Article Per Year (5 Year)
p-Index From 2021 - 2026
7.983
P-Index
This Author published in this journals
All Journal Jurnal Pendidikan Teknologi dan Kejuruan Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik Prosiding SNATIF Jurnal Edukasi dan Penelitian Informatika (JEPIN) Infotech Journal Jurnal Ilmiah Matrik IKRA-ITH Informatika : Jurnal Komputer dan Informatika JITTER (Jurnal Ilmiah Teknologi Informasi Terapan) 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 Jurnal Informatika dan Rekayasa Elektronik JATI (Jurnal Mahasiswa Teknik Informatika) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) JIKA (Jurnal Informatika) JOINT (Journal of Information Technology jurnal syntax admiration Jurnal Teknologi Informatika dan Komputer Innovation in Research of Informatics (INNOVATICS) Informatics and Digital Expert (INDEX) Jurnal Ilmiah Wahana Pendidikan Journal of Informatics and Communication Technology (JICT) Jurnal Locus Penelitian dan Pengabdian Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Jurnal Algoritma Jurnal Sosial dan Sains Riwayat: Educational Journal of History and Humanities Jurnal Global Ilmiah Journal of Informatics and Communication Technology (JICT) Seminar Nasional Riset dan Teknologi (SEMNAS RISTEK)
Fajri Rakhmat Umbara
Fakultas Sains Dan Informatika Universitas Jenderal Achmad Yani, Cimahi, Indonesia
Religion Aerospace Engineering Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology 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 Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Medicine & Pharmacology Physics Social Sciences Other

Published : 90 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 90 Documents
Search

 5   6   7   8   9 
PREDIKSI BANTUAN OPERASIONAL RAUDHATUL ATHFAL DI TINGKAT KABUPATEN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE – REGRESSION Fauzan, Ariq; Witanti, Wina; Rakhmat Umbara, Fajri
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.v9i1.12505

Abstract

Bantuan Operasional Pendidikan Raudhatul Athfal (BOPRA) merupakan bantuan yang diberikan oleh pemerintah untuk membiayai personalia dan nonpersonalia agar dapat meningkatkan kegiatan belajar mengajar sekolah tingkat RA. RA (Raudhatul Athfal) merupakan salah satu perogram pendidikan berbasis agama Islam dikelola oleh Kementerian Agama. Dana BOPRA dihitung berdasarkan jumlah siswa yang terdaftar di DAPODIK (Data Pokok Pendidikan) dari setiap tahunnya akan dikalkulasikan per-triwulan dengan persentase 30%, 40%, dan 30% setiap persentase dibagi kedalam empat bulan yang nantinya akan diterima RA setiap bulannya. Untuk memprediksi dana yang akan diterima di masa mendatang diperlukan data historis yang di olah menggunakan machine learning. Machine learning merupakan metode yang dapat memproses data historis dalam jumlah yang besar untuk melakukan prediksi data dengan lebih akurat. Penggunaan pada algoritma Support Vector Regression (SVR) digunakan untuk melakukan prediksi nilai variable kontinu dengan prinsip yang sama dengan Support Vector Machine (SVM), dengan menerapkan algoritma SVR dapat membantu instansi kementerian agama dan sekolah – sekolah tingkat RA di kabupaten dalam pengambilan keputusan untuk memanfaatkan dana bantuan pendidikan yang akan diterima. Hasil dari prediksi BOPRA dengan menggunakan algoritma SVR sangat bagus digunakan dengan nilai parameter terbaik gamma 0.1, C 0.01, epsilon 1.8 menghasilkan RMSE 0.173 dan MAPE 3,74%.
Prediksi Pola Keuangan pada Pasar Saham Bursa Efek Indonesia Menggunakan Algoritma Support Vector Machine For Regression (SVR) Adam, Marcellino; Chrisnanto, Yulison Herry; Umbara, Fajri Rakhmat
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 10, No 3 (2024): Volume 10 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v10i3.86833

Abstract

Di era modern perdagangan saham yang dinamis, penggunaan algoritma Support Vector Machine Regression menjadi perhatian utama bagi para investor dan trader. Penelitian ini bertujuan untuk menganalisis cara kerja algoritma dalam memprediksi pola pasar saham menggunakan Support Vector Machine Regression. Metode penelitian yang digunakan adalah Support Vector Regression dengan kernel Radial Basis Function. Hasil penelitian menunjukkan tingkat akurasi yang baik, dengan Mean Absolute Percentage Error (MAPE) sebesar 6,04%. Hal ini menunjukkan bahwa model ini efektif dalam memprediksi pergerakan harga saham di Bursa Efek Indonesia. Sebaliknya, penggunaan kernel Linear dan Polynomial tidak memberikan hasil yang memuaskan, dengan tingkat kesalahan yang cukup signifikan, masing-masing sebesar 16,32% dan 22,47%. Bahkan, kernel Sigmoid menunjukkan tingkat kesalahan yang sangat tinggi, yaitu MAPE sebesar 808,46%, yang mengindikasikan bahwa model ini tidak cocok untuk prediksi harga saham. Penelitian ini berkontribusi dengan menunjukkan bahwa penggunaan Support Vector Regression dengan kernel Radial Basis Function dapat memberikan hasil prediksi yang akurat dalam konteks pergerakan harga saham. Kontribusi utama terletak pada pemahaman lebih lanjut mengenai efektivitas model Support Vector Regression dalam prediksi di pasar saham Indonesia, yang memberikan manfaat signifikan bagi investor, perusahaan keuangan, pemerintah, dan masyarakat.
Klasifikasi Kanker Payudara Berbasis Deep Learning Menggunakan Vision Transformer dengan Teknik Augmentasi Data Citra Ardiyansyah, Muhamad Salman; Umbara, Fajri Rakhmat; Melina, Melina
JURIKOM (Jurnal Riset Komputer) Vol 12, No 3 (2025): Juni 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v12i3.8619

Abstract

Breast cancer ranks among the leading causes of death in women worldwide. Early detection through mammographic image analysis plays a crucial role in increasing survival rates. However, manual interpretation of mammograms requires expert knowledge and is prone to errors. This study aims to develop a breast cancer classification model using mammography images based on the Vision Transformer (ViT) architecture without employing transfer learning. The dataset used is the Digital Database for Screening Mammography (DDSM), consisting of two categories: benign and malignant. To address class imbalance, undersampling and data augmentation techniques (flipping, rotation, cropping, and noise injection) were applied. All images were normalized and resized to 224×224 pixels to match the ViT input requirements. The model was trained for five epochs with a batch size of 16. Evaluation on the test data was conducted using seven metrics: accuracy, precision, recall, F1-score, Matthews Correlation Coefficient (MCC), Cohen’s Kappa Score, and Area Under the Curve (AUC). The results show that the model achieved an accuracy of 92.50%, precision of 90.48%, recall of 95.00%, F1-score of 92.68%, MCC of 85.11%, Kappa Score of 85.00%, and AUC of 95.75%. These findings indicate that the Vision Transformer is highly effective for mammographic image classification and holds potential as a reliable tool for automated breast cancer diagnosis support.
Klasifikasi Sentimen Kebohongan Berita Menggunakan Metode Indobert Fadhilahsyah Ramadhan, Muhammad Diky; Umbara, Fajri Rakhmat; Ilyas , Ridwan
Jurnal sosial dan sains Vol. 5 No. 8 (2025): Jurnal Sosial dan Sains
Publisher : Green Publisher Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59188/jurnalsosains.v5i8.32425

Abstract

Dalam era digital, penyebaran informasi melalui berita daring berkembang pesat, tetapi ancaman disinformasi atau berita palsu menjadi tantangan signifikan. Penelitian ini menggunakan dataset yang mencakup berita hoaks dan fakta dari sumber-sumber terpercaya seperti Turnbackhoax dan Cek Fakta, untuk mengembangkan sistem klasifikasi sentimen kebohongan berita menggunakan algoritma Bidirectional Encoder Representations from Transformers (BERT) yang disesuaikan untuk bahasa Indonesia, yaitu IndoBERT. Tahapan penelitian meliputi imputasi data, pengolahan data atau pre-processing, yang meliputi pembersihan data untuk menangani masalah data yang tidak bersih, penyeimbangan data menggunakan random oversampler dan random undersampler, pembagian data (80% data latih, 20% data uji). Hasil menunjukan bahwa model IndoBERT dengan random oversampler dan random undersampler menunjukan akurasi yang cukup tinggi dalam klasifikasi berita palsu yaitu sebesar 99.35% berdasarkan atribut yang digunakan pada data. Penelitian ini diharapkan dapat memberikan kontribusi pada pengembangan sistem deteksi hoaks yang efektif, mendukung validasi informasi, dan mencegah dampak negatif dari penyebaran berita palsu.
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
Co-Authors -, Agus Komarudin -, Ridwan Ilyas Adam, Marcellino Ade Kania Ningsih Aditya Bahrul 'Alam, Moch Aditya, Aldy Adzani, Nadhif Nurul Fajri AGIEL FADILLAH HERMAWAN Agri Yodi Prayoga Ahsin Fauzi Aldi Sidik Permana Anwar Fauzi, Mochammad Ardiyansyah, Muhamad Salman Ashaury, Herdi Asrul Badar, Ahmad Cepi, Gan Dava Maulana, Muhammad Delfany Arcadia Valeska Destiyanti, Fitri Dewi Kartika Sari Dewi, Wulan Dian Nursantika Drl, Indra Raja Ella Wahyu Guntari Erna Sesarliana* Fadhilahsyah Ramadhan, Muhammad Diky Faiza Renaldi Fauzan, Ariq Febriansyah Istianto, Andrian Ferdiansyah Ferdian FERDIANSYAH, ALDOVA fery bayu aji FIQRI FAKHRUL GUNAWAN Firmansyah, Rolan Fitri Nurbaya Gestavito, Rio Ginanjar Rahayu Gita Mahesa Hadiana, Asep Id Hasna, Aisyah Nur Hendro, Tacbir Herdi Ashaury Hidayat, Ferdian Afza Hidayat, Mazid Hidayatulah Himawan Hovi Sohibul Wafa Hovi Hovi, Hovi Sohibul Wafa Ilham Danoppati Junior, Rifqi Pratama Kahfi, Muhammad Dzatul Kasyidi, Fatan Kharis Pratama, Adam Kharisma Jevi Shafira Sepyanto Krisdianto Sitanggang, Sari Levi Sabili, Naufal Lio Wilianto Mazid Hidayat Melina Melina Melina Melina, Melina Miftahul Falah Muhamad Ramdan, Muhamad Muhammad Ramdhani, Muhammad Nelsih Putriani Novi Hermansyah Nugroho, Akbar Satrio Nurul Sabrina, Puspita Nusantara, Madya Dharma Oktariansyah, Indro Abri Permana, Acep Handika Pujo Sulardi Puspita Nurul Sabrina Puspita Nurul Sabrina Puspita Nurul Sabrina, Puspita Nurul Putra, Dion Revaldy Putri, Ika Rahmah Rachadian Novansyah Rahandanu Rachmat Reno Setiawan Rezki Yuniarti Ridwan Ilyas Salsabila Fajriati Romli Salsabila Salsabila, Salsabila Fajriati Romli Sapari, Albi Mulyadi Sepyanto, Kharisma Jevi Shafira SETIAWAN, YOSEP Shisi Prayesti Sigit Pratama Siti Aisah Sulardi, Pujo Susanti, Adisti Dwi Susilowati, Merliana Tri Syarifudin Yoga Pinasty Syarifudin Yoga Pinasty Tacbir Hendro Tacbir Hendro Pudjiantoro Tacbir Hendro Pudjiantoro Tacbir Hendro Pudjiantoro Tacbir Hendro Pudjiantoro Tacbir Hendro Pudjiantoro Tiara Rahmawati Tri Wijaya Permana Sidik Wibowo, Ditto Ridhwan Wilianto, Lio Wina Witanti Wina Witanti Yanuar, Muhammad Rizki Yazid, Rija Muhamad Yoga, Yoga Yulison Herry Chrisnanto