Article Per Year (5 Year)
p-Index From 2021 - 2026
3.098
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 : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search

 1   2   3 
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.
Optimization of Convolutional Neural Networks Using Resizing Techniques for Banana Leaf Disease Classification Kurniawan, Aldiyansyah; Purnamasari, Ade Irma; Pratama, Denni; Tohidi, Edi; Wahyudin, Edi
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.v5i2.1876

Abstract

Early and accurate identification of banana leaf diseases is essential for supporting digital agriculture, as visual symptoms often require rapid and reliable analysis. This study investigates the impact of three image resizing techniques squashing, letterboxing, and random resized crop on the performance of the MobileNetV2 architecture in classifying four categories of banana leaf images using the Banana Leaf Disease Dataset v4 consisting of 4,675 samples. The experiments were conducted using a transfer learning approach with an 80:10:10 data split, standardized normalization, and data augmentation. The results show that all resizing techniques achieved test accuracies above 92%. Squashing produced the highest accuracy and fastest training time, letterboxing demonstrated the most stable performance with the lowest validation loss, and random resized crop improved generalization to variations in object position. These findings confirm that resizing strategies significantly influence the stability and effectiveness of CNN models. Overall, MobileNetV2 proves capable of delivering accurate and efficient classification of banana leaf diseases when supported by an appropriate preprocessing pipeline. This study provides empirical evidence for developing image-based plant disease diagnosis systems within smart agriculture.
Application of Weighted Loss Function in Convolutional Neural Network for Acne Image Classification Abubakar Sidik; Purnamasari, Ade Irma; Pratama, Denni; Marta, Puji Pramudya; Wijaya, Yudhistira Arie
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.v5i2.1885

Abstract

Automated acne image classification using Convolutional Neural Networks (CNN) holds significant potential in dermatological diagnosis but faces a fundamental challenge of class imbalance. This phenomenon causes standard models to be biased towards majority classes and fail to recognize clinically important minority classes. This study aims to address this bias by applying a Weighted Loss Function to the EfficientNetB1 architecture. The research method employs a comparative experimental approach between two scenarios: the Baseline model (Standard Cross-Entropy) and the Proposed model (Weighted Cross-Entropy). The dataset consists of 5 acne classes with an imbalanced distribution. The results show that the Weighted Loss model significantly outperforms the Baseline model. Overall accuracy increased from 80% to 86%. The most significant improvement occurred in the minority class 'Papules', where the F1-Score surged by 0.10 points (from 0.71 to 0.81). It is concluded that the application of Weighted Loss Function effectively overcomes bias due to imbalanced data without the need for synthetic data augmentation, resulting in a fairer and more reliable model for clinical implementation.
Analysis of the Effectiveness of Manual Deployment and CI/CD Github Actions in the Braisee Application Seputra, Nenda Alfadil; Nurdiawan, Odi; Dikananda, Arif Rinaldi; 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.v5i2.1916

Abstract

In the modern cloud-based software development ecosystem, the speed and reliability of the deployment process are critical elements. This study aims to evaluate the effectiveness of implementing Continuous Integration/Continuous Deployment (CI/CD) using GitHub Actions compared to manual methods for the machine learning API of the Braisee application hosted on Google Cloud Run. Using a quantitative approach with a comparative experimental design across ten testing iterations, this research measures deployment time efficiency, error rates, and system stability. The experimental results show a significant performance disparity, where the automated method based on GitHub Actions is considerably more efficient, with an average total duration of 111–167 seconds, reducing operational time by 40–60% compared to the manual method, which requires 297–364 seconds. In terms of reliability, the automated method achieves a 100% success rate with high consistency, whereas the manual method demonstrates substantial vulnerability to human errors such as mistyped project IDs and inconsistent image tagging. It is concluded that implementing CI/CD through GitHub Actions is a superior solution that improves time efficiency and ensures the stability of cloud-based applications compared to manual procedures.
Co-Authors Abubakar Sidik Ade Rizki Rinaldi Ahmad Faqih Aldiani, Dea Amida, Anggi Fitria Ardhani, Risma Azhar Azhar Azzahra, Fitriyani Baihaqi, M. Iqbal Bambang Irawan Bambang Siswoyo Bayu Saputra Christina Juliane, Christina Dikananda, Arif Rinaldi Dikananda, Fatihanursari Fatihanursari, Fatihanursari Faturrohman, Faturrohman Gifthera Dwilestari Hamonangan, Ryan Hermawan, Sari Hery Widijanto Hoerunnisa, Anis Kaslani Kurnia, Dian Ade Kurniawan, Aldiyansyah Marta, Puji Pramudya Nurhakim, Bani Odi Nurdiawan Permana, Sandy Eka Puri, Anita Purnamasari, Ade Irma Rifa’I, Ahmad Rohmat, Cep Lukman Saeful Anwar, Saeful Sagita, Ayu Sazwati, Anggi Septiani, Intan Seputra, Nenda Alfadil 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