Article Per Year (5 Year)
p-Index From 2020 - 2025
0.751
P-Index
This Author published in this journals
All Journal IKRA-ITH Informatika : Jurnal Komputer dan Informatika IKRA-ITH ABDIMAS
Iswahyudi, Raden Teddy
Unknown Affiliation
Computer Science & IT

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

Found 4 Documents
Search

 1 
Workshop Kolaborasi PkM: Mind Mapping Riset Multi Disiplin Berbasis Metadata Dimensions AI dan Inciteful Anwar, Nizirwan; Erzed, Nixon; Gunawan, Hendry; Iswahyudi, Raden Teddy; Yulfitri, Alivia; Setiawan, Iwan; Martaseli, Evi; Budhisantosa, Nugroho; Widyawan, Tri Ismardiko
IKRA-ITH ABDIMAS Vol. 8 No. 3 (2024): Jurnal IKRAITH-ABDIMAS Vol 8 No 3 November 2024
Publisher : Universitas Persada Indonesia YAI

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Dalam era big data, mind mapping berbasis metadata menjadi pendekatan inovatif dalam riset multi-disiplin. Workshop ini bertujuan untuk membekali dosen dengan keterampilan dalam menggunakan Dimensions AI dan Inciteful guna eksplorasi metadata, pemetaan riset, dan analisis jaringan literatur. Dimensions AI menyediakan analisis metadata berbasis publikasi ilmiah, sementara Inciteful membantu dalam pemetaan hubungan sitasi untuk menemukan referensi yang relevan. Hasil workshop menunjukkan bahwa pemanfaatan mind mapping berbasis AI meningkatkan efisiensi eksplorasi literatur, mengidentifikasi research gap, serta mempercepat penyusunan framework penelitian. Peserta dapat menghubungkan berbagai konsep lintas disiplin secara lebih sistematis, yang berdampak pada peningkatan kualitas dan relevansi referensi akademik. Namun, terdapat beberapa kendala, seperti kurangnya pemahaman tentang teknologi AI, keterbatasan akses ke fitur premium, dan kompleksitas integrasi data lintas disiplin. Oleh karena itu, strategi pelatihan, bimbingan teknis, serta adopsi teknologi open-source diperlukan untuk mengoptimalkan pemanfaatannya. Kesimpulannya, mind mapping berbasis metadata dengan Dimensions AI dan Inciteful merupakan solusi efektif untuk riset multi-disiplin, mempercepat publikasi ilmiah, serta mendorong kolaborasi akademik yang lebih luas dan berbasis data
MODEL PREDIKSI TABRAKAN BERBASIS MACHINE LEARNING DALAM SISTEM INTERNET OF VEHICLES (IoV) Iswahyudi, Raden Teddy; Anwar, Nizirwan
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 9 No. 2 (2025): IKRAITH-INFORMATIKA Vol 9 No 2 Juli 2025
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perkembangan Internet of Vehicles (IoV) menghadirkan peluang signifikan dalam peningkatan keselamatan berkendara melalui sistem prediksi tabrakan berbasis data. Penelitian ini bertujuan untuk mengembangkan model prediktif yang akurat dan efisien dengan menggunakan pendekatan machine learning, khususnya algoritma klasifikasi seperti Support Vector Machine (SVM), Random Forest, dan Multi Layer Perceptron (MLP). Dataset yang digunakan berasal dari Kaggle dan mencakup 207.000 entri dengan fitur-fitur seperti kecepatan kendaraan, jarak antar kendaraan, status pengemudi, kondisi lingkungan, dan atribut jaringan komunikasi. Tahapan penelitian meliputi eksplorasi data, preprocessing, seleksi fitur, pelatihan model, dan evaluasi performa menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil eksperimen menunjukkan performa model yang sangat tinggi, yaitu akurasi 99,99%, presisi 99,99%, recall 100%, dan F1-score 99,99%. Evaluasi confusion matrix menunjukkan bahwa hampir semua kasus diklasifikasikan dengan benar, dan nilai AUC ROC curve sebesar 0,9999999 menandakan kemampuan diskriminasi yang hampir sempurna. Fitur paling berpengaruh dalam prediksi tabrakan adalah status pengemudi, jumlah jalur, dan kapabilitas pengereman. Temuan ini menunjukkan bahwa model berbasis machine learning mampu mendeteksi potensi tabrakan secara tepat dan real-time, serta dapat diintegrasikan ke dalam sistem peringatan dini pada kendaraan cerdas, menjadikannya solusi potensial untuk mengurangi risiko kecelakaan dalam ekosistem IoV yang dinamis dan kompleks.
PENGARUH DATA PREPROCESSING TERHADAP PERFORMA REGRESI LINIER DALAM PREDIKSI SAHAM Pangestu, Aji; Iswahyudi, Raden Teddy
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 9 No. 2 (2025): IKRAITH-INFORMATIKA Vol 9 No 2 Juli 2025
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini membahas implementasi data preprocessing untuk meningkatkan performa modelregresi linier dalam prediksi harga saham, dengan studi kasus pada saham 2012.TW periode Januari–Juni 2023. Data preprocessingmenjadi tahap penting karena data finansial sering mengandung missingvalues, outlier, dan distribusi yang tidak seimbang. Tahapan preprocessing meliputi data cleaning,deteksi dan penanganan outlier, feature engineering, seleksi fitur, serta normalisasi. Model regresilinier kemudian dilatih dan diuji menggunakan time series split dengan evaluasi metrik R², MSE, danMAPE. Hasil analisis menunjukkan bahwa regresi linier memiliki keterbatasan dalam menangkapdinamika harian (R² = 0,39), namun memberikan hasil yang lebih baik pada data mingguan (R² = 0,62)dan sangat kuat pada data bulanan (R² = 0,95). Nilai MSE yang relatif rendah pada ketiga skala datamenunjukkan prediksi model cukup akurat terhadap tren harga. Dengan demikian, preprocessingberkontribusi signifikan terhadap peningkatan performa regresi linier, meskipun kompleksitas pasarsaham menuntut pengembangan model yang lebih adaptif. Penelitian ini memberikan gambaran bahwaregresi linier dapat dijadikan baseline prediksi harga saham jangka pendek, serta membuka peluangintegrasi dengan model pembelajaran mesin yang lebih canggih
PREDIKSI INTERAKSI PENGGUNA MEDIA SOSIAL X DENGAN ALGORITMA MACHINE LEARNING Syamdova, Dian; Iswahyudi, Raden Teddy
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 9 No. 2 (2025): IKRAITH-INFORMATIKA Vol 9 No 2 Juli 2025
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Media sosial kini menjadi ruang komunikasi publik yang penting, termasuk bagi instansi pemerintah dalammenyampaikan informasi kepada masyarakat. Penelitian ini bertujuan memprediksi tingkat interaksi pengguna pada akunresmi Kementerian Pertanian Republik Indonesia (Kementan RI) di platform X (Twitter) menggunakan algoritma machinelearning. Data penelitian berupa 334 tweet yang dipublikasikan pada periode April hingga Juni 2025, dianalisis berdasarkanjumlah like, reply, dan repost. Proses pra-pemrosesan mencakup pembersihan teks, normalisasi, penghapusan stopwords,serta transformasi teks ke dalam representasi numerik dengan TF-IDF. Empat algoritma diuji, yaitu Naive Bayes, LogisticRegression, Support Vector Machine (SVM), dan K-Nearest Neighbors (KNN). Evaluasi kinerja model menggunakanmetrik akurasi, presisi, recall, F1-score, macro average, dan weighted average untuk menangani distribusi data yang tidakseimbang. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes memberikan performa terbaik dengan akurasi 82%dan F1-score 0.74, terutama pada klasifikasi interaksi rendah. Logistic Regression dan KNN menunjukkan performa cukupbaik namun belum stabil, sedangkan SVM memiliki performa paling rendah, khususnya pada deteksi interaksi tinggi.Temuan ini menunjukkan bahwa Naive Bayes dapat direkomendasikan sebagai algoritma utama dalam prediksi interaksimedia sosial X. Selain itu, hasil penelitian ini dapat menjadi landasan untuk menyusun strategi komunikasi digitalpemerintah yang lebih efektif, berbasis data dan prediksi tingkat keterlibatan audiens.
Co-Authors Evi Martaseli Hendry Gunawan, Hendry Iwan Setiawan Nixon Erzed Nizirwan Anwar Nugroho Budhisantosa Pangestu, Aji Syamdova, Dian Widyawan, Tri Ismardiko Yulfitri, Alivia