Article Per Year (5 Year)
p-Index From 2020 - 2025
1.789
P-Index
This Author published in this journals
All Journal Annual Research Seminar Titian Ilmu: Jurnal Ilmiah Multi Sciences JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal Pengembangan Sistem Informasi dan Informatika Instink: Inovasi Pendidikan, Teknologi Informasi dan Komputer Jurnal Indonesia Mengabdi
Indra Irawan
Universitas Nurul Huda
Computer Science & IT Control & Systems Engineering Environmental Science Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Social Sciences Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
CREDIT SCORING MENGGUNAKAN ALGORITMA CLASSIFICATION AND REGRESSION TREE (CART) DAN ARTIFICIAL BEE COLONY Indra Irawan; Dian Palupi Rini
Annual Research Seminar (ARS) Vol 5, No 1 (2019): ARS 2019
Publisher : Annual Research Seminar (ARS)

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

Abstract

Credit scoring adalah proses penilaian kredit yang sering dilakukan oleh pihak lembaga keuangan. Melalui proses ini, ditentukan apakah calon debitur yang mengajukan kredit diklasifikasikan sebagai calon debitur yang layak untuk diberikan pinjaman atau sebaliknya. Kesalahan dalam proses credit scoring, pada akhirnya akan mengakibatkan kerugian dari lembaga keuangan tersebut. Kesalahan proses yang umum terjadi adalah kesalahan hasil dari prosedur credit scoring tersebut. Classification and Regression Tree merupakan salah salah satu dari sepuluh algoritma terbaik untuk digunakan di dalamdata mining. kelebihan algoritma ini yang bisa mengatasi data noise. Data noise ini biasanya akan sangat sering terjadi pada data financial. Peneliti akan mencoba untuk menerapkan algoritma CART pada credit scoring, kemudian akan mencoba meningkatkan tingkat akurasi tersebut, dengan proses seleksi attribut / feature dengan menggunakan algoritma Artificial Bee Colony dengan menggunakan public dataset. Perbandingan akan dibuat, untuk mengetahui berapa besar kenaikan persentase akurasi menggunakan algoritma CART, sebelum dan sesudah menggunakan seleksi attribut olehABC.
Peningkatan Performa Algoritma CART dengan Seleksi Fitur Menggunakan ABC untuk Penilaian Kredit Indra Irawan
JATISI (Jurnal Teknik Informatika dan Sistem Informasi) Vol 8 No 1 (2021): JATISI (Jurnal Teknik Informatika dan Sistem Informasi)
Publisher : Lembaga Penelitian dan Pengabdian pada Masyarakat (LPPM) STMIK Global Informatika MDP

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jatisi.v8i1.553

Abstract

Various statistical techniques and machine learning have been used to develop financial prediction models. In this case, credit rating is closely related in terms of prediction of creditworthiness. Because there is no general agreement on financial ratios as an input feature for model development, many studies consider feature selection as a pre-consideration step in data mining before creating a model. This study examines the effect of feature selection using Artificial Bee Colony on the performance improvement of the CART algorithm. The experimental results show that ABC is the best combination of feature selection in improving CART algorithm performance. Compared with some of the proposed PSO and Ant Colony optimization algorithms, this research is expected to be a reference in terms of credit scoring, supporting banks to reject prospective borrowers with poor creditworthiness.
Keefektifan Quizizz Sebagai Media Interaktif Untuk Meningkatkan Minat dan Hasil Belajar Bahasa Inggris dan IPA Pada Siswa VIII MTs Nurul Huda Dwi Andriani; Indra Irawan; Effendi Effendi; Ainun Ummi Sholikhah
Titian Ilmu: Jurnal Ilmiah Multi Sciences Vol. 15 No. 2 (2023): July Edition
Publisher : Universitas Nurul Huda

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

Abstract

Penelitian ini bertujuan untuk menguji keefektifan Quizizz sebagai media interaktif dalam meningkatkan minat dan hasil belajar Bahasa Inggris dan IPA pada siswa kelas VIII di MTs Nurul Huda. Penelitian ini dilakukan menggunakan metode Pre experimental design dengan desain one group pretest posttest design. Sampel merupakan 30 siswa kelas VII MTs Nurul Huda yang dipilih secara acak . Didapatkan temuan uji-t dengan thitung sebesar 7,931 untuk minat belajar dan 2,706 untuk hasil belajar mata pelajaran Bahasa Inggris setelah diberikan perlakuan. Sedangkan pada mata pelajaran IPA mendapatkan nilai thitung sebesar 4.164 untuk minat belajar dan 5.107 untuk hasil belajar siswa. Dan Ditentukan bahwa penggunaan media interaktif Quizizz berdampak pada motivasi dan hasil belajar siswa di kelas Bahasa Inggris dan IPA berdasarkan nilai thitung dibandingkan dengan nilai ttabel dengan db=50 pada tingkat signifikansi 5%Hasil penelitian menunjukkan bahwa penggunaan Quizizz secara signifikan meningkatkan minat belajar siswa terhadap Bahasa Inggris dan IPA. Selain itu, terdapat peningkatan yang signifikan dalam hasil belajar siswa dalam kedua mata pelajaran tersebut. Siswa yang menggunakan Quizizz mengalami peningkatan yang lebih baik dalam pemahaman materi dan kemampuan memecahkan masalah, dibandingkan dengan kelompok kontrol.
Aplikasi Data Rekam Medis di Puskesmas Pemulutan Menggunakan Netbeans Indra Irawan
Instink: Inovasi Pendidikan, Teknologi Informasi dan Komputer Vol. 1 No. 2 (2022): Edisi Oktober
Publisher : Prodi Pendidikan Teknologi Informasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (489.713 KB)

Abstract

Pusat Kesehatan Masyarakat (Puskesmas) adalah instansi kesehatan masyarakat yang menyelenggarakan upaya kesehatan masyarakat. Kepuasan masyarakat terhadap pelayanan Puskesmas sangat dipengaruhi oleh kecepatan dan ketepatan petugas dalam menanggapi pasien. Perkembangan teknologi akhir-akhir ini telah memungkinkan pelayanan yang lebih cepat kepada masyarakat, terutama di sisi rekam medis. Maka dari itu penelitian ini melakukan pengelolaan data rekam medis yang bertujuan untuk mempermudah aktifitas pada Puskesmas Pemulutan, maka dari itu dibangunlah sebuah aplikasi system berbasis Netbeans IDE 7.1.1 dan menggunakan server XAMPP yang bertujuan untuk mengelola data pasien dan rekam medis yang bertujuan untuk mempermudah karyawan puskesmas pemulutan. Aplikasi yang di hasilkan dapat melakukan aktifitas pendaftaran, Kelola data keluarga, kelola rekam medis, dan mencetak laporan. Hasil akhir dari pembuatan program ini diharapkan dapat membantu pihak Puskesmas Pemulutan dalam menangani permasalahan yang berkaitan dengan data pasien, pendaftaran, dan rekam medis.
Optimasi Prediksi Kelulusan Tepat Waktu: Studi Perbandingan Algoritma Random Forest dan Algoritma K-NN Berbasis PSO Indra Irawan; M Riski Qisthiano; Muhammad Syahril; Pamuji M. Jakak
Jurnal Pengembangan Sistem Informasi dan Informatika Vol. 4 No. 4 (2023): Jurnal Pengembangan Informasi dan Informatika
Publisher : Training & Research Institute - Jeramba Ilmu Sukses

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47747/jpsii.v4i4.1374

Abstract

The prediction of on-time graduation for students involves various measurement techniques, including criteria such as majors, class types, and semester grade achievements. These factors play a crucial role in determining whether students will complete their studies within the designated timeframe. In line with this, a model has been developed to forecast the probability of timely graduation. This model leverages the Random Forest and k-Nearest Neighbor (K-NN) algorithms as tools to classify students into appropriate groups. Optimization is carried out using the Particle Swarm Optimizer (PSO) algorithm to enhance prediction accuracy. The data used originates from alumni of various Universities in Palembang.This model utilizes multiple attributes, such as majors, university origins, class types, and semester grade records up to the fourth semester. Other attributes encompass the year of graduation and year of enrollment. Data management and processing are conducted using Rapidminer. Validation is performed by splitting the dataset into training and testing groups through the split validation method. Based on research and testing, the Random Forest algorithm achieves an accuracy of 95.79% with an Area Under Curve (AUC) of 0.991. After optimization with PSO, accuracy increases to 97.89% with an AUC of 0.993. Meanwhile, the k-NN algorithm achieves an accuracy of 93.49% with an AUC of 0.975; after optimization with PSO, accuracy rises to 96.74% with an AUC of 0.986.
Studi Perbandingan: Algoritma Random Forest, Naive Bayes Dan Support Vector Machine Dalam Analisis Sentimen Pada Aplikasi Capcut Di Google Play Store irawan, Indra; Wardianto, Wardianto; Wathan, M.Hizbul; Prayogi, M. Bagus
Jurnal Pengembangan Sistem Informasi dan Informatika Vol. 5 No. 4 (2024): Jurnal Pengembangan Sistem Informasi dan Informatika
Publisher : Training & Research Institute - Jeramba Ilmu Sukses

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47747/jpsii.v5i4.1959

Abstract

CapCut, a highly popular video editing tool, boasts millions of users worldwide across various age groups. Posting reviews on the Google Play Store can provide valuable insights into this application. This study aims to evaluate the effectiveness of three classification algorithms Random Forest, Naïve Bayes, and Support Vector Machine in performing sentiment analysis on Google Play Store reviews of the CapCut application. User reviews are identified and categorized into positive, negative, and neutral labels using sentiment analysis methods. A total of three thousand user review datasets were employed in this investigation. The research procedure involved data preprocessing, feature extraction, and model training. The results show that the Random Forest classification method achieved 83% accuracy, the Naïve Bayes method 70% accuracy, and the Support Vector Machine method 86% accuracy, indicating user sentiment towards the CapCut application. With an accuracy of 0.86, the SVM algorithm is found to yield the best results
Penerapan Metode Support Vector Machine Dalam Menganalisis Sentimen Pengguna Aplikasi Sirekap 2024 Di Google Playstore Iqrom, Redho Aidil; Syahril, Muhammad; Jakak, Pamuji Muhamad; Irawan, Indra; Febyani, Yanita
Jurnal Pengembangan Sistem Informasi dan Informatika Vol. 6 No. 1 (2025): Jurnal Pengembangan Sistem Informasi dan Informatika
Publisher : Training & Research Institute - Jeramba Ilmu Sukses

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47747/jpsii.v6i1.2565

Abstract

Sirekap is a mobile application that was built to help the public monitor and oversee the development of the 2024 elections held in Indonesia. The research aims to apply the Support Vector Machine algorithm in analyzing sentiment about the use of the Sirekap application in 2024. The Support Vector Machine method is used to classify user sentiment into classes, namely positive, negative, and very negative. The amount of data used is 15,000 data sourced from Sirekap application reviews on Google PlayStore, with more detailed research stages including data collection, data preprocessing, data labeling, visualization, word weighting, and testing and analysis. The results show that the Support Vector Machine algorithm provides an accuracy of 88% for the Sirekap 2024 application. These results are expected to help developers to develop further the Sirekap 2024 application in improving the quality of the application and providing better user comfort Based on the results of the sentiment analysis of Sirekap 2024 application users on the Google Play store using the Support Vector Machine (SVM) method, an accuracy rate of 88% was obtained in classifying the sentiment of reviews into positive, negative, and very negative. This shows that the Support Vector Machine method is quite accurate for sentiment analysis of Indonesian text data. Overall, most reviews are very negative with a percentage reaching 76.9%, followed by negative reviews at 12.6%, and the least are positive reviews at 11%.
Pemanfaatan Aplikasi Zoom dan Google Meet Sebagai Media Optimalisasi Kepengurusan JPPPM (Jam’iyyah Perempuan Pengasuh Pesantren dan Muballighoh) OKU Timur Anisatur Rofiqah, Siti; Andriani, Dwi; Effendi, Effendi; Irawan, Indra; Muzakki, Haris
Jurnal Indonesia Mengabdi Vol. 5 No. 2 (2023): December Edition
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat (LPPM) STKIP Nurul Huda

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30599/jimi.v5i2.2232

Abstract

Pelaksanaan kegiatan bertujuan memberikan pelatihan penggunaan aplikasi Zoom dan Google Meet untuk pertemuan rutin bagi pengurus JPPM (Jam’iyyah Perempuan Pengasuh Pesantren dan Muballighoh) OKU Timur. Peserta diharapkan dapat mahir menggunakan kedua platform ini guna meningkatkan produktivitas dalam pertemuan virtual dan memperkuat kerjasama tim. Kegiatan ini ditujukan khususnya kepada pengurus JPPPM OKU Timur. Pendekatan pelatihan yang digunakan adalah interaktif, melibatkan demonstrasi langsung untuk menunjukkan penggunaan fitur-fitur utama, serta sesi tanya jawab untuk memastikan pemahaman peserta. Hasil yang diharapkan mencakup peningkatan keterampilan teknis, di mana peserta dapat menggunakan fitur dasar dan canggih pada Zoom Meeting dan Google Meet dengan lancar. Dampak positif dari kegiatan ini melibatkan peningkatan kinerja tim, sehingga tim dapat bekerja secara lebih efisien dan efektif dalam pertemuan virtual, menghasilkan peningkatan kinerja secara keseluruhan. Selain itu, kegiatan ini juga diharapkan dapat meningkatkan kemampuan anggota tim untuk bekerja secara fleksibel dari berbagai lokasi dan waktu, memperkuat fleksibilitas dan kolaborasi di antara anggota tim yang mungkin berada di lokasi geografis yang berbeda.
Implementasi Convolutional Neural Network (CNN) dalam Diagnosa Penyakit Daun Padi Berdasarkan Citra Digital Irawan, Indra; Wathan, M.Hizbul; Swengky, Better; Ramadani, Ardi
Jurnal Pengembangan Sistem Informasi dan Informatika Vol. 6 No. 3 (2025): Jurnal Pengembangan Sistem Informasi dan Informatika
Publisher : Training & Research Institute - Jeramba Ilmu Sukses

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47747/jpsii.v6i3.2756

Abstract

This study investigates the implementation of Convolutional Neural Network (CNN) in classifying rice leaf diseases based on digital images. The model classifies three types of diseases: Bacterial Leaf Blight, Rice Blast, and Rice Tungro Virus. A dataset of 240 images was obtained from Kaggle, with 80 images per class. Four training scenarios were applied using 25, 50, 75, and 100 epochs. Preprocessing steps included resizing all images to 150x150 pixels and normalizing pixel values. Evaluation results show that classification accuracy increases with the number of training epochs. The best model was achieved at 100 epochs, yielding a validation accuracy of 91.67% and testing accuracy of 92%. These results demonstrate that CNN is effective in diagnosing rice leaf diseases and can support early detection efforts to strengthen national food security.
Klasifikasi Mata Katarak dan Mata Normal Menggunakan Algoritma Dasar Convolutional Neural Network (CNN) Swengky, Better; Wathan, M Hizbul; Irawan, Indra; Aulia, Rosaura
Jurnal Pengembangan Sistem Informasi dan Informatika Vol. 6 No. 3 (2025): Jurnal Pengembangan Sistem Informasi dan Informatika
Publisher : Training & Research Institute - Jeramba Ilmu Sukses

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47747/jpsii.v6i3.2758

Abstract

Eye diseases encompass a wide range of conditions, from mild visual impairments to complete blindness, with cataracts being one of the leading causes. Despite advances in medical imaging, automated classification of cataract versus normal eye images remains a challenging task. This study proposes a classification method using a Convolutional Neural Network (CNN) to distinguish between cataract-affected eyes and normal eyes accurately. The approach involves collecting and preprocessing a labeled dataset, extracting features such as color and vein patterns (including average RGB values), and training the CNN model with optimized parameters. Experimental results demonstrate that the proposed model achieves a high classification accuracy of 95.1%. These findings indicate that CNN-based image classification is a promising tool for supporting automated cataract detection and early diagnosis
Co-Authors Ainun Ummi Sholikhah Anisatur Rofiqah, Siti Aulia, Rosaura Better Swengky Bradika Almandin Wisesa Dian Palupi Rini Dwi Andriani Dwi Andriani, Dwi Effendi Effendi Effendi Effendi Evvin Faristasari Febyani, Yanita Iqrom, Redho Aidil M Riski Qisthiano Muhammad Syahril Muzakki, Haris Pamuji M. Jakak Pamuji Muhamad Jakak Prayogi, M. Bagus Putri, Vivin Mahat Ramadani, Ardi Silvia Agustin Sirlus Andreanto Jasman Duli Wardianto, Wardianto Wathan, M.Hizbul