Article Per Year (5 Year)
p-Index From 2020 - 2025
1.204
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan
Dendy Indriya Efendi
Jurusan Teknik Sipil Fakultas Teknik Universitas Brawijaya
Computer Science & IT

Published : 8 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 8 Documents
Search

 1 
PENERAPAN ALGORITMA FP-GROWTH UNTUK OPTIMALISASI POLA ASOSIASI DALAM DATA TRANSAKSI PENJUALAN OBAT: STUDI KASUS DI APOTEK XYZ Nugroho, Rizwar Adi; Suarna, Nana; Ali, Irfan; Efendi, Dendy Indriya
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.v13i1.5621

Abstract

Perkembangan teknologi data mining telah membuka peluang besar untuk mengoptimalkan manajemen stok dan strategi pemasaran di sektor farmasi. Penelitian ini menggunakan algoritma Frequent Pattern Growth (FP-Growth) untuk menganalisis pola pembelian konsumen di Apotek XYZ. Dengan menggunakan data transaksi penjualan obat selama periode 3 bulan tercatat pada tanggal 1 September hingga 5 November 2024dan menerapkan algoritma FP-Growth melalui perangkat lunak Altair Ai Studio. Dataset terdiri dari 16.112 transaksi, yang diolah melalui proses data preprocessing, transformasi, dan penerapan algoritma FP-Growth dengan minimum support 0.5 dan confidence 0.8. Hasil analisis menghasilkan 59 aturan asosiasi dengan confidence tertinggi mencapai 100%, yang menunjukkan hubungan kuat antara produk-produk tertentu. Studi ini berhasil mengidentifikasi pola pembelian yang signifikan, memberikan wawasan strategis untuk optimalisasi stok dan pemasaran berbasis data. Informasi ini memungkinkan apotek mengelola persediaan obat secara lebih efisien
PENERAPAN ALGORITMA K-MEANS DALAM ANALISIS DATA KEPENDUDUKAN UNTUK OPTIMALISASI PENGELOMPOKAN DI DESA PASAWAHAN Ramdani, Rizki; Suarna, Nana; Ali, Irfan; Efendi, Dendy Indriya
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.v13i1.5639

Abstract

Abstrak. Teknologi informasi, bisnis, pendidikan, kesehatan, dan tata kelola pemerintahan adalah beberapa aspek kehidupan yang sangat dipengaruhi oleh kemajuan pesat di bidang informatika. Kurangnya informasi tentang karakteristik masyarakat Desa Pasawahan adalah masalah utama dalam penelitian ini. Kurangnya informasi ini berdampak pada kemampuan untuk membuat keputusan dan mengatur program pembangunan yang lebih sesuai dengan tujuan. Metode Elbow dan evaluasi Davies-Bouldin Index (DBI) adalah contoh metode klasterisasi yang efektif yang berfokus pada aspek sosial dan ekonomi. Data penduduk Desa Pasawahan Ciamis tahun 2023 dengan 4939 data dan 19 atribut digunakan. Metode Knowledge Discovery in Database (KDD) digunakan untuk menganalisis data. Dalam penelitian ini, indeks Davies-Bouldin (DBI) digunakan untuk mengoptimalkan algoritma K-means untuk menentukan jumlah klaster yang ideal. Hasil pengelompokan menunjukkan bahwa dari jumlah klaster dengan nilai K = 2, 3, 4, 5, 6, 7, 8, 9, 10, klaster dengan kinerja terbaik mendekati nilai 0, dengan nilai DBI sebesar 0,3066. Pada K=3, tiga klaster dengan distribusi sebagai berikut dihasilkan: C0 memiliki 2242 data, C1 memiliki 1778 data, dan C2 memiliki 919 data. Evaluasi kinerja Menurut algoritma K-means, nilai Davies-Bouldin yang mendekati nol menunjukkan kualitas, jumlah klaster yang ideal untuk penelitian ini adalah 3, yang memberikan hasil terbaik. 
IMPLEMENTASI ALGORITMA K-MEANS DALAM OPTIMALISASI PENGELOMPOKAN SURAT MASUK DI PG. SINDANGLAUT Amalia, Rosnita; Suarna, Nana; Ali, Irfan; Efendi, Dendy Indriya
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.v13i1.5876

Abstract

Abstrak. Pengelolaan surat masuk merupakan salah satu aspek penting dalam administrasi perusahaan, termasuk di PG. Sindanglaut yang berfungsi untuk mengelompokkan dan mengarsipkan surat secara efektif. Namun, dalam praktiknya, sistem pengelompokan surat yang digunakan saat ini masih manual dan kurang efisien, sehingga mengakibatkan keterlambatan dalam pengambilan keputusan dan pencarian dokumen. Untuk mengatasi permasalahan tersebut, penelitian ini melakukan penerapan Algoritma K-Means dalam mengoptimalkan proses pengelompokan surat masuk. Pemilihan Algoritma K-Means karena mampu melakukan clustering data secara cepat dan efisien, terutama dalam jumlah data yang besar. Permasalahan utama yang dihadapi adalah bagaimana meningkatkan efisiensi dan akurasi pengelompokan surat masuk menggunakan algoritma k-means untuk mendukung pengelolaan arsip yang lebih baik. Penelitian ini melalui metode eksperimen, di mana data surat masuk dianalisis dan dikelompokkan berdasarkan karakteristik kemiripannya menggunakan algoritma k-means sesuai dengan metode Knowledge Discoveri in Database (KDD). Dalam proses KDD mencakup data selection, preprocessing, tranformation, data mining untuk menentukan jumlah cluster optimal, dan interpretation atau evaluasi hasil clustering dengan mengukur nilai akurasi dan efektivitas pengelompokan berdasarkan nilai dari Davies Bouldin Index (DBI) dimana nilai terendah yang mendekati 0 menunjukkan klaster yang optimal. Tujuan penelitian ini adalah untuk mengoptimalkan sistem pengelompokan surat di PG. Sindanglaut, sehingga dapat meminimalkan waktu yang dibutuhkan untuk pencarian dokumen dan memperbaiki sistem pengarsipan. Penelitian ini menghasilkan bahwa penggunaan algoritma k-means dapat meningkatkan efisiensi pengelompokan surat masuk berdasarkan jenis surat yang terdiri dari Surat Dinas, Surat Permohonan, dan Surat Pemberitahuan sesuai dengan jenis dan kepentingannya, yang menghasilkan 8 klaster serta keakuratan pengelompokan yang sesuai dengan metode penelitian dimana nilai DBI yang diperoleh senilai 0.321.
DEEP LEARNING ALGORITMA YOLOV8 UNTUK MENINGKATKAN ANALISIS KEPADATAN LALU LINTAS Hidayattullah, Rizky; Suarna, Nana; Ali, Irfan; Efendi, Dendy Indriya
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.5749

Abstract

Kemacetan lalu lintas merupakan salah satu masalah serius di berbagai kota besar. Diperlukan sebuah algoritma deteksi objek secara real-time yaitu YOLOv8 . Namun, untuk mengeksplorasi efektivitas algoritma YOLOv8 (You Only Look Once version 8) dalam mendeteksi dan menganalisis kemacetan lalu lintas. Maka dilakukan pemadaman pola kemacetan, menghitung volume lalu lintas, serta memberikan informasi kondisi lalu kecepatan untuk mengurangi kemacetan. Data yang digunakan meliputi dataset sekunder dari website open source Roboflow dan data primer hasil observasi langsung di Jalan Perum Arum Sari Angsana 2, Kecomberan, Kecamatan Talun, Kabupaten Cirebon, Jawa Barat 45171, Indonesia. Proses penelitian mencakup pelatihan model YOLOv8 menggunakan dataset yang telah diberi anotasi untuk mendeteksi kendaraan, dan menghitung volume kendaraan yang ada. Setelah pelatihan, model diuji menggunakan dataset video untuk memutar performanya dalam kondisi nyata, mencakup berbagai waktu dan kondisi pencahayaan, seperti pagi, dan siang. Hasil penelitian menunjukkan bahwa model YOLOv8 mencapai tingkat akurasi deteksi yang tinggi, dengan presisi sebesar 0.930, recall 0.919, F1-score 0.930, mAP50 0.975, dan mAP50-95 0.748. Model ini mampu mendeteksi dan menghitung jumlah kendaraan secara akurat pada kondisi lalu lintas, baik padat maupun lancar. Temuan ini membuktikan potensi besar algoritma YOLOv8 dalam penerapan teknologi berbasis kecerdasan buatan untuk pengelolaan lalu lintas perkotaan maupun pemukiman.
PENERAPAN ALGORITMA FP-GROWTH UNTUK OPTIMALISASI POLA ASOSIASI DALAM DATA TRANSAKSI PENJUALAN OBAT: STUDI KASUS DI APOTEK XYZ Nugroho, Rizwar Adi; Suarna, Nana; Ali, Irfan; Efendi, Dendy Indriya
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.v13i1.5621

Abstract

Perkembangan teknologi data mining telah membuka peluang besar untuk mengoptimalkan manajemen stok dan strategi pemasaran di sektor farmasi. Penelitian ini menggunakan algoritma Frequent Pattern Growth (FP-Growth) untuk menganalisis pola pembelian konsumen di Apotek XYZ. Dengan menggunakan data transaksi penjualan obat selama periode 3 bulan tercatat pada tanggal 1 September hingga 5 November 2024dan menerapkan algoritma FP-Growth melalui perangkat lunak Altair Ai Studio. Dataset terdiri dari 16.112 transaksi, yang diolah melalui proses data preprocessing, transformasi, dan penerapan algoritma FP-Growth dengan minimum support 0.5 dan confidence 0.8. Hasil analisis menghasilkan 59 aturan asosiasi dengan confidence tertinggi mencapai 100%, yang menunjukkan hubungan kuat antara produk-produk tertentu. Studi ini berhasil mengidentifikasi pola pembelian yang signifikan, memberikan wawasan strategis untuk optimalisasi stok dan pemasaran berbasis data. Informasi ini memungkinkan apotek mengelola persediaan obat secara lebih efisien
PENERAPAN ALGORITMA K-MEANS DALAM ANALISIS DATA KEPENDUDUKAN UNTUK OPTIMALISASI PENGELOMPOKAN DI DESA PASAWAHAN Ramdani, Rizki; Suarna, Nana; Ali, Irfan; Efendi, Dendy Indriya
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.v13i1.5639

Abstract

Abstrak. Teknologi informasi, bisnis, pendidikan, kesehatan, dan tata kelola pemerintahan adalah beberapa aspek kehidupan yang sangat dipengaruhi oleh kemajuan pesat di bidang informatika. Kurangnya informasi tentang karakteristik masyarakat Desa Pasawahan adalah masalah utama dalam penelitian ini. Kurangnya informasi ini berdampak pada kemampuan untuk membuat keputusan dan mengatur program pembangunan yang lebih sesuai dengan tujuan. Metode Elbow dan evaluasi Davies-Bouldin Index (DBI) adalah contoh metode klasterisasi yang efektif yang berfokus pada aspek sosial dan ekonomi. Data penduduk Desa Pasawahan Ciamis tahun 2023 dengan 4939 data dan 19 atribut digunakan. Metode Knowledge Discovery in Database (KDD) digunakan untuk menganalisis data. Dalam penelitian ini, indeks Davies-Bouldin (DBI) digunakan untuk mengoptimalkan algoritma K-means untuk menentukan jumlah klaster yang ideal. Hasil pengelompokan menunjukkan bahwa dari jumlah klaster dengan nilai K = 2, 3, 4, 5, 6, 7, 8, 9, 10, klaster dengan kinerja terbaik mendekati nilai 0, dengan nilai DBI sebesar 0,3066. Pada K=3, tiga klaster dengan distribusi sebagai berikut dihasilkan: C0 memiliki 2242 data, C1 memiliki 1778 data, dan C2 memiliki 919 data. Evaluasi kinerja Menurut algoritma K-means, nilai Davies-Bouldin yang mendekati nol menunjukkan kualitas, jumlah klaster yang ideal untuk penelitian ini adalah 3, yang memberikan hasil terbaik. 
DEEP LEARNING ALGORITMA YOLOV8 UNTUK MENINGKATKAN ANALISIS KEPADATAN LALU LINTAS Hidayattullah, Rizky; Suarna, Nana; Ali, Irfan; Efendi, Dendy Indriya
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.5749

Abstract

Kemacetan lalu lintas merupakan salah satu masalah serius di berbagai kota besar. Diperlukan sebuah algoritma deteksi objek secara real-time yaitu YOLOv8 . Namun, untuk mengeksplorasi efektivitas algoritma YOLOv8 (You Only Look Once version 8) dalam mendeteksi dan menganalisis kemacetan lalu lintas. Maka dilakukan pemadaman pola kemacetan, menghitung volume lalu lintas, serta memberikan informasi kondisi lalu kecepatan untuk mengurangi kemacetan. Data yang digunakan meliputi dataset sekunder dari website open source Roboflow dan data primer hasil observasi langsung di Jalan Perum Arum Sari Angsana 2, Kecomberan, Kecamatan Talun, Kabupaten Cirebon, Jawa Barat 45171, Indonesia. Proses penelitian mencakup pelatihan model YOLOv8 menggunakan dataset yang telah diberi anotasi untuk mendeteksi kendaraan, dan menghitung volume kendaraan yang ada. Setelah pelatihan, model diuji menggunakan dataset video untuk memutar performanya dalam kondisi nyata, mencakup berbagai waktu dan kondisi pencahayaan, seperti pagi, dan siang. Hasil penelitian menunjukkan bahwa model YOLOv8 mencapai tingkat akurasi deteksi yang tinggi, dengan presisi sebesar 0.930, recall 0.919, F1-score 0.930, mAP50 0.975, dan mAP50-95 0.748. Model ini mampu mendeteksi dan menghitung jumlah kendaraan secara akurat pada kondisi lalu lintas, baik padat maupun lancar. Temuan ini membuktikan potensi besar algoritma YOLOv8 dalam penerapan teknologi berbasis kecerdasan buatan untuk pengelolaan lalu lintas perkotaan maupun pemukiman.
IMPLEMENTASI ALGORITMA K-MEANS DALAM OPTIMALISASI PENGELOMPOKAN SURAT MASUK DI PG. SINDANGLAUT Amalia, Rosnita; Suarna, Nana; Ali, Irfan; Efendi, Dendy Indriya
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.v13i1.5876

Abstract

Abstrak. Pengelolaan surat masuk merupakan salah satu aspek penting dalam administrasi perusahaan, termasuk di PG. Sindanglaut yang berfungsi untuk mengelompokkan dan mengarsipkan surat secara efektif. Namun, dalam praktiknya, sistem pengelompokan surat yang digunakan saat ini masih manual dan kurang efisien, sehingga mengakibatkan keterlambatan dalam pengambilan keputusan dan pencarian dokumen. Untuk mengatasi permasalahan tersebut, penelitian ini melakukan penerapan Algoritma K-Means dalam mengoptimalkan proses pengelompokan surat masuk. Pemilihan Algoritma K-Means karena mampu melakukan clustering data secara cepat dan efisien, terutama dalam jumlah data yang besar. Permasalahan utama yang dihadapi adalah bagaimana meningkatkan efisiensi dan akurasi pengelompokan surat masuk menggunakan algoritma k-means untuk mendukung pengelolaan arsip yang lebih baik. Penelitian ini melalui metode eksperimen, di mana data surat masuk dianalisis dan dikelompokkan berdasarkan karakteristik kemiripannya menggunakan algoritma k-means sesuai dengan metode Knowledge Discoveri in Database (KDD). Dalam proses KDD mencakup data selection, preprocessing, tranformation, data mining untuk menentukan jumlah cluster optimal, dan interpretation atau evaluasi hasil clustering dengan mengukur nilai akurasi dan efektivitas pengelompokan berdasarkan nilai dari Davies Bouldin Index (DBI) dimana nilai terendah yang mendekati 0 menunjukkan klaster yang optimal. Tujuan penelitian ini adalah untuk mengoptimalkan sistem pengelompokan surat di PG. Sindanglaut, sehingga dapat meminimalkan waktu yang dibutuhkan untuk pencarian dokumen dan memperbaiki sistem pengarsipan. Penelitian ini menghasilkan bahwa penggunaan algoritma k-means dapat meningkatkan efisiensi pengelompokan surat masuk berdasarkan jenis surat yang terdiri dari Surat Dinas, Surat Permohonan, dan Surat Pemberitahuan sesuai dengan jenis dan kepentingannya, yang menghasilkan 8 klaster serta keakuratan pengelompokan yang sesuai dengan metode penelitian dimana nilai DBI yang diperoleh senilai 0.321.
Co-Authors Amalia, Rosnita Hidayattullah, Rizky Irfan Ali, Irfan Nugroho, Rizwar Adi Ramdani, Rizki Suarna, Nana