Article Per Year (5 Year)
p-Index From 2021 - 2026
2.997
P-Index
This Author published in this journals
All Journal Edulib JATI (Jurnal Mahasiswa Teknik Informatika) CIVITAS (JURNAL PEMBELAJARAN DAN ILMU CIVIC) Instal : Jurnal Komputer AMMA : Jurnal Pengabdian Masyarakat Jurnal Informatika Polinema (JIP) Jurnal Kecerdasan Buatan dan Teknologi Informasi
Pratama, Denni
Unknown Affiliation
Humanities Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Nursing Social Sciences

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search

 1   2   3 
ANALISIS SENTIMEN TERHADAP LAYANAN APLIKASI GRAB INDONESIA MENGGUNAKAN METODE NAÏVE BAYES Rifa’I, Ahmad; Ardhani, Risma; Pratama, Denni; Fatihanursari, Fatihanursari
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8425

Abstract

Pengguna internet di Indonesia setiap tahun terus mengalami peningkatan, Pesatnya pertumbuhan pengguna internet di Indonesia memicu pertumbuhan E-Businness yang secara perlahan mengubah pola konsumsi masyarakat, khususnya masyarakat kota. Misalnya dalam pengguna jasa transportasi, pengguna umumnya cenderung menggunakan transportasi online dari pada transportasi konvensional. Hal ini merupakan bukti meningkatnya pola transportasi praktis di kalangan masyarakat. Grab Indonesia adalah salah satu Perusahaan ojek online terkemuka di Indonesia dan memiliki jumlah pelanggan cukup besar di Indonesia. Tingkat kepuasan yang bervariasi terhadap layanan yang diberikan, sehingga pasti ada saran dan keluhan dari para pelanggan. Analisi sentiment dapat dijadikan salah satu solusi untuk mengetahui tingkat kepuasan aplikasi guna meningkatkan sistem dan pelayanan. Peneliti mengambil permasalahan dari aplikasi Grab untuk mengetahui klasifikasi dari ulasan yang bersentimen positif ataupun negatif kemudian menerapkan klasifikasi dapat diupayakan melalui pendekatan perbandingan antara metode Naïve Bayes guna mengetahui hasil akurasi dari ulasan pengguna Aplikasi Grab yang ada di Google Playstore. Dari hasil penelitian terhadap analisis sentimen pengguna aplikasi Grab didapatkan hasil klasifikasi positif sebanyak 1677 dan sentimen negatif sebanyak 69 data teks artinya pengguna banyak memberikan komentar positif terhadap aplikasi Grab. Dan hasil klasifikasi menggunakan metode Naïve Bayes didapatkan hasil acuracy sebesar 84,36% precision 99,64% dan recall 87,12%.
PENARAPAN ALGORITMA K-MEANS CLUSTERING DALAM MENGANALISIS RESIKO PENYAKIT STROKE Nurhakim, Bani; Septiani, Intan; Anam, Khaerul; Pratama, Denni
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8452

Abstract

Di kawasan Asia Tenggara, stroke menempati peringkat ketiga sebagai penyebab kecacatan dan menjadi penyakit dengan risiko kematian tertinggi kedua. penyakit Stroke terjadi ketika pembuluh darah mengalir ke otak terhambat atau terjadi pecah, mengakibatkan beberapa sel jaringan otak tidak dapat menerima oksigen yang dibutuhkan dari aliran darah. Permasalahan mencakup mengidentifikasi faktor risiko penyakit stroke dengan akurat sehigga menjadi suatu tantangan dan Menentukan jumlah cluster (K) yang paling sesuai untuk mencerminkan kelompok resiko penyakit stroke dengan optimal. Dengan menerapkan pendekatan data mining K-means clustering, pasien dapat dikelompokkan ke dalam kategori resiko yang beragam. Beberapa kelompok pasien menunjukkan dominasi faktor risiko tertentu, sehingga memberikan pemahaman lebih rinci mengenai variasi resiko stroke dalam populasi. Temuan dari analisis K-means clustering telah diperkuat melalui validasi menggunakan data klinis tambahan, menegaskan kehandalan dan relevansi hasil. Proses validasi melibatkan uji model pada dataset yang berbeda untuk memastikan keberlakuan temuan secara umum. Penelitian ini melibatkan langkah-langkah teliti dalam penentuan jumlah cluster (K) untuk menjamin hasil clustering yang optimal. Pendekatan ini membantu mengurangi risiko overfitting atau underfitting, sehingga meningkatkan akurasi analisis. Visualisasi hasil clustering memberikan gambaran yang jelas tentang sebaran faktor risiko di antara kelompok pasien, dengan grafik dan diagram yang memudahkan interpretasi serta komunikasi temuan kepada pihak-pihak yang berkepentingan.
ANALISIS KLASTER K-MEDOID UNTUK PENGELOMPOKAN DAN PEMETAAN PROVINSI DI INDONESIA BERDASARKAN NILAI UJIAN NASIONAL Puri, Anita; Solihudin, Dodi; Anwar, Saeful; Pratama, Denni; Wahyudin, Edi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8653

Abstract

Ujian Nasional (UN) adalah suatu metode standar mengevaluasi tahap pendidikan awal yang membantu menentukan apakah siswa lulus atau tidak. Sejalan dengan Penilaian hasil belajar ini bertujuan unntuk menilai kinerja siswa pada tingkat nasional. Ujian nasional juga mempunyai dampak penting dalam melanjutkan pendidikan pada jenjang selanjutnya dan dapat meningkatkan mutu pendidikan di sekolah. Penelitian ini bertujuan mengidentifikasi pola atau struktur dalam Algoritma K-Medoid Clustering yang digunakan untuk mengelompokkan nilai rata-rata siswa berdasarkan hasil ujian nasional tingkat provinsi di Indonesia. Dalam mengelompokkan pencapaian nilai ujian siswa berdasarkan Nama Provinsi, Ujian Nasional (UN) tingkat (SMP), UN (SMA) (IPA), UN SMA Program Ilmu Pengetahuan Sosial (IPS), UN SMA Program Bahasa, UN Sekolah Menengah Kejuruan (SMK), Ujian Institusi (IIUN) tingkat SMP, IIUN tingkat SMA (IPA), IIUN SMA (IPS), IIUN SMA Program Bahasa, dan IIUN SMK. Algoritma K-Medoid ini juga dikenal sebagai Algoritma Partitioning Around Medoid atau PAM, dari data yang sudah diolah menggunakan teknik clustering hasil yang di dapat dalam mengelompokan nilai rata-rata di provinsi Indonesia berdasarkan Davies Bouldin Index, dapat diharapkan memudahkan dan memahami algoritma K-Medoid dalam pengelompokan nilai ujian siswa di Indonesia menggunakan teknik clustering untuk mendapatkan jumlah kelompok terbaik pada data hasil ujian nasional di Indonesia menggunakan algoritma k-medoid. Dari hasil penerapan tersebut nilai K terbaik diperoleh pada nilai iterasi K9 dengan jumlah 1.016 berdasarkan Davies Bouldin Index, Berdasarkan hasil pengukuran nilai max runs dari 1 sampai 10, menunjukkan nilai DBI yang konsisten, yakni 1.016 pada K9 menjadi nilai terbaik, pada cluster ini, terdapat 25 items dalam cluster 0, dan 5 items dalam cluster 1. Stabilitas nilai DBI pada K9 menunjukkan kualitas pengelompokan yang baik.
KLASIFIKASI BARANG PRODUKSI PADA TNT. GUITAR WORKSHOP DENGAN METODE NAIVE BAYES MENGGUNAKAN RAPID MINER Vibrianti, Vera; Wahyudin, Edi; Kaslani, Kaslani; Pratama, Denni; Dwilestari, Gifthera
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8966

Abstract

Minat pembelian gitar semakin berkembang terutama dikalangan anak muda. Permintaan penjualan gitar pun semakin meningkat. Adapun dari TNT.Guitar Workshop yang saya temui di daerah perumnas kota Cirebon, disitu konsumen dapat menentukan sendiri model, jenis kayu, hardware, dan yang lainnya sesuai dengan kemauan konsumen itu sendiri. TNT.Guitar Workshop memiliki masalah dalam mengklasifikasi barang untuk mengetahui model gitar apa saja yang banyak diminati oleh konsumen. Dalam penelitian ini metode perancangan yang akan diterapkan adalah metode algoritma Naive bayes. Naive Bayes merupakan sebuah pengklasifikasian probabilistik sederhana yang menghitung sekumpulan probabilitas dengan menjumlahkan frekuensi dan kombinasi nilai dari dataset yang diberikan. Tujuan dari penelitian ini adalah membantu TNT.Guitar Workshop dalam mengklasifikasi barang untuk mengetahui model gitar apa saja yang banyak diminati oleh konsumen dan untuk melihat berapa tingkat akurasi hasil klasifikasi barang menggunakan algoritma Naive Bayes dengan menggunakan aplikasi RapidMiner. Dengan menggunakan aplikasi RapidMiner versi 9.9 menunjukan bahwa nilai akurasi sebesar 86.49% dengan rincian sebagai berikut: prediksi interest dan true interest memiliki nilai sebesar 157, prediksi interest dan true some interest memiliki nilai 18, prediksi some interest dan true interest memiliki nilai 22, prediksi some interest dan true some interest memiliki nilai sebesar 99. Dengan kelas interest sebesar 87.71% dan kelas some interest sebesar 84.62%.
MARKET BASKET ANALYSIS PADA DATA PENJUALAN UMKM MENGGUNAKAN ALGORITMA FP-GROWTH Pratama, Denni; Kaslani, Kaslani; Tohidi, Edi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10939

Abstract

UMKM di Indonesia menghadapi tingkat kegagalan yang tinggi, mencapai 78-80%, yang disebabkan oleh berbagai faktor termasuk pengelolaan inventori yang buruk, persaingan usaha, dan rendahnya penjualan. Pandemi COVID-19 juga memberikan dampak signifikan, terutama pada usaha sektor makanan dan minuman. Toko Rafa Cake, UMKM di Kota Cirebon yang memproduksi dan menjual makanan, mengalami dampak pandemi pada penjualannya. Pasca pandemi, Toko Rafa Cake, berusaha memperbaiki pengelolaan dan berinovasi dengan menghadirkan 155 varian produk, namun mengalami kesulitan dalam mengelola inventori dan menentukan strategi penjualan yang tepat. Penelitian ini menggunakan Market Basket Analysis dengan algoritma FP-Growth dan empat matriks evaluasi aturan asosiasi untuk menganalisis data transaksi penjualan. Kerangka penelitian menggunakan CRISP-DM. Dari 10.987 data transaksi, dihasilkan 6 aturan asosiasi umum dengan hasil yang bervariasi setiap bulannya. Produk Roti Regular All Varian memiliki support tertinggi sebesar 32,10%. Analisis menunjukkan bahwa pelanggan yang membeli Donat Ring Regular dan Glass Cake cenderung membeli Roti Regular All Varian dengan support 5,50%, confidence 98,80%, lift 3.075, dan conviction 55.436. Rekomendasi yang dihasilkan meliputi pengaturan tata letak produk yang sering dibeli bersamaan dan penerapan strategi bundling Roti Regular All Varian dengan produk lainnya. Hasil penelitian ini dapat membantu Toko Rafa Cake dalam menentukan strategi penjualan dan mengelola inventori dengan lebih efektif.
Peningkatan Kompetensi Guru Ciayumajakuning Melalui Bimbingan Teknis Teknologi AI Gemini Sudrajat, Dadang; Pratama, Denni; Mubarok, Fatkhan; Zamil Farhan, Muhammad
AMMA : Jurnal Pengabdian Masyarakat Vol. 3 No. 2 : Maret (2024): AMMA : Jurnal Pengabdian Masyarakat
Publisher : CV. Multi Kreasi Media

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

Abstract

The advancement of Artificial Intelligence (AI) technology has created significant transformations across various sectors, including education. However, the adoption of AI in the educational sector—particularly in the Ciayumajakuning region (Cirebon, Indramayu, Majalengka, and Kuningan)—still faces several challenges, such as low digital literacy among teachers, limited access to technological training, and a lack of understanding regarding the practical application of AI in learning and school administration contexts. The Gemini AI Technical Training Program is part of a Community Service initiative aimed at enhancing teachers' capacity to use AI technology in a practical and ethical manner within educational environments.
PENERAPAN ALGORITMA FP-GROWTH DALAM ANALISIS POLA TRANSAKSI UNTUK OPTIMALISASI PENGELOLAAN DATA TRANSAKSI DI TOKO LIA Talia, Agita Hany; Suarna, Nana; Pratama, Denni
Jurnal Kecerdasan Buatan dan Teknologi Informasi Vol. 3 No. 1 (2024): January 2024
Publisher : Ninety Media Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/jkbti.v3i1.108

Abstract

Penelitian ini membahas penerapan algoritma FP-Growth dalam analisis pola transaksi dengan tujuan untuk optimalisasi pengelolaan data transaksi di Toko Lia. Pendahuluan menjelaskan kompleksitas data transaksi dalam bisnis ritel dan kebutuhan akan metode analisis yang efektif. Masalah yang diidentifikasi meliputi ketidakmampuan sistem konvensional dalam menangani volume data transaksi yang besar serta kesulitan dalam mengidentifikasi pola transaksi yang signifikan. Tujuan penelitian adalah mengimplementasikan algoritma FP-Growth sebagai solusi untuk mengatasi masalah tersebut. Metode penelitian melibatkan pengumpulan data transaksi dari Toko Lia, penerapan algoritma FP-Growth, dan analisis hasil untuk mengidentifikasi pola transaksi yang relevan. Hasil penelitian menunjukkan bahwa penerapan algoritma FP-Growth berhasil mengoptimalkan pengelolaan data transaksi dengan efisien, memungkinkan identifikasi pola transaksi yang mendasar bagi keberhasilan strategi pemasaran dan pengelolaan stok di Toko Lia. Implikasi praktis dari penelitian ini adalah peningkatan kinerja operasional dan strategi bisnis Toko Lia melalui pemanfaatan algoritma FP-Growth sebagai alat analisis yang andal untuk menggali informasi berharga dari data transaksi.
PENGELOMPOKAN SANTRI DI PONDOK AL-MA’RIFAH BERDASARKAN ASAL WILAYAH MENGGUNAKAN ALGORITMA K-MEAN CLUSTERING Nurhasanah, Siti; Suarna, Nana; Pratama, Denni
Jurnal Kecerdasan Buatan dan Teknologi Informasi Vol. 3 No. 1 (2024): January 2024
Publisher : Ninety Media Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/jkbti.v3i1.109

Abstract

Pondok Al-Ma’rifah merupakan lembaga pendidikan Islam yang menampung santri dari berbagai wilayah. Penelitian ini bertujuan untuk mengelompokkan santri berdasarkan asal wilayah menggunakan algoritma K-Mean Clustering guna meningkatkan efisiensi manajemen pondok. mencerminkan kebutuhan akan pendekatan yang sistematis dalam mengorganisir santri untuk mendukung optimalisasi pelayanan dan pemenuhan kebutuhan mereka. Masalah utama adalah kompleksitas pengelolaan santri dari beragam wilayah yang dapat menghambat efisiensi dan efektivitas manajemen pondok. Tujuan penelitian ini adalah mengidentifikasi pola distribusi santri berdasarkan asal wilayah dan mengelompokkannya secara otomatis menggunakan algoritma K-Mean Clustering. Metode penelitian melibatkan pengumpulan data asal wilayah santri, pemrosesan data, dan implementasi algoritma K-Mean Clustering untuk membentuk kelompok homogen. Hasil penelitian ini memberikan gambaran yang jelas tentang pola distribusi geografis santri di Pondok Al-Ma’rifah dan menyajikan kelompok-kelompok yang mewakili kesamaan asal wilayah. Penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam meningkatkan efisiensi manajemen pondok, memudahkan pemantauan dan pelayanan santri, serta membuka peluang pengembangan program pendidikan yang lebih terarah sesuai karakteristik kelompok wilayah tertentu.
Prediction of Stunted Toddlers Using K-Nearest Neighbor Algorithm in Kamarang Lebak Village Amida, Anggi Fitria; Permana, Sandy Eka; Pratama, Denni; Anam, Khaerul; Rinaldi, Ade Rizki
Bahasa Indonesia Vol 15 No 02 (2023): Instal : Jurnal Komputer Periode (Juli-Desember)
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jurnalkomputer.v15i02.156

Abstract

Stunting refers to a condition where toddlers (under five years old) experience growth failure, resulting in height and weight below the average for their age. The focus of this research is on the situation in Kamarang Lebak Village, where the number of stunted toddlers is notably significant. However, there has yet to be a study accurately predicting the factors differentiating stunted toddlers from those growing normally, thus lacking clarity on how accurate such predictions are in identifying toddlers vulnerable to stunting. The data collection method employed in this study involves observational techniques, with researchers visiting the Kamarang health center in Greged Sub-District, Cirebon Regency, to gather necessary information and data. This research implements the K-Nearest Neighbor Algorithm method to predict stunted toddlers and is supported by the Knowledge Discovery in Database approach, involving steps such as data selection, collection, transformation, data mining processes, and evaluation. It is anticipated that this research will serve as a foundation for public health practitioners, especially community health workers and village midwives in the area, to plan more focused and efficient intervention programs addressing toddler stunting issues. The results of this study indicate that the K-nearest neighbor algorithm demonstrates good performance with an accuracy of 97.16%. Stunting precision reaches 95.60%, normal precision reaches 98.82%, stunting recall reaches 98.86%, and normal recall reaches 95.45%.
Peningkatan Kompetensi Akademik Dosen Melalui Pelatihan Systematic Literature Review (SLR) Sudrajat, Dadang; Pratama, Denni; Adianto, Luthfi; Iffah Adella, Luthfiyyah
AMMA : Jurnal Pengabdian Masyarakat Vol. 2 No. 2 (2023): AMMA : Jurnal Pengabdian Masyarakat (INPRESS)
Publisher : CV. Multi Kreasi Media

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

Abstract

The quality of academic research is significantly influenced by the ability of lecturers to conduct systematic and comprehensive literature reviews. This Community Partnership Program aims to enhance the competence of Kopertip Indonesia lecturers in conducting Systematic Literature Reviews (SLR) as an essential part of the academic research process. This training is designed to provide an in-depth understanding of SLR methodology, including formulating appropriate research questions, effective literature search strategies, study inclusion and exclusion criteria, synthesis and analysis of literature data, and the preparation of high-quality SLR reports. It is expected that, through this training, Kopertip Indonesia lecturers can improve their ability to produce more relevant, comprehensive research that significantly contributes to the advancement of knowledge.
Co-Authors Ade Rizki Rinaldi Adianto, Luthfi Ahmad Faqih Aldiani, Dea Amida, Anggi Fitria Andriyanti, Rina Ardhani, Risma Azhar Azhar Baihaqi, M. Iqbal Bambang Siswoyo Bayu Saputra Christina Juliane, Christina Dadang Sudrajat Dikananda, Fatihanursari Dwi Kusuma, Lukman Fatihanursari, Fatihanursari Faturrohman, Faturrohman Gifthera Dwilestari Hamonangan, Ryan Hermawan, Sari Hery Widijanto Hoerunnisa, Anis Iffah Adella, Luthfiyyah Irfan Ali, Irfan Kaslani Maulana, Arman Mubarok, Fatkhan Muhamad Basysyar , Fadhil Ningrum, Cistia Nurhakim, Bani Permana, Sandy Eka Puri, Anita Rifa’I, Ahmad Rinaldi Dikananda, Arif Rizki Rinaldi , Ade Rohmat, Cep Lukman Saeful Anwar, Saeful Sagita, Ayu Sazwati, Anggi Septiani, Intan Siti Nurhasanah Solihudin, Dodi Suarna, Nana Sunana, Heliyanti Susana, Heliyanti Talia, Agita Hany Tohidi, Edi Triantoro, Miranu Veithzal Rivai Zainal Vibrianti, Vera Wahyudin, Edi Yudhistira Arie Wijaya Zamil Farhan, Muhammad Zapar, Rizky