Article Per Year (5 Year)
p-Index From 2021 - 2026
2.677
P-Index
This Author published in this journals
All Journal Edulib JSR : Jaringan Sistem Informasi Robotik JATI (Jurnal Mahasiswa Teknik Informatika) CIVITAS (JURNAL PEMBELAJARAN DAN ILMU CIVIC) Instal : Jurnal Komputer Journal of Artificial Intelligence and Engineering Applications (JAIEA) Jurnal Informatika Polinema (JIP) Jurnal Kecerdasan Buatan dan Teknologi Informasi
Pratama, Denni
Unknown Affiliation
Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Social Sciences

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

Found 19 Documents
Search

 1   2 
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.
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%.
Analisis Uji Beda Metode Pembelajaran Berbasis Masalah Menggunakan Media "Pohon Kebhinekaan" Terhadap Prestasi Belajar Siswa SMAN 1 Kademangan Pratama, Denni; Baihaqi, M. Iqbal; Triantoro, Miranu
CIVITAS (JURNAL PEMBELAJARAN DAN ILMU CIVIC) Vol 11, No 2 (2025)
Publisher : LPPM Universitas Labuhanbatu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36987/civitas.v11i2.7868

Abstract

This study aims to analyse the differences in learning achievement between students taught using the problem-based learning (PBL) method with the ‘Tree of Diversity’ media and students taught using conventional methods in Pancasila Education at SMAN 1 Kademangan. This study uses a quantitative approach with a pretest-posttest control group quasi-experimental design. The research subjects consisted of two 10th-grade classes: an experimental class that received the PBL method treatment using the ‘Tree of Diversity’ media and a control class that used the conventional method. Data were collected through tests (pretest and posttest) and questionnaires to assess student responses. For the analysis, the T-test technique was used. The results of the study showed that there was a significant difference in learning achievement between the two groups, where students taught using the PBL method with the ‘Tree of Diversity’ media had a higher increase in learning achievement.  This can be seen from the learning achievement difference test result of -28.970, which is significantly lower than the t-table value of 1.693. This means that the use of the PBL method with the ‘Tree of Diversity’ media is more effective in supporting students' learning achievements at the high school level. Additionally, students' responses to the use of the method and media were very positive. This can be seen from the students' answers, which reached 44.24 out of a maximum score of 50. Thus, the results of this study also show that the use of learning media based on diversity values in the PBL method can improve the effectiveness of learning and students' understanding of Pancasila values
Implementasi Algoritma CNN dalam Sistem Absensi Berbasis Pengenalan Wajah Aldiani, Dea; Dwilestari, Gifthera; Susana, Heliyanti; Hamonangan, Ryan; Pratama, Denni
Jurnal Informatika Polinema Vol. 10 No. 2 (2024): Vol 10 No 2 (2024)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v10i2.4852

Abstract

Pengembangan teknologi pengenalan wajah telah menjadi peluang untuk meningkatkan efisiensi sistem absensi. Penelitian ini bertujuan untuk mengimplementasikan algoritma Convolutional Neural Network (CNN) dalam sistem absensi berbasis pengenalan wajah. Keunggulan CNN dalam mengekstraksi fitur kompleks dari gambar menjadikannya pilihan yang potensial untuk meningkatkan akurasi pengenalan wajah dalam pengelolaan absensi. Penelitian ini menggunakan kumpulan dataset wajah yang beragam, mencakup variasi sudut pandang, ekspresi, dan kondisi pencahayaan. Data yang digunakan terdiri dari 20 kelas yang masing-masing memiliki 500 data wajah. Penerapan model CNN dimulai dengan perancangan arsitektur CNN sederhana dengan menambahkan lapisan konvolusi, pooling dan fully connected. Model CNN kemudian dilatih menggunakan data latih sebesar 85% dari keseluruhan data. Setelah model dilatih, selanjutnya dilakukan evaluasi model CNN melalui beberapa metrik evaluasi. Dari hasil evaluasi diperoleh tingkat akurasi yang baik sebesar 91%. Setelah memperoleh model CNN untuk pengenalan wajah, model CNN diimplementasikan dalam sistem absensi. Berdasarkan hasil implementasi algoritma CNN terhadap sistem absensi diperoleh proses absensi yang akurat dan efisien sehingga dapat mengatasi kecurangan dan manipulasi data serta meningkatkan efisiensi dalam manajemen kehadiran di berbagai lingkungan.
Comparison of TF-IDF and Word2Vec Feature Representations for Emotion Classification of Tokopedia E-Commerce Review Using LinearSVC Azzahra, Fitriyani; Irawan, Bambang; Faqih, Ahmad; Pratama, Denni; Kurnia, Dian Ade
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 5 No. 2 (2026): February 2026
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v5i2.2215

Abstract

This study aims to compare the performance of TF-IDF and Word2Vec feature representations for emotion classification of Tokopedia e-commerce reviews using the LinearSVC algorithm. The dataset used is PRDECT-ID, which consists of 5,400 Indonesian-language reviews labeled with positive and negative emotions. The preprocessing stages include case folding, non-alphabet character cleaning, slang normalization, stopword removal, Sastrawi stemming, and emoji handling. Feature extraction was performed using TF-IDF and Word2Vec, after which the models were trained using LinearSVC and evaluated through 5-Fold Cross Validation and holdout testing. The experimental results show that TF-IDF achieves better performance, with an accuracy of 0.65, a macro-F1 score of 0.645, and a Cohen’s Kappa value of 0.294. Meanwhile, Word2Vec attains an accuracy of 0.58 and a macro-F1 score of 0.540. These findings indicate that TF-IDF is more effective for short and informal texts characteristic of Indonesian e-commerce reviews.
Algoritma LightGBM dengan SMOTE & ADASYN untuk Prediksi Risiko Serangan Jantung Sugianto, Nanda Putri; Purnamasari, Ade Irma; Pratama, Denni; Marta, Puji Pramudya; Wijaya, Yudhistira Arie
JSR : Jaringan Sistem Informasi Robotik Vol 10, No 1 (2026): JSR : Jaringan Sistem Informasi Robotik
Publisher : AMIK Mitra Gama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58486/jsr.v10i1.633

Abstract

Ketidakseimbangan data merupakan tantangan utama dalam pemodelan prediksi medis, termasuk prediksi serangan jantung, karena jumlah kasus positif jauh lebih sedikit dibandingkan kasus negatif sehingga menurunkan kemampuan model dalam mendeteksi pasien berisiko tinggi. Penelitian ini bertujuan untuk membandingkan efektivitas dua teknik oversampling, yaitu Synthetic Minority Oversampling Technique (SMOTE) dan Adaptive Synthetic Sampling (ADASYN), dalam meningkatkan performa algoritma Light Gradient Boosting Machine (LightGBM) untuk prediksi risiko serangan jantung. Dataset berjumlah 1.319 sampel dengan sembilan fitur klinis dan dianalisis melalui tahapan pra-pemrosesan, normalisasi, penanganan class imbalance, pembangunan model, serta evaluasi menggunakan Accuracy, Precision, Recall, F1-Score, dan AUC-ROC. Hasil menunjukkan bahwa model baseline memiliki akurasi tinggi namun sensitivitas terhadap kelas positif masih rendah. Setelah diterapkan oversampling, model mengalami peningkatan signifikan. LightGBM-SMOTE memperoleh F1-Score terbesar (0.9876) dan AUC-ROC 0.9853, sedangkan LightGBM-ADASYN mencapai F1-Score 0.9855 dan AUC-ROC 0.9861. Temuan ini menunjukkan bahwa SMOTE memberikan peningkatan performa yang lebih stabil dalam mendeteksi kelas minoritas. Dengan demikian, teknik oversampling khususnya SMOTE terbukti efektif untuk meningkatkan akurasi dan sensitivitas model prediksi serangan jantung.
Co-Authors Ade Rizki Rinaldi Ahmad Faqih Aldiani, Dea Amida, Anggi Fitria Ardhani, Risma Azhar Azhar Azzahra, Fitriyani Baihaqi, M. Iqbal Bambang Siswoyo Bayu Saputra Christina Juliane, Christina Dikananda, Fatihanursari Fatihanursari, Fatihanursari Faturrohman, Faturrohman Gifthera Dwilestari Hamonangan, Ryan Hermawan, Sari Hery Widijanto Hoerunnisa, Anis Kaslani Kurnia, Dian Ade Marta, Puji Pramudya Nurhakim, Bani Permana, Sandy Eka Puri, Anita Purnamasari, Ade Irma Rifa’I, Ahmad Rohmat, Cep Lukman Saeful Anwar, Saeful Sagita, Ayu Sazwati, Anggi Septiani, Intan Siti Nurhasanah Solihudin, Dodi Suarna, Nana Sugianto, Nanda Putri Sunana, Heliyanti Susana, Heliyanti Talia, Agita Hany Tohidi, Edi Triantoro, Miranu Veithzal Rivai Zainal Vibrianti, Vera Wahyudin, Edi Yudhistira Arie Wijaya Zapar, Rizky