Article Per Year (5 Year)
p-Index From 2021 - 2026
3.614
P-Index
This Author published in this journals
All Journal Jurnal Buana Informatika Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Edukasi dan Penelitian Informatika (JEPIN) JOIN (Jurnal Online Informatika) Informatika Mulawarman: Jurnal Ilmiah Ilmu Komputer Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JTERA (Jurnal Teknologi Rekayasa) IJEBD (International Journal Of Entrepreneurship And Business Development) JMM (Jurnal Masyarakat Mandiri) SINTECH (Science and Information Technology) Journal Jurnal Sisfokom (Sistem Informasi dan Komputer) IJISTECH (International Journal Of Information System & Technology) The IJICS (International Journal of Informatics and Computer Science) IJISCS (International Journal Of Information System and Computer Science) Journal of Science Innovare International Journal of Economics, Business and Accounting Research (IJEBAR) Zonasi: Jurnal Sistem Informasi Jurnal Informatika dan Rekayasa Perangkat Lunak Abdimas: Jurnal Pengabdian Masyarakat Universitas Merdeka Malang Community Development Journal: Jurnal Pengabdian Masyarakat Jurnal Teknik Informatika (JUTIF) IJISTECH SmartComp IJISCS (International Journal of Information System and Computer Science) JuTISI (Jurnal Teknik Informatika dan Sistem Informasi) Jurnal Sistem Informasi (JASISFO)
Isa, Indra Griha Tofik
Politeknik Negeri Sriwijaya
Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mechanical Engineering 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 
Aplikasi Layanan Administrasi Mahasiswa Jurusan dalam Membangun Tata Kelola Perguruan Tinggi (Studi Kasus: Jurusan Manajemen Informatika Politeknik Negeri Sriwijaya) Indra Griha Tofik Isa; Indri Ariyanti
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 3, No 2 (2021): September
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v3i2.4372

Abstract

Layanan menjadi faktor utama dalam mengukur kualitas tata kelola di perguruan tinggi, saat ini layanan selalu terintegrasi dengan sistem informasi. Politeknik Negeri Sriwijaya (Polsri) saat ini sudah mengimplementasikan layanan berbasis sistem informasi, namun yang menjadi tantangan dalam pengembangan sistem di Polsri yaitu bagaimana mengakomodir kebutuhan sistem informasi hingga menyasar di level Jurusan dan Program Studi, layanan tersebut bersifat rutin, administratif dan berkaitan langsung dengan mahasiswa. Jurusan Manajemen Informatika (MI) merupakan salah satu jurusan yang memiliki jumlah mahasiswa yang banyak sehingga diperlukan penerapan sistem informasi dalam layanan administrasi mahasiswa. Saat ini sistem layanan yang berjalan di MI masih terpusat pada sistem informasi akademik yang cakupannya meliputi pengeloaan jadwal, penilaian mahasiswa, dan administrasi pengajaran dosen. Namun untuk layanan administrasi mahasiswa belum mengimplementasikan sistem yang terkomputerisasi. Berdasarkan observasi lapangan dan wawancara dengan pengadministrasi jurusan, layanan administrasi yang memerlukan implementasi sistem informasi antara lain: (1) layanan informasi akumulasi kompensasi mahasiswa, (2) layanan pendataan beasiswa, (3) layanan permohonan pelaksanaan Kerja Praktek/ Laporan Akhir/ Tugas Akhir, (4) layanan permohonan Stop Out dan (5) Umpan balik kualitas layanan dari mahasiswa. Hasil akhir dari penelitian ini berupa aplikasi layanan administrasi mahasiswa berbasis web yang mengakomodir layanan mahasiswa dari kelima aspek tersebut
Debtors Prospective Assessment Application using Naive Bayes at Mitra Sejahtera Cooperative Indra Griha Tofik Isa; Beni Junedi
The IJICS (International Journal of Informatics and Computer Science) Vol 6, No 2 (2022): July 2022
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/ijics.v6i2.3990

Abstract

Utilization of historical data into new knowledge can increase added value for its users, including Mitra Setia Cooperative (KMS) which has debtor data that is not utilized. “Not Paid Off” potentioal of debtors cannot be detected as early as possible. In this study using the Naive Bayes algorithm in classifying the feasibility of prospective debtors based on the classification of "Paid Off" and "Not Paid Off" based on parameter of Age, Sex, Amount of Loan, Occupation, Income, and Repayment Period. The research stages consist of (1) Research Initiation, (2) Data Selection, (3) Data Preprocessing, (4) System Design, (5) Program Implementation and (6) Program Testing. The purpose of this study is to minimize the increase in bad loans by implementing the Naive Bayes method in the application of the assessment of prospective debtors. The final result is a debtors prospective assessment application at Mitra Sejahtera Cooperative with an accuracy rate of 86%
Hyperparameter Tuning Epoch dalam Meningkatkan Akurasi Data Latih dan Data Validasi pada Citra Pengendara Indra Griha Tofik Isa; Beni Junedi
Prosiding Seminar Sains Nasional dan Teknologi Vol 12, No 1 (2022): VOL 12, NO 1 (2022): PROSIDING SEMINAR NASIONAL SAINS DAN TEKNOLOGI
Publisher : Fakultas Teknik Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/psnst.v12i1.6697

Abstract

Epoch merupakan salah satu parameter penting dalam pengolahan citra untuk melatih data latih, data validasi ataupun data uji yang menghasilkan nilai akurasi tertentu. Di dalam penelitian ini dilakukan hyperparameter tuning terhadap nilai epoch untuk melihat optimasi nilai akurasi yang dihasilkan. Adapun objek yang dicermati adalah kondisi pengendara kendaraan roda empat yang diklasifikasikan pada posisi (1) Kondisi Ideal berkendara, dan (2) Kondisi tidak ideal berkendara. Data gambar yang diamati sejumlah Sehingga rumusan masalah dari penelitian ini adalah bagaimana mengukur nilai Epoch dalam menghasilkan akurasi prediksi pengendara kendaraan roda empat. Objek yang diamati adalah 5416 citra yang bersumber dari dataset citra amazonaws.com yang sudah tersedia secara publik. Tujuan dari penelitian ini adalah mengukur nilai akurasi terbaik dengan melakukan hyperparameter tuning pada Epoch, sehingga menghasilkan nilai akurasi tertinggi. Tahapan penelitian dilakukan dengan (1) Integrasi Dataset; (2) Image Augmentation; (3) Preprocessing Data; (4) Pemodelan CNN; (5) Hyperparameter Tuning; (6) Penentuan Nilai Akurasi. Dari hasil hyperparameter tuning Epoch, nilai 15 memiliki hasil akurasi yang tertinggi yakni 92,83% untuk akurasi data latih dan 86,04% untuk akurasi data validasi.
Aplikasi Bagi Waris Islam dengan Metode Forward Chaining berbasis Web Desi Minarni; Indra Griha Tofik Isa; Asri Yanik
JOIN (Jurnal Online Informatika) Vol 2 No 2 (2017)
Publisher : Department of Informatics, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/join.v2i2.107

Abstract

Pembagian waris Islam yang dilakukan masyarakat saat ini masih memerlukan pihak ketiga atau seorang pakar yang membantu menghitung pembagian waris. Perhitungan waris yang dilakukan secara manual seperti menghitung data ahli waris satu persatu besar kemungkinan akan terjadinya kesalahan dalam hasil perhitungan yang terjadi akibat kelalaian manusia,. Aplikasi Bagi Waris Islam ini dirancang sebagai aplikasi berbasis web dengan bahasa pemrograman PHP, MySQL yang membantu masyarakat dalam mempelajari ilmu faraidh dan atau menghitung warisan keluarga. Dalam aplikasi ini masyarakat dapat mengetahui langsung dalil-dalil yang menjadi dasar diambilnya keputusan. Proses perhitungan dilakukan menggunakan metode forward chaining, dimana keputusan dapat diambil ketika data-data sudah terkumpul dan dimasukan kedalam aplikasi. Aplikasi ini diharapkan dapat membantu mempermudah masyarakat untuk mempelajari serta melakukan proses perhitungan bagi waris sesuai dengan aturan yang terdapat dalam Al-quran.
Designing A WSNs-based Smart Home Monitoring System through Deep Reinforcement Learning Ahmad Taqwa; Indra Griha Tofik Isa; Indri Ariyanti
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 7 No 5 (2023): October 2023
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v7i5.5143

Abstract

The technology of smart home systems has developed rapidly and provides convenience for human life. Several smart home technologies, especially monitoring systems, have been developed by integrating several aspects, including security systems, fuzzy methods, and energy saving methods. However, the problem is how to build a smart home system that is accurate, convenient, and low-cost. In this research, the development of a smart home monitoring system that integrates wireless sensor networks (WSNs) and deep reinforcement learning (DRL) is carried out based on three parameters, i.e. temperature, humidity and CO2 level. The experimental method is carried out by (1) validating the accuracy quality of WSNs; (2) determining the best model implemented in the system; and (3) measuring the quality of the DRL system on the smart home monitoring system. Based on the test results, several indicators were obtained: (1) WSN testing resulted in an accuracy of 98.52%; (2) the accuracy of the modeling results implemented in the system is 97.70%; and (3) DRL system test on the smart home monitoring system through 21 test scenarios resulted in an accuracy of 95.52%. The indicators of testing this smart monitoring system prove that the developed system provides the advantages of accuracy, ease of use, and low cost.
Penilaian Kinerja Akurasi Metode Klasifikasi dalam Dataset Penerimaan Mahasiswa Baru Universitas XYZ Indra Griha Tofik Isa; Febie Elfaladonna
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 2 (2022): Volume 8 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i2.54316

Abstract

Universitas XYZ merupakan salah satu Perguruan Tinggi yang berlokasi di Kota Palembang yang melakukan kegiatan Penerimaan Mahasiswa Baru (PMB) untuk menjaring calon mahasiswa. Data PMB dari tahun ke tahun belum digunakan secara optimal dalam menghasilkan pengetahuan yang memberikan nilai manfaat bagi pengguna, sehingga diperlukan sebuah pemodelan data yang efisien dan tepat untuk menghasilkan akurasi data yang baik. Penelitian yang dilakukan bertujuan untuk menilai kinerja akurasi pemodelan yang terdapat dalam metode klasifikasi yang meliputi pemodelan k-NN, Decision Tree Classifier, Naive Bayes Classifier, Support Vector Machine (SVM) dan AdaBoost terhadap fitur dalam dataset Penerimaan Mahasiswa Baru (PMB) yang digunakan untuk memprediksi preferensi pemilihan program studi. 26 Fitur dalam dataset diamati hingga menghasilkan 6 fitur yang memiliki nilai korelasi yang tinggi untuk dilibatkan dalam penilaian kinerja akurasi, yang meliputi ‘Jurusan Sekolah’, ‘Penghasilan’, ‘Tahun Masuk’, ‘Tahun Lulus’, ‘Tipe Sekolah’ dan ‘Status Sekolah’ dengan data record sebanyak 2.704 data. Tahapan dilakukan menggunakan Data Life Cycle yang meliputi: (1) Business Understanding yang terdiri dari Penentuan Masalah, Tujuan Proyek, Solusi dari Perspektif Bisnis, dan Instrumen Pengukuran Keberhasilan; (2) Data Understanding dengan penelaahan data; (3) Data Preparation; (4) Modeling; (5) Evaluation. Hasil akhir menunjukkan bahwa k-NN classifier memiliki persentasi akurasi tertinggi sebesar 72.2% dan direkomendasikan dalam pemodelan preferensi program studi bagi calon mahasiswa baru di Universitas XYZ Kota Palembang.
Sistem Monitoring Terpadu untuk Kelompok Geriatri Menggunakan Fuzzy Mamdani Dan Deep Learning Tofik Isa, Indra Griha; Elfaladonna, Febie
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 1: Februari 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025128717

Abstract

Geriatri merupakan salah satu kelompok rentan yang membutuhkan monitoring yang intensif untuk meningkatkan kualitas hidup dari kelompok geriatri itu sendiri. Implementasi kecerdasan buatan (AI) memberikan kemudahan bagi pengguna maupun kelompok geriatri. Di dalam penelitian ini dibangun sistem monitoring bagi kelompok geriatri berbasis parameter saturasi oksigen, detak jantung dalam satuan (beats per minute) (BPM) dan temperatur tubuh yang bertujuan untuk memudahkan dalam memonitoring geriatri melalui teknologi AI. Perangkat menggunakan sensor MAX30205 dan sensor MAX30102 yang diintegrasikan dengan mikrokontroler ESP32 sehingga dapat memonitor kondisi geriatri secara real-time. Implementasi pemodelan untuk mendeteksi kondisi geriatri apakah stabil atau tidak stabil menggunakan deep learning (DL) yang dikembangkan berbasis aturan fuzzy mamdani. Terdapat 10 model DL yang dikomparasi dengan arsitektur layer dan epoch yang berbeda, di mana menghasilkan akurasi tertinggi pada model 8 dengan persentasi akurasi 97,8% dan F1-score sebesar 0,98. Pengujian dilakukan dengan mengukur sensitifitas sistem terhadap pembacaan tiga parameter pada kelompok geriatri, di mana menghasilkan nilai MAPE sebesar 1,33% dan akurasi 98,67%. Sementara pengujian persepsi sistem melalui pemodelan DL yang terintegrasi dengan fuzzy mamdani terhadap data riil pada tiga parameter dilakukan dengan melibatkan 15 partisipan. Berdasarkan eksperimen tersebut, dihasilkan 14 pengujian yang menghasilkan data yang sesuai antara nilai aktual dan nilai hasil. Sehingga akurasi persepsi sistem terhadap kondisi stabilitas kelompok geriatri adalah 93,33%. Penelitian ini berkontribusi dalam meningkatkan kualitas hidup kelompok geriatri melalui implementasi monitoring yang terintegrasi dengan AI serta memiliki originalitas di mana sistem yang dibangun mengkombinasikan teknologi DL dengan teknik Fuzzy untuk menghasilkan akurasi data yang optimal.   Abstract Geriatrics represents one of the vulnerable communities that requires intensive monitoring to enhance the quality of life within the geriatric itself. The implementation of artificial intelligence (AI) provides convenience for both users and the geriatric population. In this study, a monitoring system based on oxygen saturation parameters, heart rate in beats per minute (BPM), and body temperature was developed for the geriatric and aims to monitor the geriatric by utilizing AI technology. The device utilizes MAX30205 and MAX30102 sensors integrated with the ESP32 microcontroller to monitor the geriatric condition in real-time. The implementation of modeling to detect whether the geriatric condition is stable or unstable uses deep learning (DL) developed based on Fuzzy Mamdani rules. There are 10 DL models compared with different layer architectures and epochs, resulting in the highest accuracy in model 8 with an accuracy rate of 97.8% and an F1-score of 0.98. Testing was conducted by measuring the system's sensitivity to readings of three parameters in the geriatric group, yielding a Mean Absolute Percentage Error (MAPE) value of 1.33% and an accuracy of 98.67%. Meanwhile, the perception testing of the system through DL modeling on real data for three parameters involved 15 participants. Based on these experiments, 14 tests were conducted, producing data consistent between actual and observed values. Thus, the system's accuracy in perceiving the stability of the geriatric group's condition is 93.33%. This study contributes to improving the quality of life of geriatric groups through implementing monitoring integrated with AI and has originality where the system combines DL technology with fuzzy techniques to gain optimal data accuracy.  
GEOGRAPHIC INFORMATION SYSTEM IN REGIONAL ASSET MANAGEMENT AT BPKAD OF PALEMBANG CITY Leni Novianti; Indra Griha Tofik Isa; Indri Ariyanti; Rika Sadariawati
IJISCS (International Journal of Information System and Computer Science) Vol 6, No 1 (2022): IJISCS (International Journal of Information System and Computer Science)
Publisher : Bakti Nusantara Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56327/ijiscs.v6i1.1156

Abstract

Background: BPKAD Palembang City as a government agency for managing regional assets, which data on land and building asset management is still in the form of tabular documents. The process of visualizing land and building asset data can be represented through a Geographic Information System (GIS) for easy information and realizing transparent and serving government governance. Problem Formulation: (1) How is the implementation of web-based GIS in the management of regional assets in Palembang City, and (2) How is the level of effectiveness of web-based GIS in regional asset management in BPKAD Palembang City. Research objectives: (1) Provide information, monitoring and supervision to the government, especially BPKAD Palembang City on the classification and mapping of regional assets, and (2) Measure the level of effectiveness of GIS implementation in the management of regional assets. Research stages: Planning, Analysis, Design, Implementation, Testing and Integration, Survey. The final result is a Geographic Information System product that provides easy information, monitoring, and supervision for the Palembang City BPKAD with an effectiveness rate of 81%
Perancangan Desain Interface E-Learning Berbasis Web dengan Pendekatan Kansei Engineering Indra Griha Tofik Isa; Ana Hadiana
Jurnal Teknik Informatika dan Sistem Informasi Vol 3 No 1 (2017): JuTISI
Publisher : Maranatha University Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28932/jutisi.v3i1.657

Abstract

Human Computer Interaction is how to make a good communication between computer and user. In its development, not only focused on usability aspect and technical, but also how to make product more persuasive in psychological aspect. Kansei Engineering (KE) comes to fulfill the product designing which involves user’s psychological or affective factors. There are several KE method in designing product, one of them is Kansei Engineering Type I which is involved in this research. The purpose in this research is to know some psychological factors related with web based interface e-learning design and how to make web based e-learning guideline matrix recommendation by Kansei Engineering Type I.  10 web based e-learning specimens, 20 Kansei Words and 30 participants are involved in the research.
Machine Learning Models for Metabolic Syndrome Identification with Explainable AI Asoka, Egga; Fathoni, Fathoni; Primanita, Anggina; Isa, Indra Griha Tofik
Jurnal Teknik Informatika (Jutif) Vol. 6 No. 3 (2025): JUTIF Volume 6, Number 3, Juni 2025
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2025.6.3.4430

Abstract

Metabolic syndrome (MetS) is a cluster of interrelated risk factors, including hypertension, dyslipidemia, central obesity, and insulin resistance, significantly increasing the likelihood of cardiovascular diseases and type 2 diabetes. Early identification of hypertension, a key component of MetS, is essential for timely intervention and effective disease management. This research aims to develop a hybrid machine learning model that integrates XGBoost classification with K-Means clustering to enhance or strengthening of hypertension prediction and identify distinct patient subgroups based on metabolic risk factors. The dataset consists of 1,878 patient records with metabolic parameters such as systolic and diastolic blood pressure, fasting glucose, cholesterol levels, and anthropometric measurements. Model performance was assessed using accuracy, precision, recall, F1-score, and ROC-AUC. The proposed XGBoost model achieved an outstanding classification performance with 98% accuracy, 98% precision, 98% recall, 98% F1-score, and an ROC-AUC of 1.00. K-Means clustering further identified five distinct patient subgroups with varying metabolic risk profiles. The findings underscore the potential of machine learning-driven decision support systems in improving hypertension diagnosis and MetS management.
Co-Authors Abdul Jalil Agustri, Suzan Ahmad Taqwa Ana Hadiana Ana Hadiana, Ana Asri Yanik Asriyanik . Beni Junedi Beni Junedi Beni Junedi Desi Minarni Dicky Jhoansyah Egga Asoka Elfaladonna, Febie Febie Elfaladonna Hendradinata, Hendradinata Indra Satriadi Indri Ariyanti Ismail Goro Iwan Rizal Setiawan Leni Novianti Masnila, Nelly Mayasari, Riana Minarni, Desi Natalia, Nila Nelly Masnila Primanita, Anggina Purwoko, Agus Rian Rahmanda Putra Riana Mayasari Riana Mayasari Rika Sadariawati Rika Sadariawati Siska Hestiana Sukmini Hartati Suzan Agustri Yanik, Asri Zulkarnaini Zulkarnaini Zulkarnaini Zulkarnaini