% power savings compared to commercial alternatives. The download and file-listing speeds through the web-based menu were also evaluated, revealing that the system performs optimally with fewer files but experiences interruptions during large-scale operations. The proposed system provides a lightweight, standalone, and highly portable alternative to conventional packet sniffing tools despite the limitations in encryption handling and resource constraints. This makes it suitable for educational, diagnostic, and preliminary network analysis, particularly in low-power scenarios.
Analisis Perbandingan Algoritma Pembelajaran Mesin untuk Meningkatkan Akurasi dan Klasifikasi Tumor Otak Rizky, Joy Lawa; Putra, Zico Pratama
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 1 (2024)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i1.90101

Abstract

Abstrak: Klasifikasi tumor otak bertujuan untuk mengevaluasi dan membandingkan kinerja beberapa algoritma pembelajaran mesin dalam klasifikasi tumor otak menggunakan Citra MRI. Dalam penelitian ini, metodologi yang digunakan melibatkan pengujian algoritma tradisional seperti K-Nearest Neighbors (KNN), Naïve Bayes, Support Vector Machines (SVM), dan beberapa arsitektur Deep Learning seperti Neural Network Data yang digunakan dalam penelitian ini terdiri dari citra MRI otak yang telah dilabeli secara manual oleh ahli radiologi. Kami membandingkan kinerja algoritma berdasarkan beberapa metrik evaluasi,  termasuk akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma berbasis Neural Network (0.99) secara signifikan mengungguli algoritma tradisional seperti KNN (0.98), Naive Bayes (0.97), dan SVM (0.98) dalam hal akurasi dan ketahanan terhadap variasi data. Namun, algoritma Neural Network dan metode ensemble menunjukkan kinerja yang kompetitif dengan keuntungan dalam hal interpretabilitas dan kecepatan pelatihan. Studi ini menyoroti keunggulan dan keterbatasan masing-masing algoritma dalam konteks klasifikasi tumor otak dan memberikan panduan praktis untuk memilih algoritma yang paling sesuai berdasarkan kebutuhan klinis dan karakteristik dataset. Penelitian lebih lanjut diperlukan untuk mengoptimalkan integrasi metode-metode ini dalam sistem pendukung keputusan klinis guna meningkatkan hasil diagnosis dan perawatan pasien===============================================Abstract:Brain tumor classification aims to evaluate and compare the performance of various machine learning algorithms in classifying brain tumors using MRI images. In this study, the methodology involves testing traditional algorithms such as K-Nearest Neighbors (KNN), Naïve Bayes, Support Vector Machines (SVM), and several deep learning architectures, including Neural Networks. The dataset used consists of brain MRI images manually labeled by radiology experts. We compared the performance of these algorithms based on several evaluation metrics, including accuracy, precision, recall, and F1-score. The results show that Neural Network-based algorithms (0.99) significantly outperform traditional algorithms such as KNN (0.98), Naïve Bayes (0.97), and SVM (0.98) in terms of accuracy and robustness to data variation. However, Neural Networks and ensemble methods demonstrated competitive performance with advantages in interpretability and training speed. This study highlights the strengths and limitations of each algorithm in the context of brain tumor classification and provides practical guidance for selecting the most suitable algorithm based on clinical needs and dataset characteristics. Further research is needed to optimize the integration of these methods into clinical decision support systems to enhance diagnosis and treatment outcomes for patients
Co-Authors Ade Priyatna Agus Subekti Anasanti, Mila Desi Bagus Priambodo Bagus Priambodo Damayanti, Iren Deny Robyanto Dwiza Riana Fabiyanto, Dedik Faruq Aziz Gata , Windu Hilman F. Pardede Hilman Ferdinandus Pardede Kukuh Panggalih Laela Kurniawati, Laela Lindung Parningotan Manik Maulani, Maghfiroh Mila Desi Anasanti Parningotan Manik , Lindung Pinem, Tuahta Hasiholan Prayogi, Kurnia Purnomo, Niko Rianto, Yan Rizky, Joy Lawa Senoyodha Brennaf, Muhammad Setiawan, Boy, Boy