Article Per Year (5 Year)
p-Index From 2020 - 2025
3.058
P-Index
This Author published in this journals
All Journal Jurnal Media Infotama Jurnal Informatika dan Teknik Elektro Terapan JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal Kridatama Sains dan Teknologi JATI (Jurnal Mahasiswa Teknik Informatika) E-Link: Jurnal Teknik Elektro dan Informatika Jurnal Informa: Jurnal Penelitian dan Pengabdian Masyarakat Jurnal Teknik Informatika (JUTIF) Entrepreneurship Bisnis Manajemen Akuntansi (E-BISMA) Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Indonesia Sosial Sains SmartComp Jurnal Informatika: Jurnal Pengembangan IT VISA: Journal of Vision and Ideas
Supatman Supatman, Supatman
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities Astronomy Biochemistry, Genetics & Molecular Biology Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Environmental Science Immunology & microbiology Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Neuroscience Physics Public Health Social Sciences

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search

 1   2   3 
Pemanfaatan Kecerdasan Buatan dalam Penghitungan Ekuitas Harga Obat di Gudang Farmasi Dinas Kesehatan Kabupaten Purworejo Irdianto, Agoes; Supatman, Supatman
Jurnal Media Infotama Vol 20 No 2 (2024): Oktober
Publisher : UNIVED Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37676/jmi.v20i2.6373

Abstract

Laporan keuangan terkait harga obat merupakan kegiatan rutinitas di Dinas Kesehatan Kabupaten Purworejo, khususnya dalam hal penghitungan ekuitas harga obat dilakukan dengan cara manual yang mengakibatkan prosen laporan yang lama dan rentan terhadap kesalahan. Salah satu solusinya adalah dengan penggunaan teknologi Artificial Intelligence (AI) yang dapat melakukan perhitungan secara otomatis. Dengan memanfaatkan AI yaitu powerdrill.ai, penghitungan ekuitas harga obat yang sebelumnya dilakukan secara manual kini dapat dilakukan dengan lebih cepat dan memiliki akurasi yang tinggi. Data obat yang diperoleh, mencakup data transaksi pengadaan obat dan distribusi obat selama periode 1 Januari 2024 hingga 31 April 2024. Hasil pemrosesan data secara manual dikerjakan doleh beberapa orang dibutuhkan Waktu satu hari kerja sedangkan dikerjakan de ngan powerdrill.ai dengan satu petugas dibuthkan waktu kurang dari 5 menit. Sehingga diperoleh effisiensi waktu sebasar 98.,95%. Sehingga powerdrill.ai dapat mempercepat perhitungan penghitungan ekuitas harga obat.
ANALISIS SENTIMEN TERHADAP OPINI MASYARAKAT TERKAIT PERUBAHAN CUACA DI INDONESIA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE Yosef Kolo, Severianus; Supatman, Supatman
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8988

Abstract

Perubahan cuaca merupakan berubahnya kondisi atmosfer yang dipengaruhi oleh angin, badai, hingga gerakan udara yang konstan. Perubahan cuaca juga mempunyai dampak yang besar ke kehidupan manusia dalam berbagai sektor kehidupan. Dalam tulisan ini, pemahaman mengenai sentimen masyarakat terkait perubahan cuaca menjadi hal yang penting. Penelitian ini difokuskan pada analisis sentiment terkait opini masyarakat terhadap perubahan cuaca dengan memanfaatkan data dari platform Twitter. Data dikumpulkan menggunakan bahasa pemrograman Python pada aplikasi web Google Colab dengan menggunakan API Key Twitter. Metode klasifikasi yaitu menggunakan algoritma Support Vector Machine digunakan untuk mengklasifikasikan data. Evaluasi model menunjukkan tingkat accuracy sebesar 70%, dengan kinerja yang lebih unggul dalam mengidentifikasi sentimen positif, mencapai precision 39%, recall 39%, dan f1-score 37%. Penelitian ini menggambarkan proses lengkap dari hasil pengumpulan data hingga klasifikasi sentimen menggunakan algoritma SVM. Penelitian ini menunjukan bahwa model akan lebih baik dalam mengidentifikasi sentimen negatif dengan tingkat keakuratan yang cukup baik.
ANALISIS SENTIMEN MASYARAKAT TERHADAP KINERJA KERJA PRESIDEN JOKO WIDODO ENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE Bambang Seran, Yulius; Supatman, Supatman
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10171

Abstract

Kinerja kerja Presiden Joko Widodo tidak luput dari perhatian publik, dengan beragam opini yang muncul. Lembaga survei nasional telah melakukan peninjauan pada masyarakat Indonesia, menemukan adanya pro dan kontra terhadap kinerja kerja Presiden Joko Widodo. Opini-opini tersebut disampaikan secara langsung maupun melalui sosial media, yang salah satunya adalah twitter. Tujuan penelitian ini untuk klasifikasi sentiment masyarakat Indonesia terkait Kinerja Kerja Presiden Joko Widodo menggunakan data dari Twitter. Kata kunci “kinerja jokowi”, dan “kerja nyata jokowi” digunakan untuk menarik data, dan mendapatkan 1.000 tweet yang dikumpulkan menggunakan aplikasi website Google Colaboratory dengan memanfaatkan API key twitter. Metode SVM (Support Vector Machine) diterapkan untuk pengklasifikasian data. Hasil klasifikasi menunjukkan bahwa model mencapai tingkat akurasi sebesar 66%. Model ini menunjukkan performa bagus dalam identifikasi kelas positif, dengan nilai recall 98% dan f1-score 77%. Secara keseluruhan, hasil ini menunjukkan bahwa klasifikasi analisis sentiment dengan metode Support Vector Machine memiliki kinerja yang tergolong baik dalam pengenalan dan klasifikasi sentiment positif dibandingkan negatif dan netral.
ANALISIS SENTIMEN NETIZEN TERHADAP ISU PEMBABATAN HUTAN ADAT PAPUA MELALUI TAGAR #ALLEYESONPAPUA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE Manwombreidy Kafiar, Agustinus; Supatman, Supatman
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10672

Abstract

Isu pembabatan hutan adat di Papua untuk perkebunan sawit menjadi topik sedang ramai diperbincangkan di media sosial, sehingga memahami opini netizen yang pro dan kontra terhadap isu ini menjadi sangat penting terutama di medial sosial X. Penelitian ini bertujuan menganalisis dan klasifikasi sentimen netizen terhadap isu pembabatan hutan adat di Papua melalui kata kunci tagar #AllEyesOnPapua di media sosial X. Penelitian ini menggunakan algoritma Support Vector Machine (SVM) dengan menggunakan bahasa pemrograman Phyton di website Google Colaboratory dengan menggunakan API key Twitter. Dari data yang dikumpulkan menggunakan crawling data antara tanggal 25 Mei sampai dengan 20 Juni 2024, terdapat 1270 tweet dan tersisa 1149 tweet setelah melalui tahap preprocessing hingga klasifikasi sentimen. Dengan menggunakan algoritma Support Vector Machine (SVM) data opini netizen dapat diklasifikasikan menjadi tigas kelas sentimen yaitu negatif, netral, dan positif. Hasil evaluasi berupa Confusion Matrix yang menunjukkan nilai accuracy sebesar 67%, dengan precision untuk sentimen positif sebesar 73%, recall 64%, dan f1-score 68%. Temuan ini menunjukkan bahwa model SVM cukup efektif dalam mengidentifikasi sentimen positif dibandingkan dengan sentimen negatif dan netral.
KLASIFIKASI JENIS REMPAH-REMPAH ALAMI UNTUK KECANTIKAN MENGGUNAKAN DENSNET 121 Fadillah, Cindy; Supatman, Supatman
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12512

Abstract

Indonesia dikenal dengan kekayaan rempah-rempah yang memiliki banyak manfaat dalam masakan, kesehatan, dan kecantikan. Namun, kesulitan dalam membedakan berbagai jenis rempah dengan bentuk dan warna yang mirip menjadi masalah yang sering dihadapi. Penelitian ini bertujuan untuk menerapkan sistem klasifikasi citra rempah-rempah menggunakan DenseNet-121. Metode yang digunakan meliputi akuisisi citra rempah, pelabelan, preprocessing, dan pelatihan model CNN dengan dataset yang terdiri dari 1.075 gambar rempah, dibagi menjadi lima kelas (kunyit, jahe, kencur, cengkeh, dan serai). Model dilatih menggunakan optimizer Adamax dengan ukuran citra 110x110 piksel dan dievaluasi berdasarkan akurasi, precision, recall, dan f1-score. Hasil penelitian menunjukkan bahwa model berhasil mencapai akurasi 0.95, precision 0.95, recall 0.97, dan f1-score 0.95. Penelitian ini menunjukkan efektivitas CNN dalam klasifikasi rempah-rempah dan memberikan kontribusi untuk aplikasi pengolahan citra dalam industri rempah dan kecantikan
IMPLEMENTASI METODE PROMETHEE UNTUK REKOMENDASI SAHAM LAYAK INVESTASI BERBASIS APLIKASI PENUNJANG KEPUTUSAN Prabowo, Rohman; Supatman, Supatman
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.v13i1.5572

Abstract

Abstrak. Sistem informasi berbasis web untuk penunjang keputusan rekomendasi saham yang layak untuk investasi merupakan upaya membantu para investor saham di Indonesia. Data sekunder diakses dari website https://stockbit.com/ dan mengambil sampel emiten dari sektor energi, yaitu ADRO, PTBA, PGAS, ITMG, dan HRUM. Sistem mengimplementasikan metode Promethee untuk menentukan peringkat saham berdasarkan kriteria rasio keuangan, yang meliputi PER, PBV, ROE, DER, dan DY. Hasil dari sistem ini diharapkan mampu memberikan rekomendasi yang objektif dan membantu investor membuat keputusan investasi yang lebih tepat serta memberikan gambaran komprehensif tentang valuasi, profitabilitas, struktur modal, dan potensi imbal hasil.Abstract. A web-based information system for supporting stock recommendation decisions worthy of investment is an effort to help stock investors in Indonesia. Secondary data is accessed from the website https://stockbit.com/ and takes a sample of issuers from the energy sector, namely ADRO, PTBA, PGAS, ITMG, and HRUM. The system implements the Promethee method to rank stocks based on financial ratio criteria, which include PER, PBV, ROE, DER, and DY. The results of this system are expected to provide objective recommendations and help investors make more informed investment decisions as well as provide a comprehensive overview of valuation, profitability, capital structure, and potential returns.
Klasifikasi Penumpang Kereta Api DAOP 6 Yogyakarta Berdasarkan Kelas Stasiun Menggunakan KNN ichsanudin, Ichsanudin; supatman, supatman
JATISI Vol 11 No 4 (2024): JATISI (Jurnal Teknik Informatika dan Sistem Informasi)
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jatisi.v11i4.9569

Abstract

Transportation companies continue to adapt to technological developments to improve services to service users. The train is the most crossed mass transportation for service users today. Because of the level of timeliness, comfort and traffic-free so that the train becomes the mainstay mode of transportation for service users. The more service users, of course, the train must improve services to improve services. Therefor The author wants to conduct research on the classification of train passengers, the classification algorithm is used to analyze the number of passengers at the station. This research was conducted using the K-Nearest Neighbor method in determining the number of passengers based on the station class. The K-Nearest Neighbor method is a technique for finding the k target members in the data (training) that are closest to the test data. The dataset in this study uses data sourced from the Passenger Transport Unit DAOP 6 Yogyakarta PT Kereta Api Indonesia from the volume of up and down passengers from 2016 to 2023. The classification results with the K-Nearest neighbor method obtained very good results with an accuracy rate of 93%.
SISTEM PENUNJANG KEPUTUSAN PEMILIHAN BIBIT PADA VIRIETAS PADI UNGUL DI DESA BONTOMACINNA MENGGUNKAN METODE WEIGHTED PRODUCT Aswadi, Khaidil; Supatman, Supatman
E-Link: Jurnal Teknik Elektro dan Informatika Vol 19 No 2: Oktober 2024
Publisher : Universitas Muhammadiyah Gresik

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30587/e-link.v19i2.7851

Abstract

Bibit tanaman padi menjadi salah satu komponen penting dalam produksi tanaman padi. Penggunaan varietas bibit padi berkualitas tinggi dapat meningkatkan daya hasil panen. Permintaan beras semakin meningkat setiap tahunnya. Dengan demikian, petani perlu meningkatkan produktivitas padi yang ditanamnya. Dengan penentuan varietas bibit padi unggul yang tepat bisa menjadi factor pendukung peningkatan hasil produksi panen. Dalam hal ini diperlukan suatu terobosan yang dapat digunakan guna membantu memilih varietas bibit padi unggul. Sistem penunjang keputusan dapat menjadi terobosan untuk membantu para petani padi dalam menentukan varietas bibit tanaman padi. Sistem pendukung keputusan dengan Metode Weighted Product (WP) dibangun untuk membantu petani dalam memilih varietas bibit padi yang berkualitas tinggi. Metode ini menggabungkan skor atribut melalui perkalian, dengan skor atribut dipangkatkan terlebih dahulu dengan bobot atribut yang bersangkutan. Rice seeds are an important component in the production of rice crops. The use of high-quality rice seed varieties can improve the yield. The demand for rice is growing every year. Thus, farmers need to increase the productivity of the beans they plant. With the determination of properly superior varieties of grape seed can be a supportive factor in increasing the yield of the harvest. In this case, a breakthrough is needed that can be used to help select the best grape seed varieties. A decision support system can be a breakdown to help grape farmers in determining the grape plant variety. The Weighted Product Method (WP) decision-support system is built to help farmers choose high-quality grape variety. This method combines attribute scores through overlapping, with attribute scores being raised first with the weight of the attributes concerned.
DETEKSI ANOMALI HARGA BITCOIN MENGGUNAKAN VARIATIONAL AUTOENCODER DAN EXTREME VALUE THEORY Arif, Nur; Supatman, Supatman
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.v13i2.6306

Abstract

Deteksi anomali pada harga Bitcoin menjadi tantangan penting dalam menganalisis volatilitas pasar cryptocurrency. Fluktuasi yang tajam dan tak terduga memerlukan metode yang sensitif dalam mendeteksi peristiwa ekstrim. Penelitian ini mengusulkan Kombinasi Variational Autoencoder(VAE) dan Extreme Value Theory(EVT) untuk mendeteksi anomali. Data yang digunakan diambil dari situs web investing.com, yang mencakup 1461 data pelatihan, 151 data validasi dan 500 data uji. VAE digunakan untuk menghitung rekonstruksi error, kemudian data dianalisis menggunakan EVT untuk memodelkan distribusi tail error menggunakan Generalized Pareto Distribution (GPD). Anomali didefinisikan berdasarkan threshold yang dihitung dari persentil distribusi error, dengan deteksi lebih sensitif terhadap data ekstrem. Metode ini diuji dengan menghitung metrik precision, recall, F1-score, dan accuracy. Hasil menunjukkan bahwa kombinasi VAE dan EVT efektif dalam mendeteksi anomali ekstrem, dengan hasil evaluasi yang baik dan akurat. Penelitian ini berkontribusi pada pengembangan model deteksi anomali yang lebih tangguh, terutama untuk pasar cryptocurrency yang sangat volatil. Hasil ini penting untuk mengidentifikasi potensi risiko atau peluang dalam pasar yang sangat volatil.
ANALISIS EKSTRAKSI CITRA GLCM DAN WAVELET UNTUK KLASIFIKASI PENYAKIT CABAI DENGAN METODE SVM Apriani, Nana; Supatman, Supatman
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 2 (2025): EDISI 24
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i2.5860

Abstract

Penyakit seperti antraknosa, busuk daun phytophthora, dan cabai kering menjadi tantangan utama dalam produksi tanaman cabai. Penelitian ini bertujuan untuk mengklasifikasikan citra penyakit pada cabai menggunakan ekstraksi fitur dengan Gray Level Co-occurrence Matrix (GLCM) dan Discrete Wavelet Transform (DWT) Daubechies-4 serta klasifikasi memanfaatkan algoritma Support Vector Machine (SVM). Dataset yang digunakan sebanyak 400 citra cabai yang dibagi menjadi empat kelas yaitu cabai sehat, antraknosa, phytophthora dan cabai kering. Metode dilakukan dengan pra-pemrosesan citra, kemudian ekstraksi fitur tekstur menggunakan nilai GLCM (kontras, homogenitas, energi, korelasi) dan dekomposisi wavelet level dua. Fitur-fitur yang diekstraksi digunakan sebagai input untuk klasifikasi SVM. Evaluasi kinerja model klasifikasi menggunakan metrik akurasi, presisi, recall dan skor F1. Klasifikasi menggunakan fitur GLCM diperoleh akurasi, presisi, recall dan skor F1 berturut-turut 75%, 76%, 75%, dan 75%. Sementara klasifikasi menggunakan fitur DWT diperoleh akurasi, presisi, recall dan skor F1 berturut-turut 81%, 82%, 81%, dan 81%. Sedangkan hasil dari fitur GLCM dan fitur DWT diperoleh akurasi, presisi, recall dan skor F1 berturut-turut 82%, 82%, 82%, dan 82%, dengan nilai F1-score tertinggi sebesar 95% pada kelas Busuk Phytophthora. Hasil ini menunjukkan kombinasi fitur GLCM dan DWT mampu untuk klasifikasi citra penyakit cabai, dan berpotensi diterapkan dalam sistem diagnosis penyakit tanaman berbasis citra.
Co-Authors Achmad, Bimo Vallentino Alriza, Avid Apriani, Nana Arita Witanti Aswadi, Khaidil Asyifa, Yuni Bambang Seran, Yulius Candra, Vanasius Willy Dees, Himan Ansori Dyah Ari Susanti Fadillah, Cindy Ichsanudin Ichsanudin, Ichsanudin Indah Susilawati Irdianto, Agoes Lada, Suddin Lumban Tobing, Heribertus Christian Agusto Manwombreidy Kafiar, Agustinus Muhammad Nasihin Muryanto, Herdin Nur Arif, Nur Prabowo, Rohman Sri Ayem Umi Wahidah Yosef Kolo, Severianus Yovita, Nila Sinta