p-Index From 2021 - 2026
6.566
P-Index
This Author published in this journals
All Journal Indonesian Journal of Geography Jurnal Teknik Sipil dan Perencanaan Jurnal Edukasi dan Penelitian Informatika (JEPIN) Jurnal Informatika dan Teknik Elektro Terapan Sistemasi: Jurnal Sistem Informasi Bianglala Informatika : Jurnal Komputer dan Informatika Akademi Bina Sarana Informatika Yogyakarta Indonesian Journal on Software Engineering (IJSE) Perspektif : Jurnal Ekonomi dan Manajemen Universitas Bina Sarana Informatika Jurnal Teknik Komputer AMIK BSI Paradigma Jurnal Komputasi JITK (Jurnal Ilmu Pengetahuan dan Komputer) Techno Nusa Mandiri : Journal of Computing and Information Technology Jurnal Pengabdian Masyarakat AbdiMas Jurnal Manajemen Informatika ELITE Journal: Journal of English Linguistics, Literature, and Education Progresif: Jurnal Ilmiah Komputer Jurnal Manajemen Informatika dan Sistem Informasi Medika Kartika : Jurnal Kedokteran dan Kesehatan JATI (Jurnal Mahasiswa Teknik Informatika) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Jurnal Infortech Jurnal Graha Pengabdian Jurnal Pengabdian kepada Masyarakat Nusantara Infotech: Jurnal Informatika & Teknologi Reputasi: Jurnal Rekayasa Perangkat Lunak Jurnal Saintekom : Sains, Teknologi, Komputer dan Manajemen JUSTIN (Jurnal Sistem dan Teknologi Informasi) Journal of Artificial Intelligence and Engineering Applications (JAIEA) Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Ceddi Journal of Information System and Technology (JST) Jurnal Penelitian dan Pengabdian Masyarakat Jotika Journal of Entrepreneurship and Community Innovations Seshiski: Southeast Journal of Language and Literary Studies Secure And Knowledge-Intelligent Research in Cybersecurity And Multimedia (SAKIRA) Indonesian Community Service Journal of Computer Science (IndoComs) Jurnal Komputasi Jurnal Nasional Komputasi dan Teknologi Informasi
Claim Missing Document
Check
Articles

Perbandingan Random Forest, XGBoost, dan LightGBM untuk Prediksi Produksi Padi di Sumatera Namariq Maspupah; Deasy Purwaningtias; Ali Mustopa
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 2 (2026): September 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i2.1378

Abstract

Produksi padi di Sumatera yang memiliki peran strategis dalam mendukung ketahanan pangan nasional, namun fluktuasi yang dipengaruhi oleh faktor iklim dan agronomis kadang menyulitkan proses perencanaan distribusi pangan secara akurat dan tepat. Dalam penelitian ini memiliki tujuan untuk membangun dan membandingkan model prediksi produksi padi di delapan daerah di provinsi Sumatera menggunakan tiga algoritma machine learning, yaitu Random Forest, XGBoost, dan LightGBM, yang masing-masing dioptimalkan menggunakan GridSearchCV dengan validasi silang 5-fold. Dataset yang digunakan bersumber dari Badan Pusat Statistik (BPS) dengan periode 1993–2020, mencakup 224 data dari variabel luas panen, curah hujan, kelembapan, dan suhu rata-rata. Interpretasi model dilakukan menggunakan metode SHAP (SHapley Additive exPlanations) untuk menganalisis kontribusi setiap fitur terhadap hasil prediksi. Hasil eksperimen menunjukkan bahwa XGBoost dengan parameter terbaik (learning_rate=0.05, max_depth=5, n_estimators=300, subsample=0.8) menghasilkan performa tertinggi dengan nilai MAE sebesar 105.258 ton, RMSE sebesar 151.883 ton, dan R² sebesar 0,9739. Random Forest menghasilkan R² sebesar 0,9580, sedangkan LightGBM menghasilkan R² sebesar 0,9519. Analisis SHAP pada ketiga model secara konsisten menunjukkan bahwa luas panen merupakan fitur paling dominan dalam memengaruhi prediksi produksi padi, diikuti oleh variabel tahun, kelembapan, curah hujan, suhu rata-rata, dan provinsi. Dalam penelitian ini memberikan kontribusi berupa kerangka perbandingan komprehensif antara tiga algoritma ensemble terbaik dengan integrasi Explainable AI pada konteks prediksi produksi padi di Sumatera.
Rancang Bangun SIPEDES (Sistem Informasi Pelayanan Desa) Berbasis Website dengan Fitur Pengaduan dan Infografis untuk Meningkatkan Tranparansi Informasi Heryanto Kawisen; Deasy Purwaningtias; Ali Mustopa
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 2 (2026): September 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i2.1388

Abstract

Pelayanan administrasi desa yang masih dilakukan secara manual menjadi kendala dalam mewujudkan tata kelola pemerintahan yang transparan dan efisien. Desa Pancaroba belum memiliki saluran pengaduan masyarakat yang terstruktur dan belum mampu menyajikan data kependudukan secara visual kepada warga. Penelitian ini bertujuan merancang dan membangun SIPEDES (Sistem Informasi Pelayanan Desa) berbasis website dengan fitur pengaduan dan infografis untuk Desa Pancaroba. Pengumpulan data dilakukan melalui observasi dan wawancara kepada Kepala Desa dan Kaur Kesra. Pengembangan sistem menggunakan metode Rapid Application Development (RAD) dengan framework CodeIgniter berbasis arsitektur Model-View-Controller (MVC) dan basis data MySQL. Perancangan sistem dimodelkan menggunakan Unified Modeling Language (UML) meliputi use case diagram, activity diagram, class diagram, sequence diagram, serta Entity Relationship Diagram (ERD) untuk perancangan basis data. Pengujian fungsionalitas dilakukan menggunakan Black Box Testing, sedangkan tingkat penerimaan pengguna diukur melalui User Acceptance Test (UAT) dengan skala Likert 1–5 terhadap 16 responden. Hasil Black Box Testing menunjukkan seluruh fungsi sistem berjalan sesuai yang diharapkan. Hasil UAT pada empat variabel evaluasi menunjukkan fungsionalitas sistem 74,6%, tampilan dan navigasi 75,6%, fitur informasi dan transparansi 74%, serta fitur pengaduan 78,8%, seluruhnya masuk dalam kategori Baik, sehingga sistem dinilai layak digunakan oleh masyarakat Desa Pancaroba.
Streamlit Based Network Intrusion Detection System Prototype with Machine Learning Algorithm Tiara Maulida; Muhammad Nandi Buchari; Teofilus Tirta Jumata; Putra Pratama Syahrival; Ali Mustopa
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 5 No. 2 (2026): February 2026
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v5i2.1950

Abstract

Computer network security has become a crucial elemen in the digital era, with the increasing risk of attacks that could potentially disrupt systems and access critical data. An Intrusion Detection System (IDS) powered by Machine Learning is one effective way to automatically detect suspicious network activity. This study aims to create a prototype of a network Intrusion Detection System using Streamlit that applies Machine Learning algorithms, including Naïve Bayes and Random Forest, to classify normal network activity as an attack. The method used in this study is a quantitative approach with an experimental design utilizing a public dataset of labeled network traffic. The research process includes the stages of initial data processing, feature selection, model creation, performance evaluation, and implementation of the Streamlit interface. Test results show that the Naïve Bayes algorithm has the best performance, with an accuracy level reaching 0.8000, an error rate of 0.2000, and an F1 Score of 0.7273. Random Forest recorded an accuracy level of 0.7333, an error rate of 0.2667, and a lower F1 Score of 0.3333. These findings demonstrate that Naïve Bayes is more effective at detecting intrusions and recognizing anomalous network traffic patterns. The Streamlit based system implementation successfully provides an interactive and userfriendly interface, allowing users to perform analysis and understand classification result without in-depth technical expertise. Given the foregoing, the network intrusion detection system prototype built with Streamlit and a Machine Learning algorithm is considered suitable as a simple, informative, interactive, and efficient network security support tool. This research paves the way for future developments, such as the implementation of Deep Learning models and the integration of live network monitoring.
Co-Authors Abdul Hamid Abdul Latif Abdul Latif Abdul Latif Ade Hendini Adrianus Ixnasius Bedong Agung Baitul Hikmah Agung Sasongko Agung Sasongko Agus Junaidi Agustiani, Sarifah Ahmad Iklil Saifulloh Andi Saryoko Andriyan Dwi Putra Antonius Yadi Kuntoro Ari Cahyono Bayu Setiaji Deasy Purwaningtias Deasy Purwarningtias Dedi Jayanta, Ida Ketut Desyandri Desyandri Dewanto Yusuf Priyambodo DEWI RAHMAWATI Eri Bayu Pratama, Eri Bayu Fachrurozi, Ahmad Firmansyah, Herman firmansyah, Yoki Ganda Wijaya Ganda Wijaya, Ganda Hartono . Hendri Mahmud Nawawi Hermanto Hermanto Heryanto Kawisen Ikhsanda, Reza Insan, Siti Rahma JOKO DWI SANTOSO Khultsum, Umi Kukuh, Kukuh Kusnawi Kusnawi Lady Agustin Fitriana Laksono Trisnantoro Leo Kanda Prayoga Lilik Rita Lindayani Lisnawanty Lukman Hakim M. Rangga Ramadhan Saelan Mahmud Nawawi, Hendri Maysaroh, Maysaroh Mochammad Abdul Azis Muhammad Fahmi Julianto Muhammad Iqbal Muhammad Iqbal Muhammad Nandi Buchari Muhammad Rezki Muhammad Rifqi Firdaus Muhammad Sony Maulana Mulyatun, Sri Mustika Dewi, Melany Namariq Maspupah Nanik Wuryani Nawawi, Hendri Mahmud Nuraeni Herlinawati Nuraini Sekarsih, Fitria Nurjannah Nurjannah Nurjannah Nurmalasari Nurmalasari Peronika Sari Pratiwi Retnaningdyah, Pratiwi Pribadi, Denny Pringgondani, Restu Purwaningtias, Deasy Putra Pratama Syahrival Rabiatus Saadah Rabiatus Sa’adah Rahmat Hidayat Raja Sabaruddin Rangga Sanjaya Ravi Manisha Reza Maulana Risdiansyah, Deni Rizka Dahlia Rizky Ade Safitri Robial, Siti Muawanah Rusda Wajhillah, Rusda Sa'adah, Rabiatus Sekarsih, Fitria Nuraini Seniwati, Erni Setiawanto, Irwan Siti Khotimatul Wildah Sopiyan Dalis Sopiyan Dalis Steven Suhartono Suharyanto Suharyanto Suharyanto Supriatna, Agus Teofilus Tirta Jumata Tiara Maulida TONNY HIDAYAT Umi Khultsum Wadzifa Wadzifa Wahyu Nugraha Wahyutama Fitri Hidayat Windu Gata Windu Gata Yoseph Tajul Arifin Yudhistira Yudhistira