Article Per Year (5 Year)
p-Index From 2021 - 2026
6.625
P-Index
This Author published in this journals
All Journal Jurnal Statistika Universitas Muhammadiyah Semarang Jurnal Teknologi dan Manajemen Informatika Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Prosiding SNATIF Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Informatika dan Teknik Elektro Terapan PROtek : Jurnal Ilmiah Teknik Elektro Sistem : Jurnal Ilmu-Ilmu Teknik JEEMECS (Journal of Electrical Engineering, Mechatronic and Computer Science) Conference SENATIK STT Adisutjipto Yogyakarta Management and Economics Journal (MEC-J) JTAM (Jurnal Teori dan Aplikasi Matematika) JURNAL INSTEK (Informatika Sains dan Teknologi) CYCLOTRON Jurnal Abadimas Adi Buana Jiko (Jurnal Informatika dan komputer) Jurnal Teknik Elektro dan Komputer TRIAC Jurnal Riset Informatika JEECAE (Journal of Electrical, Electronics, Control, and Automotive Engineering) JASIEK (Jurnal Aplikasi Sains, Informasi, Elektronika dan Komputer) bit-Tech Jurnal Sistem informasi dan informatika (SIMIKA) JATI (Jurnal Mahasiswa Teknik Informatika) CIVITAS (JURNAL PEMBELAJARAN DAN ILMU CIVIC) International Journal of Advances in Data and Information Systems Journal of Computer Networks, Architecture and High Performance Computing Darmabakti : Junal Pengabdian dan Pemberdayaan Masyarakat JAREE (Journal on Advanced Research in Electrical Engineering) Jurnal Teknik Informatika (JUTIF) International Journal of Robotics and Control Systems Jurnal Teknologi dan Manajemen ALINIER: Journal of Artificial Intelligence & Applications SinarFe7 Jurnal Penelitian Journal of Information Systems and Technology Research JAPI: Jurnal Akses Pengabdian Indonesia Jurnal Ilmiah Edutic : Pendidikan dan Informatika Internet of Things and Artificial Intelligence Journal JEECS (Journal of Electrical Engineering and Computer Sciences) TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi ITIJ Indonesian Journal of Electronics, Electromedical Engineering, and Medical Informatics Jurnal ilmiah teknologi informasi Asia Jurnal PETISI (Pendidikan Teknologi Informasi) Jurnal Aplikasi Sains Data
Dwi Arman Prasetya
Unknown Affiliation
Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering 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 Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Nursing Public Health Social Sciences Other

Published : 86 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 86 Documents
Search

 5   6   7   8   9 
PEMETAAN KARAKTERISTIK WILAYAH MISKIN DI JAWA TIMUR MENGGUNAKAN SPECTRAL CLUSTERING UNTUK PENENTUAN TARGET KEBIJAKAN Herdianti, Rahmalia Anindya; Wahyu Syaifullah Jauharis Saputra; Dwi Arman Prasetya
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 10 No 2 (2025): OCTOBER
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v10i2.56845

Abstract

Tingkat kemiskinan yang masih tinggi di Jawa Timur merupakan permasalahan serius yang memerlukan perhatian dan penanganan berbasis data yang komprehensif. Ketimpangan sosial ekonomi antarwilayah menyebabkan sebagian daerah tertinggal dalam pembangunan, sehingga pengelompokan wilayah miskin menjadi langkah strategis untuk membantu pemerintah dalam menentukan prioritas serta arah kebijakan pengentasan kemiskinan yang lebih efektif. Penelitian ini bertujuan untuk memetakan karakteristik wilayah miskin di Jawa Timur menggunakan algoritma Spectral Clustering dengan 11 indikator sosial ekonomi sebagai variabel analisis. Berdasarkan hasil pembobotan kontribusi variabel terhadap pembentukan klaster, indikator yang paling berpengaruh adalah garis kemiskinan (0,259418), rata-rata lama sekolah (0,259067), harapan lama sekolah (0,147613), dan indeks pembangunan manusia (0,133441). Hasil pengelompokan menunjukkan adanya dua klaster utama, yaitu wilayah dengan tingkat kemiskinan tinggi (26 kabupaten/kota) dan wilayah dengan tingkat kemiskinan rendah (12 kabupaten/kota). Evaluasi kualitas model menghasilkan nilai Davies-Bouldin Index (0,4401) dan Silhouette Score (0,6655), yang menunjukkan bahwa metode ini mampu membentuk kelompok dengan pemisahan yang cukup baik. Temuan ini diharapkan dapat menjadi dasar dalam perumusan kebijakan intervensi yang lebih terarah, berkelanjutan, dan berkeadilan sosial di Jawa Timur.
Perbandingan Kinerja Algoritma XGBoost dan CatBoost dalam Klasifikasi Risiko Penyakit Diabetes Utomo, Setyobudi; Sigit, Syauqita; Sulistyowati, Niken; Prasetya, Dwi Arman; Fahrudin, Tresna Maulana
ALINIER: Journal of Artificial Intelligence & Applications Vol. 6 No. 2 (2025): ALINIER Journal of Artificial Intelligence & Applications
Publisher : Program Studi Teknik Elektro S1 ITN Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/alinier.v6i2.14772

Abstract

Diabetes merupakan penyakit kronis dengan prevalensi global yang terus meningkat, termasuk di Indonesia. Deteksi dini sangat penting untuk mencegah komplikasi serius yang terkait dengan kondisi ini. Seiring dengan kemajuan teknologi, pendekatan machine learning semakin banyak diterapkan dalam klasifikasi penyakit dan prediksi risiko. Penelitian ini bertujuan untuk membandingkan kinerja dua algoritma gradient boosting, yaitu XGBoost dan CatBoost, dalam mengklasifikasikan risiko diabetes berdasarkan data medis pasien. Dataset yang digunakan adalah Diabetes Dataset, yang terdiri dari delapan fitur medis dan satu label target. Penelitian ini mencakup proses pra-pemrosesan data, pelatihan model dengan pembagian data latih dan uji, serta evaluasi menggunakan metrik klasifikasi seperti akurasi, presisi, recall, dan F1-score. XGBoost dipilih karena efisiensinya dalam komputasi serta adanya regularisasi bawaan yang membantu mencegah overfitting pada data numerik berskala besar. Sementara itu, CatBoost digunakan karena kemampuannya dalam menangani fitur kategorikal secara langsung melalui teknik random permutation dan ordered boosting. Hasil dari penelitian ini diharapkan dapat berkontribusi pada pengembangan sistem prediksi diabetes yang lebih akurat dan efisien serta menjadi referensi dalam penerapan algoritma boosting di bidang medis.
Implementasi XGboost dan Support Vector Regression dalam Prediksi Harga Emas dengan Bayesian Optimization Alfa, Aniysah Fauziyyah; Prasetya, Dwi Arman; Sugiarto, Sugiarto
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 6: Desember 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025126

Abstract

Harga emas menunjukkan tren peningkatan sepanjang waktu yang dipengaruhi oleh berbagai faktor spesifik. Prediksi harga emas memainkan peran penting dalam pengambilan keputusan keuangan. Namun, fluktuasi harga yang dipengaruhi oleh faktor makroekonomi menghadirkan tantangan tersendiri dalam proses peramalan, terutama bagi investor dan pelaku pasar. Penelitian ini membahas kebutuhan model prediksi harga emas yang tepat dalam lingkungan ekonomi Indonesia dengan mengintegrasikan Bayesian Optimization pada algoritma XGBoost dan Support Vector Regression (SVR) untuk meningkatkan akurasi prediksi berdasarkan data inflasi dan suku bunga. Metode yang digunakan meliputi pra-pemrosesan data, rekayasa fitur (feature engineering), pembuatan model dan Bayesian Optimization untuk tuning hyperparameter, dengan evaluasi model menggunakan metrik MAE, RMSE, dan MAPE. Hasil menunjukkan performa luar biasa dari kedua model dengan nilai R² melebihi 0,9992. Model XGBoost lebih unggul dengan MAPE sangat rendah sebesar 0,18% dibandingkan SVR sebesar 0,36%. Analisis menunjukkan bahwa Bayesian Optimization berhasil meningkatkan akurasi model dengan menemukan parameter optimal. Fitur tambahan seperti lag dan moving average terbukti efektif dalam merepresentasikan pola historis harga. Penelitian ini memberikan manfaat untuk pengambilan keputusan yang berharga bagi investor dan pembuat kebijakan dalam merumuskan strategi investasi emas di tengah ketidakpastian ekonomi.   Abstract Gold prices show an upward trend over time influenced by various specific factors. Gold price prediction plays an important role in financial decision making. However, price fluctuations influenced by macroeconomic factors present their own challenges in the forecasting process, especially for investors and market players. This study discusses the need for an appropriate gold price prediction model in the Indonesian economic environment by integrating Bayesian Optimization on the XGBoost algorithm and Support Vector Regression (SVR) to improve prediction accuracy based on inflation and interest rate data. The methods used include data pre-processing, feature engineering, model building and Bayesian Optimization for hyperparameter tuning, with model evaluation using MAE, RMSE, and MAPE metrics. The results show excellent performance of both models with R² values ​​exceeding 0.9992. The XGBoost model is superior with a very low MAPE of 0.18% compared to SVR of 0.36%. The analysis shows that Bayesian Optimization successfully improves model accuracy by finding optimal parameters. Additional features such as lag and moving averages prove effective in representing historical price patterns. This research provides valuable decision-making benefits for investors and policy makers in formulating gold investment strategies amid economic uncertainty.
ANALISIS MANAJEMEN RISIKO KEAMANAN INFORMASI SISTEM LAYANAN UPA-PKK UPN “VETERAN” JAWA TIMUR MENGGUNAKAN METODE NIST SP800-30 Suryantari, Putu Anggi; Aryananda, Rangga Laksana; Alhamda, Denisa Septalian; Sari, Anggraini Puspita; Prasetya, Dwi Arman
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 1 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i1.8779

Abstract

Keamanan informasi merupakan aspek penting dalam penerapan sistem layanan berbasis teknologi informasi di lingkungan perguruan tinggi. Sistem layanan UPA PKK UPN Veteran Jawa Timur berperan dalam mendukung kegiatan pengembangan karier dan kewirausahaan mahasiswa serta alumni sehingga memerlukan pengelolaan risiko keamanan informasi yang terstruktur. Penelitian ini bertujuan untuk menganalisis risiko keamanan informasi menggunakan metode NIST SP 800-30. Tahapan penelitian meliputi identifikasi ancaman, identifikasi kerentanan, analisis pengendalian, penilaian tingkat kemungkinan dan dampak, serta penentuan tingkat risiko. Hasil penelitian menunjukkan bahwa risiko keamanan informasi pada sistem layanan UPA PKK berada pada kategori rendah, sedang, hingga tinggi, dengan risiko dominan berada pada tingkat sedang hingga tinggi, terutama pada aspek keamanan akses sistem dan pengelolaan data. Rekomendasi pengendalian difokuskan pada penguatan mekanisme autentikasi, pembaruan sistem secara berkala, serta peningkatan prosedur keamanan. Metode NIST SP 800-30 terbukti memberikan pendekatan yang sistematis dalam pengelolaan risiko keamanan informasi pada sistem layanan UPA PKK.
Pengujian Fungsional Website Crusher Report Berbasis Machine Learning Menggunakan Metode Robustness Testing Adhigiadany, Chelsea Ayu; Hindrayani, Kartika Maulida; Prasetya, Dwi Arman
JURNAL PETISI (Pendidikan Teknologi Informasi) Vol. 7 No. 1 (2026): JURNAL PETISI (Pendidikan Teknologi Informasi)
Publisher : Universitas Pendidikan Muhammadiyah Sorong

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36232/jurnalpetisi.v7i1.2014

Abstract

Website dan Machine Learning menjadi kebutuhan penting perusahaan dalam rangka meningkatkan efektivitas kinerja. Salah satu implementasi integrasi website dengan Machine Learning adalah website Crusher Report milik PT XYZ. Website yang dirancang dengan memanfaatkan LARS, PostgreSQL, dan Flask ini sudah diuji secara ketangkasan model dalam memprediksi. Penelitian ini bertujuan untuk menguji keandalan website Crusher Report sebagai user interface milik PT XYZ menggunakan pendekatan Black Box Testing dengan metode Robustness Testing. Skenario pengujian yang digunakan yaitu dengan memberikan input diluar ketentuan website. Hasil pengujian menunjukkan bahwa website mampu menangani seluruh input tidak valid dengan baik melalui notifikasi kesalahan dan pengaturan nilai input otomatis, menghasilkan tingkat keberhasilan pengujian sebesar 100%. Temuan ini menunjukkan bahwa website Crusher Report efektif dalam mendeteksi dan mengelola kesalahan input, serta layak digunakan sebagai platform pendukung operasional crusher PT XYZ.
Prediksi Harga Saham Menggunakan Model Mixture Autoregressive (MAR) (Studi Kasus : Saham Perusahaan Rokok) Ristiyani, Sintiya; Mohammad Idhom; Dwi Arman Prasetya
JURNAL PETISI (Pendidikan Teknologi Informasi) Vol. 7 No. 1 (2026): JURNAL PETISI (Pendidikan Teknologi Informasi)
Publisher : Universitas Pendidikan Muhammadiyah Sorong

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36232/jurnalpetisi.v7i1.2721

Abstract

Memprediksi harga saham merupakan tantangan besar dalam dunia penelitian karena tingginya risiko yang terlibat, meskipun potensi keuntungannya juga sangat besar. Hal ini mencerminkan bahwa pergerakan saham sangat dipengaruhi oleh perubahan faktor eksternal maupun internal. Oleh karena itu, memperoleh prediksi harga saham yang tepat menjadi sangat krusial guna meminimalkan kemungkinan kerugian bagi para investor. Penelitian ini dilakukan dengan tujuan untuk memprediksi harga saham dari tiga perusahaan rokok besar di Indonesia, yaitu PT. Hanjaya Mandala Sampoerna Tbk (HMSP), PT. Gudang Garam Tbk (GGRM), dan PT Wismilak Inti Makmur Tbk (WIIM). Penelitian ini menggunakan suatu model statistika bernama Mixture Autoregressive (MAR), dipilih karena kemampuannya dalam menangkap pola tidak linier serta perubahan kondisi yang sering muncul pada pergerakan harga saham. Menggunakan model MAR diperoleh model MAR dengan nilai Mean Absolute Percentage Error (MAPE) untuk masing-masing perusahaan yaitu Gudang Garam (5.46%), Sampoerna (4.52%), dan Wismilak (3.58%).
Co-Authors ', Nachrowie ., Humaidi A. A. Ngurah Gunawan Aan Nehru Awanto Achmad Junaidi Adhigiadany, Chelsea Ayu Aditya, Wigananda Firdaus Putra Agustin, Sesillia Agustina, Fadlila Akio Kitagawa Alam, Fajar Indra Nur Alfa, Aniysah Fauziyyah Alhamda, Denisa Septalian Ali, Munawar Amrullah, Ahmad Wildan Andre Leto Andrew Arjunanda Yasin Anggraini Puspita Sari Anindha Lazuardi Aries Boedi Setiawan Arifani, Kahpi Baiquni Arifuddin, Rahman Arinda, Putri Surya Arum Puspita Ayu Aryananda, Rangga Laksana Atiana Sofia Kaci Awang, Wan Suryani Wan Azizah, Alisa Jihan Aziziyah, Luqna Baidowi Baidowi Baidowi Baidowi Bambang Nurdewanto Barus, Indra Basitha F Hidayatulail Cahyani Kuswardhani, Hajjar Ayu cahyono, wahyu eko Candra Laksana Damai Arbaus, Damai Damaliana, Aviolla Terza Danang - Destiawan Danang Destiawan Desyderius Minggu Dicky Kurniawan Diyasa, I Gede Susrama Mas Dody Pintarko Dwi Agung Ayubi E, Nachrowie Ekawati, Anies Eko Wahyu Prasetyo Elta Sonalitha Sonalitha Emilia, Kholidatus Erik Roma Hurmuzi Fahrudin, Tresna Maulana Farhans, Muhammad Izzudin Febriyanti, Alvi Yuana Firdaus Firdaus Firza Prima Aditiawan Gatut Yulisusianto Halim, Christina Hari Fitria Windi Hendry Yudha Pratama Herdianti, Rahmalia Anindya Hesti Sholikah, Hesti Hidayatulail, Basitha F Hikmata Tartila Hindrayani, Kartika Maulida Hiroshi Suzuki Hurmuzi, Erik Roma Ibrahim, Mohd Zamri Bin idhom, Mohammad Iffadah, Adhisa Shilfadianis Indra Barus Irsyadi, Muhamad Haidir Ismail, Jefri Abdurrozak Januar, Teddy Jariyah Jeki Saputra Junita Junita Kartika Maulida Hindrayani Kassim, Anuar bin Mohamed Kholid, Fajar Kukuh Yudhistiro, Kukuh Kurniawan, Dicky Kusuma, Dwi Febri Chandra Kusuma, Firdaus Miftakh Kuswardana, Dendy Arizki Laksana, Candra Larasati Lestari, Amanda Ayu Dewi Lisanthoni, Angela Maldini, Andry Syva Mas Diyasa, I Gede Susrama Maulidiyyah, Nova Auliyatul Mohammad Ansori Mohammad Idhom Mohammad, Bawazir Fadhil Muhaimin, Amri Muhammad Ansori Muhammad Ghinan Navsih Muhammad Muharrom Al Haromainy Muhammad Naswan Izzudin Akmal Mulyadi Mulyadi Nachrowie Nachrowie Nachrowie, Nachrowie Nambo Hidetaka Niken Sulistyowati Ningrum, Imelda Widya Ninik Sisharini Ninis Herawati Norma Windiyanti Novita Anggraini Nur Rachman Nur Rachman Supatmana Muda Nur Rochman Nur Rochman Nurhalizah, Cesaria Deby Prakoso, Akbar Tri Prameswari, Diajeng Prismahardi Aji Riyantoko Puput Dani Prasetyo Adi Putri, Irma Amanda Putri, Serlinda Mareta Rabi, Abd. Rahayu, Ayu Sri Rahman Arifuddin Rahmanda Putri, Endin Rahmawati, Adinda Aulia Respati Respati Ristiyani, Sintiya Riyantoko, Prismahardi Aji Rosariawari, Firra Rudi Wilson Sagita Rochman Salim, Hotimah Masdan Santika, Surya Saputra, Wahyu Syaifullah Jauharis Sari, Andina Paramita Sigit, Syauqita Siswanto Siswanto Sitanggang, Desi Daomara Siti Nuurlaily Rukmana, Siti Nuurlaily Stanislaus Yoseph Subairi Subairi Sugiarto S Sumartono Sumartono Sumartono Suprayogi Suprayogi Suprayogi Suprayogi Surya Nanda Santika, Surya Suryantari, Putu Anggi Takahiro Kitajima Takashi Yasuno Tresna Maulana Fahrudin Trimono Trimono, Trimono Utomo, Setyobudi Wahyu Dirgantara Wahyu Putra Pratama Wahyu Syaifullah Jauharis Saputra Wahyuni, Dinar H S wangge, ferdinandus Weisrawei, Yosef Yasin, Andrew Arjunanda Yohanes U D Sipul Yosef Weisrawei Yosua Satria Bara Harmoni Yuliani, Devina Putri Yunia Dwie Nurchayanie Yusaq Tomo Ardianto