Article Per Year (5 Year)
p-Index From 2021 - 2026
4.041
P-Index
This Author published in this journals
All Journal Jurnal Nasional Komputasi dan Teknologi Informasi Technologia: Jurnal Ilmiah Media Informatika Journal of Computer Networks, Architecture and High Performance Computing Jurnal Responsif : Riset Sains dan Informatika Jurnal Sains Manajemen INTERNATIONAL JOURNAL OF MECHANICAL COMPUTATIONAL AND MANUFACTURING RESEARCH Malcom: Indonesian Journal of Machine Learning and Computer Science SisInfo : Jurnal Sistem Informasi dan Informatika Innovative: Journal Of Social Science Research Journal of Social Science Utilizing Technology TGO Journal of Community Development Journal of International Multidisciplinary Research Jurnal Intelek Dan Cendikiawan Nusantara Technologia Journal Jurnal Sains, Teknologi dan Kesehatan Journal of Social Science Utilizing Technology Jurnal Informatika dan Kesehatan Journal of Public Health Indonesian Journal of Public Health Indonesian Technologia Journal
Agung Rachmat Raharja
Universitas Bandung
Religion Aerospace Engineering Arts 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 Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Public Health Social Sciences Transportation Other

Published : 31 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 31 Documents
Search

 1   2   3   4 
Perancangan Sistem Monitoring Cerdas Berbasis Internet of Things (IoT) dengan Algoritma Random Forest Regression untuk Deteksi Ketinggian pada Tanaman Tomat Cherry: Design of an Intelligent Monitoring System Based on Internet of Things (IoT) with Random Forest Regression Algorithm for Height Detection in Cherry Tomato Plants Putra, Vito Hafizh Cahaya; Al-Husaini, Muhammad; Wahyu, Ari Purno; Raharja, Agung Rachmat
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 1 (2025): MALCOM January 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i1.1612

Abstract

Tomat cherry merupakan komoditas bernilai di Indonesia dengan permintaan yang meningkat setiap tahunnya. Penelitian ini mengembangkan sistem pemantauan cerdas berbasis Internet of Things (IoT) untuk tanaman tomat cherry menggunakan algoritma Random Forest Regression (RFR). Sistem ini memanfaatkan mikrokontroler ESP32 dan lima sensor untuk memantau parameter lingkungan, serta aktuator untuk pengaturan kondisi optimal. Data sensor diproses dan disimpan di platform Thingspeak dan diintegrasikan dengan Google Colab untuk prediksi ketinggian tanaman. Hasil prediksi ditampilkan di layar LCD dan dikirimkan sebagai notifikasi melalui aplikasi Telegram. Penelitian ini mengisi kesenjangan dari studi sebelumnya dengan mengintegrasikan berbagai sensor, aktuator, dan platform cloud dalam satu sistem yang komprehensif. Evaluasi sistem menunjukkan nilai Mean Squared Error (MSE) sebesar 0.8294 dan R^2 Score sebesar 0.8939, serta hasil pengujian Black Box Testing memastikan fungsionalitas optimal dalam berbagai skenario. Hasil penelitian ini dapat memberikan manfaat dalam penerapan teknologi IoT dan machine learning untuk monitoring dan pengelolaan tanaman tomat cherry, harapannya meningkatkan efisiensi dan produktivitas pertanian.   
Perbandingan Kinerja Metode Machine Learning Support Vector Machine (SVM), Random Forest, dan K-Nearest Neighbors (KNN) dalam Prediksi Harga Saham Apple Rismayadi, Ali Akbar; Febrianto, Rudhi Wahyudi; Raharja, Agung Rachmat; Hariyanti, Ifani
Media Informatika Vol 23 No 3 (2024)
Publisher : P3M STMIK LIKMI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37595/mediainfo.v23i3.299

Abstract

Penelitian ini mengevaluasi kinerja tiga model machine learning SVM, Random Forest, dan KNN untuk memprediksi harga saham Apple. Menggunakan data historis saham, modelmodel tersebut dinilai berdasarkan metrik utama: Mean Squared Error (MSE), Mean Absolute Error (MAE), dan R-Squared (R²). Hasil penelitian menunjukkan bahwa SVM adalah model dengan kinerja terbaik, dengan MSE sebesar 0.2637, MAE sebesar 0.2710, dan R² sebesar 0.9999, yang mencerminkan akurasi prediksi yang sangat baik dan keandalan yang tinggi. Model Random Forest menunjukkan kinerja yang cukup kompetitif dengan MSE sebesar 0.4781, MAE sebesar 0.3852, dan R² sebesar 0.9998. Sebaliknya, model KNN memiliki tingkat kesalahan tertinggi, dengan MSE sebesar 0.7938 dan R² sebesar 0.9997, sehingga kurang cocok untuk dataset ini. Temuan ini menegaskan bahwa SVM adalah model yang paling andal untuk memprediksi harga saham Apple secara akurat. Penelitian ini memberikan wawasan penting dalam pemilihan model pembelajaran mesin untuk prediksi deret waktu finansial, yang dapat mendukung pengambilan keputusan yang lebih baik dalam analisis pasar saham.
Perbandingan Algoritma Decision Tree dan Naive Bayes dalam Klasifikasi Data Pengaruh Media Sosial dan Jam Tidur Terhadap Prestasi Akademik Siswa Husaini, Al -; Hariyanti, Ifani; Raharja, Agung Rachmat
Technologia : Jurnal Ilmiah Vol 15, No 2 (2024): Technologia (April)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v15i2.14381

Abstract

Masalah : Penerapan dan perbandingan algoritma Decision Tree dan naïve bayes berkaitan dengan studi kasus mengenai dampak penggunaan media sosial dan pola tidur terhadap kinerja akademik mahasiswa.Tujuan: Kontribusi yang signifikan terhadap pemahaman tentang bagaimana media sosial dan kebiasaan tidur bersama-sama mempengaruhi kinerja akademik mahasiswa dengan penerapan algoritma Decision Tree dan Naïve BayesMetode: Pada penelitian ini perbandingan algoritma Decision Tree dan algoritma Naive Bayes digunakan untuk klasifikasi data pengaruh media sosial dan jam tidur terhadap prestasi akademik siswa.Hasil: Model interpretasi yang dibuat menghasilkan akurasi yang lebih tinggi untuk algoritma Decision Tree dibandingkan dengan Naive Bayes dengan akurasi sebesar 86,67% sedangkan Naive Bayes yaitu 70,00%, hal ini mengidikasikan kedua algoritma tersebut dapat mengklasifikasikan data terkait pengaruh media sosial dan jam tidur terhadap kinerja akademik siswa dengan menyesuaikan fitur dan penerapan algoritma yang digunakan.Kesimpulan: Algoritma Decision Tree mendapatkan hasil dengan interpretasi intuitif melalui representasi Decision Tree yang sesuai untuk data terstruktur, sedangkan  penggunaan algoritma Naive Bayes lebih efisien dalam menangani data dengan fitur yang indepedensi atau tidak adanya hubungan yang signifikan dari fitur fitur yang ada.Kata kunci: akademisi, media sosial, jam tidur, Decision Tree, Naive Bayes
Enhanced Plant Disease Detection Using Computer Vision YOLOv11: Pre-Trained Neural Network Model Application Al Husaini, Muhammad; Rachmat Raharja , Agung; Cahaya Putra , Vito Hafizh; Lukmana, Hen Hen
Journal of Computer Networks, Architecture and High Performance Computing Vol. 7 No. 1 (2025): Article Research January 2025
Publisher : Information Technology and Science (ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/cnahpc.v7i1.5146

Abstract

This study investigates the application of YOLOv11, a cutting-edge deep learning model, to enhance the detection of plant diseases. Leveraging a comprehensive dataset of 737 images depicting tomato leaves affected by various diseases, YOLOv11 was trained and evaluated on key performance metrics such as precision, recall, and mAP. Experimental results the model was trained and evaluated on key metrics including accuracy (75.6%), precision (0.80), recall (0.77), and mAP@0.5 (75.6%). Experimental through base architectural such as enhanced feature extraction with C2 modules, improved multi-scale detection using SPPF layers, and optimized non-maximum suppression techniques. These improvements enable the model to achieve stable precision and recall for each class, even in challenging scenarios with overlapping objects and diverse environmental conditions. By addressing practical usability challenges, this system offers a scalable, accessible, and impactful solution for precision agriculture, paving the way for sustainable with this pretrained model. This study underscores the potential of deep learning-based models, particularly YOLOv11, in transforming the way monitoring and disease management are approached, demonstrating its ability to stable accuracy and operational efficiency in real-world applications. Furthermore, the practical usability of the YOLOv11-based system addresses challenges in the domain of precision plant detection desease. By providing a scalable, accessible, and highly efficient solution, the model offering a significant advancement toward sustainable agricultural practices.
Analysis of Storage Spaces to Support the Health Service System at Santosa Hospital Bandung Central in 2021 Tiny Rahayu; Encep Yayat; Agung Rachmat Raharja
Journal of Public Health Indonesian Vol. 1 No. 1 (2024): MEI-JHH
Publisher : PT. Anagata Sembagi Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62872/wexm1x97

Abstract

One of the health services provided by the hospital is the medical record service. The implementation of good medical file storage through systematic procedures is one of the keys to the success of health service, it is also one of this study was to determine the medical record storage space, the obstacles that occurred, and the effort made in the storage room at the Santosa Hospital Bandung Central. The research method used is descriptive qualitative research, by describing the relevant data. Data collection techniques in the form of interviews and document studies. From the results of the study it can be said that the layout and environment for storing medical records at Santosa Hospital Bandung Central is appropriate, the number of visits that continues to increase is not comparable to the medical record storage space contained in the storage room, the use of medical records is an effort made by Santosa Hospital Bandung Central. The use of electronic medical records overcomes problems in the storage space so as to minimize disruption of health services provided by the Santosa Hospital Bandung Central to patients.
PREDIKSI HARGA SAHAM BBCA MENGGUNAKAN METODE LONG SHORT-TERM MEMORY DAN GATED RECURRENT UNIT Hariyanti, Ifani; Putra, Vito Hafizh Cahaya; Raharja, Agung Rachmat
Jurnal Responsif : Riset Sains dan Informatika Vol 7 No 1 (2025): Jurnal Responsif : Riset Sains dan Informatika
Publisher : LPPM Universitas Adhirajasa Reswara Sanjaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jti.v7i1.1901

Abstract

Penelitian ini bertujuan untuk memprediksi harga saham PT Bank Central Asia Tbk (BBCA) menggunakan model Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU). Data harga saham diambil dari Yahoo Finance (2010–2023) sebanyak 3.464 data, mencakup atribut Tanggal, Open, High, Low, Close, Adj Close, dan Volume. Data diproses menggunakan MinMax Scaler sebelum pelatihan model. Model dievaluasi menggunakan MAE, RMSE, dan MAPE untuk mengukur performa prediksi. Hasil penelitian menunjukkan bahwa GRU lebih unggul dibandingkan LSTM dalam memprediksi harga saham BBCA, dengan akurasi prediksi yang lebih mendekati nilai aktual. Dari hasil eksperimen pelatihan model menggunakan dataset harga saham BBCA harian dengan berbagai kombinasi hyperparameter yang ditetapkan, ditemukan bahwa model dengan metrik evaluasi terendah adalah model LSTM dengan batch size 64 dan epoch 20. Model ini memberikan nilai MAE sebesar 158.508342, RMSE sebesar 208.687816, dan MAPE sebesar 2.248164%. Temuan ini diharapkan berkontribusi pada pengembangan analisis keuangan di Indonesia.
Klasifikasi Penyakit Periodontal Pada Citra Panoramik Gigi Menggunakan Deep Learning Berbasis ResNet50 Dodi Syaripudin; Encep Yayat; Jayadi Jayadi; Agung Rachmat Raharja
SisInfo Vol 7 No 1 (2025): SisInfo
Publisher : Universitas Informatika dan Bisnis Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37278/sisinfo.v7i1.1063

Abstract

This study aims to develop and evaluate a deep learning-based classification model to detect periodontal and non-periodontal diseases from dental panoramic x-ray images. The dataset used consists of panoramic images processed through a data augmentation process to increase diversity, then divided into training, validation, and testing subsets to ensure the generalization ability of the model. A transfer learning model with ResNet50 architecture was applied to utilize the optimal feature extraction capability of the medical image data. The evaluation results show that the model can distinguish between the two classes with fairly good performance, although there are indications of class bias that require further refinement. Several steps such as dataset balancing, model fine-tuning, and additional data augmentation are recommended to improve generalization and prediction accuracy. With further validation, the model is expected to become an efficient and accurate tool to support clinical analysis in periodontal disease diagnosis. Translated with DeepL.com (free version)
OPTIMALISASI MANAJAMEN SDM BERBASIS AI: DAMPAK PADA EFISIENSI DAN PENGAMBILAN KEPUTUSAN ORGANISASI Drajat, Devi Yuniati; Sandini, Dwi; Hariyanti, Ifani; Raharja, Agung Rachmat
Jurnal Sains Manajemen Vol 7 No 1 (2025): Jurnal Sains Manajemen (In press)
Publisher : LPPM Universitas Adhirajasa Reswara Sanjaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jsm.v7i1.1790

Abstract

Penelitian ini bertujuan untuk mengeksplorasi dampak implementasi teknologi berbasis kecerdasan buatan (AI) pada manajemen sumber daya manusia (SDM), khususnya terhadap efisiensi operasional dan pengambilan keputusan organisasi. Data dikumpulkan melalui metode survei dan wawancara semi-terstruktur yang melibatkan 30 responden dari berbagai organisasi yang telah menerapkan teknologi AI. Hasil survei dianalisis menggunakan statistik deskriptif dan inferensial, sementara data wawancara dianalisis secara tematik untuk mendalami tantangan dan peluang implementasi AI. Hasil penelitian menunjukkan bahwa teknologi AI secara signifikan meningkatkan efisiensi operasional, dengan pengurangan beban kerja manual hingga 50% pada beberapa proses seperti rekrutmen dan evaluasi kinerja. Selain itu, AI juga berkontribusi pada pengambilan keputusan yang lebih akurat dan objektif, meskipun terdapat tantangan seperti kurangnya pelatihan teknis dan biaya implementasi yang tinggi. Uji validitas dan reliabilitas instrumen penelitian menghasilkan nilai yang tinggi, menunjukkan bahwa data yang diperoleh dapat diandalkan. Penelitian ini merekomendasikan peningkatan pelatihan teknis dan transparansi sistem AI untuk memaksimalkan potensi teknologi ini dalam manajemen SDM
Pengaruh Kecerdasan Buatan Dalam Sistem E-Recruitment Terhadap Efektivitas Seleksi Karyawan Sandini, Dwi; Hariyanti, Ifani; Yuniati Drajat, Devi; Rachmat Raharja, Agung
Jurnal Sains Manajemen Vol. 7 No. 2 (2025): Jurnal Sains Manajemen
Publisher : LPPM Universitas Adhirajasa Reswara Sanjaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/5p696738

Abstract

Transformasi digital telah membawa perubahan signifikan dalam praktik manajemen sumber daya manusia, khususnya pada proses rekrutmen dan seleksi karyawan. Penerapan kecerdasan buatan (AI) dalam sistem e-recruitment menjadi inovasi strategis yang menjanjikan efisiensi dan efektivitas melalui otomatisasi penyaringan CV, pencocokan kompetensi, penggunaan chatbot, hingga evaluasi kandidat berbasis skor. Namun, di balik potensi tersebut, terdapat tantangan implementasi seperti bias algoritmik, transparansi pengambilan keputusan, dan kesiapan infrastruktur organisasi. Penelitian ini bertujuan untuk menganalisis pengaruh penerapan AI dalam sistem e-recruitment terhadap efektivitas seleksi karyawan. Metode yang digunakan adalah pendekatan kuantitatif eksplanatori dengan menyebarkan kuesioner kepada 75 responden dari berbagai perusahaan di Indonesia yang telah mengadopsi sistem e-recruitment berbasis AI. Hasil penelitian menunjukkan bahwa semua dimensi penerapan AI berpengaruh positif dan signifikan terhadap efektivitas seleksi, meliputi kecepatan proses, akurasi pemilihan kandidat, tingkat retensi awal, dan kepuasan manajer. Penelitian ini memberikan kontribusi empiris dan praktis dalam pengembangan sistem e-recruitment yang tidak hanya efisien, tetapi juga adil dan etis dalam konteks manajemen SDM modern
OPTIMALISASI MANAJAMEN SDM BERBASIS AI: DAMPAK PADA EFISIENSI DAN PENGAMBILAN KEPUTUSAN ORGANISASI Drajat, Devi Yuniati; Sandini, Dwi; Hariyanti, Ifani; Raharja, Agung Rachmat
Jurnal Sains Manajemen Vol. 7 No. 1 (2025): Jurnal Sains Manajemen
Publisher : LPPM Universitas Adhirajasa Reswara Sanjaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jsm.v7i1.1790

Abstract

Penelitian ini bertujuan untuk mengeksplorasi dampak implementasi teknologi berbasis kecerdasan buatan (AI) pada manajemen sumber daya manusia (SDM), khususnya terhadap efisiensi operasional dan pengambilan keputusan organisasi. Data dikumpulkan melalui metode survei dan wawancara semi-terstruktur yang melibatkan 30 responden dari berbagai organisasi yang telah menerapkan teknologi AI. Hasil survei dianalisis menggunakan statistik deskriptif dan inferensial, sementara data wawancara dianalisis secara tematik untuk mendalami tantangan dan peluang implementasi AI. Hasil penelitian menunjukkan bahwa teknologi AI secara signifikan meningkatkan efisiensi operasional, dengan pengurangan beban kerja manual hingga 50% pada beberapa proses seperti rekrutmen dan evaluasi kinerja. Selain itu, AI juga berkontribusi pada pengambilan keputusan yang lebih akurat dan objektif, meskipun terdapat tantangan seperti kurangnya pelatihan teknis dan biaya implementasi yang tinggi. Uji validitas dan reliabilitas instrumen penelitian menghasilkan nilai yang tinggi, menunjukkan bahwa data yang diperoleh dapat diandalkan. Penelitian ini merekomendasikan peningkatan pelatihan teknis dan transparansi sistem AI untuk memaksimalkan potensi teknologi ini dalam manajemen SDM
Co-Authors Al Husaini, Muhammad Al-Husaini, Muhammad Ali Akbar Rismayadi Ali Akbar Rismayadi, Ali Akbar Angga Pramudianto Angga Pramudianto Ari Purno Wahyu Wibowo Cahaya Putra, Vito Hafizh Dodi Syaripudin Dola Ramalinda Drajat, Devi Yuniati Eko Hariyadi Encep Yayat Encep Yayat Erwis, Fauzi Febrianto, Rudhi Wahyudi Hafizh Cahaya Putra, Vito Hariyanti, Ifani Husaini, Al - Imanita Septian Rusdianti Jayadi Jayadi Jayadi Jayadi Jayadi Jayadi Jixiong, Cai Lukmana, Hen Hen Maulinnisaa Tiur R.N Muchsam, Yoki Rahayu, Novi Rismawati Rismawati Riyanto Setiyono, Riyanto Sandini, Dwi Sindrawati Sindrawati Solihin Solihin Sucipto, Bambang Sutisna, Tori Tiny Rahayu Tiur R.N, Maulinnisaa Yuniati Drajat, Devi Zebua, Rony Sandra Yofa