Article Per Year (5 Year)
p-Index From 2021 - 2026
4.844
P-Index
This Author published in this journals
All Journal Coding: Jurnal Komputer dan Aplikasi International Journal of Advances in Intelligent Informatics MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Jurnal Sistem Cerdas Abdimas Umtas : Jurnal Pengabdian kepada Masyarakat PengabdianMu: Jurnal Ilmiah Pengabdian kepada Masyarakat Jurnal Teknologi Informasi dan Multimedia Jurnal Varian Jurnal Computer Science and Information Technology (CoSciTech) Reputasi: Jurnal Rekayasa Perangkat Lunak J-Intech (Journal of Information and Technology) Jurnal Minfo Polgan (JMP) MATRIX : JURNAL MANAJEMEN TEKNOLOGI DAN INFORMATIKA Knowbase : International Journal of Knowledge in Database Journal of Artificial Intelligence and Digital Business Bakti Sekawan : Jurnal Pengabdian Masyarakat Jurnal Masyarakat Madani Indonesia Jurnal Elektronika dan Teknik Informatika Terapan Journal Of Artificial Intelligence And Software Engineering Jurnal INFOTEL SmartComp Edu Elektrika Journal Jurnal Pengabdian Pada Masyarakat IPTEKS Prosiding Seminar Nasional CORISINDO Journal of Information Technology
Galih Hendro Martono
Universitas Bumigora, Mataram, Indonesia
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering 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 Engineering Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Medicine & Pharmacology Public Health Social Sciences Other

Published : 34 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 34 Documents
Search

 1   2   3   4 
Identification of top influence users in disseminating information on the 2024 Indonesian National Election Neny Sulistianingsih; Galih Hendro Martono
Matrix : Jurnal Manajemen Teknologi dan Informatika Vol. 14 No. 1 (2024): Matrix: Jurnal Manajemen Teknologi dan Informatika
Publisher : Unit Publikasi Ilmiah, P3M, Politeknik Negeri Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31940/matrix.v14i1.25-32

Abstract

Social media has a vital role in general elections in Indonesia because social media is one of the platforms used by presidential candidates for campaigns to gain public support. General elections in Indonesia occur every five years. Many tweets talk about presidential candidates approaching the national election period. Not least, some buzzers deliberately use Twitter to carry out propaganda against a candidate or to bring down other presidential candidates with their opinions because information can spread widely and quickly on Twitter. Based on this, it is necessary to identify influential users in disseminating information related to the 2024 National Election, especially on Twitter. Various centrality methods were used in this study to identify influence users in sharing information about the 2024 National Election such us Degree Centrality, Closeness Centrality, Harmonic Centrality, Eigenvector Centrality, and Load Centrality. For the evaluation in this study, the results of each method were compared to one another to measure the similarity and correlation between the ranking lists of users who were influential in disseminating information about the 2024 National Election.
Implementasi Algoritma Fp-Growth Dalam Analisis Penerimaan Mahasiswa Baru Baiq Anna Naura Nazifa; Galih Hendro Martono
Jurnal Elektronika dan Teknik Informatika Terapan ( JENTIK ) Vol. 4 No. 2 (2026): Juni: Jurnal Elektronika dan Teknik Informatika Terapan (JENTIK)
Publisher : Politeknik Kampar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59061/jentik.v4i2.1526

Abstract

Competition in higher education encourages universities to use historical admissions data as a basis for more focused recruitment decisions. This study implements the Frequent Pattern Growth (FP-Growth) algorithm to identify frequent itemsets and association rules in new student admissions data at Universitas Bumigora. The analysis used 4,858 applicant records with accepted status from the 2022-2024 admission periods and followed the CRISP-DM framework through the evaluation stage. Four combinations of minimum support and minimum confidence were tested: 5%/50%, 10%/60%, 15%/70%, and 20%/80%. The 5%/50% scenario produced the richest set of patterns, with 1,251 frequent itemsets and 4,763 association rules, while stricter thresholds substantially reduced the number of patterns. The data were strongly concentrated on the Mandiri admission pathway and accepted status. A more informative association linked applicants from vocational high schools (SMK) with the itemset {Mandiri pathway, accepted status, year 2023}, yielding confidence of 1.000 and lift of 1.624. These findings indicate that FP-Growth can support admissions evaluation by revealing segments that are difficult to see from descriptive summaries alone. The results can inform targeted outreach to vocational schools, evaluation of the Mandiri pathway, and enrichment of admissions attributes for future analysis.
Penerapan Ensemble Learning Berbasis Bagging Dan Boosting Untuk Klasifikasi Risiko Serangan Jantung Agum Gynastiar, Ahmad; Hendro Martono, Galih; Sulistianingsih, Neny
Coding: Jurnal Komputer dan Aplikasi Vol. 14 No. 2 (2026): Edisi September 2026
Publisher : Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/coding.v14i2.111427

Abstract

Penyakit jantung memerlukan deteksi risiko secara dini untuk mendukung upaya pencegahan. Penelitian ini bertujuan membandingkan kinerja empat metode ensemble learning, yaitu Bagging Decision Tree, Random Forest, AdaBoost, dan Gradient Boosting untuk klasifikasi risiko serangan jantung. Dataset yang digunakan adalah Heart Attack Risk Dataset yang terdiri atas 20.000 data dan 28 atribut. Tahapan penelitian meliputi preprocessing, Label Encoding, seleksi fitur menggunakan SelectKBest berbasis Mutual Information, dan pembentukan skenario Top-10, Top-15, serta Top-20 fitur. Ketidakseimbangan kelas ditangani menggunakan SMOTE, sedangkan optimasi hiperparameter dilakukan dengan RandomizedSearchCV. Evaluasi menggunakan Stratified 5-Fold Cross-Validation dengan recall kelas positif sebagai metrik utama, dilengkapi uji Wilcoxon Signed-Rank dengan koreksi Holm. Hasil menunjukkan bahwa Gradient Boosting pada skenario Top-10 memiliki kinerja empiris terbaik berdasarkan prioritas recall kelas positif, dengan accuracy sebesar 71,40% ± 0,61%, recall positif 74,20% ± 0,50%, dan F1-score positif 67,68% ± 0,48%. Pada pengujian akhir, diperoleh accuracy 71,17%, precision 61,84%, recall 74,60%, dan F1-score 67,62%. Uji statistik menunjukkan perbedaan kinerja antar-metode tidak signifikan pada taraf 5%. Model belum dapat digunakan untuk keputusan klinis dan memerlukan validasi lebih lanjut. Kata kunci — ensemble learning, risiko serangan jantung, feature selection, SMOTE, machine learning.
Segmentasi Pelanggan dan Analisis Pola Pembelian Berbasis Integrasi K-Means dan FP-Growth pada Data Transaksi Ritel Aditya Saputra; Galih Hendro Martono; Dadang Priyanto
Jurnal Elektronika dan Teknik Informatika Terapan ( JENTIK ) Vol. 4 No. 2 (2026): Juni: Jurnal Elektronika dan Teknik Informatika Terapan (JENTIK)
Publisher : Politeknik Kampar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59061/jentik.v4i2.1571

Abstract

Kemajuan teknologi informasi di sektor ritel menghasilkan data transaksi dalam jumlah besar yang dapat dimanfaatkan untuk memahami perilaku pelanggan dan mendukung pengambilan keputusan bisnis berbasis data. Penelitian ini bertujuan menganalisis pola pembelian dan mengembangkan sistem rekomendasi produk melalui integrasi algoritma K-Means dan FP-Growth. Penelitian dilaksanakan menggunakan tahapan CRISP-DM dengan melibatkan 1.000.000 catatan transaksi ritel periode 2020–2024 yang diperoleh dari Kaggle. K-Means diterapkan untuk mengelompokkan pelanggan berdasarkan jumlah transaksi, total pengeluaran, rata-rata pengeluaran, jumlah produk yang dibeli, serta kecenderungan penggunaan promosi dan diskon. Selanjutnya, FP-Growth digunakan untuk menemukan frequent itemsets dan membentuk aturan asosiasi pada setiap kluster. Hasil metode elbow menunjukkan bahwa jumlah kluster yang sesuai adalah tiga. Kluster 0 terdiri atas 188.607 pelanggan dengan aktivitas belanja relatif rendah, Kluster 1 mencakup 3.171 pelanggan aktif dan loyal, sedangkan Kluster 2 terdiri atas 137.960 pelanggan yang cenderung responsif terhadap promosi dan diskon. Penerapan FP-Growth dengan minimum support sebesar 0,001 dan minimum confidence sebesar 0,01 menghasilkan 19.222 aturan asosiasi, yaitu 6.478 aturan pada Kluster 0, 6.312 aturan pada Kluster 1, dan 6.432 aturan pada Kluster 2. Sebagian besar aturan memiliki nilai lift di bawah 1, yang menunjukkan bahwa keterkaitan antarproduk masih relatif lemah. Meskipun demikian, pada Kluster 1 ditemukan aturan dengan nilai lift sebesar 1,014691, yang mengindikasikan hubungan positif antara kedua produk. Temuan ini menunjukkan bahwa integrasi K-Means dan FP-Growth dapat mengidentifikasi pola pembelian berdasarkan karakteristik setiap segmen pelanggan. Hasil analisis tersebut telah diimplementasikan dalam aplikasi berbasis web dan dapat digunakan sebagai informasi pendukung dalam merancang strategi pemasaran dan penjualan yang lebih terarah.
Co-Authors Aditya Saputra Agum Gynastiar, Ahmad Aguswandi, Lalu Heri Astawa, Andhika rama putra Azhari Azhari Azhari SN Baiq Anna Naura Nazifa Dadang Priyanto Dian Saptarini Dian Syafitri Chani Saputri Eldy Waliyamursida Hairani Hairani Hasbullah Hasbullah Hasbullah Hasbullah Helna Wardhana Helna Wardhana Wardhana Husain Husain Husain Husain Husaini, Rahayun Amrullah Ismarmiaty Janji Armanda Fabian Karor, Iptijanul Khabib Mustofa Lukmana, Aldi M Rizki Mayadi Muhammad Fathoni Mundika, Eko Neny Suliastianingsih Neny Sulistianingsih Neny Sulistianingsih Neny Sulistianingsih Neny Sulistianingsih Ni Putu Sinta Dewi Nindya Alifia Khumaira Nyoman Gita Tri Aditya Ramadhan, Rahmat Adi Mulya Ria Rismayati Rinda Fitriana Azmi Rismayati, Ria Syahrir, Moch. Tenia Wahyuningrum Triwijoyo, Bambang Krismono