Article Per Year (5 Year)
p-Index From 2020 - 2025
2.724
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Jurnas Nasional Teknologi dan Sistem Informasi Journal of Information Technology and Computer Science Jurnal Informatika JURNAL ILMIAH INFORMATIKA JURNAL INSTEK (Informatika Sains dan Teknologi) Jurnal Teknologi Informasi : Jurnal Keilmuan dan Aplikasi Bidang Teknik Informatika Jurnal Mnemonic JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Pendidikan dan Teknologi Indonesia Jurnal Pengabdian Masyarakat Sains dan Teknologi Journal of Empowerment and Community Service Aspirasi : Publikasi Hasil Pengabdian dan Kegiatan Masyarakat Journal of Innovative and Creativity JSE Journal of Science and Engineering
Fendy Yulianto
Universitas Muhammadiyah Kalimantan Timur
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Public Health Social Sciences Transportation Other

Published : 19 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 19 Documents
Search

 1   2 
KLASIFIKASI KECELAKAAN LALU LINTAS DI KOTA SAMARINDA MENGGUNAKAN ALGORITME K-NEAREST NEIGHBOR Anitasari, Dini; Yulianto, Fendy; Azhima Yoga Siswa, Taghfirul
Jurnal Mnemonic Vol 8 No 1 (2025): Mnemonic Vol. 8 No. 1
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v8i1.12747

Abstract

Kecelakaan lalu lintas di Kota Samarinda terus meningkat seiring dengan tingginya volume kendaraan dan berbagai faktor risiko, seperti kondisi jalan, cuaca, serta kelalaian pengemudi. Peningkatan angka kecelakaan ini berdampak pada kerugian material dan korban jiwa, sehingga diperlukan metode prediksi yang efektif untuk mengklasifikasikan tingkat keparahan kecelakaan. Penelitian ini bertujuan untuk mengklasifikasikan tingkat kecelakaan lalu lintas di Kota Samarinda menggunakan algoritme K-Nearest Neighbor (KNN), yang dikenal sebagai metode berbasis jarak yang efektif dalam klasifikasi data. Data yang digunakan diperoleh dari Kepolisian Sektor Samarinda Kota dan mencakup faktor-faktor seperti kondisi cahaya, kelas jalan, tipe jalan, dan batas kecepatan. Model KNN diimplementasikan dengan pembagian data latih dan uji menggunakan validasi silang K-Fold untuk memastikan keakuratan prediksi. Hasil pengujian menunjukkan bahwa dengan pemilihan parameter yang optimal, model KNN mampu mencapai akurasi sebesar 92,54%. Kesimpulan dari penelitian ini adalah bahwa metode KNN dapat digunakan secara efektif untuk mengklasifikasikan tingkat kecelakaan lalu lintas, sehingga hasilnya dapat menjadi referensi bagi otoritas terkait dalam meningkatkan keselamatan jalan raya di Kota Samarinda
Implementasi Metode AHP-TOPSIS Dalam Sistem Pendukung Keputusan Pemilihan Lokasi Pembangunan Rumah Burung Walet Di Kecamatan Biduk-Biduk Dan Batu Putih Hasmadi, Ipan; Yulianto, Fendy; Rahim, Abdul
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 2 (2025): JPTI - Februari 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.685

Abstract

 Budidaya burung walet semakin diminati karena nilai ekonomis sarangnya yang tinggi. Indonesia merupakan salah satu produsen terbesar sarang burung walet di dunia, dengan kontribusi mencapai 79,55% dari total produksi global. Keberhasilan budidaya ini sangat dipengaruhi oleh pemilihan lokasi yang optimal, dengan mempertimbangkan berbagai kriteria, seperti ketinggian lokasi, jarak ke gedung lain, jarak ke perairan, jarak ke sumber pakan, jarak ke pusat keramaian, suhu, kelembapan, dan curah hujan. Penelitian ini bertujuan untuk mengembangkan sistem pendukung keputusan berbasis AHP-TOPSIS guna membantu peternak dalam menentukan lokasi optimal rumah burung walet. Metode Analytical Hierarchy Process (AHP) digunakan untuk memberikan bobot pada setiap kriteria secara sistematis, sedangkan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) digunakan untuk menyeleksi alternatif berdasarkan kedekatan dengan solusi ideal. Pengujian menunjukkan metode kombinasi AHP-TOPSIS menghasilkan nilai akurasi sebesar 80,5%. Hasil ini membuktikan efektivitas pendekatan multi-kriteria dalam meningkatkan akurasi pemilihan lokasi. Penelitian ini berkontribusi dalam memberikan solusi berbasis data bagi peternak untuk menentukan lokasi rumah walet secara lebih objektif dan efisien, serta berpotensi diterapkan dalam sistem pendukung keputusan berbasis teknologi untuk sektor budidaya lainnya.
ANALISIS KLASIFIKASI ULASAN APLIKASI SIREKAP 2024 MENGGUNAKAN EKSTRAKSI FITUR DISTILBERT DAN METODE SUPPORT VECTOR MACHINE Ridhoi, Reno; Verdikha, Naufal Azmi; Yulianto, Fendy
JURNAL ILMIAH INFORMATIKA Vol 13 No 01 (2025): Jurnal Ilmiah Informatika (JIF)
Publisher : LPPM Universitas Putera Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33884/jif.v13i01.9753

Abstract

This study aims to classify reviews of the SIREKAP 2024 application automatically using the DistilBERT feature extraction method and the Support Vector Machine (SVM) algorithm. The data used includes 8,538 user reviews from the Google Play Store with five Rating categories as the target variable. After undergoing 10-Fold cross-validation, the average F1-Score obtained was 36.62%, with the highest performance reaching 37.16%. The analysis indicates that data imbalance is the main obstacle in improving the model's accuracy, particularly in the minority class. The study concludes that the combination of DistilBERT and SVM yields suboptimal results and requires further optimization. Recommendations are provided to improve model accuracy and enhance the quality of the application based on user reviews.
KLASIFIKASI ULASAN APLIKASI SIREKAP 2024 DENGAN EKSTRAKSI FITUR WORD2VEC DAN METODE SUPPORT VECTOR MACHINE (SVM) Muthmainnah, Muthmainnah; Azmi Verdikha, Naufal; Yulianto, Fendy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13244

Abstract

Pemilu Indonesia memanfaatkan teknologi, termasuk aplikasi SIREKAP 2024, untuk meningkatkan transparansi dan efisiensi. Penelitian ini menganalisis ulasan pengguna aplikasi SIREKAP 2024 dari Google Play Store dengan pendekatan machine learning. Ekstraksi fitur dilakukan menggunakan Word2Vec (Skip-gram), sementara klasifikasi menggunakan Support Vector Machine (SVM). Data ulasan dikumpulkan melalui teknik scraping dan diproses melalui tahapan praproses serta penyeimbangan data menggunakan class_weight='balanced'. Hasil menunjukkan bahwa tanpa penyeimbangan data, model menghasilkan F1-Score sebesar 29,02%. Dengan penerapan class_weight='balanced', skor meningkat menjadi 32,05%. Optimasi parameter dengan nilai C=1 dan max_iter=65 memberikan F1-Score tertinggi sebesar 36,02%, meningkat 7% dari konfigurasi awal. Studi ini menyoroti pentingnya penyeimbangan data dan konfigurasi parameter yang tepat dalam meningkatkan performa model klasifikasi. Namun, model yang digunakan masih belum sepenuhnya sesuai untuk data yang tersedia.
IDENTIFIKASI JENIS KECELAKAAN LALU LINTAS DI KOTA SAMARINDA MENGGUNAKAN METODE RANDOM FOREST Betris Dea Maretta, Nanda; Yulianto, Fendy; Azhima Yoga Siswa, Taghfirul
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13289

Abstract

Kecelakaan lalu lintas di Kota Samarinda merupakan permasalahan yang berdampak signifikan, baik dari segi kerugian material, cedera, maupun korban jiwa. Oleh karena itu, mengklasifikasikan tingkat kecelakaan menjadi langkah penting dalam mengidentifikasi pola kejadian serta mendukung upaya pencegahan dan penanganan yang lebih optimal. Penelitian ini bertujuan untuk mengelompokkan tingkat kecelakaan di Kota Samarinda dengan menerapkan metode Random Forest. Data yang digunakan terdiri dari 1.004 kasus kecelakaan yang diperoleh dari Kepolisian Sektor Samarinda Kota dalam rentang waktu 2021 hingga 2024. Data tersebut diproses melalui tahap Pre-Processing dan dianalisis menggunakan K-Fold Cross-Validation guna memastikan kualitas serta akurasi model. Metode Random Forest bekerja dengan membangun sejumlah pohon keputusan dan menentukan hasil akhir berdasarkan voting mayoritas, sehingga efektif dalam mengklasifikasikan data yang kompleks seperti tingkat kecelakaan. Hasil penelitian menunjukkan bahwa metode ini mampu mengelompokkan kecelakaan ke dalam tiga kategori, yaitu ringan, sedang, dan berat, dengan nilai F1-Score mencapai 95%. Dengan demikian, penelitian ini dapat menjadi landasan dalam merumuskan kebijakan keselamatan lalu lintas yang lebih berbasis data serta membantu pihak berwenang dalam mengurangi angka kecelakaan dan meningkatkan kesadaran masyarakat terhadap keselamatan berkendara.
Sentiment Analysis of the Public on the Deployment of Smart Robots in Indonesia Using the Naïve Bayes Method Muthmainnah Muthmainnah; Rudiman Rudiman; Fendy Yulianto
JSE Journal of Science and Engineering Vol. 3 No. 2 (2025): Journal of Science and Engineering
Publisher : LPPI Universitas Muhammadiyah Kalimantan Timur (UMKT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30650/jse.v3i2.3887

Abstract

In this digital era, social media platforms have become the primary means for the public to express opinions on current issues, including discussions about the roles of robots and artificial intelligence in replacing human jobs. The focus of this community service is to investigate public sentiment regarding the implementation of smart robots in Indonesia, utilizing text-based sentiment analysis. The Naïve Bayes method is chosen as the approach to classify sentiments, overcoming challenges such as language and cultural variations. Through data testing and training, this research successfully achieved an accuracy rate of 98%, with high Precision, Recall, and F1 Score. The results provide valuable insights for companies and organizations that need to understand public perspectives on technological advancements and their impact on human employment.
Product Design Innovation and Branding in the Development of Risoles MSMEs: Inovasi Desain Produk dan Branding dalam Pengembangan UMKM Risoles Yulianto, Fendy; Arbansyah; Ilham, Muhammad Fauzan Nur; Atiqah, Nur Quratul Nabila; Nurdin, Andi; Bakri, Umar
Journal of Empowerment and Community Service (JECSR) Vol. 4 No. 1 (2024): November
Publisher : Wadah Inovasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53622/jecsr.v4i1.358

Abstract

Youth misbehavior, especially among Generation Z, has become an increasing social problem in the digital era. This community service aims to identify the factors that cause juvenile delinquency and assess the effectiveness of legal socialization in increasing students' legal awareness at MTs Al-Hidayah Samboja, Tanjung Harapan Village. Activities were carried out using observation and legal socialization methods, which included material presentation and interactive discussions with class IX students. The results showed that psychological, social, and subcultural factors play an important role in influencing adolescent deviant behavior. Legal socialization proved effective in improving students' understanding of the legal consequences of deviant actions and the importance of complying with social norms. In conclusion, an interactive legal education approach can increase legal awareness and help reduce the potential for juvenile delinquency, especially if supported by a conducive social environment.
Penerapan Smote Pada Algoritma SVM Untuk Mengatasi Imbalance Data Kelayakan Donor Darah Sipahutar, Enriko Chiesa; Yoga, Taghfirul Azhima; Yulianto, Fendy
Journal of Innovative and Creativity Vol. 5 No. 3 (2025)
Publisher : Fakultas Ilmu Pendidikan Universitas Pahlawan Tuanku Tambusai

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

Abstract

Penelitian ini mengembangkan sistem klasifikasi kelayakan donor darah berbasis metode data mining dengan fitur penanganan ketidakseimbangan data untuk meningkatkan akurasi prediksi. Sistem ini menggunakan algoritma SVM (Support Vector Machine) sebagai model klasifikasi utama dan metode SMOTE (Synthetic Minority Over-sampling Technique) untuk menyeimbangkan distribusi data antar kelas. Dataset donor darah yang diperoleh dari PMI Samarinda tahun 2024–2025 diolah melalui tahap pembersihan, normalisasi, serta validasi silang (Cross-validation) untuk mencegah Overfitting. Prototipe model diuji untuk memastikan kinerja klasifikasi terhadap data minoritas dan mayoritas dapat berjalan optimal. Hasil pengujian menunjukkan bahwa penerapan SMOTE berhasil meningkatkan akurasi hingga 96,05%, serta mengurangi kesalahan klasifikasi pada data minoritas. Penelitian ini berkontribusi dalam menyediakan solusi analitik berbasis Machine learning yang dapat diterapkan untuk permasalahan serupa, khususnya dalam meningkatkan akurasi klasifikasi pada data yang tidak seimbang.
Penerapan Metode Analytical Hierarchy Process dan Simple Additive Weighting Dalam Penentukan Lokasi Pembuatan Rumah Burung Walet Nur, Seftiani; Yulianto, Fendy; Rahim, Abdul
Jurnal Nasional Teknologi dan Sistem Informasi Vol 10 No 3 (2024): Desember 2024
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v10i3.2024.182-191

Abstract

Burung walet adalah penghuni khas wilayah tropis dan lembab, yang hidup berkelompok dan membangun sarang dari air liur di gua atau tempat lembab dan gelap. Sarang burung walet memiliki banyak manfaat kesehatan, termasuk mempercepat regenerasi sel, memperkuat sistem kekebalan tubuh, dan menjaga Kesehatan pencernaan, sehingga memiliki nilai jual yang tinggi. Oleh karena itu, budidaya sarang burung walet memerlukan perencanaan yang cermat terkait penentuan lokasi yang tepat untuk memaksimalkan hasil. Penentuan lokasi yang tidak tepat dapat menyebabkan kerugian akibat Gedung walet yang tidak ditempati. Untuk membantu petani walet dalam menentukan lokasi yang tepat, berbagai metode, termasuk pengamatan langsung dan penggunaan aplikasi sistem cerdas dapat digunakan. Sistem cerdas seperti Sistem Pendukung Keputusan (SPK) dapat memberikan rekomendasi menggunakan metode AHP-SAW. Metode AHP memberikan kontribusi dalam pengambilan keputusan dengan mempertimbangakan kriteria yang telah ditentukan, sementara metode SAW digunakan untuk proses perangkingan. Hasil pengujian metode AHP menunjukan akurasi sebesar 63%, sementara kombinasi metode AHP-SAW menunjukan akurasi sebesar 73%. Dengan demikian, kombinasi metode AHP-SAW diharapkan dapat memberikan rekomendasi lokasi yang lebih tepat untuk pembuatan rumah burung walet, sehingga meningkatkan efisien dan hasil budidaya.
Co-Authors Abdul Rahim Akbar, Farhan Anitasari, Dini Arbansyah Arbansyah Arbansyah Arief Andy Soebroto Arif Ramadhani Atiqah, Nur Quratul Nabila Betris Dea Maretta, Nanda Hasmadi, Ipan Ikhsan Nuttakwa Takbirata Ihram Nabawi Ikhsan Ilham, Muhammad Fauzan Nur Khoirul Huda Dwi Putra Huda Muhammad Rayhan Elfansyah Rayhan Muhammad Taufiq Sumadi Muthmainnah Muthmainnah Muthmainnah Muthmainnah Naufal Azmi Verdikha Nur, Seftiani Nurdin, Andi Nursyarif, Muhammad Khumaidi Rahmadana, Novia Ridhoi, Reno Rudiman Rudiman Salsabila, Cindy Azra Sipahutar, Enriko Chiesa Tagfirul Azima Yoga Siswa, Muspidar Mulyadi Tirta, Muhamad Wahyu Umar Bakri Wahyu Adiwinata Wayan Firdaus Mahmudy Yoga, Taghfirul Azhima