Garuda - Garba Rujukan Digital

Analisis dan Peningkatan Performa Log File Pada Server dengan Elk Stack Rafli, M Nerdi; Naf'an, Emil; Mandala, Eka Praja Wiyata
Jurnal Sarjana Teknik Informatika Vol. 12 No. 1 (2024): Februari
Publisher : Program Studi Informatika, Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/jstie.v12i1.28235

Komputer server adalah penyedia layanan dalam jaringan dan memastikan bahwa semua aktivitas komputasi dapat dicatat dan memiliki keluaran berupa file log. Berdasarkan pengamatan yang dilakukan pada sebuah kantor pemerintahan di Kota Padang teridentifikasi kesulitan mengolah file log dan masih memiliki banyak kekurangan dalam proses menganalisa log. Oleh karena itu, dibutuhkan sistem pengelolaan file log secara lengkap, seperti management log yang efektif untuk menampung masalah. Sistem yang diusulkan ini dapat mengevaluasi log jaringan berdasarkan fungsi untuk log management, log collection, log transformation, dan log file. Saat ini telah terdapat banyak alat yang digunakan dengan bermacam metode dalam mengumpulkan log dan menganalisis log untuk mendeteksi aktivitas jahat. Alat yang tersedia belum mengimplementasikan metode ELK Stack, yaitu kombinasi dari Elasticsearch, Logstash, dan Kibana. Arsitektur ELK ini menarik untuk diimplementasikan karena dapat membangun pembaruan yang lebih tertata dengan sedikit usaha dan fungsionalitas yang didapat lebih akurat. Dengan penerapan manajemen log ini, seorang administrator dapat membaca log, meningkatkan performa log file, mengidentifikasi masalah pada server, dan menganalisis pelaporan secara lebih mudah

Sistem Pakar Diagnosa Penyakit Feline Infectious Peritonitis Virus Pada Kucing Dengan Metode Naive Bayes Berbasis Web Afdhal, Muhammad; Mandala, Eka Praja Wiyata; Zulfikri, Rahmat
Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer) Vol 1 No 1 (2021): Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitekt
Publisher : Pustaka Galeri Mandiri

Masalah yang diteliti dalam penelitian ini yaitu mengenai mendeteksi virus pada Feline Infectious Peritonitis dimana kurangnya informasi dan pengetahuan tentang seriusnya Penyakit tersebut bagi kucing yang mengakibatkan kematian pada kucing. jika kucing sudah terserang penyakit maka nantinya berdampak langsung pada kesehatan kucing tersebut. Dari hasil penelitian tersebut menunjukan bahwa sistem pakar dapat mendignosa penyakit kucing jenis Feline Infectious Peritonitis dengan nilai 87.37% dimana angka tersebut menunjukan bahwa sistem pakar mampu mendiagnosa penyakit pada kucing dengan jenis Feline Infectious Peritonitis.. Solusi untuk mengatasi kurangnya inormasi tesebut adalah dengan di bangunnya sistem pakar. Metode yang digunakan dalam penelitian ini adalah Naive bayes yang satu metode untuk membuktikan gejala pada penyakit berdasarkan nilai probabilitas. Metode ini sangat cocok untuk sistem pakar mendiagnosa penyakit virus Feline Infectious Peritonitis pada kucing. Hasil dari penelitian ini yaitu terbangunnya sistem pakar yang dapat mendeteksi penyakit virus Feline Infectious Peritonitis pada kucing dan memberikan informasi mengenai penyakit virus Feline Infectious Peritonitis tersebut.

Penerapan K-Means Clustering dalam Segmentasi Siswa Berdasarkan Status Sosial Ekonomi Dewi Eka Putri; Eka Praja Wiyata Mandala
Progresif: Jurnal Ilmiah Komputer Vol 21, No 2 (2025): Agustus
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v21i2.2809

The accuracy of educational aid distribution remains a challenge, especially when it is not based on structured socioeconomic data. This study aims to group students at SMP Negeri 1 Lunang based on socioeconomic status using the K-Means Clustering algorithm as a segmentation approach. The data used includes parents' income and occupation, number of dependents, social assistance, certificates of poverty, and distance from home to school. After data normalization, clustering and visualization were performed using Principal Component Analysis (PCA). The clustering results yielded three main groups representing different socioeconomic levels: low, medium, and high. Validation using the Silhouette Score yielded a value of 0.2592, indicating that the cluster separation was adequate. These findings suggest that K-Means can serve as a decision-making tool for data-driven aid distribution. This study offers a new approach to student segmentation that simultaneously considers geographical and socioeconomic indicators.Keywords: K-Means; Socioeconomic status; Student segmentation; PCA; Silhouette score AbstrakKetepatan penyaluran bantuan pendidikan masih menjadi tantangan, terutama ketika tidak berbasis pada data sosial ekonomi yang terstruktur. Penelitian ini bertujuan untuk mengelompokkan siswa SMP Negeri 1 Lunang berdasarkan status sosial ekonomi menggunakan algoritma K-Means Clustering sebagai pendekatan segmentasi. Data yang digunakan mencakup penghasilan dan pekerjaan orang tua, jumlah tanggungan, bantuan sosial, surat keterangan tidak mampu, dan jarak rumah ke sekolah. Setelah data dinormalisasi, dilakukan klasterisasi dan visualisasi menggunakan Principal Component Analysis (PCA). Hasil clustering menghasilkan tiga kelompok utama yang merepresentasikan tingkatan sosial ekonomi berbeda yaitu rendah, menengah dan tinggi. Validasi menggunakan Silhouette Score menunjukkan nilai sebesar 0,2592, menandakan bahwa pemisahan klaster cukup baik. Temuan ini menunjukkan bahwa K-Means dapat menjadi alat bantu pengambilan keputusan untuk penyaluran bantuan berbasis data. Penelitian ini menawarkan pendekatan baru dalam segmentasi siswa yang mempertimbangkan indikator geografis dan sosial secara bersamaan.Kata kunci: K-Means; Status sosial ekonomi; Segmentasi siswa; PCA; Silhouette score

Implementasi Algoritma K-Means dalam Klasterisasi Penjualan Lauk Masakan Padang Dewi Eka Putri; Dede Wira Trise Putra; Eka Praja Wiyata Mandala
Progresif: Jurnal Ilmiah Komputer Vol 21, No 1 (2025): Februari
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v21i1.2459

Culinary development in Indonesia is very rapid, increasing competition among culinary entrepreneurs. Side dish sales at RM Takana Juo are problematic in stock management due to lack of understanding of sales patterns. This research proposes the use of K-Means algorithm to cluster side dish sales based on parameters that focus on initial stock and number sold. This research begins with the collection of side dish sales datasets, determination of the optimal number of clusters, and application of the K-Means algorithm to group side dishes into two clusters: side dish clusters with higher initial stock and sales and side dish clusters with relatively low initial stock and sales. The results showed that the sales of 20 Padang cuisine side dishes at RM Takana Juo were successfully grouped into the two clusters. The validation of the method's performance showed an average Silhouette Score value of 0.57 which indicates that the K-Means algorithm successfully clustered the data quite well. This research contributes specifically in planning the procurement of Padang cuisine side dishes in organizing daily stock to reduce waste.Keywords: Clusterization; K-Means; Side Dish Sales; Padang Cuisine; Sales Pattern AbstrakPerkembangan kuliner di Indonesia sangat pesat sehingga meningkatkan persaingan antar pengusaha kuliner. Penjualan lauk di RM Takana Juo bermasalah dalam pengelolaan stok karena kurangnya pemahaman pola penjualan. Penelitian ini mengusulkan penggunaan algoritma K-Means untuk mengelompokkan penjualan lauk berdasarkan parameter yang fokus pada stok awal dan jumlah terjual. Penelitian ini dimulai dengan pengumpulan dataset penjualan lauk, penentuan jumlah klaster optimal, dan penerapan algoritma K-Means untuk mengelompokkan lauk ke dalam dua klaster yaitu klaster lauk dengan stok awal dan penjualan yang lebih tinggi dan klaster lauk dengan stok awal dan penjualan yang relatif rendah. Hasil penelitian menunjukkan bahwa penjualan 20 lauk masakan Padang di RM Takana Juo berhasil dikelompokkan ke dalam dua klaster tersebut. Validasi kinerja metode menunjukkan nilai rata-rata Silhouette Score sebesar 0.57 yang mengindikasikan bahwa algoritma K-Means berhasil mengelompokkan data dengan cukup baik. Penelitian ini berkontribusi spesifik dalam merencanakan pengadaan lauk masakan Padang dalam mengatur stok harian untuk mengurangi pemborosan.Kata kunci: Klasterisasi; K-Means; Penjualan Lauk; Masakan Padang; Pola Penjualan

Penerapan Algoritma Decision Tree dalam Menentukan Kelayakan Penerima Bantuan Program Keluarga Harapan Mandala, Eka Praja Wiyata; Putri, Dewi Eka
Progresif: Jurnal Ilmiah Komputer Vol 22, No 1 (2026): Januari
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v22i1.3494

Determining the eligibility of beneficiaries for the Family Hope Program still faces targeting inaccuracies due to limited data analysis and subjective decision-making. This study aims to develop a Decision Tree–based classification model to objectively determine Family Hope Program eligibility using data-driven approaches. The dataset includes socio-economic attributes such as income, DTKS status, school-age children, pregnant or breastfeeding mothers, elderly members, disabilities, and occupation. The data were processed through cleaning, transformation, and splitting into training and testing sets. Experimental results show that the model achieved a highest accuracy of 96.00%, along with high precision and recall values. The resulting decision tree structure also provides interpretable rules to support decision-making. These findings demonstrate that the Decision Tree method is effective in improving the accuracy and transparency of Family Hope Program beneficiary selection.Keywords: Decision Tree; Family Hope Program; Classification; Data Mining; Social Assistance AbstrakPenentuan kelayakan penerima Program Keluarga Harapan masih menghadapi permasalahan ketidaktepatan sasaran akibat keterbatasan analisis data dan subjektivitas dalam pengambilan keputusan. Penelitian ini bertujuan mengembangkan model klasifikasi berbasis Decision Tree untuk menentukan kelayakan penerima Program Keluarga Harapan secara objektif dan berbasis data. Dataset yang digunakan mencakup atribut sosial ekonomi seperti pendapatan, status DTKS, usia sekolah, ibu hamil atau menyusui, lansia, disabilitas, dan pekerjaan. Data diproses melalui tahap pembersihan, transformasi, dan pembagian data latih dan uji. Hasil pengujian menunjukkan bahwa model mencapai akurasi tertinggi sebesar 96,00%, dengan presisi dan recall yang tinggi. Struktur pohon keputusan juga menghasilkan aturan yang mudah diinterpretasikan sebagai dasar pengambilan keputusan. Hasil ini membuktikan bahwa Decision Tree efektif untuk meningkatkan ketepatan dan transparansi penyaluran bantuan Program Keluarga Harapan.Kata kunci: Decision Tree; Program Keluarga Harapan; Klasifikasi; Data Mining; Bantuan Sosial

Decision Support System for Loan Eligibility using the Simple Additive Weighting (SAW) Method M Reza Tri Kurnia; Eka Praja Wiyata Mandala; Radius Prawiro
Journal of Computer Scine and Information Technology Volume 9 Issue 4 (2023): JCSITech
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/jcsitech.v9i4.84

The Solok City Bakti Husada Employees Cooperative is a non-bank financial institution in the form of a cooperative that serves the needs of its members in lending services with collateral in the form of member savings. The aim of this research is to make it easier for the Bakti Husada Cooperative to determine the suitability of loans to borrowers and to create a Decision Making System using the Simple Additive Weighting (SAW) method which is able to assist the Bakti Husada Cooperative in determining the suitability of loans to borrowers. The data collection method was carried out by direct observation and interviews with employees from the Bakti Husada Cooperative, Solok City. The results obtained are effective in making decisions about loan eligibility at the Bakti Husada Cooperative in Solok City in accordance with the criteria that have been determined in the selection. This result is proven. By using this system, members who apply for a loan get a score that is in accordance with the criteria and weights that have been set and from there it can be seen if there are criteria that are not in accordance with the standard requirements of the member's application for a loan so that members can improve the loan requirements so that Loan applications are accepted by the cooperative. Gusnelawati obtained the calculation results using the SAW method to determine the feasibility of providing loans to cooperatives with a value of 0.9625 and was the 1st Best in making this decision.

An Integrated Text Analytics and Ensemble Machine Learning Framework for Fake Review Detection in Online Marketplaces Eka Praja Wiyata Mandala; Sarjon Defit; Gunadi Widi Nurcahyo
Journal of Applied Data Sciences Vol 7, No 2: May 2026
Publisher : Bright Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47738/jads.v7i2.1143

The increasing prevalence of fake reviews on e-commerce platforms undermines consumer trust and affects purchasing decisions, particularly for local products by limited visibility such as those by West Sumatra, Indonesia. This study proposes a hybrid approach combining text analytics and machine learning to enhance the detection of fake reviews. Four classification models—Naive Bayes, Random Forest, Logistic Regression, and K-Nearest Neighbor—were tested on a dataset of 1,500 labeled product reviews. Among these models, Random Forest had the highest starting accuracy of 0.8533. To enhance it, we created a better algorithm called EKAHypeRFor (Enhanced Knowledge Augmentation of Hyperparameter Random Forest). This method uses simple feature engineering and careful tuning of settings by RandomizedSearchCV. The enhanced model reached an accuracy of 0.8778, which is 2.45% higher than the original. It also includes a real-time review sorting tool, making it easy to use on online shopping sites. Tests by a confusion matrix and feature importance drawn the model works well and is easy to understand. This method is simple, fast, and accurate, helping to make online product reviews more trustworthy for small and medium businesses in the area.

Prediksi Keputusan Nasabah dalam Berlangganan Deposito Berjangka Menggunakan Algoritma Naive Bayes Classifier Putri, Dewi Eka; Mandala, Eka Praja Wiyata
Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer) Vol 6 No 4 (2026): Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitekt
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakadata.v6i4.2276

Persaingan industri perbankan yang semakin ketat menuntut bank untuk mampu mengidentifikasi nasabah yang berpotensi berlangganan deposito berjangka secara tepat. Proses penentuan target pemasaran yang masih dilakukan secara konvensional seringkali menyebabkan promosi kurang efektif karena tidak semua nasabah memiliki minat yang sama terhadap produk deposito. Tujuan penelitian ini adalah membangun model prediksi keputusan nasabah terhadap produk deposito berjangka menggunakan algoritma Naive Bayes Classifier. Dataset yang digunakan terdiri dari 515 data nasabah perbankan yang telah disesuaikan dengan kondisi perbankan di Kota Padang. Variabel yang digunakan meliputi saldo_tabungan, pekerjaan, usia, status_perkawinan, pendidikan_terakhir, kredit_rumah, kredit_pribadi, tunggakan, durasi_panggilan, dan hasil_kampanye_sebelumnya, dengan keputusan_deposito sebagai variabel target. Tahapan penelitian meliputi pengumpulan data, seleksi data, preprocessing, transformasi data, pembagian data, penerapan algoritma Naive Bayes Classifier, serta pengujian dan evaluasi model. Dataset dibagi menjadi data training sebesar 80% dan data testing sebesar 20%. Hasil pengujian menunjukkan bahwa model Naive Bayes Classifier mampu menghasilkan akurasi sebesar 89,32% dalam memprediksi keputusan nasabah berlangganan deposito berjangka. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes Classifier dapat digunakan sebagai metode klasifikasi yang efektif untuk membantu pihak perbankan dalam menentukan target pemasaran deposito secara lebih tepat sasaran.

An Integrated Text Analytics and Ensemble Machine Learning Framework for Fake Review Detection in Online Marketplaces Eka Praja Wiyata Mandala; Sarjon Defit; Gunadi Widi Nurcahyo
Journal of Applied Data Sciences Vol 7, No 2: May 2026
Publisher : Bright Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47738/jads.v7i2.1143

The increasing prevalence of fake reviews on e-commerce platforms undermines consumer trust and affects purchasing decisions, particularly for local products by limited visibility such as those by West Sumatra, Indonesia. This study proposes a hybrid approach combining text analytics and machine learning to enhance the detection of fake reviews. Four classification models—Naive Bayes, Random Forest, Logistic Regression, and K-Nearest Neighbor—were tested on a dataset of 1,500 labeled product reviews. Among these models, Random Forest had the highest starting accuracy of 0.8533. To enhance it, we created a better algorithm called EKAHypeRFor (Enhanced Knowledge Augmentation of Hyperparameter Random Forest). This method uses simple feature engineering and careful tuning of settings by RandomizedSearchCV. The enhanced model reached an accuracy of 0.8778, which is 2.45% higher than the original. It also includes a real-time review sorting tool, making it easy to use on online shopping sites. Tests by a confusion matrix and feature importance drawn the model works well and is easy to understand. This method is simple, fast, and accurate, helping to make online product reviews more trustworthy for small and medium businesses in the area.

Title

Found 39 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 39 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 39 Documents
Search