Article Per Year (5 Year)
p-Index From 2021 - 2026
5.059
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi JUITA : Jurnal Informatika Jurnal Informatika dan Teknik Elektro Terapan JAIS (Journal of Applied Intelligent System) Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer Jurnal ICT : Information Communication & Technology Infotekmesin JATI (Jurnal Mahasiswa Teknik Informatika) Journal of Innovation Information Technology and Application (JINITA) Brahmana : Jurnal Penerapan Kecerdasan Buatan JOINT (Journal of Information Technology Journal of Computer Networks, Architecture and High Performance Computing Jurnal Teknik Informatika (JUTIF) Informatics and Digital Expert (INDEX) Jurnal Puan Indonesia Tedc Prosiding Seminar Nasional Hasil-hasil Penelitian dan Pengabdian Pada Masyarakat Journal of Informatics and Electronics Engineering Journal Of Artificial Intelligence And Software Engineering Competitive Jurnal Informatika: Jurnal Pengembangan IT Scientific Journal of Informatics Journal of New Trends in Sciences JPPkM: Jurnal Pengabdian dan Pemberdayaan kepada Masyarakat Journal of Applied Information Technology and Innovation
Castaka Agus Sugianto
Politeknik TEDC
Religion Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering 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 Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation Veterinary Other

Published : 55 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 55 Documents
Search

 2   3   4   5   6 
Algoritma Fp-Growth Untuk Menemukan Data Minat Baca Pengunjung Di Perpustakaan Dengan Metode Asosiasi (Studi Kasus Perpustakaan Umum Kota Cimahi) Hidayah, Hamimah Nur; Sugianto, Castaka Agus
Journal of Informatics and Electronics Engineering Vol 5 No 1 (2025): Juni 2025
Publisher : Unit Penelitian dan Pengabdian kepada Masyarakat Politeknik TEDC Bandung Jl. Pesantren Km 2 Cibabat Cimahi Utara – Cimahi 40513 Jawa Barat – Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70428/jiee.v5i1.1116

Abstract

Perpustakaan Umum Kota Cimahi sebagai salah satu sebagai sumber informasi, pendidikan, inspirasi, dan rekreasi bagi penduduk Kota Cimahi khususnya dibidang pendidikan. Saat ini, minat baca di Indonesia menduduki peringkat rendah dibandingkan dengan negara-negara Asia Tenggara lainnya, khusunya minat baca dikalangan pelajar atau anak muda didaerah Kota Cimahi. Saran yang dapat meningkatkan minat baca masyarakat khusunya pelajar adalah perpustakaan. Untuk mengoptimalkan peran perpustakaan, diperlukan program yang menarik minat baca masyarakat. Data mining adalah metode yang membantu menganalisis dan menemukan pola dalam kumpulan data; penelitian ini bertujuan untuk menemukan pola minat baca dengan menggunakan metode yang terhubung dengan Algoritma FP-Growth melalui perangkat lunak RapidMiner. Hasil penelitian menunjukan adanya keterkaitan antar kategori buku seperti Karya Umum, Filsafat, Agama, Ilmu Sosial, Bahasa, Ilmu Murni, Terapan, Kesenian & Olahraga, Kesusasteraan, Sejarah & Geografi. Kategori Sejarah & Geografi memiliki nilai support terbesar dari hasil 1 itemset, yaitu 44,38% dari total peminjaman, kategori buku yang menunjukkan bahwa buku kategori ini sering dipinjam. Selain itu, pola peminjaman tertinggi kedua dari hasil 2 itemset adalah antara Kategori Buku Ilmu Murni dan Bahasa, terjadi bersamaan pada 29,38% dari total peminjaman. Dan pola peminjaman tertinggi ketiga dari hasil 3 itemset adalah Kategori Buku Bahasa, Ilmu Murni, Ilmu Murni, terjadi bersamaan pada 29,38% dari total peminjaman. Kata Kunci— Data Mining, algoritma FP-Growth, Association Rules, Pola Peminjaman.
OPTIMASI NAIVE BAYES MENGGUNAKAN ALGORITMA GENETIKA PADA KLASIFIKASI KOMENTAR CYBERBULLYING PADA MEDIA SOSIAL X Tahir, Syifa Fauzia; Sugianto, Castaka Agus
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4834

Abstract

Abstrak. Penetrasi pengguna internet di Indonesia meningkat signifikan dari tahun ke tahun. Asosiasi Penyelenggara Jasa Internet Indonesia (APJII) melaporkan bahwa penetrasi internet di Indonesia telah mencapai 79,5% pada tahun 2024, melibatkan lebih dari 221 juta jiwa dari total populasi sekitar 278,69 juta jiwa. Peningkatan ini sebesar 1,4% dibandingkan survei sebelumnya, menunjukkan tren kenaikan penggunaan internet di tengah masyarakat Indonesia. Namun, di balik peningkatan penetrasi pengguna internet yang cukup menggembirakan, terdapat fakta bahwa kasus cyberbullying juga meningkat cukup tinggi. Penelitian ini bertujuan untuk mengatasi masalah ini dengan memanfaatkan machine learning, khususnya algoritma Naive Bayes, untuk mengklasifikasikan tweet yang mengandung unsur cyberbullying secara otomatis di X. Algoritma genetika digunakan untuk mengoptimalkan pemilihan fitur, meningkatkan akurasi model. Metodologi penelitian mencakup pengumpulan data, preprocessing, transformasi teks menggunakan TF-IDF, klasifikasi dengan Naive Bayes, dan evaluasi dengan confusion matrix. Hasil penelitian menunjukkan bahwa model yang dioptimalkan mencapai akurasi 77,34%, presisi 73,79%, recall 98,17%, dan skor F1 84,25%, menunjukkan efektivitas model dalam mendeteksi dan mengklasifikasikan komentar cyberbullying. Penelitian ini menyimpulkan bahwa penggunaan Algoritma Genetika untuk mengoptimalkan model Naive Bayes merupakan pendekatan yang efektif dalam mendeteksi cyberbullying di media sosial sepeti X.
ANALISIS SENTIMEN TIM NASIONAL SEPAK BOLA INDONESIA DI TURNAMEN PIALA DUNIA U-17 INDONESIA PADA TWITTER (X) MENGGUNAKAN ALGORTIMA NAÏVE BAYES Juniardi, Trianda; Sugianto, Castaka Agus
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5188

Abstract

Piala Dunia U-17 adalah salah satu ajang bergengsi dalam sepak bola internasional yang menarik perhatian luas, termasuk di platform media sosial seperti Twitter(X). Penelitian ini bertujuan untuk menganalisis sentimen masyarakat Indonesia terhadap tim nasional sepak bola U-17 Indonesia selama ajang Piala Dunia U-17 menggunakan algoritma Naïve Bayes. Data dikumpulkan dari komentar-komentar Twitter(X) yang diklasifikasikan menjadi sentimen positif, negatif, dan netral. Metode ini melibatkan proses preprocessing untuk membersihkan dan mengelola data teks sebelum analisis. Hasil analisis menunjukkan mayoritas masyarakat mengekspresikan sentimen positif terhadap timnas U-17 Indonesia, dengan dukungan yang kuat terlihat dari kata-kata seperti "timnas," "Indonesia," dan "kebanggaan." Namun, terdapat juga kritik yang signifikan terhadap performa timnas, mencerminkan variasi opini dalam masyarakat. Metode Naïve Bayes berhasil mengklasifikasikan sentimen dengan akurasi 78.34%, presisi 82.96%, recall 78.34%, f1-score 74.95%. Penelitian ini memberikan wawasan penting tentang persepsi dan respons masyarakat terhadap event olahraga besar di Indonesia, serta relevansi dan kegunaan algoritma Naïve Bayes dalam menganalisis data sentimen media sosial secara efektif.
Optimasi Algoritma K-Means Menggunakan Metode Elbow Pada Data Penerima Program Keluarga Harapan (PKH) Sugianto, Castaka Agus; Wanaziana, Keny Kirana
Informatics and Digital Expert (INDEX) Vol. 6 No. 1 (2024): INDEX, Mei 2024
Publisher : LPPM Universitas Perjuangan Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36423/index.v6i1.1739

Abstract

Program Keluarga Harapan (PKH) merupakan program pemberian bantuan sosial bersyarat kepada keluarga miskin yang ditujukan kepada keluarga penerima manfaat PKH. Melalui PKH, keluarga miskin didorong untuk memiliki akses dan memanfaatkan pelayanan sosial dasar di bidang kesehatan, pendidikan, pangan dan gizi, perawatan, serta pendampingan. Pada kelurahan Cibabat dan kelurahan Cipageran kecamatan Cimahi Utara terdapat 387 data penerima bantuan PKH pada tahun 2022. Namun belum adanya pengolahan data penerima bantuan PKH tersebut sehingga dalam melakukan pendampingan penerima bantuan PKH belum mendapatkan penglompokan yang sesuai dengan riwayat pendidikan. Berdasarkan latar belakang masalah yang telah dijabarkan, penulis tertarik untuk melakukan Clustering menggunakan Algoritma K-means pada data penerima bantuan PKH. Berdasarkan pengujian metode elbow pada algoritma k-means didapat nilai k yang optimal adalah k=3. Pengelompokan dataset yang digunakan menjadi 3 kelompok cluster, diantranya cluster_0 sebanyak 257 data, cluster_1 sebanyak 75 data, dan cluster_2 sebanyak 55 data. Pada cluster_0 di dominasi oleh peserta lulusan SD sebanyak 173 data, untuk cluster_1 di dominasi oleh peserta tidak sekolah sebanyak 40 data, dan untuk cluster_2 di dominasi peserta tidak sekolah sebanyak 48 data. Pada cluster tersebut didapatkan nilai performa berdasarkan rata-rata avg. within centroid distance_cluster_0 adalah 6.720, avg. within centroid distance_cluster_1 adalah 14.373, avg. within centroid distance_cluster_2 adalah 8.496 dan Davies Bouildin Index adalah 0.816. Hasil penelitian ini diharapkan menjadi acuan bagi pengurus sekretariat PPKH dalam melaksanakan pendampingan masyarakat penerima Program Keluarga Harapan.
Pengembangan Media Pembelajaran Virtual Reality untuk Meningkatkan Pemahaman Konsep Fisika pada Siswa SMA Dini Rohmayani; Castaka Agus Sugianto
Journal of New Trends in Sciences Vol. 2 No. 1 (2024): Februari: Journal of New Trends in Sciences
Publisher : CV. Aksara Global Akademia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59031/jnts.v2i1.783

Abstract

The learning of physics, particularly mechanics, poses significant challenges for high school students. Concepts such as Newton’s laws, energy, and three-dimensional vectors are often difficult to grasp using traditional teaching methods. Virtual Reality (VR) has emerged as a promising solution by providing an immersive and interactive learning environment. This study aims to evaluate the effectiveness of VR-based learning media in enhancing students’ understanding of physics concepts, with a specific focus on mechanics. An experimental design was employed, consisting of two groups: an experimental group using VR for learning and a control group receiving traditional instruction. Pre-test and post-test assessments were used to measure the improvement in students' conceptual understanding of physics. The findings indicate that students in the experimental group demonstrated a significant improvement in their understanding of complex physics concepts, such as projectile motion, force, and Newton’s laws, compared to the control group. Students in the experimental group also exhibited higher levels of engagement and motivation, with VR's immersive nature encouraging active participation in learning. The study concludes that VR is an effective tool for enhancing students’ comprehension of abstract and complex physics concepts, improving their visualization and problem-solving skills. Furthermore, VR-based learning provides students with opportunities to conduct virtual experiments and simulations that may not be possible in traditional classroom settings. The implications of this study suggest that VR should be integrated into the physics curriculum to improve learning outcomes, especially in schools with access to the necessary technology. Educators and curriculum developers are encouraged to explore VR’s potential in fostering a more engaging and effective physics education.
Analisis Big Data dalam Deteksi Dini Wabah Penyakit Menular untuk Mendukung Sistem Kesehatan Publik Ayu Hendrati Rahayu; Castaka Agus Sugianto; Dini Rohmayani
Journal of New Trends in Sciences Vol. 2 No. 1 (2024): Februari: Journal of New Trends in Sciences
Publisher : CV. Aksara Global Akademia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59031/jnts.v2i1.785

Abstract

The rapid spread of infectious diseases remains a major global health threat, and early detection is vital to minimize their impact. This research investigates the role of predictive modeling using big data in the early detection of infectious disease outbreaks. The primary objective of this study is to assess the effectiveness of big data systems in forecasting potential outbreaks and the implications of these forecasts for public health systems. The study employs machine learning-based predictive models to process large health datasets, including electronic health records, sensor data, and social media information. The results demonstrate that the predictive model achieved an accuracy rate of 87%, significantly surpassing traditional methods in terms of early detection. By integrating various data sources such as medical records, sensor networks, and real-time digital traces, the system is capable of providing more accurate, timely predictions, which can greatly improve the ability of public health authorities to respond effectively to emerging health threats. Furthermore, the application of big data in public health not only improves the speed of response but also enhances the allocation of resources, allowing for more targeted and efficient interventions. Despite these successes, challenges remain, particularly in relation to data quality, privacy, and regulatory issues, which could hinder the broader implementation of such systems. Thus, collaboration between government agencies, healthcare institutions, and technology developers is essential to overcome these obstacles and ensure the sustainable integration of big data into public health infrastructures. This research highlights the significant potential of big data to transform public health responses, offering valuable insights for future epidemic management strategies.
Interpretable Deep Learning Model for Grape Leaf Disease Classification Based on EfficientNet with Grad-CAM Visualization Castaka Agus Sugianto; Dini Rohmayani; Jhoanne Fredricka; Mohamed Doheir
Journal of Innovation Information Technology and Application (JINITA) Vol 7 No 1 (2025): JINITA, June 2025
Publisher : Politeknik Negeri Cilacap

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35970/jinita.v7i1.2745

Abstract

Grape leaf diseases pose a significant threat to agricultural productivity, especially in regions with fluctuating climatic conditions that create favorable environments for pathogen growth. Early and accurate disease detection is essential for preventing severe crop losses. Traditional manual inspection methods are inefficient and prone to human error, highlighting the need for an automated approach. This study proposes a computer vision-based solution using Convolutional Neural Networks (CNN) improved by EfficientNetB0 to classify grape leaf diseases. The model was trained on a publicly available dataset from Kaggle, which consists of 9,027 images in four classes: ESCA, Leaf Blight, Black Rot, and Healthy. Each image has a resolution of 300 × 300 pixels with a 24-bit color depth, ensuring sufficient detail for analysis. To enhance model performance, data augmentation and hyperparameter tuning were applied. The EfficientNetB0 model was employed due to its strong feature extraction capabilities and computational efficiency. The proposed model achieved 99.36% accuracy, with evaluation metrics including precision (99%), recall (99%), and F1-score (99%), demonstrating its reliability in distinguishing disease categories. Further analysis using a confusion matrix and Grad-CAM visualization provided insights into the model’s decision-making process. The results indicate that this deep learning-based approach is highly effective for grape leaf disease classification. Future research can explore real-time field data collection, attention mechanisms, and self-supervised learning to further improve classification accuracy and model generalization for large-scale agricultural applications.
APLIKASI CHATBOT BERBASIS NLP UNTUK LAYANAN AKADEMIK STUDI KASUS FAKULTAS HUKUM UNISBA Syaefuloh, Herman; Agus Sugianto, Castaka
Competitive Vol. 20 No. 2 (2025): Jurnal Competitive
Publisher : PPM Universitas Logistik dan Bisnis Internasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36618/competitive.v20i2.4482

Abstract

Fakultas Hukum Universitas Islam Bandung (Unisba), melayani ratusan mahasiswa aktif dengan kebutuhan informasi akademik yang beragam. Saat ini, layanan akademik masih bergantung pada interaksi langsung maupun melalui media sosial menggunakan aplikasi WhatsApp untuk mahasiswa bisa mendapatkan informasi seputar akademik. Layanan menggunakan apliasi Whatsapp ini memiliki keterbatasan, antara lain layanan tidak tersedia 24 jam dan hanya dikelola oleh satu orang operator yang bertugas sesuai jam kerja kantor, sehingga sering menimbulkan keterlambatan respons. Kondisi ini berpotensi menghambat mahasiswa dalam memperoleh informasi penting dengan tepat waktu. Sebagai solusi, pemanfaatan chatbot berbasis Natural Language Processing (NLP) dapat menghadirkan layanan akademik yang lebih cepat, responsif, dan otomatis. Chatbot mampu memahami serta merespons pertanyaan mahasiswa secara real-time dengan tingkat akurasi tertentu, bergantung pada algoritma klasifikasi teks yang digunakan. Salah satu algoritma yang umum digunakan dalam klasifikasi teks adalah Naive Bayes Classifier karena kesederhanaan, efisiensi, dan performanya yang cukup baik pada data berskala kecil hingga menengah. Penelitian ini bertujuan untuk menganalisis performa algoritma Naive Bayes dalam mendukung chatbot layanan akademik di Fakultas Hukum Universitas Islam Bandung (Unisba). Dataset yang digunakan berupa kumpulan pertanyaan, jawaban serta intent seputar informasi akademik yang telah melalui proses praposes teks, meliputi tokenization, stopword removal, stemming, serta representasi fitur dengan TF-IDF. Algoritma Naive Bayes diterapkan untuk mengklasifikasikan intent pertanyaan pengguna dan menghasilkan respons jawaban yang sesuai melalui chatbot. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes mampu memberikan tingkat akurasi yang cukup baik yaitu 85% dengan rincian nilai macro average untuk precision mencapai 0.86, recall 0.88, dan f1-score 0.81. Sementara itu, weighted average precision sebesar 0.89, recall 0.85, dan f1-score 0.82, sehingga kinerja model relatif stabil pada berbagai kelas.Dengan demikian, algoritma Naive Bayes Classifier dapat digunakan pada chatbot layanan akademik fakultas Hukum Unisba.
Sosialisasi Bahaya dan Cara Aman Menggunakan WiFi Publik Pada Karang Taruna Komplek Nusa Hijau Ade Yuliana; Castaka Agus Sugianto; Novita Lestari Anggreini; Aris Haris Rismayana
JPPkM: Jurnal Pengabdian dan Pemberdayaan kepada Masyarakat Vol. 1 No. 1 (2025): JPPkM:Januari
Publisher : Yayasan Pemimpin Inovasi Science

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

Abstract

This community service aims to socialize the importance of knowing the dangers and safe use of public WiFi among Karang Taruna members in Nusa Hijau Complex. Public WiFi has become an essential part of daily life, but it also poses significant security risks. Therefore, socialization about the dangers and safe use of public WiFi is necessary to avoid these security risks. This socialization activity will be conducted through material presentation, discussion, and question-and-answer sessions. It is expected that this activity will increase the awareness and knowledge of Karang Taruna members about the importance of using public WiFi safely.
Sosialisasi Membangun Generasi Tangguh Melawan Kejahatan Cyber pada SMK Plus Krida Utama Padalarang Ade Yuliana; Novita Lestari Anggreini; Castaka Agus Sugianto; Heldi Akbar Kosasih
JPPkM: Jurnal Pengabdian dan Pemberdayaan kepada Masyarakat Vol. 1 No. 2 (2025): JPPkM:Juli
Publisher : Yayasan Pemimpin Inovasi Science

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

Abstract

This community service program aims to improve digital literacy and cybersecurity awareness among vocational high school students at SMK Plus Krida Utama Padalarang. The increasing threat of cybercrimes such as phishing, hacking, malware, and cyberbullying poses significant risks to students who are often active but underprepared digital users. Through interactive workshops, real-life case studies, and quizzes, the program successfully enhanced students’ understanding of cyber threats and prevention strategies. The sessions focused on practical steps like using strong passwords, recognizing suspicious links, managing online privacy, and practicing safe digital behavior. Evaluation results indicated increased student engagement and awareness, demonstrating the importance of early cybersecurity education. The outcomes suggest that structured and relatable digital safety training is effective in building resilience against cybercrime among young users.
Co-Authors Ade Yuliana Aditia Gusman Aldy Noer Tjahyo Apnena, Riri Damayanti Aqmal Mulqy Bagja Laksana Ari Sudrajat Aris Haris Rismayana Arya Aditya Ayu Hendrati Rahayu Candra Irawan Christy Atika Sari Dadan Saepul Ramdan Dahlan Dahlan Dini Rohmayani Eko Hari Rachmawanto Faishal Fachruddin Febianto, Aldi Kristiawan Firdhani Faujiyah Fitrah, La Ode Muhammad Fredricka, Jhoanne Gerinata Ginting Heldi Akbar Kosasih Hidayah, Hamimah Nur Himawan, Aldi Iqna Aulia Iskandar, Rachmat Juniardi, Trianda Kosasih, Heldi Akbar Lela Kesmasari Maulana, Firdi Rizky Melani Nur Astita Mohamed Doheir Muhammad Ridwan Nadya Selvi Pujiyanita Nafea, Mohammed Mansoor Nandhita Ayusari Nia Ekawati, Nia Novita Lestari Anggreini Pebriana, Sela Perdana, Rangga Satria Pujiyanita, Nadya Selvi Rahmawan, Septiadi Ramdan, Dadan Saepul Riansyah Ramadhan, Gery Riyan Riyan Rizqy Dimas Monica Rosdianti, Elfi Safira, Rifa Sari, Putri Nurlaela Shandy Tresnawati Sukmawati, Dini Syaefuloh, Herman Syams, Fawwaz Muhammad Syifa Fauzia Tahir Tahir, Syifa Fauzia Tati Ernawati Taufik Fajar Mustafa Tresnawati, Shandy Tri Herdiawan Apandi Tri Pratiwi Olivia Riska Bokings Wanaziana, Keny Kirana Zulkipli ., Zulkipli Zundi, Teguh Muhammad