Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Coding: Jurnal Komputer dan Aplikasi Community Development Journal: Jurnal Pengabdian Masyarakat Malcom: Indonesian Journal of Machine Learning and Computer Science
Briandoko, Singgih
Unknown Affiliation
Humanities Computer Science & IT Economics, Econometrics & Finance Education Health Professions Public Health

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
EDUKASI DAN PRAKTIK PEMANFAATAN MEDIA INTERNET UNTUK MASYARAKAT BANYUMAS DI KELURAHAN PURWOKERTO KULON Muhammad Hery Santoso; Muhammad Akbar Setiawan; Singgih Briandoko; Ika Indah Lestari; Herni Utami Rahmawati
Community Development Journal : Jurnal Pengabdian Masyarakat Vol. 4 No. 3 (2023): Volume 4 Nomor 3 Tahun 2023
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/cdj.v4i3.17459

Abstract

Kegiatan pengabdian masyarakat adalah salah satu program wajib yang dilakukan oleh seorang dosen untuk menjalankan Tri Dharma Perguruan Tinggi. Melalui kegiatan tersebut seorang dosen dapat membantu memecahkan persoalan yang sedang dihadapi oleh msyarakat. Pada kegiatan pegabdian kali ini salah satu masalah yang ditemukan saat melakukan observasi oleh tim pengabdian adalah kurangnya pengetahuan tentang penggunaan komputer dan internet oleh sebagian masyarakat Banyumas yaitu anggota PKK dan sebagian remaja di Kelurahan Purwokerto Kulon, selain itu perlunya mengedukasi cara memanfaatkan dan menggunakan media internet untuk berbagai keperluan termasuk mencari informasi sesuai keperluan msing-masing pengguna serta mendapatkan pengetahuan tentang beretika dan memahami konsep umum agar bijak dalam menggunakan internet sehingga dampak yang ditimbulkan oleh teknologi internet tidak berakibat negatif bagi penggunannya.
Prediksi Pembatalan Pemesanan Hotel: Random Forest dan XGBoost dengan Pipeline Leak-Free dan Ablation Study: Hotel Booking Cancellation Prediction: Random Forest and XGBoost with Leak-Free Pipeline and Ablation Study Arasadina, Fanes; Briandoko, Singgih; Setiawan, Muhammad Akbar
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 3 (2026): MALCOM July 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i3.2674

Abstract

Pembatalan pemesanan hotel menyebabkan inefisiensi operasional dan kerugian finansial hingga 20% dari potensi pendapatan harian. Penelitian ini bertujuan mengembangkan dan membandingkan model prediksi pembatalan menggunakan Random Forest dan XGBoost pada 119.390 data pemesanan hotel, serta mengidentifikasi faktor dominan pembatalan sebagai dasar strategi manajemen pendapatan. Empat perbaikan metodologis diterapkan, yaitu IQR capping berbasis train set, ablation study untuk mengevaluasi deposit_type, OrdinalEncoder post-split, dan pembagian data stratified 70:15:15. Ablation study menunjukkan deposit_type tidak berkontribusi signifikan (delta AUC = 0,0006) sehingga dikeluarkan. Kedua model dioptimasi menggunakan GridSearchCV dengan 3-fold cross-validation. Tuned Random Forest menghasilkan performa terbaik dengan ROC-AUC 0,9394, accuracy 0,8749, precision 0,8691, dan F1-score 0,8219, sementara Tuned XGBoost unggul pada recall (0,8345) untuk early warning. Learning curve mengonfirmasi Tuned XGBoost memiliki generalisasi lebih baik (gap 0,0345) dibandingkan Tuned Random Forest (gap 0,0697). Seluruh perbedaan performa dikonfirmasi signifikan melalui uji McNemar (p < 0,05). Feature importance mengidentifikasi lead_time (12,42%) sebagai prediktor utama pada Random Forest (semakin panjang jarak pemesanan ke kedatangan, semakin tinggi risiko pembatalan), sementara room_type_match (17,40%) mendominasi XGBoost, mengindikasikan ketidaksesuaian kamar sebagai faktor pembatalan yang signifikan secara operasional. Temuan ini memberikan landasan empiris bagi manajemen hotel dalam merancang strategi intervensi berbasis risiko secara proaktif.
Prediksi ROAS Shopee Ads Alpha Exhaust Menggunakan Support Vector Regression dan Random Forest Delimasari, Siti; Briandoko, Singgih; Kholif, Ruhul Nur
Coding: Jurnal Komputer dan Aplikasi Vol. 14 No. 2 (2026): Edisi September 2026
Publisher : Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/coding.v14i2.111062

Abstract

Pertumbuhan e-commerce di Indonesia mendorong pergeseran pemasaran ke platform daring, sehingga efektivitas belanja iklan digital yang diukur melalui Return on Ad Spend (ROAS) menjadi faktor kunci daya saing seller di marketplace. Alpha Exhaust, seller komponen otomotif knalpot di Shopee, menghadapi ROAS yang belum stabil dengan rata-rata harian 4,59 dan median 2,48 akibat lonjakan nilai ekstrem pada periode tertentu, sehingga menyulitkan penentuan strategi penawaran iklan dan alokasi anggaran. Kondisi ini mendorong kebutuhan model prediksi berbasis machine learning. Penelitian ini membangun model prediksi ROAS menggunakan Support Vector Regression (SVR) dan Random Forest Regressor (RFR), dengan Linear Regression sebagai baseline, serta mengidentifikasi fitur paling berpengaruh. Menggunakan 597 observasi data kampanye Januari–September 2025, data diproses melalui estimasi durasi, penanganan outlier, dan rekayasa fitur, lalu dievaluasi dengan MAE, RMSE, R², dan SMAPE pada dua skenario fitur, serta dianalisis menggunakan Permutation Importance. SVR default dengan fitur dasar (impressions, clicks, orders, duration) memberikan performa terbaik (R²=0,614; MAE=1,656), mengungguli Linear Regression dan seluruh konfigurasi Random Forest yang performanya lebih rendah akibat distribusi ROAS yang sangat skewed. Fitur Orders terbukti paling dominan dengan kontribusi 3,662 poin MAE. Temuan ini memberikan model komparatif prediksi ROAS sekaligus alat bantu praktis bagi seller untuk mengestimasi ROAS dan mengoptimalkan alokasi anggaran iklan.
Co-Authors Arasadina, Fanes Delimasari, Siti Herni Utami Rahmawati Ika Indah Lestari Kholif, Ruhul Nur Muhammad Akbar Setiawan Muhammad Hery Santoso