Article Per Year (5 Year)
p-Index From 2021 - 2026
1.554
P-Index
This Author published in this journals
All Journal Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I) JMM (Jurnal Masyarakat Mandiri) JURNAL TIARSIE Jurnal Informatika dan Rekayasa Elektronik Distilat: Jurnal Teknologi Separasi Journal of Computer Networks, Architecture and High Performance Computing Naratif : Jurnal Nasional Riset, Aplikasi dan Teknik Informatika Jurnal Infosecure Intellect : Indonesian Journal of Learning and Technological Innovation Tensile : Jurnal Pengabdian Kepada Masyarakat Academica : Jurnal Pengabdian Kepada Masyarakat
Hadi Prasetyo Utomo
Universitas Langlangbuana
Religion Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Energy Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Social Sciences Transportation Other

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

Found 14 Documents
Search

 1   2 
PREDIKSI TREN HARGA EMAS TERHADAP DOLAR (XAU/USD) PADA METATRADER 5 MENGGUNAKAN RANDOM FOREST Nuraulia Maruf, Gilang; Asep Wahyu; Ate Mulyana; Hadi Prasetyo Utomo; Hendra Sandi Firmansyah
Jurnal Informatika dan Rekayasa Elektronik Vol. 8 No. 2 (2025): JIRE November 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/jire.v8i2.1719

Abstract

Penelitian ini menganalisis efektivitas model Random Forest untuk memprediksi tren harga XAU/USD dalam platform MetaTrader 5. Sifat volatil pasar forex, ditambah dengan meningkatnya partisipasi pedagang ritel, membutuhkan alat prediksi yang akurat. Studi ini menjawab kebutuhan ini dengan memanfaatkan kemampuan algoritma Random Forest untuk menangani data non-linear berdimensi tinggi. Model ini dilatih dan diuji menggunakan data historis XAU/USD dari tahun 2014 hingga 2024, dengan memasukkan indikator teknikal sebagai fitur. Hasilnya menunjukkan akurasi prediktif yang tinggi (98,4%), presisi (98,7%), dan recall (98,9%), menunjukkan efektivitas model dalam memperkirakan pergerakan harga. Matriks confusion lebih lanjut memvalidasi temuan ini, mengungkapkan tingkat false positive dan false negative yang rendah. Penelitian ini memberikan alat praktis bagi para pedagang di platform MetaTrader 5 dan memajukan penerapan kecerdasan buatan dalam analisis pasar keuangan.
PENGARUH SUHU PENDINGINAN UMPAN PADA PROSES REFRIGERATION TERHADAP PRODUK LEAN GAS DI UNIT LPG PLANT DI PT GASUMA FEDERAL INDONESIA (GFI) SOKO - TUBAN Almujahidi, Achmad Salman; Moentamaria, Dwina; Utomo, Hadi Prasetyo
DISTILAT: Jurnal Teknologi Separasi Vol. 6 No. 2 (2020): August 2020
Publisher : Politeknik Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/distilat.v6i2.116

Abstract

Distribusi gas alam merupakan bagian yang penting dalam menunjang kegiatan industri saat ini. Dengan kemajuan teknologi yang ada, maka beberapa metode rekayasa telah dikembangkan dalam perancangan fasilitas untuk memproduksi gas alam. PT Gasuma Federal Indonesia (GFI) merupakan perusahaan swasta nasional dalam bidang pengolahan gas alam. Karena kondisi plant dalam keadaan running dan tiba tiba berhenti secara mendadak (blackout), Maka perlu dilakukan trial ulang untuk mencari kondisi operasi suhu pada unit Refrigeration System, laju alir dan konsentrasi produk lean gas (C1 dan C2) yang sesuai dengan spesifikasi yang telah ditentukan oleh PT GFI. Analisis GC dilakukan setiap kenaikan suhu operasi pada unit Refrigeration System. Dalam pemurnian lean gas didapatkan kondisi terbaik pada suhu -30 oF dengan konsentrasi produk C1 dan C2 (lean gas) sebesar 96,2% dan laju alir massa sebesar 2585 kg/jam.
PENINGKATAN LITERASI BIG DATA MELALUI PELATIHAN TERAPAN BAGI SISWA SMK TEKNIK KOMPUTER DAN JARINGAN Afitriansyah, Heri; Fathan, Fikri Nur; Muhammad, Roby Nur; Utomo, Hadi Prasetyo; Firmansyah, Hendra Sandhi
JMM (Jurnal Masyarakat Mandiri) Vol 9, No 4 (2025): Agustus
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jmm.v9i4.33330

Abstract

Abstrak: Rendahnya pemahaman siswa SMK terhadap konsep Big Data menjadi tantangan dalam menyiapkan lulusan yang siap menghadapi industri digital. Pengabdian ini bertujuan meningkatkan literasi Big Data dan keterampilan pengolahan data siswa kelas XI TKJ. Kegiatan dilaksanakan melalui penyuluhan, pelatihan, dan workshop praktikum menggunakan Microsoft Excel dengan melibatkan 20 siswa. Materi mencakup pengenalan konsep 5V Big Data dan praktik analisis data sederhana. Evaluasi dilakukan melalui pre-test dan post-test, pengamatan langsung saat praktik, serta kuesioner umpan balik. Hasil menunjukkan peningkatan pemahaman konsep sebesar 41,6%, serta peningkatan hardskill pengolahan data melalui proyek mini dan visualisasi data. Siswa juga menunjukkan kemajuan softskill seperti kolaborasi dan presentasi. Kegiatan ini membuktikan bahwa literasi data dapat ditingkatkan secara signifikan melalui pendekatan pelatihan terapan yang kontekstual dan tepat sasaran di lingkungan pendidikan vokasi.Abstract: The low understanding of Big Data concepts among vocational high school students poses a challenge in preparing graduates for the digital industry. This community service aimed to enhance Big Data literacy and basic data processing skills for 36 students of grade XI TKJ. The program was implemented through counseling, training, and hands-on workshops using Microsoft Excel. The materials covered the introduction of the 5Vs of Big Data and practical data analysis tasks. Evaluation methods included pre-tests and post-tests, direct observation during practice, and feedback questionnaires. The results showed a 41.6% increase in conceptual understanding and significant improvement in data processing hardskills through mini-projects and data visualization. Students also demonstrated enhanced soft skills such as teamwork and presentation. This activity proves that data literacy can be significantly improved through applied and contextual training approaches in vocational education settings.
Analisis Tren Produksi dan Preferensi Penonton Netflix: Pendekatan Big Data untuk Menyusun Strategi Konten Global Azmi, Muhamad Thoriq; Azima, Enpri Rifa; Fergiana, Egie; Utomo, Hadi Prasetyo
Intellect : Indonesian Journal of Learning and Technological Innovation Vol. 4 No. 02 (2025): Intellect : Indonesian Journal of Learning and Technological Innovation
Publisher : Yayasan Lembaga Studi Makwa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57255/intellect.v4i02.1387

Abstract

The objective of this study is to support strategic decision-making in content investment and diversification on the Netflix platform using a big Data analytics approach. This research utilizes a Dataset obtained from Kaggle, covering the period from 2010 to 2025. The Dataset consists of 21,845 titles and includes attributes such as title name, content type, genre, release year, content ID, rating, vote count, and country of availability. Kaggle is a widely used platform for sharing Datasets and hosting Data analysis competitions in both academic research and industry. The analyzed Data encompass various attributes, including release year, country of origin, genre, duration, and audience response metrics such as ratings, vote counts, and popularity. Exploratory Data analysis (EDA) was employed to identify content production patterns based on genre and to evaluate audience responses through the distribution of ratings and popularity levels. Data analysis was conducted using Python and executed through Google Colab. The results indicate that content with high popularity—reflected by higher vote counts and popularity scores—tends to have relatively higher ratings compared to content with lower exposure. These findings suggest that popularity can serve as a proxy for global audience preferences. However, the relationship between popularity and rating is not entirely linear, as it is influenced by external factors such as promotional strategies and genre-specific characteristics. The study identifies genres and content types that achieve not only high ratings but also high popularity, thereby more accurately reflecting global audience preferences. Based on these findings, a practical recommendation for Netflix is to invest in producing more content within genres that consistently demonstrate high popularity and ratings, such as drama and action, as these genres most strongly represent global viewer preferences. From a social perspective, this strategy may carry the risk of reducing content diversity and cultural narratives if the platform overly prioritizes the most popular genres. Abstrak Tujuan penelitian ini adalah untuk pengambilan keputusan strategis dalam investasi dan diversifikasi konten pada aplikasi Netflix menggunakan pendekatan big Data analitik. Studi ini menggunakan Dataset Website Kaggle sejak tahun 2010 hingga 2025 yang diperoleh website Kaggle, Data yang didapat sebanyak 21.845 tayangan dengan atribut Judul Tayangan, Jenis Tayangan, Genre Tayangan, Tahun Rilis, ID Tayangan, Rating, Jumlah Vote dan Daftar Negara, sebuah platform berbagi Dataset dan kompetisi analisis Data yang banyak digunakan dalam penelitian dan industri. Data yang dianalisis mencakup berbagai atribut seperti tahun rilis, negara asal, genre, durasi, hingga metrik respons penonton seperti rating, vote count, dan popularitas. Metode analisis eksploratif digunakan untuk mengidentifikasi pola produksi konten berdasarkan genre serta mengevaluasi tanggapan audiens melalui distribusi rating dan tingkat popularitas. Analisis Data dilakukan menggunakan Phyton yang dijalankan menggunakan Google Collabs. Hasil penelitian menunjukkan konten dengan popularitas tinggi, yang ditunjukkan oleh nilai vote dan popularity, cenderung memiliki rating yang relatif lebih tinggi dibandingkan konten dengan eksposur rendah. Temuan ini mengindikasikan bahwa popularitas dapat merefleksikan preferensi penonton global, meskipun hubungan antara kedua variabel bersifat tidak sepenuhnya linier karena dipengaruhi oleh faktor eksternal seperti strategi promosi dan karakteristik genre. Temuan ini mengidentifikasi genre dan tipe konten yang tidak hanya memiliki rating tinggi, tetapi juga popularitas tinggi, sehingga lebih mencerminkan preferensi penonton global. Berdasarkan temuan tersebut, Rekomendasi praktis yang bisa dilakukan adalah dengan memproduksi lebih banyak konten dari genre yang konsisten memiliki popularitas dan rating tinggi (seperti drama dan action), karena genre ini paling mencerminkan preferensi penonton global. Secara implikasi sosial, ini dapat berpotensi menurunkan keragaman konten dan narasi budaya jika platform terlalu fokus pada genre yang paling populer.
Co-Authors Achmad Salman Almujahidi Afitriansyah, Heri Ahmad Nada Kusnendar Aisyah Nuraeni Almujahidi, Achmad Salman ANDRIANSYAH Arifin Hidayat Armilah, Mila Siti Asep Wahyu Ate Mulyana Awan Setiawan Azima, Enpri Rifa Azmi, Muhamad Thoriq Dandi Pardamean Nababan Deni Sopiyan Fajar Arianto Fajar Eryanto Septiawan Fathan, Fikri Nur Fergiana, Egie Firmansyah, Hendra Sandhi Hendra Sandi Firmansyah Lestari Aghnia Rahma M. RIFKI Mokhamad Hendayun Muhammad Naufal Ridwan Muhammad, Roby Nur Nuraulia Maruf, Gilang Nurzanah, Salsabilla Choerunnisa Riris Risnayanti Rahmat RR. Ella Evrita Hestiandari Rudi Susanto Siti Maryati Sulaeman, Hena Suryana, Agus Iim Yeti Kurniati Yeti Rohayati Yofy Syarkani