Article Per Year (5 Year)
p-Index From 2021 - 2026
1.497
P-Index
This Author published in this journals
All Journal Jurnal Teknologi dan Informasi Simpatik: Jurnal sistem Informasi dan Informatika Jurnal Informatika dan Multimedia TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi Infomans: Jurnal Ilmu-ilmu Informatika dan Manajemen Jurnal Informatika: Jurnal Pengembangan IT Riau Jurnal Teknik Informatika Indonesian Journal of Education (INJOE)
Fathoni Mahardika
Universitas Sebelas April
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 9 Documents
Search

 1 
ANALYSIS OF SENTIMENS IN ONLINE DISCUSSION FORUMS AS A TOOL TO IMPROVE SCHOOLER COMPATIBILITY IN DISTANCE LEARNING Yulian Purnama; Fathoni Mahardika; Cynthia Petra Haumahu
Indonesian Journal of Education (INJOE) Vol. 3 No. 2 (2024): Indonesian Journal of Education (INJOE)
Publisher : CV. ADIBA AISHA AMIRA

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

Abstract

This research aims to analyze the use of sentimental analysis in online discussion forums in the context of distance learning. This research method is literary research, in which we review publications and previous research in this field. The results of the study show that sentimental analysis can be used effectively in analyzing student responses to distance learning through online discussion forums. In some studies, it has been found that sentiment analysis can help in measuring student involvement, identifying student needs, and evaluating the effectiveness of teaching. The use of sentiment analysis has successfully improved the quality of student interaction and provided educators with a better understanding of student needs. Moreover, sentimental analysis can also help in assessing the efficiency of the teaching methods used, so that educators can take necessary corrective action.
Analisis Sentimen pada Implementasi Pembelajaran Berbasis AI : Studi Kasus Persepsi Mahasiswa dan Dosen di Institusi Swasta Fathoni Mahardika
Jurnal Informatika: Jurnal Pengembangan IT Vol 11, No 1 (2026)
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v11i1.9069

Abstract

Penelitian ini mengevaluasi persepsi publik terhadap implementasi Kecerdasan Buatan (Artificial Intelligence/AI) dalam lingkungan pembelajaran di institusi pendidikan swasta. Dengan pendekatan Pemrosesan Bahasa Alami (Natural Language Processing/NLP), penelitian ini melakukan analisis sentimen terhadap tanggapan yang dikumpulkan melalui survei daring dari mahasiswa dan dosen. Tahapan pra-pemrosesan data mencakup case folding, tokenisasi, penghapusan stopword, stemming, dan vektorisasi menggunakan Term Frequency-Inverse Document Frequency (TF-IDF). Model klasifikasi Logistic Regression digunakan untuk mengelompokkan data ke dalam tiga kategori sentimen: positif, netral, dan negatif. Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 88,24% pada data uji. Sebagian besar responden menunjukkan pandangan positif terhadap pembelajaran berbasis AI, meskipun masih terdapat kekhawatiran mengenai kesenjangan akses digital dan efektivitas metode pembelajaran. Temuan ini memberikan masukan strategis bagi institusi pendidikan dalam merancang kebijakan adopsi AI yang inklusif dan efektif di lingkungan akademik.
Klasifikasi Gaya Belajar VARK Siswa Sekolah Dasar Menggunakan K-Nearest Neighbor dan Naive Bayes Berbasis Kuesioner: Classification of VARK Learning Styles of Elementary School Students Using K-Nearest Neighbor and Questionnaire-Based Naive Bayes Deden Adi Mardian Lesmana; Fathoni Mahardika; Dani Indra Junaedi
Jurnal Informatika dan Multimedia Vol. 18 No. 1 (2026): Jurnal Informatika dan Multimedia
Publisher : Politeknik Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jtim.v18i1.9441

Abstract

Gaya belajar memiliki peranan penting dalam menentukan bagaimana siswa memahami informasi, khususnya pada jenjang sekolah dasar yang berada pada tahap perkembangan berpikir konkret. Penelitian ini bertujuan memetakan preferensi belajar siswa menggunakan model VARK (Visual, Aural, Read/Write, Kinesthetic) serta membangun model klasifikasi berbasis algoritma K-Nearest Neighbor (KNN). Sebanyak 40 siswa kelas IV–VI berpartisipasi dengan mengisi 16 item kuesioner VARK. Data diolah melalui proses pembersihan, normalisasi Min–Max, dan pembentukan fitur empat dimensi. Model KNN diuji menggunakan variasi nilai k melalui Stratified 5-Fold Cross Validation. Hasil penelitian menunjukkan bahwa kategori Kinesthetic dan Visual merupakan preferensi belajar yang paling dominan di SDN Cipatat. Model KNN memberikan performa terbaik pada k = 5, dengan akurasi rata-rata 82%, precision 0,81, recall 0,80, dan F1-score 0,79. Analisis confusion matrix memperlihatkan bahwa kategori Kinesthetic dan Visual lebih mudah diprediksi, sementara Aural dan Read/Write memiliki tumpang tindih fitur yang lebih besar. Temuan ini menunjukkan bahwa pendekatan berbasis data dapat memberikan gambaran objektif mengenai preferensi belajar siswa serta mendukung strategi pembelajaran yang lebih adaptif.
Analisis Kebutuhan pada Perancangan Antarmuka Pengguna Aplikasi Koperasi Menggunakan Design Thinking Fina Nur'aeni; Fathoni Mahardika; Dani Indra Junaedi; Agun Guntara
TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi Vol 5 No 2 (2025): TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/tamika.Vol5No2.pp250-254

Abstract

The development of information technology encourages cooperatives to adapt to digital systems to improve efficiency, transparency, and accuracy in managing membership and financial data. This study aims to analyze user needs as the basis for designing a user interface for a cooperative membership and financial management application using the Design Thinking method. This method consists of five stages: empathize, define, ideate, prototype, and test. The study focused on needs analysis with the initial stages: empathize, define, and ideate. The empathize stage involved interviews with cooperative administrators and members, followed by identification through the define stage. The analysis results indicated that users require an efficient, secure, and transparent digital system with key features such as member registration, online payments, bill notifications, and automated financial reports. The ideate stage resulted in a design idea that comprehensively describes user needs. This allows for a design that adapts to the analysis results. Thus, the Design Thinking approach has proven effective in understanding user problems and needs and provides a strong foundation for designing a cooperative application interface that is user-friendly and appropriate to the organization's operational context.
Analisis Kebutuhan Pengguna untuk Perancangan Antarmuka Aplikasi Layanan Pengantaran Menggunakan User-Centered Design Nida Shofwatunnisa; Fathoni Mahardika; Dani Indra Junaedi; Agun Guntara
TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi Vol 5 No 2 (2025): TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/tamika.Vol5No2.pp350-355

Abstract

Delivery services are one type of service that is widely used by the public to facilitate the process of delivering goods and orders. However, the current delivery system is still not running optimally because the use of digital technology has not been maximized. This study aims to analyze user needs in the design of a delivery service application using the User-Centered Design (UCD) method. The UCD approach was chosen because it focuses on users by placing their needs and experiences as the main aspects in the system design process. This study was conducted up to the second stage, which was to understand the context of use and identify user needs. Data collection was carried out by distributing questionnaires to ten respondents consisting of customers, business owners, and couriers. The results of the study show that users need key features such as service ordering, real-time delivery tracking, automatic notifications, and direct communication between customers and couriers. In addition, users also want an application that is easy to use, secure, and has stable performance. The results of this analysis form the basis for the application design in the next stage to produce a system that meets user needs.
Implementasi Algoritma Random Forest untuk Prediksi Volume Pengunjung pada Sektor Layanan Publik (Studi Kasus Unit Layanan Publik di Jawa Barat Tahun 2021-2022) Anisa Pebriyani Huslan; Fathoni Mahardika; Dani Indra Junaedi
Riau Jurnal Teknik Informatika Vol. 4 No. 3 (2025): November 2025
Publisher : Prodi Teknik Informatika Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/rjti.v4i3.4042

Abstract

Peramalan volume pengunjung harian yang akurat merupakan kunci untuk penjadwalan petugas yang andal, antrean yang singkat, dan pengalaman warga yang lebih baik pada layanan publik. Penelitian ini mengajukan pendekatan praktis dan mudah direplikasi yang hanya memanfaatkan sinyal kalender untuk meramalkan kedatangan harian menggunakan Random Forest. Dataset harian unit pelayanan publik tahun 2021 hingga 2022 berisi 730 observasi dan dibagi secara kronologis menjadi 80 persen pelatihan dan 20 persen pengujian agar menyerupai penerapan nyata serta menghindari kebocoran informasi. Prediktor mencakup hari, bulan, hari dalam minggu, indikator akhir pekan, minggu dalam bulan, serta penanda awal dan akhir bulan. Model menggunakan 200 pohon dengan max_depth = 8. Kinerja dievaluasi menggunakan MAE, MAPE, RMSE, dan R² serta dibandingkan dengan dua baseline yang kuat, yaitu naive lag-1 dan rata-rata hari dalam minggu. Pada data uji, model mencapai R² = 0.873, RMSE = 16.328, MAE = 13.103, dan MAPE sekitar 5,00 persen, melampaui kedua baseline. Secara kuantitatif, model ini menurunkan kesalahan prediksi (MAPE) masing-masing sekitar 64% dan 67% dibandingkan baseline naïve lag-1 dan rata-rata hari dalam minggu, menegaskan keunggulan empirisnya. Analisis feature importance menempatkan hari dalam minggu dan akhir pekan sebagai variabel paling berpengaruh dan sejalan dengan intuisi operasional. Temuan ini menunjukkan bahwa peramalan berbiaya rendah dan hemat data mampu memberikan akurasi yang siap pakai untuk penjadwalan, pemantauan risiko antrean, dan alokasi kapasitas, serta mudah ditingkatkan dengan konteks tambahan seperti hari libur dan cuaca.
Perbandingan Kinerja Algoritma Linear Search dan Binary Search dalam Pencarian Data Revaliana Indriyani Surachman; Fidi Supriadi; Asep Saeppani; Fathoni Mahardika
Infoman's : Jurnal Ilmu-ilmu Informatika dan Manajemen Vol. 19 No. 2 (2025): Infoman's
Publisher : LPPM & Fakultas Teknologi Informasi UNSAP

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

Abstract

Data searching is a fundamental aspect of computer science that affects application performance. This study aims to analyze and compare the efficiency of two basic searching algorithms, namely Linear Search and Binary Search. The research method was conducted by testing both algorithms using datasets with a varying number of elements to measure execution time and algorithm complexity. The results showed that Linear Search is more efficient for small or unsorted data, while Binary Search shows much superior performance on large sorted datasets with a time complexity of O(log n). The conclusion of this study provides guidance in choosing the right searching algorithm based on data characteristics and system requirements.
Desain Sistem Internet Of Things untuk Monitoring Kebocoran Gas Berbasis Website dengan Notifikasi Real-Time Deris Santika; Muhamad Rian Aprilyawan; Fathoni Mahardika
Simpatik: Jurnal Sistem Informasi dan Informatika Vol. 5 No. 1 (2025): Juni 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/simpatik.v5i1.7668

Abstract

Kebocoran gas LPG (Liquefied Petroleum Gas) menjadi salah satu ancaman serius bagi keselamatan rumah tangga. Penelitian ini bertujuan untuk mengembangkan sistem berbasis Internet of Things (IoT) yang mampu mendeteksi kebocoran gas secara real-time menggunakan mikrokontroler ESP32, sensor MQ2 untuk mendeteksi konsentrasi gas, dan sensor DHT11 untuk memantau suhu serta kelembapan. Sistem ini dirancang untuk mengirimkan notifikasi otomatis melalui aplikasi WhatsApp dan dapat dikontrol dari jarak jauh melalui website. Metode pengembangan yang digunakan adalah pendekatan Waterfall, yang memastikan setiap tahap dikerjakan secara terstruktur. Hasil pengujian menunjukkan bahwa sistem memiliki akurasi tinggi dalam mendeteksi kebocoran gas dan merespons dengan cepat ketika konsentrasi gas mencapai ambang batas berbahaya. Sistem ini juga menawarkan potensi integrasi dengan teknologi smart home untuk pengembangan lebih lanjut. Dengan fitur notifikasi real-time dan kontrol jarak jauh, sistem ini memberikan solusi yang inovatif dan efisien untuk meningkatkan keamanan rumah tangga. Penelitian ini diharapkan dapat membantu masyarakat menciptakan lingkungan yang lebih aman, nyaman, dan cerdas.
Analisis Perbandingan Algoritma Random Forest, SVM, dan Neural Network untuk Klasifikasi Risiko Keamanan E-Learning Rahmat Taufik Nugraha; Deden Hidayat; Fathoni Mahardika
Jurnal Teknologi dan Informasi (JATI) Vol 16 No 1 (2026): Jurnal Teknologi dan Informasi (JATI)
Publisher : Program Studi Sistem Informasi, Fakultas Teknik dan Ilmu Komputer, Universitas Komputer Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/jati.v16i1.17191

Abstract

Akselerasi adopsi platform e-learning akibat pandemi COVID-19 telah memperluas permukaan serangan siber di sektor pendidikan, menuntut solusi deteksi ancaman yang lebih canggih. Machine learning (ML) menawarkan pendekatan proaktif untuk mengatasi tantangan ini, namun belum terdapat konsensus mengenai algoritma yang paling optimal. Studi ini bertujuan melakukan analisis komparatif empiris terhadap tiga algoritma ML terkemuka Random Forest (RF), Support Vector Machine (SVM), dan Neural Network (NN) dalam mengklasifikasikan risiko keamanan pada lingkungan e-learning. Menggunakan dataset sintetik Classroom Data Security Threats, penelitian ini menerapkan metodologi kuantitatif yang mencakup pra-pemrosesan data dan evaluasi model menggunakan metrik accuracy, F1-score, dan ROC-AUC. Hasil eksperimen menunjukkan kinerja yang sangat terbatas dari ketiga model. NN mencapai akurasi tertinggi, namun hanya sebesar 33.5%, sedikit di atas SVM (32.5%) dan RF (29.5%). Secara signifikan, skor ROC-AUC untuk semua model berada di sekitar 0.5, yang mengindikasikan kemampuan prediktifnya tidak lebih baik dari tebakan acak. Kegagalan serempak ini menyiratkan bahwa tantangan utama bukan terletak pada pemilihan algoritma, melainkan pada kualitas prediktif dataset dan ketiadaan optimisasi hyperparameter. Temuan ini menggarisbawahi pentingnya kualitas data dan rigor metodologis sebagai prasyarat fundamental untuk pengembangan sistem keamanan siber berbasis ML yang efektif.
Co-Authors Agun Guntara Anisa Pebriyani Huslan Asep Saeppani CYNTHIA PETRA HAUMAHU Dani Indra Junaedi Deden Adi Mardian Lesmana Deden Hidayat Deris Santika Fidi Supriadi Fina Nur'aeni Muhamad Rian Aprilyawan Nida Shofwatunnisa Purnama, Yulian Rahmat Taufik Nugraha Revaliana Indriyani Surachman