Article Per Year (5 Year)
p-Index From 2020 - 2025
0.961
P-Index
This Author published in this journals
All Journal Journal of Information Systems and Technology Research Jurnal Teknologi dan Informatika (JEDA) Seminar Nasional Riset dan Teknologi (SEMNAS RISTEK) PENGAMATAN: Jurnal Pengabdian Masyarakat untuk Ilmu MIPA dan Terapannya
Hartanto, M Budi
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Mathematics Other

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
Meningkatkan Kinerja IoT dengan Reinforcement Learning: Integrasi Data Science dan GenAI untuk Industri 5.0 Winarko, Triyugo; Fahurian, Fatimah; Yunita, Hilda Dwi; Hartanto, M Budi
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 9, No 1 (2025): SEMNAS RISTEK 2025
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v9i1.7948

Abstract

Perkembangan Internet of Things (IoT) dalam era Industri 5.0 memerlukan pendekatan yang lebih cerdas dan adaptif untuk meningkatkan kinerjanya. Salah satu metode yang dapat digunakan adalah Reinforcement Learning (RL), yang memungkinkan perangkat IoT belajar dan beradaptasi dengan lingkungan secara mandiri untuk mencapai tujuan tertentu. Penelitian ini bertujuan untuk mengkaji integrasi antara Data Science dan Generative AI (GenAI) dalam meningkatkan kinerja sistem IoT melalui pendekatan RL. Metode yang digunakan dalam penelitian ini adalah studi literatur yang mengidentifikasi penerapan RL dalam berbagai kasus IoT, serta pemanfaatan Data Science untuk analisis data besar dan GenAI untuk pengembangan model prediktif. Hasil penelitian menunjukkan bahwa penerapan RL pada sistem IoT dapat meningkatkan efisiensi operasional dengan meminimalkan latensi, optimasi penggunaan energi, dan peningkatan interaksi perangkat. Selain itu, integrasi Data Science dan GenAI memungkinkan pembuatan model yang lebih akurat dan responsif terhadap perubahan kondisi. Penelitian ini memberikan kontribusi dalam memahami potensi teknologi canggih untuk memajukan sektor industri menuju era 5.0, dengan tantangan dan peluang yang perlu diperhatikan untuk implementasi lebih lanjut.
Evaluasi Kinerja Algoritma Naive Bayes, C4.5, dan Random Forest untuk Klasifikasi Kelulusan Mahasiswa Hartanto, M Budi; Yusman, Machudor
Jurnal Teknologi dan Informatika (JEDA) Vol 6, No 1 (2025): APRIL 2025
Publisher : Universitas Mitra Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57084/jeda.v6i1.1896

Abstract

Penelitian ini bertujuan untuk mengevaluasi kinerja tiga algoritma klasifikasi yaitu Naive Bayes, C4.5, dan Random Forest dalam mengklasifikasikan tingkat kelulusan mahasiswa. Data yang digunakan merupakan data akademik historis mahasiswa yang meliputi IPK, jumlah SKS, dan lama studi. Evaluasi dilakukan menggunakan pengukuran akurasi, precision, recall, dan F1-score melalui metode validasi silang. Hasil penelitian menunjukkan bahwa algoritma Random Forest memberikan akurasi tertinggi dibandingkan Naive Bayes dan C4.5. Temuan ini diharapkan dapat menjadi referensi dalam penerapan model klasifikasi untuk mendukung pengambilan keputusan akademik di perguruan tinggi.
Application of Bio-Inspired Particle Swarm Optimization Algorithm for Production Scheduling Optimization Yuniarthe, Yodhi; Purnomo, Rosyana Fitria; Sari, Resy Anggun; Dirayati, Fadhilah; Hartanto, M Budi
Journal of Information Systems and Technology Research Vol. 4 No. 2 (2025): May 2025
Publisher : Ali Institute or Research and Publication

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55537/jistr.v4i02.1132

Abstract

Production scheduling is a fundamental aspect of manufacturing systems that significantly affects operational efficiency, resource allocation, and delivery performance. Traditional scheduling methods often struggle to solve complex, dynamic scheduling problems, resulting in suboptimal job sequencing and increased makespan. This research aims to develop a hybrid optimization algorithm by integrating Particle Swarm Optimization (PSO) and Genetic Algorithm (GA) to address inefficiencies in job shop scheduling. The proposed hybrid PSO-GA method leverages the global exploration ability of PSO and the local refinement strength of GA. The algorithm was tested on several benchmark datasets using performance metrics such as makespan, tardiness, and machine utilization. Experimental results demonstrate that the hybrid approach achieved a 12.7% improvement over standard PSO and a 15.4% improvement over GA in terms of makespan. The convergence curve also showed stable and faster optimization. These findings confirm that the hybrid PSO-GA model provides a more effective and robust solution for complex production scheduling and has strong potential for real-time application in Industry 4.0 environments
Analisis Pemanfaatan Teknologi Cloud Storage untuk Efisiensi Kolaborasi Data pada Perguruan Tinggi Swasta di Indonesia Ikhwan, Ahmad; Hartanto, M Budi; Yusman, Machudor
Jurnal Teknologi dan Informatika (JEDA) Vol 6, No 1 (2025): APRIL 2025
Publisher : Universitas Mitra Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57084/jeda.v6i1.1987

Abstract

Perkembangan teknologi cloud storage telah memberikan dampak signifikan dalam pengelolaan dan kolaborasi data, khususnya di lingkungan pendidikan tinggi. Penelitian ini bertujuan untuk menganalisis pemanfaatan teknologi cloud storage dalam mendukung efisiensi kolaborasi data pada perguruan tinggi swasta di Indonesia. Metode yang digunakan adalah studi literatur dan survei terhadap dosen dan staf IT di beberapa perguruan tinggi swasta. Hasil penelitian menunjukkan bahwa penggunaan cloud storage seperti Google Drive, Dropbox, dan OneDrive dapat meningkatkan efektivitas berbagi data, mengurangi penggunaan perangkat keras lokal, serta mempermudah akses informasi lintas departemen. Meskipun demikian, masih terdapat tantangan terkait keamanan data dan keterbatasan infrastruktur jaringan. Penelitian ini memberikan wawasan tentang pentingnya pengelolaan teknologi cloud storage yang optimal dalam dunia pendidikan tinggi untuk mendukung aktivitas akademik dan administrasi secara efisien.
Pendampingan Masyarakat dalam Optimalisasi Administrasi Desa melalui Pelatihan Tata Kelola Dokumen Putra, Arie Setya; Yuniarthe, Yodhi; Fawa’ati, Teuku Muhamad; Brajanoto, Destoprani; Dirayati, Fadhilah; Hartanto, M Budi; Marlina, Iin
PENGAMATAN: Jurnal Pengabdian Masyarakat untuk Ilmu MIPA dan Terapannya Vol 3 No 1 (2025): PENGAMATAN: Jurnal Pengabdian Masyarakat untuk Ilmu MIPA dan Terapannya
Publisher : Jurusan Matematika FMIPA Universitas Pattimura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/pengamatanv3i1p23-26

Abstract

Well-organized village administration is an essential factor in supporting transparency and government effectiveness. However, many villages still face challenges in systematically managing administrative documents. This community service activity aims to provide training to village officials on effective document management. The method used in this activity is practice-based training with a participatory approach. The results of this training show an increase in understanding and skills in village document management. With this assistance, it is expected that village administration will be more structured and accountable.
Pelatihan Python untuk Sistem Prediksi Hasil Tangkapan Ikan di Pulau Pasaran, Bandarlampung Pramono, Doni Eko Hendro; Sukri, Hamdan; Purnomo, Rosyana Fitria; Hartanto, M Budi
PENGAMATAN: Jurnal Pengabdian Masyarakat untuk Ilmu MIPA dan Terapannya Vol 3 No 1 (2025): PENGAMATAN: Jurnal Pengabdian Masyarakat untuk Ilmu MIPA dan Terapannya
Publisher : Jurusan Matematika FMIPA Universitas Pattimura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/pengamatanv3i1p27-36

Abstract

The Python training program for a fish catch prediction system in Pasaran Island, Bandarlampung, aims to enhance the efficiency and accuracy of fishery forecasts for local fishermen. Utilizing machine learning algorithms, the system processes environmental data such as sea surface temperature, chlorophyll levels, and weather conditions. This training introduces participants to Python basics, data processing, and the implementation of predictive algorithms like linear regression and artificial neural networks. Results from the training indicate an improvement in participants' understanding of predictive technology, directly supporting decision-making in fisheries activities. Furthermore, the application of this technology is expected to reduce reliance on less precise traditional methods. By integrating spatial and temporal data, this program delivers a prediction system that adapts to changing marine ecosystems, supporting sustainable fishery resource management. The study contributes to the coastal community's capacity to address challenges posed by climate change and marine economic dynamics.
Co-Authors Arie Setya Putra Brajanoto, Destoprani Dirayati, Fadhilah Fatimah Fahurian Fawa’ati, Teuku Muhamad Hendro Pramono, Doni Eko Hilda Dwi Yunita ikhwan, Ahmad Machudor Yusman Marlina, Iin Resy Anggun Sari Rosyana Fitria Purnomo Sukri, Hamdan Triyugo Winarko, Triyugo Yodhi Yuniarthe