Article Per Year (5 Year)
p-Index From 2021 - 2026
9.094
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi EDUMATIC: Jurnal Pendidikan Informatika Progresif: Jurnal Ilmiah Komputer Jurnal Ilmiah ILKOMINFO - Ilmu Komputer & Informatika International Journal of Informatics and Computation Jurnal Informatika Ekonomi Bisnis JATI (Jurnal Mahasiswa Teknik Informatika) Journal Automation Computer Information System (JACIS) Brilliance: Research of Artificial Intelligence Pelita Teknologi : Jurnal Ilmiah Informatika, Arsitektur dan Lingkungan Jurnal Ilmiah SIGMA: Informatics Engineering Journal of UPB Joong-Ki : Jurnal Pengabdian Masyarakat Jurnal Informasi Sains dan Teknologi (ISAINTEK) SMART Management Journal STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Indonesian Research Journal on Education Journal Of Informatics And Busisnes VIDHEAS: Jurnal Nasional Abdimas Multidisiplin Jurnal Komputer dan Teknologi (JUKOMTEK) SAINTEK Jurnal Media Akademik (JMA) Joong-Ki Jupiter: Publikasi Ilmu Keteknikan Industri, Teknik Elektro dan Informatika Bridge: Jurnal Publikasi Sistem Informasi dan Telekomunikasi Modem : Jurnal Informatika dan Sains Teknologi Repeater: Publikasi Teknik Informatika dan Jaringan SISFOTENIKA Merkurius: Jurnal Riset Sistem Informasi dan Teknik Informatika Neptunus: Jurnal Ilmu Komputer dan Teknologi Informasi Expert Net: Exploration Journal of Technological Education Trends Joong-Ki Jurnal Rekayasa Teknologi Nusa Putra Jejak digital: Jurnal Ilmiah Multidisiplin Jurnal Cakrawala Akademika Jurnal Sistem Informasi dan Ilmu Komputer
Elkin Rilvani
Universitas Pelita Bangsa
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Physics Social Sciences Other

Published : 82 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 82 Documents
Search

 4   5   6   7   8 
PREDIKSI CUACA MENGGUNAKAN METODE CLASSIFICATION ID3 DAN CART Arya Saepul Hakim; Elkin Rilvani
Jurnal Media Akademik (JMA) Vol. 3 No. 8 (2025): JURNAL MEDIA AKADEMIK Edisi Agustus
Publisher : PT. Media Akademik Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62281/v3i8.2679

Abstract

Penelitian ini membahas metode klasifikasi dalam data mining, khususnya fokus pada algoritma ID3 dan CART. Melalui studi literatur, penelitian ini membandingkan kelebihan dan kekurangan dari kedua algoritma tersebut dalam hal akurasi, kompleksitas, dan kemudahan penggunaan. Data simulasi menunjukkan bahwa ID3 unggul dalam kesederhanaan dan kecepatan komputasi, sedangkan CART lebih efektif dalam menangani fitur numerik dan membentuk pohon biner. Hasil penelitian ini menyarankan bahwa pemilihan antara ID3 dan CART sebaiknya disesuaikan dengan karakteristik data dan tujuan klasifikasi. Penelitian ini membahas metode klasifikasi dalam data mining dengan fokus pada dua algoritma decision tree yang populer, yaitu ID3 dan CART. Keduanya memiliki keunggulan tersendiri dalam hal akurasi, efisiensi, serta kemudahan implementasi. ID3 dikenal dengan pendekatannya yang menggunakan information gain untuk membentuk pohon keputusan multi-cabang, sedangkan CART menggunakan Gini index dan menghasilkan pohon biner yang lebih terstruktur. Dalam studi ini, dilakukan simulasi terhadap dataset sederhana untuk membandingkan performa kedua algoritma tersebut. Hasilnya menunjukkan bahwa CART memiliki tingkat akurasi yang lebih tinggi sebesar 90% dibandingkan ID3 sebesar 80%. Namun, ID3 unggul dalam kecepatan pelatihan dan kesederhanaan model. Analisis ini menunjukkan bahwa tidak ada satu metode yang selalu lebih baik, melainkan pemilihannya tergantung pada jenis data dan kebutuhan analisis. Studi ini diharapkan dapat menjadi referensi bagi peneliti dan praktisi dalam memilih algoritma klasifikasi yang sesuai untuk permasalahan tertentu di bidang data mining.
DETEKSI TRANSAKSI MENCURIGAKAN MENGGUNAKAN DECISION TREE DAN LOGISTIC REGRESSION DENGAN MITIGASI KETIDAKSEIMBANGAN KELAS Novant Nanda Pradana; Amar Agung Subekti; Elkin Rilvani
Jurnal Media Akademik (JMA) Vol. 3 No. 8 (2025): JURNAL MEDIA AKADEMIK Edisi Agustus
Publisher : PT. Media Akademik Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62281/v3i8.2680

Abstract

Transaksi keuangan digital mengalami pertumbuhan pesat, namun disertai risiko yang semakin tinggi terhadap aktivitas mencurigakan seperti penipuan. Deteksi transaksi mencurigakan menjadi tantangan utama, terutama karena distribusi data yang sangat tidak seimbang, di mana jumlah transaksi normal jauh lebih banyak dibandingkan transaksi fraud. Penelitian ini bertujuan untuk mengevaluasi dan membandingkan dua algoritma klasifikasi, yaitu Decision Tree dan Logistic Regression, dalam mendeteksi transaksi mencurigakan dengan menerapkan tiga pendekatan penyeimbangan kelas, yakni random oversampling, undersampling, dan SMOTE (Synthetic Minority Oversampling Technique). Dataset yang digunakan adalah data transaksi kartu kredit yang mengandung kurang dari 0,2% kasus fraud. Evaluasi dilakukan berdasarkan metrik precision, recall, F1-score, dan AUC. Hasil penelitian menunjukkan bahwa kombinasi Decision Tree dengan SMOTE menghasilkan performa terbaik dengan nilai F1-score sebesar 0,85 dan AUC sebesar 0,95. Logistic Regression juga menunjukkan kinerja yang kompetitif, terutama saat dikombinasikan dengan SMOTE. Temuan ini menunjukkan bahwa penerapan teknik penyeimbangan kelas berpengaruh signifikan terhadap akurasi model dalam mendeteksi transaksi fraud, dan bahwa model klasik masih sangat relevan untuk diterapkan dalam sistem deteksi anomali di sektor keuangan.
ANALISIS STATISTIK HUBUNGAN HARI TERHADAP VOLUME PENGIRIMAN PRODUK: STUDI KASUS PADA SISTEM MANAJEMEN GUDANG Muhammad Rizal Mantofani; Faqih Irianto; Elkin Rilvani
Jurnal Media Akademik (JMA) Vol. 3 No. 8 (2025): JURNAL MEDIA AKADEMIK Edisi Agustus
Publisher : PT. Media Akademik Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62281/v3i8.2681

Abstract

Penelitian ini bertujuan menganalisis hubungan antara hari dalam seminggu dengan volume pengiriman produk pada sistem manajemen gudang (Warehouse Management System/WMS). Analisis dilakukan menggunakan data historis selama enam bulan dari Gudang X dengan metode statistik deskriptif dan inferensial, yaitu Korelasi Pearson dan Uji Chi-Square. Hasil analisis menunjukkan hubungan negatif yang signifikan antara hari dan jumlah pengiriman (r = -0.816, p = 0.025), yang menandakan penurunan volume pengiriman mendekati akhir pekan. Selain itu, Uji Chi-Square menunjukkan hubungan signifikan antara kategori hari dan volume pengiriman (p < 0.001), sementara minggu ke dalam bulan tidak menunjukkan hubungan signifikan. Temuan ini penting bagi manajemen gudang dalam merencanakan jadwal kerja, mengalokasikan sumber daya secara tepat, serta mengoptimalkan proses operasional berbasis data. Dengan memahami pola permintaan mingguan, perusahaan dapat menyusun strategi distribusi yang lebih efisien, mengurangi risiko keterlambatan, menjaga ketersediaan stok, serta meningkatkan responsivitas terhadap perubahan kebutuhan pelanggan. Penerapan strategi ini diharapkan mampu meningkatkan kepuasan pelanggan, menjaga kelancaran arus barang, dan mendukung pertumbuhan bisnis jangka panjang secara berkelanjutan.
PREDIKSI JUMLAH PERAWAT BERDASARKAN KABUPATEN/KOTA DI PROVINSI JAWA BARAT MENGGUNAKAN DECISION TREE Aldi Patria Nugraha; Tia Mulyani; Elkin Rilvani
Jurnal Media Akademik (JMA) Vol. 3 No. 8 (2025): JURNAL MEDIA AKADEMIK Edisi Agustus
Publisher : PT. Media Akademik Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62281/v3i8.2682

Abstract

Ketersediaan tenaga kesehatan, khususnya perawat, merupakan aspek penting dalam menjamin layanan kesehatan yang merata dan berkualitas bagi seluruh masyarakat. Provinsi Jawa Barat, sebagai provinsi dengan jumlah penduduk terbanyak di Indonesia, menghadapi tantangan besar dalam pemerataan distribusi tenaga perawat di berbagai kabupaten dan kota. Ketimpangan ini dapat berdampak pada kualitas pelayanan kesehatan yang diterima oleh masyarakat di wilayah tertentu, terutama di daerah terpencil dan padat penduduk. Penelitian ini bertujuan untuk memprediksi jumlah perawat berdasarkan wilayah administratif menggunakan algoritma Decision Tree. Data penelitian diperoleh dari instansi pemerintah yang mencakup data jumlah perawat di setiap wilayah selama kurun waktu tertentu. Proses analisis dilakukan dengan bantuan perangkat lunak RapidMiner untuk membangun model prediksi dan mengevaluasi performanya secara menyeluruh. Hasil penelitian menunjukkan adanya disparitas jumlah perawat antarwilayah serta beberapa variabel yang memengaruhi distribusinya. Model prediksi ini diharapkan dapat menjadi dasar pengambilan keputusan strategis bagi pihak berwenang dalam merumuskan kebijakan pemerataan tenaga kesehatan di Provinsi Jawa Barat.
PENERAPAN ALGORITMA C4.5 UNTUK PREDIKSI KELULUSAN MAHASISWA BERDASARKAN DATA AKADEMIK Muhammad Rifki Febrianto; Nabilla Kusuma Wijaya; Elkin Rilvani
Jurnal Media Akademik (JMA) Vol. 3 No. 8 (2025): JURNAL MEDIA AKADEMIK Edisi Agustus
Publisher : PT. Media Akademik Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62281/v3i8.2692

Abstract

Data mining telah berkembang menjadi salah satu teknologi penting dalam mendukung proses pengambilan keputusan berbasis data, khususnya di lingkungan pendidikan tinggi yang kompleks, dinamis, dan berorientasi pada peningkatan mutu akademik. Dalam konteks pengelolaan pendidikan, kemampuan untuk memprediksi kelulusan mahasiswa menjadi sangat krusial, karena dapat membantu institusi dalam melakukan perencanaan strategis, intervensi dini, serta optimalisasi sumber daya yang dimiliki. Penelitian ini bertujuan mengeksplorasi penerapan algoritma decision tree C4.5 dalam membangun model prediksi kelulusan mahasiswa berdasarkan data akademik yang tersedia. Dataset yang digunakan mencakup variabel-variabel kunci, antara lain Indeks Prestasi Kumulatif (IPK), total Satuan Kredit Semester (SKS) yang telah diselesaikan, serta tingkat kehadiran mahasiswa selama masa studi. Data diperoleh dari [nama institusi] dan dianalisis menggunakan metode C4.5 yang dikenal memiliki kemampuan interpretasi yang baik, sehingga hasil model dapat mudah dipahami oleh pihak pengambil keputusan. Hasil pengujian menunjukkan tingkat akurasi prediksi sebesar 84,6%, yang mengindikasikan bahwa metode ini memiliki potensi besar dalam mendukung sistem manajemen akademik berbasis analitik. Temuan ini diharapkan dapat menjadi dasar bagi institusi pendidikan untuk meningkatkan efektivitas monitoring, evaluasi, serta pengambilan keputusan strategis yang lebih tepat sasaran terkait progres studi mahasiswa.
Model Hybird Fuzzy Logic dan Deep Learning untuk Prediksi Harga Saham Muhidin, Asep; Rilvani, Elkin; Naya, Candra
Jurnal Pendidikan Informatika (EDUMATIC) Vol 9 No 2 (2025): Edumatic: Jurnal Pendidikan Informatika
Publisher : Universitas Hamzanwadi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29408/edumatic.v9i2.30890

Abstract

Stock price prediction is a major challenge in the financial sector due to nonlinear factors and data uncertainty. This study aims to develop a predictive model by integrating fuzzy logic into deep learning algorithms to improve accuracy and robustness against noise. This is a quantitative experimental study using 1,000 daily historical stock price data of BBCA (Bank Central Asia), collected via web scraping from public sources. The data were analyzed using three types of neural networks: Recurrent Neural Network (RNN), Long Short-Term Memory (LSTM), and Gated Recurrent Unit (GRU), both before and after fuzzy integration. Fuzzification was applied to the price data to generate linguistic features, which were added as input to the neural network models. The models were evaluated using Train Cost, Test Cost, and the number of epochs, and a t-test was conducted to assess the statistical significance of performance differences. Our findings show that the LSTM model with fuzzy input achieved the best performance, with a Train Cost of 0.0002 and a Test Cost of 0.0052, and demonstrated superior capability in handling long-term dependencies. In contrast, RNN and GRU models showed decreased accuracy after fuzzy integration. The combining fuzzy and LSTM model shows promise for broader applications in time-series forecasting under uncertainty.
Mendorong Kreativitas dan Inovasi Melalui Pengenalan Coding di SMP Negeri 3 Cikarang Selatan Muhidin, Asep; Elkin Rilvani; Wisnu Setyawan
VIDHEAS: Jurnal Nasional Abdimas Multidisiplin Vol. 2 No. 2 (2024): Desember 2024
Publisher : VINICHO MEDIA PUBLISINDO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61946/vidheas.v2i2.128

Abstract

Keterampilan coding merupakan salah satu kompetensi penting di era digital yang dapat mendorong kreativitas, kemampuan berpikir logis, dan problem-solving pada siswa. Namun, di SMP Negeri 3 Cikarang Selatan, kemampuan literasi digital siswa masih rendah akibat keterbatasan akses pembelajaran, infrastruktur, serta minimnya pelatihan bagi guru. Kegiatan pengabdian masyarakat ini bertujuan untuk memperkenalkan dasar-dasar coding kepada siswa dan meningkatkan kapasitas guru melalui pelatihan serta pendampingan. Metode pelaksanaan meliputi workshop interaktif berbasis gamifikasi menggunakan platform seperti Scratch, Code.org, dan Blockly; penyediaan perangkat dan modul pembelajaran; serta sesi motivasi untuk mengenalkan peluang di dunia digital. Evaluasi dilakukan melalui pre-test dan post-test, observasi, dan umpan balik dari peserta. Hasil kegiatan menunjukkan peningkatan pemahaman dasar coding pada siswa, meningkatnya motivasi belajar teknologi, dan bertambahnya kompetensi guru dalam mengajarkan coding. Program ini diharapkan menjadi langkah awal menuju penguatan literasi digital dan keberlanjutan pembelajaran teknologi di sekolah..
Implementasi Data Mining dengan Metode K-Means dan FCM untuk Analisis Pola Pembelian Konsumen Online Rio Rinto Saki; Rizky Juniarko Taruna Putra; Elkin Rilvani
Journal Of Informatics And Busisnes Vol. 3 No. 2 (2025): Juli - September
Publisher : CV. ITTC INDONESIA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47233/jibs.v3i2.3106

Abstract

This study explores the implementation of data mining techniques using K-Means and Fuzzy C-Means (FCM) clustering methods to analyze online customer purchasing patterns. The focus of the analysis lies in identifying similarities and segmenting customers based on their transaction behaviors. By using datasets collected from e-commerce platforms during the 2022–2023 period, the study evaluates the effectiveness of each algorithm in discovering meaningful clusters. The results indicate that both methods can group consumers based on purchasing trends, with FCM offering better flexibility due to its fuzzy membership assignment. This clustering approach can support decision-making in targeted marketing, product recommendations, and customer relationship management.
Sentiment Analysis of TikTok User Reviews on Google Playstore Using Naïve Bayes Methods Prakoso, Indra; Andhika Aziz Bachtiar; Elkin Rilvani
Journal Of Informatics And Busisnes Vol. 3 No. 2 (2025): Juli - September
Publisher : CV. ITTC INDONESIA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47233/jibs.v3i2.3297

Abstract

interactions, one of which is TikTok. The TikTok platform has become a global phenomenon favored by many, especially the younger generation. As the number of users increases, reviews on digital platforms such as the Google Play Store become an important source for understanding users' perceptions of the application. Therefore, a deep understanding of user sentiment toward TikTok is essential for better app development and effective marketing strategies. To analyze TikTok user sentiment, this study employs two well-established computational methods: Support Vector Machine (SVM) and Naïve Bayes. These methods are used to classify user reviews into positive or negative sentiment categories. The approach involves several stages, including data collection, data preprocessing, data splitting, sentiment classification, and model evaluation. The study shows that the SVM model achieved an accuracy of 88.76% with an AUC of 92.61%, outperforming Naïve Bayes, which achieved an accuracy of 84.27% and an AUC of 92.57%. In the positive sentiment category, SVM recorded a precision of 90.74% and a recall of 95.15%, while Naïve Bayes yielded a precision of 83.61% and an almost perfect recall of 99.03%. For negative sentiment, SVM showed a precision of 80.39% and recall of 67.21%, whereas Naïve Bayes had a higher precision of 91.30% but a lower recall of 34.43%, with a lower F1-score of 50%.
Prediksi Tingkat Keterlambatan Pengumpulan Tugas Mahasiswa Berdasarkan Aktivitas Perkuliahan Menggunakan Algoritma K-Nearest Neighbor (KNN) Hardiansyah, Andi; Zalfa Dewi Zahrani; Elkin Rilvani
Jurnal Rekayasa Teknologi Nusa Putra Vol 11 No 2 (2025): Agustus 2025
Publisher : Universitas Nusa Putra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52005/rekayasa.v11i2.653

Abstract

The delay in task submission is one of the indicators of low discipline and student engagement in the learning process. This study aims to predict the level of task submission delay among students based on academic activity using the K-Nearest Neighbor (KNN) algorithm. The dataset used includes five predictor variables: attendance rate (%), frequency of LMS login, forum participation, average quiz scores (%), and LMS access time, with one target variable being task delay categorized into three classes: On Time, Moderate Delay, and Severe Delay. The KNN method with k = 3 was applied to the normalized dataset using Min-Max Scaling. The test results showed that the model successfully classified all test data with an accuracy of 100%. Evaluation using the confusion matrix, precision, recall, and f1-score confirmed optimal performance across all delay categories. The study concludes that academic activity significantly influences task punctuality, and the KNN model can serve as a foundation for developing a data-driven early warning system to detect students at risk of delay. However, further research with larger datasets is needed to validate the generalizability of this model.
Co-Authors Abdul Rokim Abid Lu’ay Raihan Taufik Agung Nugroho Ahmad Budi Trisnawan Ahmad Turmudi Zy Al Ayubi, Muhammad Din Aldi Patria Nugraha Alfian Saputra, Ricky Alfiana Erlangga, Dafa Alif Nur Fathlii Amarta Amar Agung Subekti An-nisa Fitriani Andhika Aziz Bachtiar Andi Setyawan Anindha Latiefa Zahra Apik Aminah Aries Widyantoro ARIF SUSILO Arif Susilo Ariza, Rini Arya Saepul Hakim Asep Muhidin Asep Saepuloh Baehaqi Bagoes Ramadhan Baihaqi Asa’ari Lubis Bayu Nugroho Butsianto, Sufajar Candra Naya Catur Pranomo Dimas Adi Nugraha Dina Amalia Putri Diska Kurnia Azzahra Putra Dito Ridwansyah, Rizjky Dzaky Alaudin Malik Edi Tri Wibowo Edora Erikasari, Vivie Zuliani Ermanto Ermanto Ermanto Fachrial Banyu Asmoro Fadhlurohman Fatikh Navintino Faisal Arya Yudanto Faiza Muhammad Julianto Faqih Irianto Fazri Albadawi Fikr, Muhammad Fiqhy Faradisa Al Bina Fitakwim Fitakwim Galih Pangestu Gilar Sumilar Hadi Putra Hardiansyah, Andi Hendra Parsaulian Henri Caesar Bimantara Herlan Wibowo Hidayat, Chaerul Hilman Ihza Amrullah Hizkia Vincent Hrenysa Ikhsan Romli Indry Widiyani Khaerunnisa Isnaeni Lestari Khairunnisa Nasution Lili Fadli Muhamad Ma'ruf Setiadi2 Maharani , Tyanshi Firli Mikael Rivaldo Mochammad Rahmat Faisal Monika Pakpahan Muhamad Daffa Maulana Arrasyid Muhamad Faisal Ilham Muhamad Fatchan Muhammad Akmal Ar Rasid Muhammad Albedri MUHAMMAD ARIFIN Muhammad Farhan Fahreza Muhammad Nur Falah Muhammad Rifki Febrianto Muhammad Rizal Mantofani Muhammad Rizky Raka muhidin, asep Muhtajuddin Danny Nabilla Kusuma Wijaya Nadia tul umah Naya, Candra Naza Sefti Prianita Novant Nanda Pradana Novianto Andi Hardiansyah Nugroho, Agung Nur Hasim Nur Hidayati Nurkholik Safrudin Ovi Marzuki Panji Anwar Sanusi Pardede, Debora Hizkhia Prakoso, Indra Prasetyo, Fabian Eka Priasnyomo Prima Santoso Putra, Aan Fadillah Rafi Maulana Firdaus Ramadhan Ardi Iman Prakoso Reza Maulana, Muhammad Rio Rinto Saki Rizki Fahrizal Rizky Juniarko Taruna Putra Roana, Roana Saiful Muktiali Sela, Mosses Ara’al De Setyawan, Wisnu Shanti Cahyaningtyas Sifa Setiyani Silvi Fara Dita Siswandi, Arif Siti Yasmin Nurcholifah Soejarminto, Yos Sukmana Wibowo, Mohamad Hegar Surojudin, Nurhadi Suryadi Putra Suryadi, Dikky Suryana, Syahro Tatia Deswita Anggraeni Taufik Eka Albani Tia Mulyani Tri Ngudi Wiyatno Weni Purnomo1 Widodo , Edy Wisnu Ikhwansyah Saputra Wisnu Setyawan Yoga Pratama, Evan Yudha Purnama Putra Yudi Fermana Zacky Rafian Fawwauzy Zalfa Dewi Zahrani