Article Per Year (5 Year)
p-Index From 2021 - 2026
2.663
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika) RJOCS (Riau Journal of Computer Science) Jurnal Informatika: Jurnal Pengembangan IT Journal of Informatics and Advanced Computing
Iman Paryudi
Universitas Pancasila
Computer Science & IT

Published : 17 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 17 Documents
Search

 1   2 
Prediksi Harga Smartphone berdasarkan Spesifikasi menggunakan K-Nearest Neighbors: Prediksi Harga Smartphone berdasarkan Spesifikasi menggunakan K-Nearest Neighbors Fitra Ningrum, Dea; Putri Ramadhani, Shabrina; Paryudi, Iman; Veritawati, Ionia; Rezeki Candra Nursari, Sri
Journal of Informatics and Advanced Computing (JIAC) Vol 4 No 2 (2023): Journal of Informatics and Advanced Computing (JIAC)
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/jiac.v4i2.6293

Abstract

Di era teknologi informasi yang terus berkembang, pasar ponsel pintar menjadi salah satu pasar konsumen yang paling dinamis dan beragam. Pembeli seringkali dihadapkan pada banyak pilihan dalam memilih smartphone baru yang sesuai dengan kebutuhan dan budgetnya. Penelitian ini bertujuan untuk memprediksi harga smartphone berdasarkan spesifikasi. Metodologi yang digunakan adalah algoritma K-Nearest Neighbor dengan menggunakan Euclidean distance, membagi dataset menjadi 70% data latih dan 30% data uji. Model ini telah diuji sebanyak 2 kali, pengujian pertama menggunakan k sebesar 1 dan menghasilkan akurasi sebesar 57%, sedangkan pengujian kedua menggunakan nilai k sebesar 3 dan memperoleh akurasi sebesar 65%.
Perbandingan Metode Decision Tree dan Naive Bayes untuk Memprediksi Thyroid Cancer Recurrence Hafizd, Fidya; Julyani, Dian Rizky; Yuliza, Hasna; Agustine, Emely Nemy; Surbakti, Kessya Immanuella; Paryudi, Iman
Journal of Informatics and Advanced Computing (JIAC) Vol 5 No 1 (2024): Journal of Informatics and Advanced Computing (JIAC)
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/jiac.v5i1.7198

Abstract

Abstract – This study aims to predict thyroid cancer recurrence by comparing two data mining methods, namely Decision Tree and Naive Bayes. The data used is classification data that has gone through preprocessing and modeling processes, then tested using test and score tests on analysis software called Orange. By using Orange as an analysis tool, experiments were conducted to determine which method gave the best accuracy. The results show that the two methods have different accuracy comparisons in predicting thyroid cancer recurrence. This research is expected to help in identifying symptoms that are at high risk of causing thyroid cancer recurrence and provide valuable insights in data analysis.
Strategi Pengolahan Stok Berbasis Analisis Cluster Kepopuleran Produk Fahrian, Anjar; Muhammad Naufal Fauzi; Shabrina Putri Ramadhani; Iman Paryudi
Journal of Informatics and Advanced Computing (JIAC) Vol 5 No 1 (2024): Journal of Informatics and Advanced Computing (JIAC)
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/jiac.v5i1.8213

Abstract

Improving customer service in terms of stock availability remains a challenge. Supermarkets often face issues such as stock shortages and overstocking, leading to customer dissatisfaction. To address these challenges, research was conducted on stock management based on cluster analysis of product popularity, aiming to optimize marketing strategies related to product availability. This study employed the K-means clustering algorithm using Google Colaboratory tools. The clustering results revealed that Cluster 1 represents popular products, characterized by a higher average number of products sold and relatively higher customer satisfaction levels compared to Clusters 0 and 2. Cluster 0 represents moderately popular products, while Cluster 2 encompasses less popular products. Based on the visualization, it was observed that product popularity in each city varies: electronic products are most popular in Mandalay and Naypyidaw, while health and beauty products are less popular or fall under Cluster 2 in Naypyidaw. However, health and beauty products are highly popular and record the highest sales in Yangon.
Analisis Pola Pelayanan Logistik pada PT KAI (Balai Yasa Manggarai) Menggunakan Algoritma Apriori Ari Wijaya , Fiky; Paryudi, Iman
Journal of Informatics and Advanced Computing (JIAC) Vol 6 No 1 (2025): Journal of Informatics and Advanced Computing
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/v75wbn84

Abstract

Manajemen logistik memegang peran penting dalam industri dengan tanggung jawab memantau pergerakan barang dari pengadaan hingga penggantian yang dikelola pada fasilitas gudang. Pemilihan lokasi penempatan barang sangat penting untuk mendukung kelancaran distribusi dan aktivitas logistik, serta mengoptimalkan waktu pengiriman dan biaya transportasi. Kekurangan stok dapat menghambat proses produksi, sementara overstock dapat meningkatkan biaya penyimpanan. Untuk mengatasi ini, PT KAI, khusunya sektor Balai Yasa, menerapkan kebijakan persediaan untuk meningkatkan respons terhadap permintaan. Data transaksi tahun 2023 mencatat fluktuasi dalam permintaan layanan, mencerminkan keragaman yang mungkin dipengaruhi oleh berbagai faktor eksternal seperti perubahan ekonomi dan kebijakan industri. Melalui analisis data mining menggunakan algoritma Apriori dengan support minimum 5%, confidence 100%, dan lift ratio ≥ 1 menunjukkan bahwa kemunculan item secara bersama lebih sering daripada yang diharapkan dari aturan yang terbentuk. Dengan demikian, hasil analisis dapat dijadikan sebagai preferensi dalam distribusi penempatan barang sesuai dengan permintaan layanan dan kebutuhan pada perusahaan, sehingga meningkatkan efisiensi operasional dan kualitas pelayanan.  
Generative AI vs SMOTE: Studi Kasus Penyeimbangan Data Teks pada Sentimen Analisis Dyah Sulistyowati Rahayu; Iman Paryudi; Erin Divayaning; Afni Puspita Zahra; Arsya Yan Duribta
Jurnal Informatika: Jurnal Pengembangan IT Vol 11, No 2 (2026)
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v11i2.10157

Abstract

– Imbalanced data remains a major challenge in sentiment analysis, where the dominance of positive reviews often leads to biased classification results and weak recognition of minority classes. This study aims to address the imbalance problem by applying Large Language Models (LLM) to generate synthetic negative reviews and comparing the results with the traditional SMOTE method. The research process begins with data collection through web scraping, followed by preprocessing using standard text cleaning techniques such as tokenization, stopword removal, and stemming. Augmentation is then performed with LLM to produce additional negative samples, while SMOTE is applied as a baseline method. The classification task is conducted using Support Vector Machine (SVM) with TF-IDF representation, and model performance is evaluated using accuracy, precision, recall, and F1-score. The findings show that LLM augmentation produces synthetic data highly similar to the original distribution, as confirmed by Kolmogorov-Smirnov and Wasserstein Distance tests. Furthermore, the SVM model trained with LLM-augmented data achieved higher accuracy and balanced performance compared to SMOTE, particularly in handling minority classes. In conclusion, the use of LLM provides a more effective and natural approach for text data balancing in sentiment analysis, offering significant improvement in classification quality with accuracy of 99.41%, while using SMOTE get accuracy of 98.12%. 
ANALISIS POLA PEMBELIAN KONSUMEN MENGGUNAKAN ALGORITMA APRIORI UNTUK MENENTUKAN STRATEGI PEMASARAN PRODUK DI TOKO RETAIL X Dwy Laila Safitry; Noviana Rosianti; Erin Divayaning; Husein Zidan; Zahra Jane Arnecia; Iman Paryudi; Ionia Veritawati; Sri Rezeki Candra Nursari
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12429

Abstract

Analisis pola pembelian konsumen telah menjadi kunci keberhasilan dalam industri retail modern yang semakin kompetitif. Meskipun demikian, banyak toko retail masih menghadapi tantangan dalam menganalisis data transaksi mereka secara efektif, yang dapat menghambat optimalisasi strategi pemasaran dan manajemen inventori. Untuk mengatasi permasalahan ini, penelitian ini mengusulkan implementasi algoritma Apriori guna melakukan market basket analysis pada data transaksi Toko retail X. Toko retail X merupakan sebuah platform e-commerce yang menjual berbagai hadiah dan peralatan rumah tangga. Melalui penerapan algoritma Apriori, penelitian ini berhasil mengidentifikasi beberapa association rule yang kuat antar produk, seperti kombinasi set Regency Teacup and Saucer, set Jumbo Bag, dan tea party set. Hasil analisis ini dapat dimanfaatkan untuk mengoptimalkan strategi pemasaran, termasuk penawaran bundling, dan rekomendasi produk yang lebih tepat sasaran, sehingga berpotensi meningkatkan penjualan dan tingkat kepuasan pelanggan
ANALISIS PERFORMA ARSITEKTUR ALEXNET DAN VGG16 PADA DATASET PRIMER CITRA LAPANGAN UNTUK DETEKSI KERUSAKAN PANEL SURYA Ninuk Wiliani; Agung Saputra; Iman Paryudi
RJOCS (Riau Journal of Computer Science) Vol. 12 No. 2 (2026): RJOCS (Riau Journal of Computer Science)
Publisher : Fakultas Ilmu Komputer, Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/rjocs.v12i2.4979

Abstract

: Panel surya (photovoltaic) rentan mengalami penurunan efisiensi akibat kerusakan fisik permukaan seperti retak (crack) dan goresan (scratch). Penggunaan Deep Learning seperti AlexNet dan VGG16 merupakan pendekatan umum dalam visi komputer, namun evaluasinya pada kondisi citra lapangan (field condition) yang memiliki variasi pencahayaan dan latar belakang kompleks masih terbatas. Penelitian ini bertujuan untuk menguji dan membandingkan performa arsitektur AlexNet dan VGG16 dalam mengklasifikasikan kerusakan panel surya. Keterbaruan (novelty) penelitian ini bertumpu pada penggunaan dataset primer sebanyak 1.000 citra citra riil lapangan (500 crack dan 500 scratch) yang dilatih dari awal (training from scratch), serta penekanan evaluasi pada kapasitas pemisahan batas kelas (class separability) berbasis Area Under Curve (AUC) dan analisis kedalaman lapisan konvolusi. Kedua model dilatih menggunakan optimasi Adam (learning rate 0,001, batch size 16) dengan mekanisme Early Stopping. Hasil eksperimen menunjukkan bahwa meskipun AlexNet dan VGG16 memperoleh akurasi yang relatif berdekatan yaitu sebesar 88,93% dan 89,57% (selisih 0,64%), VGG16 menunjukkan keunggulan yang jauh lebih signifikan pada skor AUC yaitu 0,90 (Excellent Classification) dibandingkan AlexNet yang hanya sebesar 0,68 (Poor Classification). Kedalaman 13 convolutional layer berfilter kecil (3x3) pada VGG16 terbukti lebih presisi dalam mengekstrak fitur garis halus retakan tanpa terpengaruh noise lapangan dibandingkan filter besar pada AlexNet.
Co-Authors Afni Puspita Zahra Agung Saputra Agustine, Emely Nemy Anisa Al Harani Anisa Al Harani Ari Wijaya , Fiky Arsya Yan Duribta Dea Fitra Ningrum Dheva Fauzia Chema Dheva Fauzia Chema Dian Rizky Julyani Dwy Laila Safitry Dwy Laila Safitry Dwy Laila Safitry Dyah Sulistyowati Rahayu El Emir Di Haryanto El Emir Di Haryanto Emely Nemy Agustine Erin Divayaning Erin Divayaning Erin Divayaning Erin Divayaning Fahmi Fauzi Fahmi Fauzi Fahrian, Anjar Faiqa Hadya Hanifa Faiqa Hadya Hanifa Ferdi Husnal Fidya Hafizd Fiky Ari Wijaya Fiky Ari Wijaya Fitra Ningrum, Dea Hafizd, Fidya Hasna Yuliza Husein Zidan Husnal, Ferdi Imam Zuhdi Muzakkiy Imam Zuhdi Muzakkiy Ionia Veritawati Ionia Veritawati Ionia Veritawati Ionia Veritawati Julyani, Dian Rizky Kelfin Antonius Kelfin Antonius Kessya Immanuella Surbakti Kevin Raihan Hidayat Kevin Raihan Hidayat Khoirul Husein Khoirul Husein Muhammad Naufal Fauzi Ninuk Wiliani Noviana Rosianti Putri Ramadhani, Shabrina Shabrina Putri Ramadhani Shabrina Putri Ramadhani Sri Rezeki Candra Nursari Surbakti, Kessya Immanuella Valliant Benvenuto Gianzurriell Valliant Benvenuto Gianzurriell Yuliza, Hasna Zahra Jane Arnecia