Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal JURNAL INSTEK (Informatika Sains dan Teknologi) EDUMATIC: Jurnal Pendidikan Informatika
Ali Asgar Zainal Abidin
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
IMPLEMENTASI ARTIFICIAL NEURAL NETWORK PADA KASUS REGRESI LINEAR BERGANDA UNTUK MEMPREDIKSI JUMLAH PAKAN AYAM PETELUR Ali Asgar Zainal Abidin; Kusrini; Ferry Wahyu Wibowo
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 9 No 2 (2024): OCTOBER
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v9i2.50836

Abstract

Produksi telur ayam petelur adalah bagian penting dalam industri peternakan dan berperan besar dalam memenuhi kebutuhan masyarakat akan telur sebagai sumber makanan. Penelitian ini menggunakan algoritma Jaringan Saraf Tiruan (JST), yang sering digunakan untuk memprediksi data, untuk melakukan prediksi jumlah pakan yang dibutuhkan oleh ayam petelur. Penelitian ini bukan tentang hasil prediksi konkret, tetapi lebih tentang evaluasi kemampuan algoritma JST dalam melakukan prediksi berdasarkan dataset yang diperoleh dari sumber Kaggle.Dalam penelitian ini, berbagai model arsitektur jaringan neural telah dieksplorasi, termasuk model dengan struktur 5-30-1, 5-40-1, 5-50-1, dan 5-60-1. Setiap model telah dilatih dan diuji, dan hasilnya menunjukkan bahwa model arsitektur terbaik adalah yang memiliki struktur 5-40-1, dengan tingkat kinerja (MAPE) terendah sekitar 4.04 dan RMSE sebesar 6.71, yang merupakan tingkat kesalahan terendah dibandingkan dengan enam model lainnya. Ini mengindikasikan bahwa model tersebut dapat digunakan dengan baik untuk melakukan prediksi jumlah pakan yang dibutuhkan oleh ayam petelur.
Revisiting Resampling Strategies under Extreme Class Imbalance: Evidence from Large-Scale Online Payment Fraud Detection Ardiansyah, Mursyid; Abidin, Ali Asgar Zainal
Jurnal Pendidikan Informatika (EDUMATIC) Vol 10 No 1 (2026): Edumatic: Jurnal Pendidikan Informatika
Publisher : Universitas Hamzanwadi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29408/edumatic.v10i1.33272

Abstract

Extreme class imbalance in online payment fraud detection creates an accuracy paradox and an operational risk in which improving fraud capture can generate costly false alarms. This study uses a quantitative, experiment-based design to evaluate the operational impact of common resampling strategies under extreme skew using interpretable linear decision rules. The Online Payments Fraud dataset (6.36 million transactions) from Kaggle is analysed using six monetary balance/amount variables (amount, oldbalanceOrg, newbalanceOrig, oldbalanceDest, newbalanceDest) plus the rule-based isFlaggedFraud indicator to predict the isFraud label. Five training variants (no resampling, ROS, RUS, SMOTE, ADASYN) are compared with two linear decision rules: an ordinary least squares linear scoring model (thresholded at 0.5) and a linear SVM, using a leakage-free protocol in which resampling is applied only to the 80% training split and performance is assessed on an untouched, highly imbalanced 20% test set. The findings indicate that LinReg–RUS achieves the most balanced operating point (Precision 65.938%, Recall 47.718%, F1 55.367%, ROC-AUC 98.720%), whereas ADASYN increases recall but collapses precision (~2.1%), yielding F1 ≈4.17%. These results contribute controlled, large-scale evidence that under extreme imbalance, simpler resampling–model combinations can provide more deployable precision–recall trade-offs than aggressive synthetic sampling, supporting interpretable baselines for capacity-constrained payment screening.
Co-Authors Ferry Wahyu Wibowo Kusrini Mursyid Ardiansyah