Article Per Year (5 Year)
p-Index From 2020 - 2025
0.817
P-Index
This Author published in this journals
All Journal Edu Komputika Journal Infotech: Journal of Technology Information MARAS : Jurnal Penelitian Multidisplin
Ardiansyah, Muhammad Irfan
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Education Engineering Law, Crime, Criminology & Criminal Justice Public Health

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Penerapan Stacking Ensemble Learning untuk Klasifikasi Efek Kesehatan Akibat Pencemaran Udara Sunarko, Budi; Hasanah, Uswatun; Hidayat, Syahroni; Muhammad, Naufal; Ardiansyah, Muhammad Irfan; Ananda, Briska Putra; Hakiki, Muhammad Khikam; Baroroh, Luluk Taufiqul
Edu Komputika Journal Vol 10 No 1 (2023): Edu Komputika Journal
Publisher : Jurusan Teknik Elektro Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/edukomputika.v10i1.72080

Abstract

Pencemaran udara merupakan masalah serius yang berdampak negatif pada kesehatan manusia. Berbagai jenis polutan udara seperti partikel halus, sulfur dioksida, nitrogen oksida, dan ozon dapat menyebabkan gangguan pernapasan, penyakit jantung, kanker paru-paru, dan masalah kesehatan lainnya. Untuk memahami dampak kesehatan pencemaran udara, klasifikasi efek kesehatan akibat pencemaran udara menjadi penting. Metode klasifikasi ini membagi efek kesehatan berdasarkan jenis polutan, dosis, dan waktu paparan. Penelitian ini mengusulkan penerapan metode klasifikasi dengan ensemble learning untuk mengidentifikasi polutan berdampak dan tingkat risiko kesehatannya. Ensemble learning adalah teknik pembelajaran mesin yang menggabungkan beberapa model untuk meningkatkan akurasi prediksi. Stacking ensemble learning merupakan salah satu metode yang digunakan dalam klasifikasi efek kesehatan pencemaran udara dengan mengintegrasikan beberapa model dasar seperti Logistic Regression, Decision Tree, K-Nearest Neighbor, Support Vector Machine, dan Multi-Layer Perceptron. Hasil penelitian menunjukkan bahwa model Stacking memberikan performa tertinggi dengan akurasi sekitar 99,9% pada dataset baik yang seimbang maupun tidak seimbang. Namun, model Decision Tree dan K-Nearest Neighbor juga berhasil memberikan performa yang sangat baik. Waktu pelatihan model menjadi pertimbangan penting, di mana K-Nearest Neighbor dan Decision Tree memiliki waktu yang jauh lebih singkat dibandingkan dengan model Stacking.
Budaya di Era Digital: Pengaruhnya Terhadap Masyarakat Indonesia Hermawan, Nuhsandriya; Dewi, Dinie Anggraeni; Ardiansyah, Muhammad Irfan
MARAS : Jurnal Penelitian Multidisiplin Vol. 2 No. 1 (2024): MARAS : Jurnal Penelitian Multidisiplin, Maret 2024
Publisher : Lumbung Pare Cendekia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.60126/maras.v2i1.110

Abstract

Budaya di era digital ini sangat erat kaitannya dengan pengaruh-pengaruh dari internet, kemudahan internet untuk diakses oleh banyak orang memberikan berbagai dampak, tidak hanya positif maupun negatif, tapi keduanya bisa diterima oleh warga Indonesia. Budaya yang dulunya sebatas menyebar secara lambat dari literatur; perilaku orang lain; dan sejarah, kini bertambah dengan internet. Bentuk audio-visual yang menyebar melalui sosial media seperti TikTok, Instagram atau juga YouTube adalah hal yang diterima oleh banyak warga internet. Fenomena viral merupakan bentuk lebih cepat dari meme, fenomena ini mampu memengaruhi banyak orang dalam waktu singkat, fenomena ini sering terjadi di internet, baik pada fenomena yang bernilai positif atau pun negatif. Budaya luar negeri yang masuk ke Indonesia, umumnya tidak sesuai dengan nilai-nilai pancasila yang dimiliki Indonesia, bahkan cenderung berbanding terbalik. Budaya ini tentu dapat mengancam identitas serta jati diri yang dimiliki dan masih bertahan sejak lama oleh bangsa Indonesia.
Urgensi Toleransi untuk Mempertahankan Integrasi Bangsa Nurfauziah, Ayu; Dewi, Dinie Anggraeni; Ardiansyah, Muhammad Irfan
MARAS : Jurnal Penelitian Multidisiplin Vol. 2 No. 1 (2024): MARAS : Jurnal Penelitian Multidisiplin, Maret 2024
Publisher : Lumbung Pare Cendekia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.60126/maras.v2i1.135

Abstract

Indonesia merupakan negara yang memiliki berbagai macam perbedaan yang meliputi perbedaan kebudayaan, suku, agama, bahasa, dan adat istiadat yang tersebar di berbagai daerah. Dari banyaknya perbedaan ini tidak hanya menjadi keuntungan tapi juga tantangan bagi Indonesia untuk menciptakan sebuah integrasi agar negara Indonesia menjadi negara yang utuh dan berdaulat. Berbagai konflik bisa muncul dari banyaknya keberagaman yang ada, sehingga membutuhkan banyak penyatuan-penyatuan untuk menciptakan rasa aman dan nyaman dalam setiap perbedaan. Penyatuan-penyatuan ini membutuhkan masyarakat sebagai penggerak persatuan yang bisa dilakukan dengan mengembangkan pemahaman masyarakat tentang pentingnya sikap toleransi dalam lingkungan masyarakat yang memiliki banyak perbedaan. Penulisan artikel ini menggunakan metode kualitatif yang dikombinasikan dengan literature research untuk mendapatkan data yang relevan. Dapat kita sadari, toleransi adalah suatu hal yang sangat penting. Namun sayangnya, sikap toleransi masih belum bisa diterapkan dengan baik dalam kehidupan masyarakat di Indonesia. Sehingga, masih banyak konflik-konflik yang terjadi akibat kurangnya sikap toleransi. Konflik ini dapat menyebabkan perpecahan di masyarakat yang membuat Indonesia belum bisa menjadi wilayah yang utuh dan berdaulat. Perlu disadari bahwa toleransi merupakan hal yang penting dalam kehidupan bermasyarakat.
IMPLEMENSTASI CONVOLUTIONAL NEURAL NETWORK UNTUK DETEKSI DAN KLASIFIKASI MOTIF BATIK SOLO SECARA OTOMATIS Ardiansyah, Muhammad Irfan; Srirahay, Agustina; Permatasari, Hanifah
Infotech: Journal of Technology Information Vol 11, No 2 (2025): NOVEMBER
Publisher : ISTEK WIDURI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37365/jti.v11i2.421

Abstract

Batik is a recognized intangible cultural heritage of Indonesia, featuring diverse motifs and deep-rooted philosophical meanings. Solo is one of the regions known for its distinctive batik patterns. However, manual identification remains challenging due to visual similarities between motifs. This study aims to develop an automatic classification system for identifying four Solo batik motifs Parang, Sidoasih, Sidomukti, and Truntum using a Convolutional Neural Network (CNN). The dataset includes 250 labeled digital images collected from online repositories and prior research. The data were split into training, validation, and test sets. Preprocessing steps involved resizing to 224×224 pixels, normalization, and data augmentation. The CNN architecture comprises three convolutional layers, max pooling, a flatten layer, and two dense layers. The model was trained for 20 epochs using the Adam optimizer and categorical cross-entropy loss function. Evaluation results showed that the model achieved an accuracy of 89.36% and a loss value of 0.5172. The macro and weighted f1-scores exceeded 0.88, indicating high classification performance. These results demonstrate the potential of CNNs in recognizing complex batik motifs and highlight the role of AI in preserving cultural heritage through technology.
Co-Authors Ananda, Briska Putra Baroroh, Luluk Taufiqul Budi Sunarko Dewi, Dinie Anggraeni Hakiki, Muhammad Khikam Hermawan, Nuhsandriya Muhammad, Naufal Nurfauziah, Ayu Permatasari, Hanifah Srirahay, Agustina Syahroni Hidayat Uswatun Hasanah