Article Per Year (5 Year)
p-Index From 2021 - 2026
4.972
P-Index
This Author published in this journals
All Journal Jurnal Pendidikan Teknologi dan Kejuruan Prosiding SNATIF Jurnal Edukasi dan Penelitian Informatika (JEPIN) Infotech Journal Jurnal Ilmiah Matrik IKRA-ITH Informatika : Jurnal Komputer dan Informatika Jiko (Jurnal Informatika dan komputer) JURIKOM (Jurnal Riset Komputer) JUMANJI (Jurnal Masyarakat Informatika Unjani) MIND (Multimedia Artificial Intelligent Networking Database) Journal Jurnal Tekno Kompak METIK JURNAL Building of Informatics, Technology and Science JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) JIKA (Jurnal Informatika) Innovation in Research of Informatics (INNOVATICS) Informatics and Digital Expert (INDEX) Jurnal Ilmiah Wahana Pendidikan Jurnal Locus Penelitian dan Pengabdian Jurnal Algoritma Jurnal Sosial dan Sains Jurnal Global Ilmiah Seminar Nasional Riset dan Teknologi (SEMNAS RISTEK)
Umbara, Fajri Rakhmat
Universitas Jenderal Achmad Yani
Religion Aerospace Engineering Astronomy Automotive Engineering Chemical Engineering, Chemistry & Bioengineering 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 Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Medicine & Pharmacology Physics Social Sciences Other

Published : 43 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 43 Documents
Search

 1   2   3   4   5 
Evaluasi dan Perancangan Ulang UI/UX Aplikasi GoDentist Menggunakan Metode Double Diamond Susilowati, Merliana Tri; Umbara, Fajri Rakhmat; Ilyas, Ridwan
METIK JURNAL (AKREDITASI SINTA 3) Vol. 9 No. 2 (2025): METIK Jurnal
Publisher : LPPM Universitas Mulia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47002/vxk3f002

Abstract

GoDentist is a teledentistry application that supports dental healthcare services. Based on initial observations and evaluations using the User Experience Questionnaire (UEQ), issues were identified in the aspects of perspicuity, dependability, and novelty, such as monotonous design, confusing navigation, and features that did not meet user expectations. This study aims to evaluate and redesign the user interface (UI/UX) of the GoDentist application using the Double Diamond method, which consists of four stages: Discover, Define, Develop, and Deliver, integrated with UEQ and A/B Testing. The evaluation involved 100 respondents aged 15–58 years, the majority of whom were 18–35 years old with adequate digital literacy. Initial results showed low scores in perspicuity, dependability, and novelty. After redesign and prototyping, novelty increased from 0.49 to 1.62, perspicuity from 0.57 to 1.75, and dependability from 0.76 to 1.91. A/B Testing revealed that 59.08% of respondents preferred the new design. These findings indicate that integrating the Double Diamond method with UEQ and A/B Testing can significantly enhance user experience perceptions in terms of both aesthetics and functionality.
Prediksi Pembatalan Reservasi Hotel Menggunakan Metode Xgboost Cepi, Gan; Umbara, Fajri Rakhmat; Ashaury, Herdi
Jurnal Global Ilmiah Vol. 2 No. 12 (2025): Jurnal Global Ilmiah
Publisher : International Journal Labs

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55324/jgi.v2i12.270

Abstract

Penelitian ini dilatarbelakangi oleh tingginya tingkat pembatalan reservasi hotel yang berdampak signifikan terhadap pendapatan dan operasional industri perhotelan. Tujuan penelitian adalah memprediksi pembatalan reservasi hotel menggunakan algoritma XGBoost untuk meningkatkan akurasi prediksi dan mendukung pengambilan keputusan manajerial. Metode yang digunakan adalah studi eksperimental dengan data historis reservasi hotel dari Kaggle, yang melalui tahap preprocessing (pembersihan, seleksi, dan transformasi data), pembagian data latih dan uji, serta klasifikasi menggunakan XGBoost. Hasil penelitian menunjukkan bahwa XGBoost mencapai akurasi hingga 94,15%, dengan precision 98%, recall 85%, dan F1-score 91%. Faktor utama yang memengaruhi pembatalan adalah riwayat pembatalan sebelumnya, perubahan reservasi, dan jumlah permintaan khusus. Implikasi penelitian ini adalah memberikan solusi berbasis data mining yang efektif untuk meminimalkan risiko pembatalan serta meningkatkan efisiensi manajemen reservasi hotel. colsample.
Analisis Sentimen Pengguna Aplikasi Sambara (E-Samsat) Jawa Barat Menggunakan Metode Indobert Ramdan, Muhamad; Umbara, Fajri Rakhmat; Ilyas, Ridwan
Jurnal Global Ilmiah Vol. 2 No. 12 (2025): Jurnal Global Ilmiah
Publisher : International Journal Labs

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55324/jgi.v2i12.272

Abstract

Aplikasi SAMBARA (Samsat Online Jawa Barat) merupakan inovasi yang dikembangkan oleh BAPENDA Jawa Barat untuk mempermudah proses pembayaran pajak kendaraan bermotor di wilayah Jawa Barat. Namun, meskipun aplikasi ini telah digunakan oleh jutaan pengguna, masih banyak ulasan yang menunjukkan ketidakpuasan terhadap kinerja aplikasi ini. Masalah utama dalam penelitian ini adalah bagaimana menganalisis sentimen pengguna terhadap aplikasi SAMBARA untuk mengetahui kekuatan dan kelemahan yang ada. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi SAMBARA di Google Play Store menggunakan metode IndoBERT, yang dirancang khusus untuk bahasa Indonesia, guna meningkatkan akurasi analisis sentimen. Metode yang digunakan dalam penelitian ini adalah analisis sentimen dengan teknik web scraping untuk mengumpulkan data ulasan, kemudian diproses menggunakan model IndoBERT untuk mengklasifikasikan sentimen sebagai positif, negatif, atau netral. Hasil penelitian menunjukkan bahwa mayoritas ulasan memiliki sentimen negatif dengan tingkat akurasi model IndoBERT mencapai 90,07%. Kesimpulan dari penelitian ini adalah bahwa aplikasi SAMBARA masih memiliki beberapa kekurangan yang perlu diperbaiki, terutama dalam hal antarmuka pengguna dan fungsionalitas aplikasi. Implikasi dari penelitian ini adalah memberikan rekomendasi kepada pengembang aplikasi untuk memperbaiki aplikasi berdasarkan analisis sentimen yang lebih akurat dan dapat digunakan sebagai referensi untuk pengembangan aplikasi layanan publik berbasis digital di masa depan.
Label Propagation Dalam Klasifikasi Kualitas Produk E-Commerce Menggunakan XGBOOST Dengan Random Search Dan BOHB Putra, Dion Revaldy; Umbara, Fajri Rakhmat; Ilyas, Ridwan
Jurnal Locus Penelitian dan Pengabdian Vol. 4 No. 9 (2025): : JURNAL LOCUS: Penelitian dan Pengabdian
Publisher : Riviera Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58344/locus.v4i9.4718

Abstract

E-commerce telah menjadi salah satu sektor yang berkembang pesat di era digital, didorong oleh perubahan pola konsumsi masyarakat dan inovasi teknologi. Namun, klasifikasi kualitas produk pada platform e-commerce tetap menjadi tantangan yang kompleks, terutama karena adanya volume data besar, ketidakseimbangan data, dan keragaman atribut produk. Penelitian ini bertujuan untuk mengoptimalkan klasifikasi kualitas produk e-commerce dengan menggunakan algoritma Extreme Gradient Boosting (XGBoost) yang telah terbukti andal dalam menangani data besar dan kompleks. Untuk meningkatkan akurasi model, penelitian ini mengintegrasikan optimasi hyperparameter menggunakan random search dan transformasi data dengan standardization. Pendekatan penelitian mencakup pengumpulan data dari platform e-commerce, pemrosesan data, pembentukan fitur, pembangunan model prediktif, serta evaluasi kinerja model. Dengan menerapkan metode ini, penelitian diharapkan mampu menghasilkan model klasifikasi dengan performa optimal, mengidentifikasi variabel-variabel penting yang memengaruhi kualitas produk, serta memberikan rekomendasi strategis bagi pelaku industri e-commerce.
Klasifikasi Website Phishing Menggunakan Metode X-Gboost dengan Teknik Penyeimbang Data Radial Based Undersampling Yoga, Yoga; Umbara, Fajri Rakhmat; Sabrina, Puspita Nurul
Building of Informatics, Technology and Science (BITS) Vol 7 No 2 (2025): September 2025
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bits.v7i2.7920

Abstract

Phishing websites are one of the most prevalent forms of cyberattacks and have the potential to cause significant losses, both financially and non-financially. Automatic phishing detection using machine learning algorithms has become an effective solution to address this threat. This study aims to classify phishing websites using the Extreme Gradient Boosting (XGBoost) algorithm and to address the issue of class imbalance by applying the Radial Based Undersampling (RBU) method. In addition, hyperparameter tuning was performed using the Random Search method to optimize the model's performance. The dataset used was obtained from the Kaggle platform and exhibits an imbalanced class distribution, where the number of non-phishing instances far exceeds phishing instances. This imbalance can lead to a biased model and reduce its ability to detect minority class patterns. Based on the evaluation results, the application of RBU significantly improved the model’s capability in detecting phishing instances, while hyperparameter tuning further enhanced its accuracy. The best model was achieved through a combination of RBU and Random Search, reaching an accuracy of 90.39% on the test data. These findings indicate that the combined approach of data balancing and model optimization provides an effective solution for phishing website classification and can be applied to similar cases in the field of cybersecurity.
Analisis Sentimen Terhadap Cyberbullying di Twitter (X) Menggunakan Improved Word Vectors dan Bert Nusantara, Madya Dharma; Umbara, Fajri Rakhmat; Sabrina, Puspita Nurul
Building of Informatics, Technology and Science (BITS) Vol 7 No 2 (2025): September 2025
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bits.v7i2.7968

Abstract

Text mining is an important approach in analyzing text data, particularly for detecting negative sentiments such as cyberbullying on social media. Twitter (X), as an open platform, often serves as a space for the proliferation of hate speech and abusive behavior recorded in text form. This study aims to improve the performance of sentiment classification models on Twitter (X) data by combining the Improved Word Vector (IWV) and Bidirectional Encoder Representations from Transformers (BERT) methods, evaluated using precision, recall, and F1-score metrics. The dataset used consists of 9,874 Indonesian-language tweets labeled into three categories: Hate Speech (HS), Abusive, and Neutral. This data is sourced from previous research and is the result of re-annotation of the original dataset of 13,169 tweets. IWV is formed from a combination of Word2Vec, GloVe, POS tagging, and emotion lexicon features designed to enrich word representation semantically. The preprocessing process is carried out through several important stages, namely tokenization, filtering, stemming/lemmatization, and normalization. The IWV extraction results were then combined with BERT embedding through concatenation to produce high-dimensional vector representations. Evaluation was performed using precision, recall, and F1-score metrics. The test results showed that the combined IWV+BERT model was able to produce better performance than BERT alone. The use of data that has been balanced through balancing techniques also contributed to the improvement in accuracy, with the highest accuracy value reaching 91%. This finding indicates that the integration of word representation features from IWV and sentence context from BERT can improve the effectiveness of text mining in sentiment analysis related to cyberbullying on social media
Pembangunan Sistem Customer Relationship Management (Crm) Pada Pt. Fazypcare Putri, Ika Rahmah; Witanti, Wina; Umbara, Fajri Rakhmat
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 5, No 1 (2021): SEMNAS RISTEK 2021
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v5i1.5049

Abstract

PT. FazyPCare merupakan perusahaan yang bergerak dibidang jasa service laptop&PC. Saat ini sebagian besar kegiatan pada perusahaan masih menggunakan sistem lama yaitu pelanggan datang langsung ke perusahaan dan menyerahkan laptop/komputer yang akan di service lalu mencatat jadwal servicenya. Pada sistem lama perusahaan tidak dapat melakukan hubungan secara terus-menerus kepada pelanggan. Hal ini menimbulkan masalah dikarenakan pelanggan tidak dapat membantu pemasaran produk yang dimilikiperusahaan, pelanggan tidak terpantau oleh perusahaan dan akhirnya terjadi penurunan penghasilan dari perusahaan karena terjadinya persaingan, dengan munculnya perusahaan – perusahaan serupa yang baru berdiri dengan kualitas yang baik. Penelitian ini bertujuan untuk membangun sebuah Customer Relationship Management (CRM) yang berbasis website pada PT. FazyPCare agar dapat menjalin hubungan yang baik dan meningkatkan pelayanannya kepada client. Penelitian ini bertujuan untuk menghasilkan sebuah Sistem Customer Relationship Management (CRM) berbasis website. Dengan adanya sistem ini PT. FazyPCare dapat menjalin hubungan yang berkelanjutan, menampung keluhan client, dan dapat meningkatkan layanannya kepada client agar tidak kalah bersaing dengan perusahaan sejenis lainnya.
Penerapan Metode SMOTE Dalam Klasifikasi Sentimen Publik Terhadap Polisi Republik Indonesia Menggunakan Support Vector Machine Destiyanti, Fitri; Hadiana, Asep Id; Umbara, Fajri Rakhmat
JUMANJI (Jurnal Masyarakat Informatika Unjani) Vol 8 No 1 (2024): Jurnal Masyarakat Informatika Unjani
Publisher : Jurusan Informatika Universitas Jenderal Achmad Yani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26874/jumanji.v8i1.336

Abstract

Analisis sentimen atau ekstraksi opini adalah penelitian yang mengevaluasi sudut pandang, pemikiran, serta persepsi mengenai berbagai topik, subjek, dan produk dengan memanfaatkan data opini yang tersedia pada platform media sosial.. Platform media sosial populer seperti YouTube, khususnya melalui saluran "86 & Custom Protection NET" yang bekerjasama dengan Kepolisian Negara Republik Indonesia, menyajikan aktivitas polisi dan mendapat respons dari masyarakat dalam bentuk komentar. Komentar-komentar ini menjadi sumber data dalam penelitian text mining untuk mengklasifikasikan sentimen positif atau negatif. Penelitian ini menggunakan pendekatan menggunakan machine learning dengan metode Support Vector Machine (SVM) dan teknik SMOTE untuk menangani ketidakseimbangan data dalam komentar youtube. Hasil analisis menunjukkan akurasi sebesar 91%, dengan presisi 63%, recall 68%, dan f1 score 65% berdasarkan perhitungan confusion matrix.
PENGELOMPOKAN TINGKAT RISIKO PENYAKIT DIABETES MELITUS MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING Gestavito, Rio; Hadiana, Asep Id; Umbara, Fajri Rakhmat
JUMANJI (Jurnal Masyarakat Informatika Unjani) Vol 8 No 1 (2024): Jurnal Masyarakat Informatika Unjani
Publisher : Jurusan Informatika Universitas Jenderal Achmad Yani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26874/jumanji.v8i1.338

Abstract

Penelitian ini fokus pada diabetes melitus (DM), kondisi metabolik kronis dengan tingkat gula darah tinggi karena kurangnya insulin. Faktor penyebab DM bervariasi, termasuk kurangnya produksi insulin oleh sel beta Langerhans di pankreas dan ketidakresponsifan tubuh terhadap insulin. Penyakit ini prevalen di negara berkembang dan diperkirakan terus meningkat. Studi ini menggunakan algoritma K-Means Clustering untuk mengelompokkan risiko DM. Evaluasi pada k = 2 menunjukkan data dalam klaster cenderung bercampur, dengan nilai Silhouette Coefficient 0.5716 dan Davies Bouldin Index 0.672. Visualisasi scatter menunjukkan penyebaran data yang seragam dalam klaster, memberikan pemahaman mendalam tentang pola data. Hasilnya dapat mendukung pemahaman dan penanganan lebih lanjut terhadap DM.
Prediksi Capaian Bulanan Pajak Daerah Kabupaten Bandung Barat Menggunakan Metode Logistic Regression Ramdhani, Muhammad; Umbara, Fajri Rakhmat; Ilyas, Ridwan
Journal of Information System Research (JOSH) Vol 5 No 4 (2024): Juli 2024
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josh.v5i4.5330

Abstract

Tax is the main source of income for the state, so that tax revenue is the biggest contributor to government agencies. However, the Regional Revenue Agency (BAPENDA) sometimes has difficulties in predicting regional monthly income. The data owned by BAPENDA is very important for estimating tax increases every month, but often these estimates are wrong. Therefore, research on predicting monthly tax ACHIEVEMENT is very helpful. Researchers consider the data mining method approach is a technique that can help BAPENDA find predictive patterns that are important for making tax increase decisions. sebumnya has predicted the results of the Ann method where for neurons 20 it produces an rmse prediction of 0.12. In this study, the logistic regression algorithm approach was used to predict regional tax achievements in West Bandung Regency. In addition, experiments were carried out to evaluate which variables affect the probability value.
Co-Authors -, Agus Komarudin -, Ridwan Ilyas Adam, Marcellino Aditya, Aldy Adzani, Nadhif Nurul Fajri Ardiyansyah, Muhamad Salman Ashaury, Herdi Asrul Cepi, Gan Destiyanti, Fitri Dewi, Wulan Dian Nursantika Drl, Indra Raja Fadhilahsyah Ramadhan, Muhammad Diky FERDIANSYAH, ALDOVA Firmansyah, Rolan Gestavito, Rio Hadiana, Asep Id Hasna, Aisyah Nur Hendro, Tacbir Hidayat, Ferdian Afza Hidayat, Mazid Hidayatulah Himawan Junior, Rifqi Pratama Kahfi, Muhammad Dzatul Kasyidi, Fatan Melina Melina, Melina Muhamad Ramdan, Muhamad Muhammad Ramdhani, Muhammad Nugroho, Akbar Satrio Nusantara, Madya Dharma Oktariansyah, Indro Abri Permana, Acep Handika Puspita Nurul Sabrina, Puspita Nurul Putra, Dion Revaldy Putri, Ika Rahmah Rezki Yuniarti Ridwan Ilyas Sapari, Albi Mulyadi Sepyanto, Kharisma Jevi Shafira SETIAWAN, YOSEP Sulardi, Pujo Susanti, Adisti Dwi Susilowati, Merliana Tri Tacbir Hendro Pudjiantoro Wibowo, Ditto Ridhwan Wilianto, Lio Wina Witanti Yanuar, Muhammad Rizki Yazid, Rija Muhamad Yoga, Yoga Yulison Herry Chrisnanto