Article Per Year (5 Year)
p-Index From 2021 - 2026
4.278
P-Index
This Author published in this journals
All Journal Jurnal Pendidikan dan Kewirausahaan JURNAL PENDIDIKAN, SAINS DAN TEKNOLOGI SPEKTA (Jurnal Pengabdian Kepada Masyarakat : Teknologi dan Aplikasi) Academic Journal of Computer Science Research (AJCSR) ASEAN Journal of Empowering Community Journal of Community Empowerment and Innovation IT-Explore: Jurnal Penerapan Teknologi Informasi dan Komunikasi Journal Of Industrial Engineering & Technology Innovation Jurnal Pengabdian Masyarakat dan Riset Pendidikan Jurnal Intelek Dan Cendikiawan Nusantara Jurnal Intelek Insan Cendikia SITEDI Journal of Information System & Business Management (ISBM) SITEDI (Sistem Informasi dan Teknologi Digital) Engineering Jurnal bidang Teknik
Rizki Prasetyo Tulodo
Universitas Pancasakti Tegal
Religion Humanities 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 Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Public Health Social Sciences Other

Published : 30 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 30 Documents
Search

 1   2   3 
Analisis Prediksi Harga Properti Menggunakan Algoritma Regresi Linear Berbasis Rapid Miner Irfandi Irfandi; Hasbi Firmansyah; Wahyu Asriyani; Rizki Prasetyo Tulodo
Jurnal Intelek Insan Cendikia Vol. 2 No. 12 (2025): Desember 2025
Publisher : PT. Intelek Cendikiawan Nusantara

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

Abstract

Penentuan nilai pasar properti yang akurat merupakan tantangan signifikan bagi pelaku ekonomi karena dipengaruhi oleh berbagai faktor infrastruktur dan letak geografis. Penelitian ini bertujuan untuk membangun model yang mampu memprediksi harga unit properti di Distrik Sindian, New Taipei City, menggunakan teknik Data Mining dengan algoritma Linear Regression. Data yang digunakan berasal dari UCI Machine Learning Repository yang mencakup 414 catatan transaksi dengan 6 variabel independen, yaitu usia bangunan, jarak ke stasiun MRT, jumlah toko ritel, serta koordinat lokasi (latitude dan longitude). Penelitian ini dilakukan menggunakan perangkat lunak RapidMiner Studio dengan metode evaluasi korelasi dan error metric. Hasil penelitian menunjukkan bahwa algoritma Linear Regression mampu memprediksi harga properti secara efektif dengan tingkat akurasi yang diukur melalui Root Mean Squared Error (RMSE). Berdasarkan analisis koefisien, variabel jarak ke stasiun MRT memiliki pengaruh negatif paling signifikan, yang berarti semakin dekat lokasi properti dengan akses transportasi publik, maka harga unit properti akan meningkat secara drastis. Penelitian ini membuktikan bahwa faktor aksesibilitas merupakan penentu utama nilai real estat, sehingga model ini dapat digunakan sebagai Sistem Pendukung Keputusan (Decision Support System) bagi tenaga profesional di bidang properti.
Penerapan Algoritma Linear Regression untuk Prediksi Harga Rumah Berdasarkan Faktor Lokasi dan Usia Bangunan Muhamad Aris Purwanto; Hasbi Firmansyah; Wahyu Asriyani; Rizki Prasetyo Tulodo
Jurnal Intelek Insan Cendikia Vol. 3 No. 1 (2026): JANUARI 2026
Publisher : PT. Intelek Cendikiawan Nusantara

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

Abstract

Harga properti merupakan nilai yang fluktuatif dan dipengaruhi oleh banyak faktor kompleks, sehingga sulit untuk diprediksi secara manual dengan akurasi tinggi. Penelitian ini bertujuan untuk membangun model prediksi harga rumah per satuan luas menggunakan algoritma Linear Regression. Dataset yang digunakan adalah data Real Estate Valuation yang terdiri dari 414 data transaksi dengan variabel prediktor meliputi tanggal transaksi, usia bangunan, jarak ke stasiun MRT terdekat, jumlah convenience store, serta koordinat geografis (latitude dan longitude). Penelitian dilakukan menggunakan perangkat lunak RapidMiner Studio. Hasil analisis korelasi menunjukkan bahwa jarak ke stasiun MRT memiliki hubungan negatif yang paling kuat terhadap harga rumah. Model regresi linear yang dihasilkan mampu memprediksi harga dengan tingkat Root Mean Squared Error (RMSE) sebesar [Nilai RMSE 8.290 +/- 0.000]. Penelitian ini menyimpulkan bahwa faktor lokasi (aksesibilitas) memiliki pengaruh lebih signifikan dibandingkan usia bangunan dalam penentuan harga properti pada dataset ini.
Analisis Pola Fitur Statistik Citra Digital untuk Klasifikasi Uang Kertas Menggunakan Metode K-Nearest Neighbor Chandra Pratama Putra Raharja; Hasbi Firmansyah; Wahyu Asriyani; Rizki Prasetyo Tulodo
Jurnal Intelek Insan Cendikia Vol. 3 No. 1 (2026): JANUARI 2026
Publisher : PT. Intelek Cendikiawan Nusantara

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

Abstract

Pemalsuan mata uang merupakan masalah global yang berdampak signifikan terhadap stabilitas ekonomi. Deteksi keaslian uang kertas secara manual seringkali tidak efisien dan rentan terhadap kesalahan manusia, sehingga diperlukan sistem deteksi otomatis yang presisi. Penelitian ini bertujuan untuk mengevaluasi performa algoritma K-Nearest Neighbor (K-NN) dalam mengklasifikasikan keaslian uang kertas berdasarkan ekstraksi fitur statistik citra digital. Dataset yang digunakan bersumber dari UCI Machine Learning Repository yang terdiri dari 1.372 sampel data dengan empat atribut fitur utama: Variance, Skewness, Curtosis, dan Entropy yang dihasilkan dari Transformasi Wavelet. Pengujian dilakukan menggunakan metode validasi silang 10-lipatan (10-fold Cross Validation) untuk memastikan konsistensi model. Hasil eksperimen menunjukkan performa yang sangat tinggi dengan tingkat akurasi mencapai 99,93%. Analisis confusion matrix memperlihatkan bahwa model hanya mengalami kesalahan klasifikasi pada 1 data sampel dari total keseluruhan data uji, dengan nilai Recall untuk kelas uang asli mencapai 100%. Penelitian ini menyimpulkan bahwa fitur statistik yang diekstraksi dari citra uang kertas memiliki pola data yang sangat kuat dan algoritma K-NN sangat efektif untuk diterapkan dalam sistem forensik deteksi uang palsu.
Analisis Kinerja Algoritma K-Nearest Neighbor (KNN) pada Klasifikasi Data Bank Marketing Yosephus Arpan Polado Sinurat; Hasbi Firmansyah; Wahyu Asriyani; Rizki Prasetyo Tulodo
Jurnal Intelek Insan Cendikia Vol. 3 No. 1 (2026): JANUARI 2026
Publisher : PT. Intelek Cendikiawan Nusantara

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

Abstract

Pemasaran langsung (direct marketing) merupakan salah satu strategi utama industri perbankan untuk menawarkan produk deposito berjangka. Namun, kampanye yang tidak tertarget seringkali tidak efisien dan memakan biaya tinggi. Penelitian ini bertujuan untuk membangun model prediksi klasifikasi menggunakan algoritma K-Nearest Neighbor (KNN) untuk menentukan nasabah yang berpotensi berlangganan deposito berjangka berdasarkan data historis kampanye pemasaran bank. Dataset yang digunakan adalah Bank Marketing Dataset dari UCI Machine Learning Repository. Proses penelitian meliputi pra-pemrosesan data (cleaning, encoding, dan normalisasi Min-Max), pembagian data latih dan uji, serta pengujian nilai $k$ yang berbeda (k=3, 5, 7, 9). Hasil eksperimen menunjukkan bahwa algoritma KNN dengan nilai k=5 menghasilkan kinerja optimal dengan akurasi sebesar 89,2%, presisi 65%, dan recall 58%. Penelitian ini menyimpulkan bahwa KNN efektif digunakan untuk klasifikasi data pemasaran bank, namun memerlukan penanganan ketidakseimbangan kelas untuk meningkatkan nilai recall.
Analisis Pemetaan Pola Pendonor Darah pada Blood Transfusion Service Center Menggunakan Metode Self-Organizing Map Rafli Juan Lauda Al Faiq; Hasbi Firmansyah; Wahyu Asriyani; Rizki Prasetyo Tulodo
Jurnal Intelek Insan Cendikia Vol. 3 No. 1 (2026): JANUARI 2026
Publisher : PT. Intelek Cendikiawan Nusantara

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

Abstract

Manajemen stok darah sangat bergantung pada perilaku orang yang memberi darah. Penelitian ini bertujuan untuk memahami pola cara orang-orang tersebut memberi darah menggunakan algoritma yang disebut Self-Organizing Map (SOM). Data yang digunakan terdiri dari 748 orang dengan fitur utama berdasarkan model RFM, yaitu tingkat kebaruannya, frekuensi, nilai kontribusi, dan waktu. Dengan metode SOM, data yang memiliki banyak dimensi dipetakan ke dalam grid dua dimensi untuk mengelompokkan orang yang memberi darah berdasarkan tingkat kesetiaannya. Hasil penelitian menunjukkan bahwa pemetaan ini dapat membedakan secara visual antara orang yang aktif dan tidak aktif dalam memberi darah, yang membantu pusat transfusi darah dalam mengambil keputusan yang lebih baik untuk menahan orang-orang yang memberi darah.
Analisis Pengaruh Parameter Support Vector Machine Terhadap Akurasi Prediksi Harga Saham: Penelitian Arief Priyono; Hasby Firmansyah; Wahyu Asriyani; Rizki Prasetyo Tulodo
Jurnal Pengabdian Masyarakat dan Riset Pendidikan Vol. 4 No. 3 (2026): Jurnal Pengabdian Masyarakat dan Riset Pendidikan Volume 4 Nomor 3 (Januari 202
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jerkin.v4i3.4529

Abstract

Stock price prediction is challenging due to fluctuating and nonlinear behavior. This study examines the effect of parameter optimization in Support Vector Machine (SVM) on prediction accuracy and error for stock prices. The dataset consists of PT Telekomunikasi Indonesia Tbk (TLKM) stock data from 2022–2024 obtained from Yahoo Finance. The workflow includes normalization, windowing-based feature construction, train–test splitting, and modeling using ε-Support Vector Regression (ε-SVR) with a Radial Basis Function (RBF) kernel. Parameter optimization is conducted via Optimize Parameters (Evolutionary) to find suitable C, gamma, and epsilon values, and the optimized model is compared against a baseline using LibSVM default parameters. Performance is evaluated using Root Mean Squared Error (RMSE), Absolute Error (AE), Correlation, and Prediction Average. Results indicate that the optimized model produces more stable predictions and follows the actual pattern more consistently, although the baseline may yield lower numerical error in some cases. This finding suggests that parameter optimization increases model sensitivity to training patterns but requires careful regularization to prevent accuracy degradation on test data.
Penerapan Algoritma k-Nearest Neighbor untuk Klasifikasi Kondisi Lingkungan Pertanian Berbasis IoT : Penelitian Panji Pangestu Saputra; Hasbi Firmansyah; Rizki Prasetyo Tulodo; Priyo Haryoko; Wahyu Asriyani
Jurnal Pengabdian Masyarakat dan Riset Pendidikan Vol. 4 No. 3 (2026): Jurnal Pengabdian Masyarakat dan Riset Pendidikan Volume 4 Nomor 3 (Januari 202
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jerkin.v4i3.4566

Abstract

The development of the Internet of Things (IoT) has encouraged the adoption of smart technologies in agriculture to enable real-time environmental monitoring. This study aims to apply the k-Nearest Neighbor (k-NN) algorithm to classify agricultural environmental conditions into ideal and non-ideal categories based on IoT sensor data. The dataset used in this research was obtained from an open-source repository and consists of several environmental parameters, including temperature, humidity, and soil moisture. The research stages include data preprocessing, attribute and label determination, data normalization using the z-transformation method, and model evaluation through cross validation. The performance of the classification model was assessed using accuracy, precision, recall, and F-measure metrics. The experimental results indicate that the k-NN algorithm is capable of providing good classification performance in identifying agricultural environmental conditions. However, limitations were observed in detecting minority class instances, suggesting the need for further parameter optimization and model enhancement. This research is expected to serve as a foundation for the development of IoT-based smart agriculture systems to support more effective decision-making in agricultural environmental management.
Penerapan Algoritma Logistic Regression untuk Memprediksi Keberhasilan Terapi Kutil (Cryotherapy) Muhammad Fiqih Ainurohman; Hasbi Firmansyah; Wahyu Asriyani; Rizki Prasetyo Tulodo
Jurnal Intelek Dan Cendikiawan Nusantara Vol. 2 No. 6 (2025): Desember 2025 - Januari 2026
Publisher : PT. Intelek Cendikiawan Nusantara

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

Abstract

Cryotherapy (terapi beku) adalah cara umum untuk mengobati kutil, tetapi tingkat keberhasilannya berbeda-beda antar pasien. Penelitian ini bertujuan membuat model untuk memprediksi apakah Cryotherapy berhasil atau tidak, menggunakan teknik Data Mining dengan algoritma Logistic Regression. Data yang digunakan berasal dari UCI Machine Learning Repository, yang berisi 90 data pasien dan 6 informasi klinis, yaitu usia, jenis kelamin, durasi terapi, jumlah kutil, jenis kutil, dan luas area kutil. Penelitian dilakukan dengan menggunakan perangkat lunak RapidMiner dan metode validasi 10-Fold Cross Validation. Hasil menunjukkan algoritma Regresi Logistik mampu memprediksi keberhasilan terapi dengan akurasi sebesar 86,67%. Penelitian juga menemukan bahwa variabel usia pasien yang muda, yaitu antara 15 sampai 20 tahun, berpengaruh paling besar terhadap hasil pengobatan.
PREDIKSI RISIKO KESEHATAN IBU HAMIL DENGAN MENGGUNAKAN METODE DECISION TREE Raihan Adyatma; Hasbi Firmansyah; Wahyu Asriyani; Rizki Prasetyo Tulodo
Jurnal Intelek Dan Cendikiawan Nusantara Vol. 2 No. 6 (2025): Desember 2025 - Januari 2026
Publisher : PT. Intelek Cendikiawan Nusantara

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

Abstract

Kesehatan ibu hamil merupakan prioritas utama dalam tujuan pembangunan kesehatan global, mengingat masih tingginya Angka Kematian Ibu . Salah satu penyebab kematian ibu adalah keterlambatan dalam mendeteksi faktor risiko seperti hipertensi dan diabetes gestasional. Penelitian ini bertujuan untuk membangun model prediksi tingkat risiko kesehatan ibu hamil  menggunakan teknik Data Mining dengan algoritma Decision Tree. Data yang digunakan bersumber dari UCI Machine Learning Repository yang terdiri dari 1.014 data rekam medis dengan atribut meliputi usia, tekanan darah, kadar gula darah, suhu tubuh, dan detak jantung. Pengolahan data dilakukan menggunakan perangkat lunak RapidMiner Studio. Hasil penelitian menunjukkan bahwa algoritma  mampu mengklasifikasikan risiko ke dalam tiga kategori (Low, Mid, High Risk) dengan tingkat akurasi sebesar [Akurasi 74.43%]. Berdasarkan struktur pohon keputusan yang terbentuk, atribut kadar gula darah  ditemukan sebagai faktor paling dominan dalam menentukan tingkat risiko. Model ini diharapkan dapat membantu tenaga medis dalam melakukan deteksi dini komplikasi kehamilan.Kata kunci: Klasifikasi Sampah; Convolutional Neural Network (CNN); Deep Learning; Pengelolaan Sampah; Visi Komputer
Enhancement increasing the productivity of the traditional herbal “Jamu Mak Lin” through a community partnership program Hapsari, Ira Maya; Akhmadi, Amin Nur; Tulodo, Rizki Prasetyo; Santosa, Irfan
SPEKTA (Jurnal Pengabdian Kepada Masyarakat : Teknologi dan Aplikasi) Vol. 6 No. 2 (2025)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/spekta.v6i2.14742

Abstract

Background: The traditional home-based herbal medicine industry,” Jamu Mak Lin” faces challenges, including traditional herbal medicine production methods on traditional equipment. The packaging and labels of herbal medicine are not registered. There is a scarcity of effective door-to-door marketing strategies. A lack of good management and financial accountability systems. Contribution: The main objective is to increase the productivity of “Jamu Mak Lin” traditional herbs through improvements in production processes and equipment, financial management, and marketing strategies. Method: The method applied is Participatory Action Research (PAR), consisting of both hard and soft programs. Results: The results show a significant improvement in liquid herb production, reaching 150 bottles of 350 mL (approximately 52.5 liters), with an estimated increase in productivity and profit of up to 85% per day. In addition, “Jamu Mak Lin” traditional herbal products have been registered for halal certification, and the packaging design has been improved to be more elegant, hygienic, and readable. Conclusion: Through this community partnership program, the productivity and income of “Jamu Mak Lin” traditional herbal products have significantly increased. The next program’s sustainability is achieved by diversifying herbal medicine dipping and herbal medicine cafes.
Co-Authors . Eko Budiraharjo Abrori Musafic Al Rasyid Agus Wibowo Agus Wibowo Ali Sofian Amin Nur Akhmadi, Amin Nur Arief Priyono Asriyani, Wahyu Chandra Pratama Putra Raharja Firmansyah, Hasbi Fitria, Ria fitria, Ria indah Hanjiyan Riyan Hidayat Hasbi Firmansyah Hasby Firmansyah Hermansyah, Mas’ud Hidayat, Deddy Hidayatullah, Muhammad Khanif Indah Fitria, Ria Ira Maya Hapsari Irfan Santosa Irfandi Irfandi Lukmanul Khakim Mahabba Haeta, Sofa Miswadi Miswadi Muhamad Aris Purwanto Muhammad Akbar Syafii Muhammad Fiqih Ainurohman Nur Tulus Ujianto Nur Tulus Ujianto Nur Tulus Ujianto Nurdiansyah, Irfan Panji Pangestu Saputra Priyo Haryoko Rafli Juan Lauda Al Faiq Raihan Adyatma ria indah fitra, M.Kom, ria Ria Indah Fitria Sari, Nita Winda Simarangkir, Manase Sahat Siswiyanti Sofian, Ali Sofyan, Ali Tulus Ujianto, Nur Ujianto, Nur Tulus Vilda Ferlinda Feronicha Wahyudin Wahyudin Yosephus Arpan Polado Sinurat