Article Per Year (5 Year)
p-Index From 2020 - 2025
1.857
P-Index
This Author published in this journals
All Journal SINTECH (Science and Information Technology) Journal JSiI (Jurnal Sistem Informasi) Jurnal Telematika EDUMATIC: Jurnal Pendidikan Informatika Generation Journal Jurnal UNITEK Jurnal Algoritma AL-UMRON: Jurnal Pengabdian kepada Masyarakat The Indonesian Journal of Computer Science
Sanjaya, Ucta Pradema
Unknown Affiliation
Humanities Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Public Health Social Sciences

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
Algoritma K-Nearest Neighbors (KNN) untuk Klasifikasi Citra Buah Pisang dengan Ekstraksi Ciri Gray Level Co-Occurrence Ilhamy, Rifqi Syahrul; Sanjaya, Ucta Pradema
Jurnal Telematika Vol. 17 No. 2 (2022)
Publisher : Yayasan Petra Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61769/telematika.v17i2.525

Abstract

Banana is one type of fruit that is rich in benefits. Bananas have a soft flesh texture. There are various sizes of bananas based on the type. The color and shape of bananas differentiate one type of banana from another. This research recognizes and classifies bananas based on their skin color by using digital image processing. The gray level co-occurrence matrix (GLCM) feature is an extraction technique commonly used to find features in an image. The classification technique in this study uses the k-nearest neighbors (KNN) algorithm. This study obtained the best accuracy of 76.6% at an angle of 0 degrees with a value of k = 1, 90% accuracy at an angle of 45 degrees with a value of k = 1, 86% accuracy at an angle of 90 degrees with a value of k = 1, and 73% accuracy at an angle of 135 degrees with a value of k = 5, 7, 9.
Optimization of Convolutional Neural Network with Standard Deviation for Pneumonia Classification in Lung X-ray Images Sanjaya, Ucta Pradema; Alawi, Zakki; Zayn, Afta Ramadhan; Dirgantoro, Guruh Putro
Generation Journal Vol 7 No 3 (2023): Special Issue October 2023
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/gj.v7i3.20183

Abstract

Pneumonia merupakan penyakit yang ada pada paru paru yang bisa di lihat lebih detailnya dengan foto rontgen. Foto rontgen ini memiliki biaya yang murah di bandingan dengan diagnosis dengan alat medis yang lain yang mempunyai kemiripan fungsinya. Computer vison merupakan bidang ilmu dalam Teknik informatika yang mengolah infomasi gambar atau video yang akan di jadikan informasi. Pada penelitian ini mengunakan foto rontgen untuk mendeteksi foto rontgen yang paru paru normal serta yang terkena penyakit pneumonia mengunakan metode CNN yang di preprocessing citra digitalnya dengan standard deviasi. Dalam penelitian ini menghasilkan akurasi sebesar 98% untuk gambar yang di preprocessing mengunakan standard deviasi serta 90% yang hanya mengunakan metode CNN. Hasil tersebut mengunakan data foto rontgen sebanyak 5.218 gambar yang terdiri dari 2 kelas yaitu kelas paru paru normal dan paru terkena pneumonia. Dari total tersebut dimana total gambar yang normal sebanyak 1342 dan yang terkena penyakit 3876 gambar.
Analisis Penerapan Metode Association Rule Mining Untuk Transaksi Penjualan di Toko Bangunan Dengan Algoritma Apriori Anggraini, Diah; Sanjaya, Ucta Pradema; Sa’ida, Ita Aristia
SINTECH (Science and Information Technology) Journal Vol. 5 No. 2 (2022): SINTECH Journal Edition Oktober 2022
Publisher : Prahasta Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31598/sintechjournal.v5i2.1193

Abstract

In improving the quality of service to customers, UD. Lasmi Jaya store is asked to be able to handle problems that often arise, among others, lack or absence of (out of stock) stock of building goods that are very popular, less strategic layouts, assist in decision making to develop marketing strategies and promote better products and more. Therefore, in this problem, there must be utilization of sales transaction data for processing using a priori algorithms so that it can provide new knowledge that can be utilized by shop owners. From the results of research that has been carried out from 300 sales transaction data from January 1, 2022 - June 30, 2022 with a comparison of a minimum transaction of 15 or a minimum of 5% support and a minimum of 40% confidence with a minimum of 12 transactions or a minimum of 4% support and a minimum of 30% confidence, associations the final results found were more at least 12 transactions or minimum support 4% and minimum confidence 30% because if the minimum support value and minimum confidence value were lower then the association value found would be more, so for determining stock of goods or layout of goods or as promotion and others so that it will make it easier for the owner to manage their sales so that they can grow and provide satisfaction
PKM DALAM PENERAPAN TEKNOLOGI INFORMASI MULTIMEDIA DALAM MENINGKATKAN KUALITAS SDM REMAJA KARANG TARUNA DSN. MLATEN, DS. CAMPUREJO, BOJONEGORO Cahyani, Nita; Irsyada, Rahmat; Sanjaya, Ucta Pradema
Al-Umron : Jurnal Pengabdian Kepada Masyarakat Vol. 5 No. 1 (2024): AL-UMRON : Jurnal Pengabdian kepada Masyarakat
Publisher : LEMBAGA PENELITIAN DAN PENGABDIAN KEPADA MASYARAKAT (LPPM) UNIVERSITAS NAHDLATUL ULAMA SUNAN GIRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32665/alumron.v5i1.1930

Abstract

Desain grafis merupakan proses komunikasi menggunakan elemen visual, fotografi, serta ilustrasi yang dimaksudkan untuk menciptakan persepsi akan suatu pesan yang disampaikan. Dengan semakin berkembangnya kebutuhan masyarakat akan informasi, pengurus Karang Taruna Dsn. Mlaten, Ds. Campurejo, Bojonegoro mengharapkan agar segala kegiatan yang dilakukan serta informasi yang terkait dengan kebutuhan masyarakat dapat disampaikan secara cepat, Karang Taruna Dsn. Mlaten menjadi sasaran Universitas Nahdlatul Ulama Sunan Giri, Fakultas Sains dan Teknologi dalam Pengabdian Masyarakat Periode Genap tahun 2023. Tujuan dari kegiatan pengabdian kepada masyarakat ini adalah untuk memberikan edukasi dan pengetahuan terkait perkembangan teknologi dalam menunjang kegiatan sehari-hari. Tujuan selanjutnya adalah memberikan pelatihan terkait pemanfaatan Teknologi Informasi Multimedia. Dalam meningkatkan kualitas pendidikan tinggi, kegiatan ini juga memenuhi Indikator Kinerja Utama (IKU) diantaranya adalah: pertama, mahasiswa mendapatkan pengalaman di luar kampus sehingga mahasiswa bisa mengembangkan diri dan tidak hanya pasif di kelas namun melakukan kegiatan pembelajaran dengan model variatif, serta mampu memberi bekal keterampilan yang mumpuni setelah melaksanakan pelatihan. Kedua adalah dosen berkegiatan di luar kampus, sehingga aktivitas dosen tidak hanya di dalam kampus sendiri namun juga melaksanakan kegiatan pengabdian tersebut. Ketiga adalah hasil kerja dosen digunakan oleh masyarakat, yakni terkait hasil riset yang dilakukan sebaiknya memberikan manfaat besar bagi masyarakat di sekitar.
Analisis Sentimen Ulasan Google Maps Kuliner di Bojonegoro Menggunakan Metode Naïve Bayes Fauziyah, Dewi Nur; Sanjaya, Ucta Pradema; Anggraini, Fetrika
The Indonesian Journal of Computer Science Vol. 12 No. 4 (2023): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i4.3319

Abstract

Sentiment analisis merupakan proses menganalisa yang berhubungan dengan sebuah konten atau produk. Analisa terserbut berdasarkan hal hal yang di rasakan oleh seseorang secara subyektif dalam merasakannya. Pada umumnya sentiment analisis ini di tulis oleh penguna dunia maya yang digunakan untuk informasi berdasarkan ulasan atau postingan. Text mining dan Natural language Processing sebuah bidang yang mempunyai irisan yang sama dalam bidang kecerdasan buatan. Ini sangat membantu seseorang dalam mencari nilai sebuah ulasan yang ditulis oleh seseorang memiliki nilai positif atau negative bahkan bisa di nilai netral. Dalam penelitian ini meneliti ulasan usaha kuliner di bojonegoro berdasaran data yang ada di google maps. Untuk metode klasifikasi mengunakan naïve bayes yang pada dasarnya mengunakan penilaian peluang pada setiap atributnya dan di evaluasi dengan confusion matrix. Hasil yang didapatkan dari penelitian ini mendapatkan nilai akurasi 90,28% recall 90,28% dan presisi 89.89%
Perbandingan Model Pembelajaran Mesin Berbasis SMOTE Meningkatkan Identifikasi Siswa Berisiko di Sekolah Menengah Pertama Hevi Alvina Damayanti; Damayanti, Hevi Alvina; Sanjaya, Ucta Pradema
Jurnal Sistem Informasi Vol. 12 No. 1 (2025)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jsii.v12i1.10382

Abstract

Penelitian ini mengevaluasi efektivitas Teknik Pengambilan Sampel Berlebih Minoritas Sintetis (Synthetic Minority Over-sampling Technique/SME) dalam mengatasi ketidakseimbangan kelas dalam kumpulan data pendidikan, dengan fokus pada peningkatan model prediktif untuk mengidentifikasi siswa yang berisiko di sekolah menengah pertama di Indonesia. Dengan menggunakan kurva Receiver Operating Characteristic (ROC) dan metrik Area Under the Curve (AUC), kinerja model Decision Tree, Random Forest, dan Support Vector Machine (SVM) dinilai sebelum dan sesudah penerapan SMOTE. Model Random Forest menunjukkan peningkatan yang paling signifikan, dengan AUC meningkat dari 0,95 menjadi 0,99 setelah SMOTE, yang disebabkan oleh generalisasi berbasis ensembel pada data yang seimbang. Decision Tree menunjukkan peningkatan marjinal (AUC: 0.94→0.95), yang mencerminkan ketahanan yang melekat pada sampel sintetis, sementara SVM mengalami sedikit trade-off (AUC: 0.93→0.94), yang mungkin disebabkan oleh sensitivitas terhadap noise sintetis selama pengoptimalan hyperplane. Semua model mengungguli tebakan acak (AUC>0.93), mengonfirmasi kegunaan SMOTE dalam meningkatkan deteksi kelas minoritas untuk aplikasi penting seperti identifikasi awal siswa yang berisiko. Penelitian ini memajukan kerangka kerja praktis untuk memanfaatkan teknik pembelajaran ketidakseimbangan dalam pendidikan, menekankan wawasan yang dapat ditindaklanjuti untuk mengatasi ketidakadilan sistemik dan meningkatkan hasil pembelajaran melalui pengambilan keputusan berbasis data
Prediksi Fluktuasi Berat Badan Berdasarkan Pola Hidup Menggunakan Model XGBoost dan Deep Learning Mujiyono, Sri; Sanjaya, Ucta Pradema; Wibisono, Iwan Setiawan; Setyowati, Heni
Jurnal Algoritma Vol 22 No 1 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-1.2253

Abstract

The global obesity rate has tripled since 1975, driving the development of technology-based solutions for predicting body weight to mitigate disease risks. This study implements three models—Decision Tree Regressor, XGBoost Regressor, and Deep Learning—to project final body weight based on physiological variables (age, gender, BMR), nutritional factors (caloric intake, surplus/deficit), and lifestyle factors (physical activity, sleep, stress). The multidimensional dataset from community health posts includes TDEE calculations and BMR estimates using the Harris-Benedict Equation. Evaluation using RMSE and R² indicates XGBoost as the best-performing model (RMSE: 5.65; R²: 0.974), outperforming the Decision Tree (RMSE: 10.68; R²: 0.908) and Deep Learning (RMSE: 10.4; R²: 0.913) models. Key challenges include overfitting in the Decision Tree and Deep Learning's inability to capture outliers due to vanishing gradients. The analysis identifies energy balance, representation of extreme data, and regularization as critical factors for model stability. Hyperparameter optimization (learning rate, max\_depth) and data augmentation are recommended to enhance generalization. These findings offer an innovative framework for data-driven health technologies, reinforcing the role of artificial intelligence in precision public health interventions. Practically, the study advocates for the adoption of optimized predictive models integrating multidimensional variables for high accuracy, while highlighting the need for outlier handling and further clinical validation to ensure relevance in real-world scenarios.
Sistem Pendukung Keputusan Pemantauan Stok dan Restok Otomatis Berbasis Web Wibisono, Bagas; Sanjaya, Ucta Pradema
Jurnal Algoritma Vol 22 No 1 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-1.2301

Abstract

Permasalahan dalam pengelolaan stok sering kali disebabkan oleh keterlambatan pemantauan dan ketiadaan sistem yang memberikan rekomendasi restok secara akurat. Penelitian ini merancang dan mengimplementasikan sistem pendukung keputusan berbasis web untuk memantau stok dan merekomendasikan restok secara otomatis, dengan menggunakan Laravel Framework. Sistem ini menerapkan logika berbasis aturan (rule-based) dengan mempertimbangkan sisa stok, rata-rata penjualan harian, dan waktu pengiriman. Proses perhitungan membandingkan stok yang tersedia dengan kebutuhan minimum yang diprediksi dari pola penjualan historis. Metodologi pengembangan mengikuti model Waterfall. Hasil implementasi menunjukkan bahwa sistem mampu mempercepat proses pemantauan dan memberikan notifikasi restok yang akurat, serta mendukung pengambilan keputusan manajerial dalam distribusi produk. Sistem ini juga berhasil menekan jumlah barang kadaluarsa menjadi hanya 2%, yang menunjukkan peningkatan efisiensi distribusi. Antarmuka dashboard yang informatif turut mempermudah pemantauan kondisi stok secara real-time. Sistem ini memberikan kontribusi nyata dalam meningkatkan efisiensi dan akurasi manajemen inventaris.
Perbandingan Algoritma Random Forest, XGBoost, dan Logistic Regression untuk Prediksi Risiko Kekambuhan Kanker Tiroid Ais, Salma Rihadatul; Sanjaya, Ucta Pradema
Jurnal Pendidikan Informatika (EDUMATIC) Vol 9 No 1 (2025): Edumatic: Jurnal Pendidikan Informatika
Publisher : Universitas Hamzanwadi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29408/edumatic.v9i1.29664

Abstract

Thyroid cancer, although relatively rare (0.85-2.5% of all cancer cases), is of serious concern due to its higher prevalence in women and challenges in diagnosis due to limitations of conventional methods such as fine-needle aspiration biopsy and ultrasound. This study aims to predict the risk of thyroid cancer recurrence by applying random forest, XGBoost, and logistic regression methods. Classifying the recurrence of thyroid cancer using 14 dataset variables obtained from Ken Saras Hospital, which amounted to 2000 datasets. The data will be classified using 3 method models and evaluated using a confusion matrix to find the best accuracy evaluation value. Based on the evaluation results, logistic regression gets an accuracy value of 83%, and random forest and XGBoost get an accuracy of 82%. Our findings prove that machine learning approaches can serve as an effective clinical decision support system in improving diagnosis efficiency and facilitating timely medical interventions. The implementation of this in clinical practice still requires integration with comprehensive medical considerations and supervision of healthcare professionals to ensure safety. The results contribute to the development of more reliable and efficient thyroid cancer diagnostic tools.
Analisis Klasifikasi Resign Karyawan dengan Random Forest Pratama, Ade; Mujiyono, Sri; Sanjaya, Ucta Pradema
JURNAL UNITEK Vol. 18 No. 1 (2025): Januari - Juni 2025
Publisher : Sekolah Tinggi Teknologi Dumai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52072/unitek.v18i1.1415

Abstract

Tingginya employee turnover (18,4% global) menimbulkan gangguan operasional dan kebocoran finansial kronis. Penelitian ini mengimplementasikan pipeline analitik berbasis Random Forest Classifier untuk memprediksi attrition karyawan melalui ekstraksi pola non-linier dalam ruang fitur SDM. Hasilnya mengungkap “sebagai prediktor” dominan, sementara Surat Peringatan muncul sebagai paradoks prediktif  melalui interaksi tersembunyi dengan variabel tekanan kerja. Fenomena yang hanya terkuak berkat kapasitas ensemble learning dalam menangkap high-dimensional decision boundaries. Model menunjukkan asimetri kinerja (recall kelas minoritas: 67,3%) akibat ketidakseimbangan data (rasio 1,9:1), memerlukan strategi cost-sensitive learning untuk mitigasi false negative. Temuan ini mentransformasi kebijakan SDM: dari retensi generik berbasis senioritas menuju paket personalisasi berbasis risk profiling dan competency micro-skilling, sekaligus menggeser fungsi HR dari administratif reaktif menjadi strategic predictive core.  
Co-Authors Ade Pratama Ais, Salma Rihadatul Damayanti, Hevi Alvina Diah Anggraini, Diah Dirgantoro, Guruh Putro Fauziyah, Dewi Nur Fetrika Anggraini, Fetrika Heni Setyowati Hevi Alvina Damayanti Ilhamy, Rifqi Syahrul Irsyada, Rahmat Ita Aristia Sa'ida Iwan Setiawan Wibisono Nita Cahyani Prastya, Ifnu Wisma Dwi Pribadi , Teguh Sri Mujiyono Wibisono, Bagas Zakki Alawi Zayn, Afta Ramadhan