Article Per Year (5 Year)
p-Index From 2021 - 2026
5.047
P-Index
This Author published in this journals
All Journal Jurnal Inotera JSiI (Jurnal Sistem Informasi) bit-Tech Infotech: Jurnal Informatika & Teknologi Jurnal Altifani Penelitian dan Pengabdian kepada Masyarakat Jurnal Janitra Informatika dan Sistem Informasi Jurnal Armada Informatika Jurnal Pustaka Data : Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer JAMAIKA: Jurnal Abdi Masyarakat Abdi Jurnal Publikasi Journal of Artificial Intelligence and Digital Business Journal of Research and Publication Innovation Indonesian Journal of Multidisciplinary on Social and Technology Biner : Jurnal Ilmu Komputer, Teknik dan Multimedia OKTAL : Jurnal Ilmu Komputer dan Sains AMMA : Jurnal Pengabdian Masyarakat APPA : Jurnal Pengabdian Kepada Masyarakat Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK) Indonesian Journal of Innovation Multidisipliner Research PESHUM
Jupron Jupron
Universitas Pamulang
Religion Humanities Astronomy Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mechanical Engineering Medicine & Pharmacology Nursing Public Health Social Sciences Transportation Other

Published : 39 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 39 Documents
Search

 1   2   3   4 
PENERAPAN METODE VIKOR PADA SISTEM PENUNJANG KEPUTUSAN UNTUK PEMILIHAN SEPEDA MOTOR BEKAS TERBAIK (Studi Kasus: Jogya Motor) Dhela Widiastuti; Jupron
OKTAL : Jurnal Ilmu Komputer dan Sains Vol 3 No 11 (2024): OKTAL : Jurnal Ilmu Komputer Dan Sains
Publisher : CV. Multi Kreasi Media

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

Abstract

VIKOR VIseKriterijumska Optimizacija I Kompromisno Resenje method, is an approach in decision support system that aims to determine the optimal solution among various alternatives. Specifically designed to handle the complexity and diversity of criteria in decision making, this method provides a compromise solution that assists decision makers in selecting the option that best suits their preferences and constraints. In the context of used motorcycle selection, this process involves evaluating various aspects such as engine condition, kilometers traveled, year of manufacture, brand and price. The VIKOR method is used to rank a number of used motorcycle alternatives based on these criteria, which are the main considerations for potential buyers. The use of a Decision Support System (DSS) is considered an effective solution to assist in determining the best used motorcycle choice.
Analysis of Heart Disease Using the Random Forest Method Jupron; Sutrisno
Jurnal Inotera Vol. 10 No. 1 (2025): January-June 2025
Publisher : LPPM Politeknik Aceh Selatan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31572/inotera.Vol10.Iss1.2025.ID452

Abstract

Since heart disease is one of the leading causes of death worldwide, lowering the death rate requires early detection and precise analysis. Machine learning (ML) is one method of analysis. This study uses the Random Forest process, which is applied through the Weka program, to analyze heart disease. An ensemble learning process called Random Forest can categorize data on datasets with a lot of variables with a high degree of accuracy. The heart disease dataset used in this study includes patient medical information, including age, gender, blood pressure, cholesterol, and the results of various tests. To determine the variables that significantly impact the risk of heart disease and to determine the degree of model accuracy in making predictions, the data was processed using Weka and tested using the Random Forest algorithm. The study's findings demonstrate that the Random Forest process performs well in assessing heart illness with a high degree of accuracy and can provide information about the variables that affect the evaluation of heart disease. As a result, this approach may be a useful one for assisting with early heart disease identification and treatment decisions.
Analisis Komparatif Penerapan K-Means Clustering pada Lima Dataset Nyata untuk Evaluasi Sosial Ekonomi dan Finansial Khudin, Fat; Saputra, Irfan Dias; Ilham, Muhammad; Fadilah, Muhamad Sahrul Hafidz; Rahmadan, Dika Surya; Jupron, Jupron
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 2 (2025): Mei - Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i2.1361

Abstract

Penerapan algoritma K-Means Clustering banyak digunakan dalam eksplorasi data multidomain, mulai dari sektor keuangan digital hingga indikator sosial ekonomi dan kesehatan. Penelitian ini membandingkan penggunaan algoritma K-Means pada lima jenis dataset nyata, yaitu distribusi suplai Bitcoin (2009–2024), harga saham Citigroup Inc. (2008–2024), kontribusi pajak daerah kota Banjarmasin (2007–2014), data kemiskinan Indonesia (1976–1993), dan prevalensi penyakit kronis pada lansia (2022). Seluruh data diproses melalui tahap normalisasi, dilanjutkan analisis klaster menggunakan algoritma K-Means dengan jumlah klaster optimal yang ditentukan melalui metode Elbow. Hasil penelitian menunjukkan bahwa semua domain memiliki pola klasterisasi yang bermakna: distribusi Bitcoin terbagi ke dalam tiga fase pertumbuhan, saham Citigroup memperlihatkan dua fase risiko, data kemiskinan dan pajak menunjukkan segmentasi tren historis, serta penyakit lansia mengarah pada kelompok risiko prevalensi. Evaluasi menggunakan Silhouette Score menunjukkan kualitas pemisahan klaster yang cukup baik (nilai antara 0,61 hingga 0,82). Pendekatan ini membuktikan bahwa K-Means dapat diandalkan untuk pengelompokan lintas domain dan dapat menjadi alat bantu dalam pengambilan keputusan berbasis data.
Pelatihan Microsoft Word bagi siswa-siswi PKL di YPAIS Foundation Jupron, Jupron; Permadi, Yuda; Sarman, Sarman; Sutrisno, Sutrisno
Jurnal Altifani Penelitian dan Pengabdian kepada Masyarakat Vol. 5 No. 4 (2025): Juli 2025 - Jurnal Altifani Penelitian dan Pengabdian kepada Masyarakat
Publisher : Indonesian Scientific Journal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59395/1k2v6k04

Abstract

Keterampilan penggunaan perangkat lunak pengolah kata seperti Microsoft Word merupakan kebutuhan dasar yang sangat penting dalam dunia kerja modern. Namun, hasil survei awal terhadap 30 siswa peserta Praktik Kerja Lapangan (PKL) di YPAIS Foundation menunjukkan bahwa lebih dari 70% responden belum menguasai fungsi dasar aplikasi tersebut. Kondisi ini menjadi hambatan dalam penyusunan laporan PKL dan dokumen administratif lainnya. Kegiatan pengabdian kepada masyarakat ini bertujuan untuk meningkatkan keterampilan digital dasar peserta melalui pelatihan Microsoft Word secara terstruktur, dimulai dari materi dasar hingga tingkat menengah, dengan pendekatan ceramah, demonstrasi, dan praktik langsung yang didampingi fasilitator. Evaluasi dilakukan menggunakan pre-test dan post-test, observasi praktik, serta angket dan wawancara. Hasil pelatihan menunjukkan peningkatan signifikan pada pemahaman peserta terhadap fitur-fitur penting Microsoft Word seperti pengaturan paragraf, pembuatan tabel, penomoran halaman, dan penyusunan dokumen resmi. Rata-rata peningkatan nilai post-test mencapai 40% dibandingkan pre-test. Selain peningkatan kognitif, peserta juga menunjukkan perubahan sikap positif, seperti meningkatnya kepercayaan diri dan kesadaran akan pentingnya literasi digital. Meskipun terdapat kendala seperti keterbatasan fasilitas dan variasi kemampuan awal peserta, pelatihan ini terbukti efektif dan relevan dengan kebutuhan mereka. Kegiatan ini berpotensi untuk dikembangkan lebih lanjut melalui pelatihan lanjutan dan pengembangan bahan ajar digital guna memperluas dampaknya dalam meningkatkan kesiapan siswa menghadapi dunia kerja berbasis teknologi.
Apriori Algorithm in Electrical Equipment Sales for Inventory Control Optimization Jupron; Okta Irawati; Muhammad Bahrein
Jurnal Inotera Vol. 10 No. 2 (2025): July - December 2025
Publisher : LPPM Politeknik Aceh Selatan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31572/inotera.Vol10.Iss2.2025.ID465

Abstract

XYZ Electrical Store is one of the small and medium enterprises that sells various types of electrical equipment for household needs. The management of sales data in the store is still done by recording sales transactions in a book, making the sales report generation process take a long time. With such a sales data management system, control and planning of stock items become less than optimal. Customers often find that the items they want to buy are out of stock. Moreover, the accumulation of less popular items also poses a challenge to the store's cash flow, resulting in subopti mal business processes. This research was conducted to address the issues of controlling and planning stock of goods using data mining techniques with the Apriori algorithm on sales transactions of electrical tools. Through a series of threshold tests, a minsup of 10% and minconf of 60% were obtained. This study results in information on the types of electrical tools that need to be monitored as they can lead to stock shortages when buyers need them, namely, the categories of LED lights, electrical cables, plugs, electrical insulation, and out bow. By knowing this information, it can provide solutions to Sinar Mulya Electric Store in stocking the most frequen tly sold items in the store.
Klasterisasi dan Analisis Tren Tenaga Kerja Berdasarkan Gender, Golongan, dan Sektor Usaha Menggunakan Metode K-Means Muhammad Deraya Kautsar; Muhammad Bimo Krisyono; Muhammad Hafidz Diaz Alghany; Rizky Wahyu Saputra; Zurnan Alfian; Jupron, Jupron
PESHUM : Jurnal Pendidikan, Sosial dan Humaniora Vol. 4 No. 6: Oktober 2025
Publisher : CV. Ulil Albab Corp

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56799/peshum.v4i6.10439

Abstract

Studi ini membahas analisis dan pengelompokan data ketenagakerjaan di Indonesia berdasarkan gender, golongan karyawan, dan sektor usaha dengan menggunakan pendekatan data mining. Studi ini dilatarbelakangi oleh ketimpangan distribusi tenaga kerja serta perbedaan struktur dan pendapatan antarkelompok kerja. Tiga studi kasus dianalisis, yaitu: 1) distribusi karyawan berdasarkan golongan dan gender; 2) perbandingan pendapatan pria dan wanita menurut jenis pekerjaan; dan 3) tren pertumbuhan tenaga kerja pada sektor Usaha Mikro, Kecil, dan Menengah (UMKM) dan usaha besar. Metode pengelompokan K-Means digunakan untuk melakukan segmentasi data, sedangkan analisis deskriptif digunakan untuk mengevaluasi pertumbuhan angkatan kerja. Data diperoleh dari buku referensi dan dikonversi ke format digital untuk keperluan analisis. Evaluasi hasil pengelompokan menggunakan Indeks Davies-Bouldin menunjukkan bahwa kualitas klaster bervariasi. Hasil studi mengungkap ketimpangan distribusi tenaga kerja berbasis gender dan menegaskan peran sektor UMKM yang dominan dan stabil dalam penyerapan tenaga kerja. Temuan ini diharapkan dapat mendukung kebijakan pengelolaan sumber daya manusia dan strategi pengembangan ketenagakerjaan di Indonesia.
Penerapan Metode Algoritma C.48 untuk Klasisifikasi Penyakit Diabetes Wanto, Donna Oktar Endras; Harmon, Cendra; Jupron , Jupron
Jurnal Janitra Informatika dan Sistem Informasi Vol. 5 No. 2 (2025): Oktober - Jurnal Janitra Informatika dan Sistem Informasi
Publisher : Indonesian Scientific Journal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59395/qyzpt451

Abstract

Penyakit diabetes merupakan salah satu gangguan metabolik kronis yang terus meningkat prevalensinya di berbagai negara, termasuk Indonesia. Deteksi dini diabetes sangat penting untuk mencegah komplikasi jangka panjang, dan salah satu pendekatan yang efektif adalah dengan memanfaatkan algoritma klasifikasi berbasis machine learning. Penelitian ini bertujuan untuk menerapkan algoritma C4.8 dalam mengklasifikasikan penyakit diabetes menggunakan aplikasi WEKA, serta mengevaluasi kinerjanya berdasarkan data medis yang tersedia. Dataset yang digunakan terdiri dari 768 instance dan 9 atribut, termasuk Glukosa, BMI, dan Usia. Hasil pelatihan model menunjukkan tingkat akurasi sebesar 84,11%, sementara pada pengujian menggunakan metode 10-fold cross-validation, akurasi menurun menjadi 73,70%, dengan nilai Kappa sebesar 0,414. Hasil visualisasi data mendukung temuan bahwa atribut Glukosa merupakan variabel paling dominan dalam membedakan kelas, diikuti oleh BMI dan Usia, sedangkan atribut seperti Tekanan Darah dan Ketebalan Kulit kurang memberikan kontribusi signifikan secara individual. Temuan ini menunjukkan bahwa algoritma C4.8 mampu digunakan sebagai dasar dalam sistem pendukung keputusan untuk diagnosis awal diabetes, meskipun masih terdapat ruang untuk peningkatan performa model melalui teknik lanjutan.  
IMPLEMENTATION OF XGBOOST AND SUPPORT VECTOR MACHINE FOR BREAST CANCER PREDICTION USING BAYESIAN OPTIMIZATION Jupron; Nugroho, Fajar Agung
Jurnal Sistem Informasi Vol. 13 No. 1 (2026)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/rnfpgf88

Abstract

Breast cancer remains one of the most prevalent causes of cancer-related mortality among women worldwide, making early and accurate detection critically important. Machine learning techniques have been widely applied for this purpose; however, many existing studies primarily focus on predictive accuracy without providing comprehensive analysis of model optimization and interpretability. This study proposes a comparative framework integrating Support Vector Machine (SVM) and Extreme Gradient Boosting (XGBoost) with Bayesian Optimization to enhance hyperparameter tuning and model performance. The Breast Cancer Wisconsin Dataset, consisting of 569 samples with 30 numerical features, is used for evaluation. The proposed approach includes data preprocessing, dataset splitting, systematic hyperparameter optimization, model training, and performance evaluation. Experimental results show that the XGBoost model achieves superior performance compared to SVM, with an accuracy of 98.24% and an Area Under the Curve (AUC) of 0.994. Further analysis indicates that the model maintains a strong balance between precision and recall, with minimal misclassification. In addition, feature importance analysis reveals that attributes related to tumor size and structural irregularities contribute significantly to the prediction results, supporting the interpretability of the model in a medical context. The main contribution of this study lies in providing a more comprehensive evaluation that combines performance comparison, optimization effectiveness, and feature-level interpretation within a unified framework. The findings demonstrate that the integration of XGBoost and Bayesian Optimization offers a reliable and interpretable approach for breast cancer classification, with strong potential for implementation in machine learning–based clinical decision support systems. Keywords: breast cancer, machine learning, XGBoost, Support Vector Machine, Bayesian Optimization.
Pelatihan Artificial Intelligence (AI) untuk Pembelajaran Jupron Jupron; Sarman Sarman; Yuda Permadi
Jurnal Altifani Penelitian dan Pengabdian kepada Masyarakat Vol. 6 No. 1 (2026): Januari 2026 - Jurnal Altifani Penelitian dan Pengabdian kepada Masyarakat
Publisher : Indonesian Scientific Journal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59395/altifani.v6i1.1061

Abstract

Pengabdian kepada masyarakat merupakan salah satu upaya strategis dalam menyebarluaskan ilmu pengetahuan dan teknologi kepada masyarakat guna memberikan nilai tambah yang nyata. Kegiatan pengabdian ini bertujuan untuk meningkatkan literasi dan pemahaman Artificial Intelligence (AI) dalam pembelajaran bagi siswa-siswi Madrasah Aliyah Raudlatul Hidayah. Metode yang digunakan adalah pendekatan edukatif dan partisipatif melalui pelatihan interaktif yang mencakup pengenalan konsep dasar AI, pemanfaatan AI dalam pembelajaran, serta praktik penggunaan aplikasi AI sederhana. Keberhasilan kegiatan diukur menggunakan instrumen kuantitatif berupa pre-test dan post-test, serta instrumen kualitatif melalui observasi dan diskusi reflektif. Hasil kegiatan menunjukkan adanya peningkatan pemahaman siswa terhadap konsep dan pemanfaatan AI dalam pembelajaran, disertai perubahan sikap yang lebih positif dan meningkatnya partisipasi serta kolaborasi siswa dalam proses belajar. Kegiatan ini juga memberikan dampak tidak langsung terhadap kesiapan siswa dalam menghadapi kompetensi digital di masa depan. Meskipun masih memiliki keterbatasan pada durasi pelaksanaan dan kedalaman materi praktik, kegiatan pengabdian ini dinilai berhasil dan relevan dengan kebutuhan masyarakat sasaran. Pelatihan Artificial Intelligence untuk pembelajaran berpotensi untuk dikembangkan lebih lanjut sebagai program berkelanjutan dalam mendukung peningkatan kualitas pendidikan dan literasi teknologi di tingkat Madrasah Aliyah.
Pengaruh ketidakseimbangan data terhadap kinerja Algoritma Naive Bayes dalam klasifikasi stroke Muhammad Azis Sularso; Jupron Jupron
INFOTECH : Jurnal Informatika & Teknologi Vol 6 No 2 (2025): INFOTECH: Jurnal Informatika & Teknologi
Publisher : LPPMPK - Universitas Muhammadiyah Cileungsi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37373/infotech.v6i2.2075

Abstract

Stroke merupakan salah satu penyebab utama kematian dan kecacatan di dunia, sehingga diperlukan metode klasifikasi yang andal untuk mendukung deteksi dini dan pengambilan keputusan medis. Penelitian ini bertujuan untuk mengevaluasi kinerja algoritma Naive Bayes dalam klasifikasi penyakit stroke serta menganalisis dampak ketidakseimbangan data terhadap performa model. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan eksperimen komputasional menggunakan algoritma Naive Bayes. Dataset yang digunakan merupakan healthcare stroke dataset yang tersedia secara publik, terdiri dari 5.110 instance dengan delapan atribut, yaitu gender, hypertension, heart_disease, ever_married, work_type, residence_type, smoking_status, dan stroke sebagai variabel target. Proses eksperimen dilakukan menggunakan WEKA Explorer dengan dua skema evaluasi, yaitu percentage split (66%) dan 10-fold cross-validation. Hasil penelitian menunjukkan bahwa model Naive Bayes menghasilkan akurasi keseluruhan yang tinggi, yaitu di atas 94%, pada kedua skema evaluasi. Namun, performa model dalam mendeteksi kasus stroke sangat rendah, yang ditunjukkan oleh nilai true positive rate (TPR) yang kecil pada kelas stroke. Masalah utama yang ditemukan adalah ketidakseimbangan kelas yang signifikan dalam dataset, di mana kasus stroke hanya mencakup sekitar 5% dari total data. Kondisi ini menyebabkan model menjadi bias terhadap kelas mayoritas (non-stroke) dan gagal mengenali sebagian besar kasus stroke yang sebenarnya. Sebagai rekomendasi, penelitian selanjutnya disarankan untuk menerapkan teknik penanganan data tidak seimbang, seperti resampling (misalnya SMOTE), penyesuaian bobot kelas, atau penggunaan algoritma klasifikasi alternatif yang lebih robust terhadap data imbalanced, agar sensitivitas deteksi kasus stroke dapat ditingkatkan.
Co-Authors Abdul Achmad Rizkyanto Ade Fikri Aditya Eko Nugroho Aditya Purna Adnan Kahfi Bara Affrizaa Primaliandra Agus Ammar Rianto Ahmad Khoerul Riski Aji Santoso Alpin Lubis Bagas Mahendra Putra Bahrein, Muhammad Dhela Widiastuti Dipo Arya Mukti Erland Radhitya Putra Priono Fadilah, Muhamad Sahrul Hafidz Faiz Fadillah Fajar Agung Nugroho Farid Mardan Aziz Fikri Chairul Rizki Fithrotun Nisa, Aida Harmon, Cendra Ibnu Haris Agam Iis Istiqomah Ilham Pramudia Ilham Syahgani Imam Hanafi Indah Nur Seha Jihan Nabiylah Jonatan Situmorang Kasna Imanuel Khudin, Fat Laode Made Rai Syaikah Lintan Zhuliani Lintar Yan Zuhara Lucky Yan Zuhara Lutfi Fadilah Putra Ma'ruf Nizar Fazari Malika Azzahra Munadi Martan Budi Rifaldi Maulida Azzahra Misbachuddin Mizanul Umam Moh Mahmud Yunus Mufid Ahmad Muhamad Jusub Muhamad Pahri Muhamad Syarif Afriansyah Muhammad Afdan Alghifari Muhammad Aufa Azmi Muhammad Azis Sularso Muhammad Bahrein Muhammad Bahrein Muhammad Bimo Krisyono Muhammad Deraya Kautsar Muhammad Fiqri Muhammad Hafidz Diaz Alghany Muhammad Ilham Mutiara Handayani Ujianti Nabiel Mochammad Lathif Mendur Nadya Salwa Putriyanti Najmi Cipta Nugraha Nover Efridho Nurul Akbar Obit Zunanda Okta Irawati Rahmadan, Dika Surya Rahman Harahap Refliani Marsela Rendy Wijaya Ria Ester Rilo Pambudi Rio Permana Mardianto Rio Saputro Rizky Raya Ananda Rizky Wahyu Saputra Santi Rahayu Santi Rahayu Saputra, Irfan Dias Sarman Sarman Sarman Sarman Sarman Satia Adi Irawan Shabrina Thufailah Shan Attar Syach SUTRISNO Sutrisno Sutrisno Sutrisno, Sutrisno Tegar Utomo Putra Wanto, Donna Oktar Endras Yodi Cahyo Yuda Permadi Yuda Permadi Yuda Permadi, Yuda Yusuf Hidayat Zaki Arfa Mustafa Zurnan Alfian